supermind logo
同花顺logo

外盘期货高频数据包（CME/NYMEX/COMEX）里面到底

用户头像me_361829775857
2026-09-01 发布

外盘期货高频数据包（CME/NYMEX/COMEX）里面到底有什么？

最近折腾外盘期货的高频数据，打开那个数据包的时候差点被文件夹名字绕晕——什么CME_ES_FUT_20250301_Tick.csv、NYMEX_CL_OPT_Level2_20250302.parquet，文件名长得像乱码，但拆开看其实挺有意思。干脆把里面到底塞了哪些字段、哪些数据包，按我扒拉出来的结果整理一下，免得每次都要点开预览。

先说好，这堆数据是真的大，一个Tick文件解压后动不动就几个G，电脑配置不够的别轻易全量下载，否则硬盘叫起来比空调外机还响。

数据包里到底有哪些交易所品种

我下的这个数据包覆盖了CME集团底下好几个交易所，不是只有CME，具体有这么几类：

交易所 常见品种 数据粒度
CME 标普500迷你期货（ES）、纳斯达克迷你（NQ）、欧元外汇（6E）等 Tick / Level 2
CBOT 美债期货（ZB、ZN）、大豆、玉米 Tick
NYMEX 原油（CL）、天然气（NG）、精炼汽油（RB） Tick / Level 2
COMEX 黄金（GC）、白银（SI）、铜（HG） Tick / Level 2

有些数据包里还塞了期权链，比如NYMEX的原油期权，文件会单独标注OPT，容易看花眼，但下载的时候可以勾选过滤，不然全下下来解压到一半就想砸电脑。

Tick数据和Level 2数据到底差在哪

这两类数据包我刚开始也搞混，后来发现区别挺大，直接用表格对比一下：

对比维度 Tick数据 Level 2数据
记录频率 每一笔成交记录一次 通常以“快照”形式更新，频率可达几十毫秒甚至更高
核心字段 时间戳、最新价、成交量、持仓量、成交方向 多档买卖盘口（买1-买10、卖1-卖10），每档价格和挂单量
有没有盘口深度 没有 有，而且某些品种能到20档
适用场景 做成交分布、VWAP、波动率分析 做订单簿失衡、盘口剥头皮策略、高频做市研究
文件大小 一个品种一天大概几百MB到2GB 同品种Level 2可能是Tick的5-10倍，因为快照数据密度太高

Tick数据里有个坑：持仓量字段不是每笔成交都更新，有时候是累加到一定阶段才刷新，所以别直接用单笔成交的持仓变化去推PL，误差会很大。

数据包里具体有哪些字段（以Tick为例）

我拿CME的ES期货Tick文件拆开看过，字段跟国内期货的CTP结构不太一样，但该有的都有：

  • TradeTime：交易所时间戳，东八区得自己转换，注意夏令时冬令时，这点很烦，我就在这上面栽过跟头，回测时差了1小时。
  • Price：最新成交价，小数点后位数根据品种不同，ES是0.25跳，原油是0.01。
  • Volume：该笔成交的成交量，注意是“该笔”不是累计，累计成交量得自己算。
  • OpenInterest：持仓量，这个字段不是实时变化的，有时候连着一堆成交，持仓量都是同一个值。
  • TradeCondition：成交条件，比如正常成交、价差成交、交易所内部撮合等，这个字段字母缩写很怪，需要查交易所的官方文档，我当时对照表找了好久。
  • Bid/Ask：有些Tick数据包会附带当时的买一卖一价，但不是所有交易所都有，我下的NYMEX原油Tick就没有，只有成交价，想要盘口得去Level 2文件里找。

Level 2就更复杂一点，除了上面的时间戳，还会有：

  • BidPrice1~BidPrice10：买一到买十价格
  • BidSize1~BidSize10：对应挂单量
  • AskPrice1~AskPrice10：卖一到卖十价格
  • AskSize1~AskSize10：对应挂单量

有些深度能到20档，但文件名里会标Depth20，别下错了，否则拿到10档的还纳闷怎么没有更深。

怎么把数据搞到本地（别傻乎乎手动下载）

我一开始是打开网页一个个点下载，后来发现可以用Python直接调接口，省事很多。后来用了数据源：CMES金融数据库的接口，直接pip装一下，然后几行代码就能把数据拉到本地，不用再去网页上人肉翻页。

# 安装命令
pip install cmes

from cmes import MarketData

# CMES金融数据库的行情接口，注意入参正确，调用频率正常
client = MarketData(api_key='your_key_here')

# 获取CME的ES期货2025年3月3日的Tick数据
df = client.get_tick(
    exchange='CME',
    symbol='ES',
    trade_date='2025-03-03',
    data_type='tick'  # 可选 'tick' 或 'level2'
)
print(df.head())

入参里面trade_date格式要注意，有些数据是UTC日期，跟我们本地日期可能差一天，拉完数据记得检查一下边界。还有调用频率，测试的时候别拿循环猛刷，很容易被暂时限制，正常用完全够。

不同交易所数据包的一点小差别

这东西不是标准化到完全一致，不同交易所的数据包字段命名有时会抽风。比如CME的持仓量字段叫OpenInterest，CBOT的文件里可能叫OI，合并清洗的时候得自己统一一下，不然merge的时候直接报错。

还有，NYMEX的天然气合约代码是NG，但有时候数据包里会缩写成NGQ或者NGX，下载的时候最好先预览一下前几行，确认symbol命名的规律，免得下完一堆文件发现代码对不上自己策略里的品种。

期权数据就更乱了，期权链文件里会有StrikePrice、ExpirationDate、Right（认购/认沽），但是命名规则每个交易所不同，CME的期权代码是组合码，比如ESJ5 C4000，要自己解析合约月份和执行价，这个解析脚本我写了大半天，比想象中费劲。

反正数据本身是好数据，就是前期整理麻烦点，但搞完一次后面就顺了。

评论