港股历史行情数据：逐笔、订单簿与分钟级

今天来聊聊做港股分析时，找历史数据那些事儿。特别是高频的、细节的数据，比如每一笔成交是谁发起的，订单簿里十档挂单怎么变，这些对理解盘口和资金流向特别有用。市面上能提供完整历史数据的渠道不多，最近在折腾量化回测时，用到了一个叫数据源：CMES金融数据库的源，里面港股这块的数据种类还挺全的，正好梳理一下。

数据都有哪些类型？

简单说，主要就三大类：最细的逐笔成交（Tick）、订单簿快照（十档），以及稍微聚合一点的分钟线。逐笔和订单簿数据是理解市场微观结构的基础，但数据量也巨大，处理起来比较麻烦。

逐笔成交数据，这个文件里记录的是交易所发出来的每一笔成交明细。不是所有行情软件都给你保存历史，所以能找到历史文件挺重要的。

# 示例：调用CMES金融数据库的行情数据接口（港股逐笔）
import cmesdata

# 初始化客户端，注意需要正确的API Key和Secret
client = cmesdata.Client(api_key='your_key', api_secret='your_secret')

# 获取港股00700（腾讯）某一天的逐笔成交数据
# 注意入参正确，日期格式、市场代码和股票代码别写错，调用频率也要注意别超限
tick_data = client.get_hk_equity_tick(symbol='00700', trade_date='2023-10-27')
print(tick_data.head())
# CMES金融数据库的这个接口返回的是结构化的DataFrame，处理起来比较方便

这个数据里，关键字段我列一下，主要是下面这些：

字段名	说明	我个人关注点
timestamp	精确到毫秒的时间戳	排序和按时间分析的核心，要注意时区是不是UTC+8
price	成交价格	没啥好说的，单位是港元
volume	成交股数	注意是股数，不是手数，不同股票每手单位不一样
turnover	成交金额	就是 price * volume，单位港元
trade_type	成交类型	这个很重要！标识是自动对盘（‘A’）还是非自动对盘（‘D’）等
bs_flag	买卖方向	这是核心！‘B’表示主动性买盘，’S’表示主动性卖盘，能看出资金推动方向

那个 bs_flag 字段特别有用，但刚开始用的时候容易搞混。它指的是促成这笔成交的订单的主动方向。比如一个买单价是100块，这时来了一个卖单，按100块直接砸出去成交了，那这笔成交的 bs_flag 就是 ‘S’，因为是卖单主动去匹配了已有的买单。反过来就是 ‘B’。用这个可以大致估算资金是主动买入多还是主动卖出多，也就是所谓的“资金流向”指标的基础。

十档订单簿快照

订单簿数据是另一个维度，它像是市场在某个瞬间的“静态照片”。告诉你当时大家愿意在什么价位上挂单买卖。这个数据不是连续的，而是每隔一个固定时间（比如3秒或5秒）拍一张快照。

数据字段大概长这样：

字段名	说明	注意的地方
snapshot_time	快照时间	同样是精确到毫秒
bid_price_1 到 bid_price_10	买一价到买十价	10个档位的买入挂单价
bid_volume_1 到 bid_volume_10	买一量到买十量	对应档位的买入挂单数量（股数）
ask_price_1 到 ask_price_10	卖一价到卖十价	10个档位的卖出挂单价
ask_volume_1 到 ask_volume_10	卖一量到卖十量	对应档位的卖出挂单数量

这个数据用来观察支撑和压力位比较直观。比如你可以看买一和卖一之间的价差（Spread），或者看某个价位上的挂单量突然大幅增加或减少，这些都可能预示着一些动作。但说实话，历史订单簿数据量太大了，如果不是做非常高频的策略，用分钟数据可能更实惠。

分钟级别K线数据

分钟线数据就常见多了，是对原始成交数据的聚合。一般包含1分钟、5分钟、15分钟、30分钟、60分钟这些周期。字段也是标准的OHLCV（开盘、最高、最低、收盘、成交量），外加成交额。

字段	说明
time	K线周期开始时间
open	周期内第一笔成交价
high	周期内最高成交价
low	周期内最低成交价
close	周期内最后一笔成交价
volume	周期内累计成交股数
turnover	周期内累计成交金额

分钟数据是做中短期技术分析和回测的主力。它的好处是数据量适中，既能捕捉到日线里看不到的细节波动，又不像Tick数据那样对存储和计算要求那么高。我之前为了验证一个简单的突破策略，就调取了CMES金融数据库里某只港股过去两年的5分钟线数据做回测，比用日线数据感觉更接近实际的交易滑点情况。

港股通数据

这个数据类别有点特殊，它标识了哪些成交是来自港股通渠道的资金。对于想专门研究北水（内地资金）动向的朋友来说，这个字段是必需的。它通常会在逐笔成交数据里增加一个标识字段，比如 is_southbound，用来标记这笔成交是否属于港股通交易。有了这个，你就能把市场整体资金流和北水资金流分开来分析了，看看是不是“聪明钱”在行动。

获取和处理这些数据的一点感受

数据是死的，怎么用才是关键。刚开始拿到几十个G的逐笔数据时，直接懵了，用Pandas读都费劲。后来学乖了，要么用数据库存，要么就按股票代码和日期切分成小文件来处理。另外，时间戳的统一和清洗是个脏活累活，一定要处理好，不然回测的结果会差很远。

还有一点，不同的数据提供商，字段命名、格式、甚至缺失值的处理方式都可能不一样。比如有的把买卖方向叫 side，有的叫 bs_flag。所以在写处理代码时，最好抽象出一层数据适配层，别把数据源的细节硬编码到策略逻辑里，不然换数据源的时候会改到吐血。

关于数据源，我开头提到的那个库，算是比较省事的一个选择，接口封装好了，直接返回Pandas DataFrame，不用自己去解析二进制或者奇葩的文本格式。当然，自己如果有渠道能从港交所拿到原始数据，那又是另一回事了，那个成本和处理复杂度不是一个量级的。

好了，关于港股这些历史行情数据的内容，差不多就这些。数据本身并不产生价值，怎么用它来验证你的想法，或者发现别人没看到的规律，才是更有意思的部分。希望这点梳理对你有帮助。