数据获取与清洗：Level2行情与资金流计算
做量化交易的朋友都知道一句话：垃圾进，垃圾出。数据质量不过关，再牛的策略也是白搭。今天咱们就来聊聊资金流模型的第一步——怎么拿到靠谱的Level2数据，怎么处理那些烦人的盘口挂单，以及如何计算逐笔成交的资金流。
我个人习惯把数据获取和清洗看作整个回测流程的「地基」。地基打不牢，后面建多高的楼都悬。好，咱们直接开干。
一、Level2行情数据从哪来？
Level2数据，说白了就是比普通行情更细一档的数据。普通行情只能看到五档买卖盘，Level2能看到十档，还能看到逐笔成交、委托队列这些核心信息。
目前国内能拿到Level2数据的渠道主要有这么几个：
- 券商API：比如华泰、中信、国泰君安这些大券商，都有自研的量化接口
- 第三方数据商：万得、聚宽、米筐、恒生聚源等
- 交易所直连：这个门槛比较高，一般机构才用得上
我在项目中遇到过最头疼的问题——不同数据源的时间戳格式不统一。有的用毫秒，有的用微秒，还有的直接用字符串。你想想看，如果时间对不上，后面算资金流的时候全乱套了。
二、盘口挂单数据怎么处理？
盘口挂单数据，就是买卖双方的委托队列。Level2能看到十档，每档都有价格和委托量。但这里有个坑——挂单数据是动态变化的，每秒都在变。
我一般会做这几步处理：
- 去重：同一时刻的重复记录只保留一条
- 排序：按时间戳升序排列，确保顺序正确
- 对齐：把不同股票的盘口数据对齐到同一时间点
- 计算买卖压力：用买一至买十的总量减去卖一至卖十的总量
举个例子，假设某只股票的盘口数据长这样：
时间戳: 2024-01-15 09:30:00.123
买一: 10.00元, 1000手
买二: 9.99元, 2000手
...
卖一: 10.01元, 1500手
卖二: 10.02元, 1800手
...我会计算一个「买卖压力比」：
买盘总量 = 1000 + 2000 + ... (前十档)
卖盘总量 = 1500 + 1800 + ... (前十档)
压力比 = 买盘总量 / 卖盘总量压力比大于1，说明买方力量强；小于1，说明卖方占优。这个指标在后面的资金流模型里会用到。
三、逐笔成交资金流怎么算？
逐笔成交数据，是Level2里最有价值的部分。它记录了每一笔成交的详细信息：成交时间、成交价格、成交量、买卖方向。
计算资金流的逻辑其实很简单：
- 主动买入：以卖一价或更高价格成交的，算作买方主动
- 主动卖出：以买一价或更低价格成交的，算作卖方主动
- 中性成交：价格在买卖价之间的，算作中性
然后，资金流 = 主动买入金额 - 主动卖出金额。正值表示资金净流入，负值表示净流出。
嗯，这里要注意一个细节——大单和小单的处理方式不一样。我个人习惯把单笔成交金额超过50万的算作「大单」，低于5万的算作「小单」，中间的算「中单」。这样能更精细地分析资金流向。
四、数据清洗与对齐
数据清洗，说白了就是「去脏数据」。我总结了几类常见问题：
| 问题类型 | 表现 | 处理方法 |
|---|---|---|
| 缺失值 | 某段时间没有数据 | 向前填充或插值 |
| 异常值 | 价格或成交量明显偏离 | 用3σ原则剔除 |
| 重复值 | 同一笔数据出现多次 | 保留第一条，删除其余 |
| 时间错位 | 不同数据源时间不一致 | 统一转换为毫秒时间戳 |
数据对齐这块，我踩过不少坑。最典型的一次——盘口数据和逐笔成交数据的时间戳差了0.5秒，导致算出来的资金流方向完全反了。后来我强制要求所有数据源都统一到毫秒级时间戳，并且做了一次「时间对齐」：
# 伪代码示例
def align_data(tick_data, order_data):
# 将两个数据集的时间戳统一到毫秒
tick_data['time_ms'] = tick_data['timestamp'] // 1000000
order_data['time_ms'] = order_data['timestamp'] // 1000000
# 按毫秒时间戳合并
merged = pd.merge(tick_data, order_data, on='time_ms', how='outer')
# 向前填充缺失值
merged = merged.fillna(method='ffill')
return merged你想想看，如果时间没对齐，后面算出来的资金流指标全是错的。回测结果再好也是假的。
五、知识体系总览
下面这张图，是我自己总结的数据获取与清洗的完整流程。你可以把它当作一个检查清单：
这张图把整个流程串起来了。从数据源开始，经过清洗、对齐，最后计算出资金流。每一步都不能跳过，每一步都有坑。
好了，数据获取与清洗这部分就聊到这儿。记住一句话：数据质量决定策略上限。花80%的时间在数据上，剩下20%的时间写策略，这才是量化交易的正确姿势。