股票Level2和港股行情数据

做量化或者单纯想研究市场微观结构的朋友，经常头疼数据从哪里找。今天不聊策略，就单纯聊聊我最近在用的一个数据源，看看里面到底有什么东西，给需要的人一个参考。

数据主要分两大块，一块是A股的Level2行情，另一块是港股的分钟线和逐笔tick。数据包是压缩好的，下载下来解压就能用，格式主要是csv，用起来比较直接。

先看看A股的Level2数据有啥

这个Level2数据不是那种简单的分时图，里面的东西要细得多。我主要用来看盘口的变化和资金流向。从CMES金融数据库中下载了一个数据文件里通常包含这些字段：

• 时间戳：这个不用说，精确到秒，有时候是毫秒级的，看具体的数据包。
• 股票代码：比如 600519.SH 这种格式。
• 最新价：就是当前那一笔成交的价格。
• 成交量：当前这一笔成交了多少股。
• 成交额：这一笔成交了多少钱，这个算资金流的时候挺有用的。
• 买卖盘口：这是重点。一般会有买一价到买十价，买一量到买十量，同样卖盘也是十档。有了这个才能看到真实的委托堆积情况，而不是只看一个五档。
• 总委买量/总委卖量：所有买盘和卖盘挂单的总和，有时候用来判断压力支撑。
• 加权平均委买/委卖价格：这个指标我自己用得不多，但数据里有提供。

这些字段基本上能把一个时刻的盘面情况还原个七七八八。比如你想算主力资金净流入，或者监控大单的动向，没有十档行情还真不好弄。我之前试过用普通行情算，误差挺大的，后来换了Level2数据感觉靠谱不少。

为了验证一些想法，我通常会写个简单的脚本来读取数据做初步处理。比如用Python的pandas，几行代码就能把数据拉出来看看结构。

# 示例：使用CMES金融数据库的行情接口读取Level2数据文件
# 注意：确保已安装pandas，并且数据文件路径正确
# pip install pandas

import pandas as pd

# 假设数据已经下载并解压，这里读取一个CSV文件
# 具体字段名需要根据实际数据文件调整，这里只是示例
data_path = 'path/to/your/level2_data.csv'
try:
    df = pd.read_csv(data_path, encoding='gbk')  # 有时数据是gbk编码
    print("数据列名：", df.columns.tolist())
    print("前几行数据：\n", df.head())
except FileNotFoundError:
    print("文件没找到，检查一下路径吧。")
except Exception as e:
    print(f"读取数据时出了点问题：{e}")

港股行情：分钟线和逐笔Tick

港股的数据包是分开的，分钟线一个包，逐笔tick一个包。分钟线数据对做日间或者稍短周期策略的够用了，逐笔数据就更细了，适合做高频或者订单流分析。

分钟线数据 一般包含这些：
时间、股票代码、开盘价、最高价、最低价、收盘价、成交量、成交额。和A股的分时数据差不多，但频率是每分钟一根K线。

逐笔成交数据（Tick） 就厉害多了，每一笔真实的成交记录都有。字段大概是这样：

• 成交时间：精确到毫秒甚至更细。
• 股票代码
• 成交价格
• 成交数量
• 成交金额
• 买卖方向：这个很重要，标识这一笔是主动买还是主动卖。但有些数据源可能不直接提供，需要自己用盘口数据去推断。

用逐笔数据可以还原出非常细致的交易图谱，谁在买，谁在卖，大单小单分布，都能看出来。不过数据量也很大，处理起来对硬件有点要求。

几种数据的对比和怎么选

简单列一下区别，方便大家按需选择：

数据类别	数据粒度	主要用途	数据量大小	处理难度
A股Level2	3秒/笔？不等	盘口分析、资金流、主力监控	比较大	中等，需要整理
港股分钟线	1分钟/K线	技术分析、中短期策略回测	相对较小	容易，类似日线
港股逐笔Tick	每笔成交	高频策略、订单流分析、微观结构研究	非常大	较高，需要专门处理

选哪个完全看你的需求。如果只是做普通的回测，分钟线可能就够了。如果想研究盘口博弈或者做T+0相关的策略，那Level2或者逐笔数据几乎是必须的。我自己的经验是，刚开始不用追求最细的数据，先从分钟线跑通策略逻辑，再上更细的数据做优化，不然数据处理这块就可能卡住很久。

对了，这些数据在CMES金融数据库的下载页面上是分门别类放好的，需要哪个下哪个就行，不用一次性全搞下来。我之前就犯过傻，一口气下了好几个G的逐笔数据，结果电脑差点卡死，后来学乖了，先下个小样本试试水。

最后聊点实际使用的感受

数据这东西，拿到手只是第一步。清洗、对齐、处理缺失值、处理停牌，这些脏活累活占了大半时间。尤其是港股和A股的交易时间、假期还不太一样，对齐时间戳的时候要格外小心。

还有一点，数据字段的名字可能和你想的不一样，比如“成交量”单位是手还是股，“时间戳”是北京时间还是UTC，这些细节在写代码之前一定要看清楚数据说明，或者自己打开文件瞄一眼，不然回测结果会错得离谱。我就曾经因为单位没搞对，算出来的资金流数据夸张到不行，白白折腾了好几天。

好了，关于这些数据包的内容就介绍这么多。其实就是个数据搬运工的经验之谈，希望能帮到正在找数据的朋友。具体怎么用，能挖出什么金矿，就看各位的本事了。数据是死的，想法才是活的。