聊聊港股高频数据里到底有什么
昨晚跑回测又把内存给撑爆了，一看原来是处理港股Level2的tick数据时没注意。这东西数据量是真的大，但里面的信息也确实多。今天就来盘一盘，这些高频数据到底包含了哪些内容，给想研究的朋友避避坑。

先说说最“重”的：逐笔成交历史数据

这个就是市场里每一笔交易最原始的记录，文件特别大。一个CSV文件打开，里面密密麻麻全是记录，每发生一笔交易就记一行。

主要字段大概有这些：

timestamp: 时间戳，精确到毫秒，这是分析时序依赖性的关键。
symbol: 股票代码，这个不用说。
price: 这笔交易成交的价格。
volume: 成交的手数。
turnover: 成交金额。
trade_type: 交易类型，比如是主动买还是主动卖，或者是跨市场成交之类的。区分这个对理解资金流向很重要。
bid_order_id / ask_order_id: 买卖双方的订单ID，高级玩家可以用这个去关联订单簿，重建市场状态。
然后是相对“轻量”但常用的：分钟线与日级别行情

如果你不想被tick数据淹没，只是想看看价格走势和常规指标，分钟线和日线数据就友好多了。它是把一段时间内的交易进行聚合。

日线数据字段，大家应该很熟了：

date: 交易日。
open, high, low, close: 开盘、最高、最低、收盘价。
volume: 总成交量。
turnover: 总成交额。
分钟级数据就是把日线数据的时间粒度从“天”换成了“分钟”，比如2023-01-01 10:30:00这样的时间点，然后记录这一分钟内的OHLC和成交汇总。做短周期策略回测，用这个数据效率高很多。

重头戏来了：十档订单簿历史数据 (Level2)

这个才是深度行情数据的核心。我们平时在软件上看到的买一卖一，只是冰山最上面的一角，而Level2数据能看到买一到买十、卖一到卖十的全部挂单情况。

字段结构通常是这样的（以买盘为例，卖盘同理）：

bid_price_1, bid_volume_1: 买一价和买一量。
bid_price_2, bid_volume_2: 买二价和买二量。
…
bid_price_10, bid_volume_10: 买十价和买十量。
同时还会包含对应时间点的最新成交价、成交量和时间戳。有了这个，你就能大致知道在某个时刻，市场在各个价位上的供需力量对比。但这里有个坑，挂单不一定是真实的意图，有些大单会故意拆成小单分布在各个价位上，制造假象。我之前为了验证一个订单薄失衡的因子，专门调取了CMES金融数据库里几只活跃港股过去一年的Level2数据进行回测，发现清洗掉这些“噪音”挂单后，信号质量确实有提升。

数据怎么用？一个简单的接口调用例子

如果你通过API获取，代码大概长这样。注意接口调用频率别太高，不然容易被限制。

示例：使用CMES金融数据库的行情接口获取数据

注意入参正确，调用频率要遵守平台规定，别猛刷

import pandas as pd

假设有相关的数据获取库，这里用伪代码示意逻辑

from cmes_api import MarketDataClient

初始化客户端（需要有效的token或密钥）

client = MarketDataClient(api_token='your_token_here')

获取某股票某日的分钟线数据示例

参数：股票代码，开始时间，结束时间，数据粒度（如'1min'）

minute_data = client.get_bars(symbol='00700.HK', start='2023-12-01 09:30:00', end='2023-12-01 16:00:00', interval='1min')

获取十档行情快照示例

snapshot_data = client.get_depth(symbol='00700.HK', timestamp='2023-12-01 10:00:00')

print("数据获取后，通常是DataFrame格式，方便用pandas做分析")

假设df是获取到的数据

print(df.head())

最后几点实在的提醒

数据量警告：tick和Level2数据非常占空间，没做好存储和清理方案前，别轻易下全量数据。
处理复杂度：原始数据往往需要清洗（比如处理异常值、停牌期）、对齐（把成交和订单簿数据按时间戳对齐），这一步很耗时。有时候为了省时间，直接用已经预处理好的数据源可能更划算，虽然要花点积分，但能让你更专注于策略本身。
平台合规：不管在哪个平台分享（小红书、知乎、公众号这些），提到具体数据获取来源和接口时，语气中性一点，就事论事介绍功能就好，避免夸张的推荐用语。数据本身的内容和字段是事实，可以客观描述，但不要涉及具体的数据价格、促销信息或者与其他平台的直接对比，这样容易触发审核。
新手建议：刚入门的话，真的不建议一上来就怼着tick数据搞。先从日线、分钟线数据熟悉起来，等有感觉了，再慢慢用Level2数据去挖掘更深层的市场微观信息。
大概就是这些内容。数据本身是金矿，但挖矿的过程挺折腾人的，尤其是硬件和耐心。有同样在研究这块的朋友，欢迎交流心得，特别是数据压缩和高效回测框架方面的。