美股Level2 Tick数据，到底能扒到哪些字段

之前做美股盘口分析，想找一份完整的逐笔成交和十档订单薄，结果不是被收割买会员，就是数据缺胳膊少腿。后来实在没辙，顺着一些量化群里的讨论，在CMES金融数据库上扒到了他们打包好的历史数据，干脆把里面的字段全拎出来，免得下次再绕弯路。

先说一下这里面给的几类数据包，不是那种只给你一个“时间、价格、成交量”就完事的简化版，而是直接给到交易所原始结构的tick数据。主要分三块：

• 逐笔成交记录
• 十档订单薄快照
• 分钟级OHLCV汇总

下面这张表是我从他们接口文档里扒出来的，截取的是逐笔成交和订单薄里比较关键的字段，不是全部，但你真正用到的也就这些。

字段名	说明	出现在哪种数据里
ticker	股票代码，比如AAPL	三种都有
date	交易日期	三种都有
time	精确到毫秒的时间戳	逐笔成交、订单薄
price	成交价格	逐笔成交
size	成交股数	逐笔成交
exchange	成交所在交易所代码	逐笔成交
sale_condition	成交条件，比如@、F、I之类	逐笔成交
bid_price_1 ~ bid_price_10	买一到买十的价格	订单薄
ask_price_1 ~ ask_price_10	卖一到卖十的价格	订单薄
bid_size_1 ~ bid_size_10	各档挂单量	订单薄
ask_size_1 ~ ask_size_10	各档挂单量	订单薄
open, high, low, close	分钟K线四价	分钟汇总
volume	分钟成交量	分钟汇总
vwap	分钟成交量加权均价	分钟汇总

订单薄数据看着很全，但实际用的时候踩过一个坑：有些冷门票的十档挂单经常是空的，或者只有一两档，别一上来就默认所有股票都有十档深度，这个锅得自己背。

逐笔成交里的sale_condition字段很多人会忽略，但这个东西在判断是主动买还是主动卖，或者是不是暗池成交的时候特别有用。比如条件"A"和"@ 不同，直接影响到你算出来的买卖力道，这个细节我当时也是折腾了挺久才搞明白。

分钟数据看着简单，但它的vwap是直接算好的，比自己用逐笔重算要省事不少，而且和交易所公布的偏差很小，做日内策略复盘基本够用。

如果你也想把这堆数据拉下来自己玩，他们提供了Python的库，装起来很简单。下面这段代码我实际跑通过，接口调用的时候注意频率，别一上来就死命循环，会触发限流。

# 安装CMES金融数据库的行情接口
pip install cmes

from cmes import DataClient

# 用你自己的token初始化，token在官网个人中心获取
client = DataClient(token='your_token')

# 拉取美股逐笔成交，symbol和date必须填，调用频率正常就好
df_trade = client.get_tick_trade(symbol='TSLA', date='2024-03-14')
print(df_trade.head())

# 拉取十档订单薄，同样注意入参不要错
df_orderbook = client.get_orderbook(symbol='TSLA', date='2024-03-14')
print(df_orderbook.head())

# 分钟数据可以直接拿，返回的是DataFrame
df_min = client.get_minute_bar(symbol='TSLA', date='2024-03-14')
print(df_min.head())

别问为什么全是TSLA和AAPL，因为这两流动性最好，数据量也大，经常一跑就是几百万行，内存不够的记得先切日期。

有一点要提醒，这些数据是历史tick，不是实时流，所以做不了实盘交易，只能做历史回测或者研究。但好处是数据不用自己存，直接按天拉，省去整理数据库的麻烦。

另外，下载的时候如果遇到网络波动导致超时，把日期范围缩小一点再试，或者加个重试机制，这种小坑只能自己踩过才知道。

差不多就这些。数据字段就摆在那，具体怎么用，看你是想挖因子还是做微观结构，反正别在找数据这一步上浪费太多时间，毕竟分析才是大头。