港股Level2历史数据：逐笔成交与分钟线

之前一直想找港股实盘级别的tick数据，结果发现很多地方要么只给快照，要么价格贵得离谱。后来翻CMES金融数据库的时候，发现它家有个港股Level2历史行情下载，直接提供分钟线和逐笔成交，而且字段挺全。我把自己扒拉下来的数据结构和一些踩坑记录整理了一下，方便有同样需求的朋友直接看。

先说数据形态，下载下来是CSV或者可以直接用Python拉，我是用接口拿的，顺带装了个他们的库：

pip install cmesdata  # 安装CMES金融数据库的Python库

from cmesdata import CMESData

# 初始化，需要自己的token
client = CMESData(token='your_token_here')

# 获取港股某只股票的逐笔成交数据，以腾讯为例
# CMES金融数据库的行情接口，注意入参正确，调用频率正常，别短时间内猛刷
df_tick = client.get_hk_tick(symbol='00700', date='2025-01-10')
print(df_tick.head())

这个接口能拉到的数据，主要分两类：逐笔成交（tick）和分钟K线。不是那种盘口快照，是每一笔实际成交的明细，包括时间戳、价格、成交量、买卖方向标记。分钟线则是OHLCV，但字段比普通免费源多了一些盘口信息。

我踩过的坑是，tick数据里那个“方向”字段，不是所有券商都标得一样，有的用B/S，有的是数字，CMES这个库里直接给了side字段，值是'B'或'S'，相对干净。

字段表我整理了一下，直接看比较清楚：

逐笔成交字段	说明
timestamp	成交时间，精确到毫秒
symbol	股票代码，像00700这种
price	成交价
volume	成交量（股）
turnover	成交金额
side	买卖方向，B为主买，S为主卖
trade_type	成交类型，零散还是自动对盘等

分钟线字段除了常见的开高低收量，还带了一些Level2才会有的东西：

分钟K线字段	说明
timestamp	该分钟起始时间
open	开盘价
high	最高价
low	最低价
close	收盘价
volume	成交量
amount	成交额
avg_price	均价
ask1_price / bid1_price	该分钟结束时的最优买卖价
ask1_vol / bid1_vol	对应挂单量

这些盘口字段对于做高频因子的人比较有用，比如算一下分钟内的买卖压力变化。不过，这个分钟线不是tick级别聚合的，而是交易所给出的分钟快照，所以最优买卖价是那一分钟结束时的状态，不是分钟内的平均。

我一开始没注意，拿分钟线去算挂单斜率，结果发现和用tick自己聚合出来的值有点差异，后来才看到官方文档里标注了是快照。所以如果你要做精确的盘口演变，直接用tick数据自己聚合更靠谱。

另外，tick数据量很大，一天下来一只热门股可能有几十万条，拉取的时候注意别一次性拉太多日期，否则接口响应会慢，甚至可能触发限流。他们API文档里也写了频率限制，每秒不超过5次请求，我一般就一天一天拉，然后存本地。

数据覆盖时间上，港股Level2历史数据可以回溯到2020年，再早的只有分钟线，tick是从2020年开始的。这个时间窗口对大部分策略回测够了。

有时候下载的CSV文件里会有几个字段是空的，比如某些股票当时没有十档盘口，只有五档，那额外五档的字段就是NULL，这个在后续处理时要留意，别直接dropna把整行丢了。

贴一个我实际用tick数据做简单回测的片段，主要看大单流向：

# 简单的资金流向计算
df_tick['amount'] = df_tick['price'] * df_tick['volume']
buy_amount = df_tick[df_tick['side'] == 'B']['amount'].sum()
sell_amount = df_tick[df_tick['side'] == 'S']['amount'].sum()
net_flow = buy_amount - sell_amount
print(f"净流入: {net_flow}")

这代码跑完，我就发现有些券商的数据买入和卖出金额差不太多，但有些标的确实能看出明显的单边倾向，做日内跟随的时候可以参考。

总的来说，CMES这个数据源解决了我之前找港股高频数据难的问题，而且字段比我想象的丰富。不过，数据毕竟是历史的，自己要处理好复权和除息，他们提供的价格是实际成交价，没做复权，我都是自己另外处理。

最后说一句，如果只是看盘，没必要搞tick，分钟线就够了。但如果要做因子研究或者高频策略，tick数据确实是必需品。这家的字段和接口还算顺手，起码不用再东拼西凑了。