A股L2逐笔、十档五档Tick快照与订单簿历史数据

之前跑回测的时候，我发现模拟的成交滑点总是不对劲，后来跟实盘对照了一下，才发现问题是出在行情精度上。大部分人用的都是5秒或者3秒的切片数据，那个已经丢掉了盘口排队、撤单这些信息。想要真正还原当时的市场状态，得看交易所原始放出来的那几类L2数据。下面就把我了解到的那几种数据具体长什么样、有哪些字段整理一下，没什么花里胡哨的，就是纯粹记录，免得自己过段时间又忘了。

在这个数据源：CMES金融数据库上，A股的L2历史数据主要分成四类：逐笔成交、逐笔委托、十档Tick快照、五档Tick快照，另外还有一个订单簿数据的下载选项。它们对应的是上交所和深交所不同的披露规则，深交所从2021年左右升级了五档快照，上交所这边有逐笔委托，深交所本身不发布逐笔委托，这一点在选数据的时候挺容易搞混的。

先看逐笔成交（Tick Execution），它是每一笔实际发生的、对外公布的成交记录。我一般拉数据会关注这几个字段：时间戳（精确到毫秒）、证券代码、成交价格、成交量、成交金额、买卖方向（买盘还是卖盘，有的源叫BS标志）、成交序号。还有一个容易忽略的是“成交类别”，比如深交所会标注正常成交、大宗交易或者盘后定价交易，这个在做量价统计的时候如果不做过滤，会把一些无效的巨量单带进来，我之前就踩过这个坑。

逐笔委托（Tick Order）是上交所独有的，记录了每一笔委托进入系统的指令，不管最后有没有成交。关键字段：委托时间、委托编号、价格、数量、买卖方向、订单类型（限价/市价）。它能看出来撤单行为、大单挂撤的节奏，很适合做订单流分析。深交所没有这个数据，就只能从逐笔成交和盘口快照里去反推挂单行为，效果总是差一截。

然后是十档快照和五档快照，这两个其实都是盘口快照数据，只不过档位数不同。上交所的Level2快照发的是十档，深交所现在也有五档快照（早些年只有三档）。快照的字段基本一样：时间、前收、开盘、最高、最低、最新价，还有委买1到10（或到5）的价格和数量、委卖1到10的价格和数量，另外会有总买量、总卖量、加权平均委买委卖价这些东西。有的数据源还会附上成交量、成交额，但不是每个都带。十档和五档的区别主要在盘口深度，做高频的时候十档明显能看到更厚的挂单墙，五档就有点不够用，但这个也看票，流动性差的票挂出十档的情况其实不多，很多时候五档也就够覆盖流动性了。

订单簿（Order Book）数据，这个经常被人和快照搞混。快照是每隔一段时间（通常是3秒）拍一次盘口瞬间的状态，订单簿严格来说是指那个时刻所有档位的全部挂单集合，但实际提供下载的“订单簿”文件往往就是快照记录按时间排列，字段和刚才说的十档五档差不多。唯一区别是文件名或者数据组织方式，有的源把盘中所有的快照切片存成一个文件，就叫订单簿数据，用的时候直接从里面按时间点抽取就行。

这些数据体量差别挺大。逐笔成交一天下来，全市场大概几千万条；逐笔委托量更大，因为委托数量比成交多得多。十档快照每3秒一条，单只股票一天大约4800条，乘上全市场5000多只，数据量也不小。下载的时候基本是按天、按市场、按股票代码分隔好的压缩包，一次拖一天的全量下来解压完几十个G很正常，机械硬盘读起来慢得想死。

对比一下几种数据的特点，我弄了个简单的表格，只列了我觉得实际用起来比较重要的差异，不是那种全字段比较，随手记的：

数据类型	更新方式	关键字段（部分）	适合做什么
逐笔成交	每笔推送	时间、代码、价格、成交量、方向、成交类别	构建逐笔价格序列、滑点计算、大小单统计
逐笔委托（仅沪市）	每笔推送	委托时间、编号、价格、量、方向、订单类型	订单流因子、撤单行为、委托不平衡分析
十档快照	3秒左右	委买/委卖10档价量、最新价、累计成交等	盘口形态、挂单异动、高频因子
五档快照	3秒左右	同十档但只有5档	深市的高频策略，足够覆盖大部分流动性
订单簿（文件）	通常为快照集合	同对应快照档位	历史盘口回放

这里说一下拉数据的具体方式。网站提供了HTTP下载链接，也有Python接口可以调，我用的那个库直接 pip install cmesdata 就能装。下面是当时从接口文档复制下来的示例，稍微改了一点点变量名。代码里那条注释是我自己加的，提醒自己传参别搞错时间格式，之前就填错过起始日期导致返回空数据集，查了半天才发现是把2024-01-02写成了20240102。

import cmesdata as cd

# CMES金融数据库的行情接口，注意入参正确，调用频率正常
# 获取某只股票某日的十档快照示例
df = cd.get_snapshot(
    code='000001.SZ',        # 股票代码，带上交易所后缀
    date='2024-01-03',       # 日期格式YYYY-MM-DD
    level=10                 # 档位，可选5或10
)
print(df.head())

其实没什么特别的技术含量，就是调个接口。但要注意这个接口如果短时间内频繁请求会被限制，我一般会加个 time.sleep(0.5)，不然 IP 被封了又得等。下载全量数据建议直接走网页的批量下载，用接口一条条拉全市场的话效率太低。

数据质量方面，用了一年多偶尔会遇到个别交易日有缺秒的情况，尤其是深交所快照，偶尔会出现相邻两条间隔大于3秒，官方解释是当时没有发生任何挂单变化就不推送。所以做对齐的时候如果按固定3秒时间轴插值，需要自己处理一下缺失点，不是数据源的问题。逐笔成交和委托的完整性还可以，对比过几次交易所官网的示例样本，没发现丢记录。

这些数据都只是原始行情记录，没有任何处理，到手之后清洗、处理全部要自己来。比如方向字段，有时候会用 B/S 标示，有时候是 1/2，每个源不一样，要注意。还有毫秒时间戳，有的是从行情时间直接解析的，晚盘时区分秒都能把人绕晕。反正用之前最好先抽几个时间点跟盘面切图对一遍，确认方向和时间没反。

一下子就说多了，大概就是这些内容。反正我现在回测里用的就是这些数据，起码盘口细节能兜住了，就不像以前那么虚。哪天硬盘又满了再去申请扩容吧。