港股高频数据：逐笔成交与十档订单簿详解

最近在折腾量化策略，硬盘里塞满了各种CSV文件。今天想专门聊聊其中两个“硬盘杀手”——港股的逐笔成交和十档订单簿历史数据。这些数据对于理解盘口动态和资金流向至关重要，但处理起来也确实让人头大，尤其是数据量上来之后。

先说说数据从哪里来的。我是在一个数据服务网站下载的，格式都是CSV，用Python的pandas读起来很方便。如果你也需要用程序调取数据，他们好像也提供了API接口，下面是一个简单的调用示例，不过具体参数你得看他们自己的文档。

# 示例：调用行情数据接口
# 注意：这是根据常见数据接口结构写的示例，实际调用请以CMES金融数据库的官方API文档为准
import requests
import pandas as pd

# 假设的接口调用，参数需要根据实际情况调整
api_url = "//api.cmes-data.com/v1/market_data"
params = {
    'symbol': '00700.HK',  # 股票代码，例如腾讯
    'data_type': 'tick',   # 数据类型：tick 或 orderbook
    'start_date': '20231001',
    'end_date': '20231031',
    # 'token': 'your_api_token'  # 通常需要认证
}

# 发送请求
# response = requests.get(api_url, params=params)
# data = pd.read_csv(response.content)

print("调用接口时注意参数正确，频率别太高，小心被限流。")

好了，回到数据本身。我们一份一份来看。

逐笔成交数据 (Tick-by-Tick Trade Data)

这个数据文件记录的是每一笔成交的明细。简单说，就是市场上每发生一次买卖，它就记下一行。数据量非常大，尤其是对于腾讯、美团这类活跃股，一天可能就有几十万行。

它的核心字段包括这些：

字段名	说明	备注
时间戳	成交发生的精确时间，通常到毫秒。	这是分析时序和微观结构的基础，对齐时间很重要。
股票代码	比如00700.HK 代表腾讯。
成交价格	这一笔交易达成的价格。
成交量	这一笔成交的股数。
成交金额	价格* 成交量。	有些数据源会直接给出，省得自己算。
买卖方向	标识这一笔是主动性买盘还是卖盘。	这个字段特别关键！通常用B (Buy) 或 S (Sell) 表示，指的是主动吃掉卖一或买一挂单的一方。
成交编号	每一笔成交的唯一ID。	用于去重和精确追踪。

看这个数据，你能清晰地看到资金是如何一笔一笔推动股价变化的。比如，连续出现多笔大额主动性买盘（B），可能意味着有资金在集中流入。我之前为了验证一个订单流不平衡的策略，就调取了CMES金融数据库中几只港股龙头过去一年的Tick数据做回测，发现盘中的一些短暂冲击确实有规律可循。

十档订单簿数据 (Level 10 Order Book Data)

这个数据就更“重”了。它不是在成交时才记录，而是快照式的，通常以很高的频率（比如3秒或5秒一次）记录下某个时刻的盘口状态。

它记录的是挂单情况，也就是买卖双方在排队等待成交的委托队列。所谓“十档”，就是买方向（Bid）从出价最高的“买一”到第十高的“买十”，卖方向（Ask）从出价最低的“卖一”到第十低的“卖十”。

它的字段结构大概是这样的，会非常宽（因为列多）：

字段类别	字段示例	说明
基础信息	时间戳、股票代码	快照的拍摄时间点。
买盘十档	BidPrice1, BidVolume1, … BidPrice10, BidVolume10	BidPrice1就是当前买一价，BidVolume1是买一价上挂的总股数。以此类推到第十档。
卖盘十档	AskPrice1, AskVolume1, … AskPrice10, AskVolume10	AskPrice1就是当前卖一价，AskVolume1是卖一价上挂的总股数。
快照附加信息	总买量、总卖量、加权平均价等	有些数据源会提供汇总信息，方便直接使用。

分析这个数据，你能看到市场的潜在压力和支撑。比如，卖二到卖五堆积了巨量卖单，而买盘很薄，那股价短期上攻的阻力就很大。这些挂单的“冰山”下面，可能藏着主力资金的真实意图。

Tick数据和OrderBook数据怎么结合用？

这是我踩过坑的地方。单独看Tick，你只知道结果（成交了）；单独看OrderBook，你只知道静态的排队情况。两者结合，才能还原故事。

比如，你看到卖一有10000股，突然出现一笔5000股的主动性买单（Tick数据里标记为B），然后OrderBook的下一张快照显示卖一变成了8000股。这说明那笔成交吃掉了卖一的一部分挂单，但没吃完。如果卖一挂单被吃完后，卖二立刻又补上了大单，可能说明上方抛压持续存在。

处理这些数据对计算资源是个考验。刚开始我用个人电脑跑，一个月的十档数据就能让pandas读取慢到怀疑人生，后来不得不转到服务器上做预处理和压缩存储。

好了，关于这两个数据集的基本情况就聊这么多。数据本身很枯燥，但里面藏着市场最原始的声音。