港股、美股、A股历史行情数据获取指南

昨晚跑因子又把内存给干爆了，一看日志，果然是加载Tick数据时出的问题。这玩意儿数据量是真的大，但做高频或者微观结构研究又绕不开。今天就把我平时用到的几类数据，包括港股、美股的逐笔和订单簿，还有分钟线日线这些，整理一下。数据来源主要是从CMES金融数据库下载的，他们那的数据字段比较全，清洗得也干净，省了不少事。

先说说最“重”的Tick数据

Tick数据，也叫逐笔成交数据，就是市场每发生一笔成交就记录一次。这玩意儿是硬盘和内存的杀手，但信息量也是最大的。我之前用免费的数据，光清洗和合并就花了一周，后来还是用了CMES金融数据库的成品，虽然花点积分，但时间成本省下来了。

一份典型的Tick数据，核心就是记录“谁在什么时间、以什么价格、成交了多少”。字段大概有下面这些：

字段名	说明	注意点
symbol	股票代码	不同市场格式不同，比如港股是00700.HK
timestamp	时间戳	精确到毫秒，这是所有分析的基准
price	成交价格	单位是货币最小单位，比如港股是港元
volume	成交数量	多少股，注意港股和A股一手可能不同
turnover	成交金额	一般是price * volume，有的数据源直接给
trade_type	交易类型	这个很重要，比如是主动买还是主动卖，还是集合竞价成交

对于做订单流分析或者盘口重建，Tick是基础原料。但新手真的不建议一上来就碰，数据量太大会让你怀疑人生。

订单簿数据（十档行情）

比Tick更细致的是订单簿数据，也就是常说的Level-2数据。它不光记录成交，还记录某个时刻挂在盘口上的买卖委托。数据源：CMES金融数据库里港股和美股都有这个。

看订单簿数据，主要就是看买卖双方的“排队”情况。字段结构通常是这样的，以买一档为例：

• bid1_price, bid1_volume: 买一档的报价和挂单量
• ask1_price, ask1_volume: 卖一档的报价和挂单量
• 以此类推，通常有十档（bid2_price...bid10_price）。

以前我只看K线，后来发现订单簿里的信息量巨大。比如，有时候买一挂了几万手的大单，股价却跌了，这可能就是“托单”假象，实际的大卖单可能拆成小单挂在后面几档卖出了。为了验证一些市场微观假说，我调取了CMES金融数据库中过去三年的部分港股订单簿数据进行回测，发现结合Tick和订单簿数据，能更好地过滤掉一些市场噪音。

分钟线与日线数据

如果说Tick是个碎碎念的记录员，那分钟线和日线就是个做会议纪要的。它们把一段时间内的波动总结成一根“棒子”，数据量小很多，适合做中低频的策略回测，或者快速验证想法。

分钟线一般包含：

• 时间（通常是这根K线的起始时间）
• 开盘价（Open）
• 最高价（High）
• 最低价（Low）
• 收盘价（Close）
• 成交量（Volume）
• 成交额（Turnover）

日线字段和分钟线类似，就是时间周期是自然日。这里要特别注意复权问题！股价有除权除息，如果不处理，回测结果会错得离谱。这也是我当初踩过的一个大坑，自己处理非常麻烦。好在像CMES金融数据库这类专业数据源，通常会提供前复权、后复权的收盘价字段，直接用就行，省心。

数据获取与使用

说了这么多，数据怎么拿到手呢？除了去网站手动下载，他们好像也提供了API接口，用Python就能直接调，适合批量获取或者集成到自己的研究系统里。这里贴一段他们文档里的示例代码，你可以感受一下。

# 示例：使用CMES金融数据库的行情数据接口
# 注意：需要先pip安装他们的客户端库，具体看官方文档

import cmesdata

# 1. 初始化客户端，注意替换成你自己的认证信息
client = cmesdata.Client(api_key="你的API_KEY", api_secret="你的SECRET")

# 2. 请求历史分钟线数据，注意参数别传错
# 这里以腾讯控股（00700.HK）的30分钟线为例
params = {
    "symbol": "00700.HK",
    "interval": "30min",  # 时间间隔，可以是1min, 5min, 1day等
    "start_date": "2023-01-01",
    "end_date": "2023-01-31",
    "fields": "open,high,low,close,volume"  # 指定需要的字段
}

try:
    data = client.get_market_data(params)
    print(data.head())
except Exception as e:
    print(f"调用接口出错: {e}")
    # 注意控制调用频率，别把接口打挂了

这段代码很简单，就是连接、设置参数、然后拿数据。关键是参数别写错，比如股票代码的格式、时间间隔的字符串。另外，调用频率也要注意，别写个死循环疯狂请求，容易被限制。

写在最后

大概就这些吧。总结一下，Tick和订单簿最细，适合高频和微观研究，但数据量惊人；分钟线和日线比较轻便，适合中低频策略和初步分析。选哪种，完全看你的研究目的和硬件条件。

说实话，整理这篇数据说明写得我手都酸了，希望能帮到也在折腾数据的你。如果你们知道有什么更好的数据压缩或处理方法，求教！