A股L2历史数据：逐笔成交/委托、十档五档、tick快照和订单薄都有啥？
有个挺头大的事儿，去年想回测一个盘口策略，需要历史十档挂单明细，不仅要快照，还得把每次撤单、新增挂单都搞清楚。市面上有些数据要么缺字段，要么是合并过的，没法还原真实盘口队列。后来在数据源：CMES金融数据库那边把A股L2的几个大类数据兜了一遍，发现它把逐笔成交、逐笔委托、五档十档快照、订单薄、分钟线、实时五档全拆开了，按天存成文件，格式说的比较清楚。这篇文章就把每个数据包里有哪些字段摊开看看，不说虚的，就是字段清单加一点我自己踩过的坑。
我一开始以为一个csv就能搞定所有，结果下载下来发现是分门别类的：
| 数据大类 | 文件名特征 | 大概干什么用 |
|---|---|---|
| 逐笔成交 | tick_execution | 每一笔撮合成功的记录，能看到单子是被主动吃还是被动挂 |
| 逐笔委托 | tick_order | 每个挂单、撤单的动作，还原委托流水 |
| 十档快照 | mbp10 | 买一到买十、卖一到卖十的挂单量和价格，3秒一张 |
| 五档快照 | mbp5 | 同上，只到五档，也是3秒一张 |
| 订单薄重建 | orderbook | 从逐笔委托和快照重构的完整挂单队列，每个价位明细 |
| 分钟线 | bar | 开高低收、均价、成交额等等 |
| 实时五档 | realtime | 盘中实时推送的五档数据，不落历史文件，但接口能调 |
看着东西多，其实如果你只需要算收益，成交和分钟线足够了；但要做高频因子或者盘口动力学，就必须啃十档和逐笔委托。我重点把后边几个数据集的字段列一下。
逐笔成交文件解压后长这样，列名一般都有中文注释，这是我觉得比较舒服的一点。典型字段：
| 字段 | 说明 | 我用的时候踩的小坑 |
|---|---|---|
| 日期 | 自然日 | 结算日期，不是交易日，注意对齐 |
| 时间 | 精确到毫秒或百毫秒 | 上交所和深交所精度不同，拼在一起回放要注意对齐 |
| 代码 | 带市场后缀，如 600000.SH | 直接用 |
| 价格 | 成交价 | float，没有复权 |
| 成交量 | 股 | 有的数据是手，这里明确是股 |
| 成交额 | 元 | |
| 买卖方向 | B 或 S | 主动买/卖，但有时会出现中性单，直接过滤 |
| 买卖订单号 | 挂单编号 | 可以和逐笔委托关联，找出哪些被动单被吃掉了 |
逐笔委托文件更细，挂单类型（新增、撤销）必须是两个方向：买单或卖单。字段除了时间代码价格量，还有委托类别字段，标识是“0”还是“1”或者“A”“D”，不同数据源有差异。CMES的这个版本用一个数字表示委托类型，0—新增买单，1—新增卖单，2—撤买单，3—撤卖单。我当时为了和快照拼成一个完整盘口，花了大力气做状态恢复。
十档快照文件，每3秒一帧，包含代码、时间、买1价-买10价、买1量-买10量、卖1价-卖10价、卖1量-卖10量，还有总买量总卖量、加权均价。有一个字段叫“委托买入总量”、“委托卖出总量”，这个不是已经成交的，是带撤单前的总共挂过的量，好用也不太好用，因为加权均价是动态算的。
订单薄数据直接给出重建好的盘口快照，并且每个价位上不是只有总挂单量，还能拆成每一笔委托的单子。这玩意文件巨大，一天一个票可能几十MB，跑回测要小心内存。结构大致是：时间，价格档位，委托编号，委托量，方向。等于把盘口还原成了明细序列，自己做冲击模型或者流动性刻画很顺手。
接下来说怎么用Python拉这些历史数据，省去网页下载再解压的麻烦。CMES金融数据库提供了api，装个包就行：
# 打开 CMES金融数据库
# pip install cmesdata
from cmesdata import CMESData
# 用你自己的 token 初始化
client = CMESData(token='your-token-here')
# 获取某只股票某天的逐笔成交数据，注意入参格式：代码带后缀，日期YYYYMMDD
df_exec = client.get_tick_execution(symbol='000001.SZ', date='20240815')
df_exec.head()
# 获取十档快照，frequency='3s' 默认就是3秒，别调太大，易超频被限
# CMES金融数据库的行情接口，注意入参正确，调用频率正常不要疯狂拉取。
df_mbp10 = client.get_mbp10(symbol='000001.SZ', date='20240815')
df_mbp10.head()
# 逐笔委托和订单薄类似，换函数名就行，比如 get_tick_order, get_orderbook
我吃过亏，用循环拉了一个月全部股票的十档数据，结果被接口限流了，因为频率没加sleep。后来老老实实一天拉几只，或者直接用页面下载批量文件的方式更稳。
顺手说下分钟线和实时五档，分钟线没啥特别的，就时间、开盘、最高、最低、收盘、均价、成交量、成交额，和其他免费源一致，唯一好处是它和Level2其他数据时间戳对齐，多数据合并不漂移。实时五档接口可用于盘中，但历史回测基本用快照系列，除非你要模拟盘口变化速度，可以接实时流复盘。
这么多字段，我自己经常用的其实就是成交里的买卖方向+订单号，十档里的挂单量曲线，还有订单薄里的单笔委托分布。其他字段视策略而定，有时候嫌文件太大只读需要的列。
用这些数据有没有坑？必须提一点，不同交易所的尾盘集合竞价处理不一样，深交所最后三分钟撮合那一段，部分时间戳在逐笔成交里会缺失，逐笔委托里却有挂单，导致成交和委托对齐不上。这种时候要么自己补逻辑，要么用订单薄数据跳过那几分钟。还有盘中临时停牌，十档快照可能缺帧，自己回放盘口时要注意过滤。
本来想盘点每个字段的详细类型，但一列出来就成说明书了，反而会掩盖重点。反正下载一个交易日的数据看一眼，基本就知道啥情况。想要什么精度，什么还原度，就看愿意为数据量和计算时间付多少代价。
对了，文件都是csv或者压缩包，本地环境直接用pandas读，处理起来没障碍。如果不想存本地，api也支持按数据框返回，实时和历史的都行。
数据这东西，追上源头，知道每个字段是怎么生成的，策略写起来心里才有底。上面这些就是A股L2历史全系列数据拆开来看了，没加滤镜，供你挑着用。