1. 逐笔成交数据概述：什么是逐笔成交、Tick级数据与K线数据的区别、数据获取渠道
大家好，我是你们的老朋友。今天咱们正式开讲《逐笔成交分析》这门课。第一节课，我想先聊聊最基础的东西——逐笔成交到底是什么？它跟咱们平时看的K线有啥区别？以及，这些数据从哪儿搞到手？
说实话，我刚入行那会儿，也分不清这些概念。那时候看盘软件上红红绿绿的K线，觉得挺唬人。后来做了几年量化，才发现真正有价值的东西，其实藏在K线背后那些密密麻麻的成交记录里。
1.1 什么是逐笔成交数据
逐笔成交，说白了就是交易所把每一笔真实的成交记录，一条一条地推送给行情软件。你想想看，A股市场每天成交几千亿，每一笔交易都对应着一条逐笔成交记录。
举个例子。假设你挂了一笔买单，我挂了一笔卖单，咱们俩的价格撮合上了，交易所就会生成一条记录：
- 成交时间：精确到毫秒甚至微秒
- 成交价格：这笔交易的实际价格
- 成交数量：成交了多少股/手
- 成交金额：价格 × 数量
- 买卖方向：主动买还是主动卖
嗯，这里要注意。逐笔成交记录的是「已经成交」的订单，不是「挂单」。挂单是Level-2行情里的逐笔委托数据，别搞混了。
核心要点：逐笔成交是市场最微观的交易记录。每一笔成交，都是真金白银砸出来的。主力建仓、出货的痕迹，就藏在这些毫秒级的记录里。
1.2 Tick级数据与K线数据的区别
很多新手会问：我直接看K线不行吗？为什么要折腾Tick数据？
我打个比方你就明白了。K线就像一张城市的卫星图，你能看到整个城市的轮廓、主干道、大片区。而Tick数据呢，就像你拿着放大镜，在街头巷尾观察每一辆车的行驶轨迹。
咱们用一张图来直观感受一下：
咱们再列个表，把区别说清楚：
| 对比维度 | K线数据 | Tick级数据 |
|---|---|---|
| 数据粒度 | 聚合（1分钟/5分钟/日线等） | 逐笔（每笔成交） |
| 信息量 | 丢失了内部细节 | 保留完整交易过程 |
| 时间精度 | 秒级/分钟级 | 毫秒级/微秒级 |
| 数据量 | 小（每天几千条） | 大（每天几十万到上百万条） |
| 分析价值 | 趋势判断、形态识别 | 主力行为、订单流分析 |
| 存储成本 | 低 | 高（需要压缩存储） |
我的经验：我个人习惯把Tick数据比作「监控录像」，K线数据比作「新闻摘要」。新闻摘要告诉你今天发生了什么大事，但监控录像能让你看到事情是怎么发生的。做量化交易，尤其是做高频策略，没有Tick数据就像盲人摸象。
1.3 数据获取渠道
好了，知道了Tick数据有多重要，那问题来了——上哪儿搞？
我这些年折腾过不少数据源，踩过坑也捡过宝。下面给你列几个靠谱的渠道：
1.3.1 交易所官方数据
- 上海证券交易所：提供Level-2行情，包含逐笔成交数据。需要申请行情许可，费用较高。
- 深圳证券交易所：同样提供Level-2行情，数据格式与上交所略有不同。
- 中国金融期货交易所：股指期货的Tick数据，也是通过Level-2接口获取。
嗯，这里要注意。交易所官方数据是最权威的，但门槛也最高。个人投资者很难直接拿到，一般都是通过券商或数据服务商间接获取。
1.3.2 券商与行情软件
- 通达信：支持Level-2行情，可以导出Tick数据。我早期做研究时就用它。
- 同花顺：同样提供Level-2接口，数据质量不错。
- 东方财富Choice：金融终端，可以批量下载历史Tick数据。
避坑指南：我曾经用某款免费行情软件导数据，结果发现时间戳精度不够，毫秒位全是0。这种数据做高频分析基本废了。所以，数据源一定要验证时间精度。
1.3.3 专业数据服务商
- Wind：金融数据终端，提供A股、期货、期权的Tick数据。价格不菲，但数据质量有保障。
- 聚宽：量化平台，提供历史Tick数据回放功能。适合策略回测。
- RiceQuant：同样提供Tick级数据，支持Python接口直接调用。
- Tushare：开源数据接口，有社区版和专业版。专业版可以获取Level-2数据。
1.3.4 开源与社区数据
- GitHub：有一些开源项目整理了部分股票的Tick数据，但覆盖不全，质量参差不齐。
- 量化社区：比如掘金量化、优矿等，会提供一些免费的历史数据。
你想想看，数据获取这件事，说白了就是「一分钱一分货」。免费的数据往往有延迟、缺失、精度不够等问题。做研究可以先用免费数据练手，但真要实盘，还是得用付费数据源。
我的建议：刚开始学的时候，可以用Tushare或聚宽的免费数据练手。等把分析框架搭好了，再考虑升级到付费数据。别一上来就花大价钱买数据，结果发现策略跑不通，那就亏大了。
1.4 数据格式与存储
拿到Tick数据后，怎么存也是个学问。我见过有人把几百万条Tick数据存Excel里，结果打开文件要半小时……
这里给个简单的数据格式示例：
# 逐笔成交数据示例（CSV格式）
timestamp,price,volume,amount,side,buy_order_id,sell_order_id
2024-01-15 09:30:01.123,10.25,1000,10250.00,B,100001,200001
2024-01-15 09:30:01.456,10.26,500,5130.00,S,100002,200002
2024-01-15 09:30:02.001,10.25,2000,20500.00,B,100003,200003
2024-01-15 09:30:02.789,10.24,800,8192.00,S,100004,200004字段说明：
- timestamp：成交时间，精确到毫秒
- price：成交价格
- volume：成交数量（股）
- amount：成交金额
- side：买卖方向（B=主动买，S=主动卖）
- buy_order_id：买方订单编号
- sell_order_id：卖方订单编号
存储建议：我个人习惯用Parquet格式存储Tick数据，压缩率高，读取速度快。如果数据量不大，也可以用SQLite。千万别用Excel，血的教训。
1.5 本章小结
好了，第一节课的内容就到这里。咱们回顾一下：
- 逐笔成交是市场最微观的交易记录，每一笔都是真金白银
- K线是聚合数据，Tick是原始数据，两者各有用途
- 数据获取渠道从免费到付费，丰俭由人
- 数据存储要选对格式，别给自己挖坑
下一节课，咱们会深入讲解如何用Python处理Tick数据，包括数据清洗、特征提取、以及如何识别主力建仓的痕迹。到时候我会拿出我实际项目中用过的代码，一步步带你走一遍。
记住一句话：数据是死的，但分析方法是活的。掌握了Tick数据的分析方法，你就能看到别人看不到的市场细节。