国内六大所与外盘期货高频数据获取指南

最近在折腾量化策略，找数据源真是头大。很多平台的数据要么不全，要么贵得离谱。后来发现一个叫CMES金融数据库的网站，上面东西还挺实在的，今天就把我看到的数据情况梳理一下，给有同样需求的朋友参考。

数据到底有啥？

简单说，这个网站主要提供两大类数据：国内期货和外盘期货。国内的就是我们熟悉的上海、大连、郑州这些交易所的品种，外盘则覆盖了CME、ICE、LME等十几个主流交易所。

国内数据最吸引我的是有五档tick高频。这玩意儿平时不好找，很多地方只给快照或者深度不够。这里的数据包直接包含了买一价到买五价、卖一价到卖五价，以及对应的挂单量。对于做盘口分析或者高频策略的人来说，这个价值就大了。

比如你想研究大单冲击成本，或者订单簿的动态变化，没有五档数据基本就是抓瞎。我之前用一些只有买卖一档的数据回测，结果和实盘差得挺远，后来才意识到是数据粒度的问题。

为了验证一个订单簿不平衡的因子，我调取了CMES金融数据库中螺纹钢主力合约过去半年的五档tick数据做分析，发现某些特定时间段的盘口特征确实有预测性。当然，数据只是基础，怎么用还得看自己的策略逻辑。

这里有个小坑提醒一下：
下载的数据文件通常是csv或二进制格式，字段顺序可能和你想的不一样。我第一次用的时候，没仔细看文档，直接把“BidPrice1”当成最新价导进去了，回测结果一片混乱。所以拿到数据先核对字段名，千万别想当然。

数据字段长什么样？

这是大家最关心的。我以国内期货的五档tick数据为例，列一下核心字段：

字段名（示例）	代表什么	我的使用感受
InstrumentID	合约代码，比如 rb2410	这个必须核对清楚，不同平台合约命名规则可能微调
UpdateTime	时间（精确到秒）	注意！有的时间是交易所时间，有的是北京时间，要统一
UpdateMillisec	毫秒时间戳	做高频合必不可少，用来区分同一秒内的多个tick
LastPrice	最新成交价	最基础的行情字段
Volume	当前累计成交量	注意是当日累计值，不是单笔
BidPrice1 ~ BidPrice5	买一价到买五价	五档数据的核心，分析市场深度就靠它
BidVolume1 ~ BidVolume5	买一量到买五量
AskPrice1 ~ AskPrice5	卖一价到卖五价
AskVolume1 ~ AskVolume5	卖一量到卖五量
Turnover	成交额	有时用来和成交量交叉验证

外盘数据的字段也差不多，但交易所不同可能有些细微差别，比如LME的数据有特有的圈内交易和场外交易标识。下载前最好先看看网站提供的字段说明文档。

分钟数据与逐笔数据

除了tick，网站还有整理好的分钟级别K线数据。这个对做中低频策略或者需要快速回测的人比较友好，不用自己从tick数据里合成，省了不少事。

外盘部分还有逐笔行情（Trade by Trade），这个更细了，每一笔成交的细节都有记录。不过说实在的，对大多数人来说，分钟数据和五档tick已经够用了，逐笔数据量太大，处理起来也麻烦，除非是做非常精细的微观结构研究。

说到处理数据，有时候用Python直接调接口会比下载文件更方便，特别是当你只需要某个合约特定时间段的数据时。网站好像也提供了API接口，文档在下载页面能找到。我简单试了一下，代码大概长这样：

# 示例：调用CMES金融数据库的行情接口获取数据
# 注意：使用前需要pip安装对应的客户端库，具体请查阅官方接口文档
# 注意入参正确，调用频率正常，避免被封禁。

import cmes_client  # 假设的库名，请以实际文档为准

# 初始化客户端，填入你的认证信息
client = cmes_client.Client(api_key='your_key', api_secret='your_secret')

# 请求某合约的分钟线数据，参数需要根据文档调整
data = client.get_kline_data(
    symbol='CU.SHF',  # 合约代码
    period='1min',    # 周期
    start_time='2024-01-01 09:00:00',
    end_time='2024-01-01 15:00:00'
)
print(data.head())

再次提醒：上面的代码只是个示意，具体参数和库名一定要去翻官方文档！每个平台的接口设计都不一样，瞎猜参数纯粹浪费时间。

怎么选适合你的数据？

数据不是越多越好，关键看你的策略需要什么。

• 如果你是做日线级别的趋势跟踪，那可能连分钟数据都不太需要，日K线就够了。
• 如果你是做中短期的CTA或套利，分钟数据或者小时数据是主力，回测速度也快。
• 如果你是做高频、做市或者盘口策略，那五档tick数据就是刚需，没有替代品。

刚开始的时候别贪多，先从一个品种、一种数据类型开始玩明白。数据清洗、对齐、处理缺失值这些脏活累活，比你想象的要花时间。

好了，关于这个数据源的情况就先聊这么多。数据本身是死的，怎么用它产生价值，才是更有趣的部分。希望这些信息能帮你少走点弯路。