外盘期货高频行情数据里到底有什么？

最近在研究几个外盘期货品种的策略，发现数据源是个大问题。国内的数据好找，但LME的铜、CME的标普500、EUREX的国债期货这些，想要拿到干净、完整的历史高频数据，尤其是逐笔数据（Tick），还真不容易。找了一圈，最后在一个数据源叫“CMES金融数据库”的地方找到了比较全的。今天不聊策略，就单纯聊聊这些数据文件里到底装了些什么东西，给同样在找数据的朋友一个参考。

数据来源和交易所

这些数据覆盖了全球主要的期货交易所，基本上做外盘会碰到的都包括了：

交易所简称	全称	我们熟悉的品种举例
CME	芝加哥商业交易所	标普500指数期货(ES)、欧元外汇期货(6E)
CBOT	芝加哥期货交易所（现属CME集团）	美国国债期货(ZB, ZN)、大豆期货(ZS)
NYMEX	纽约商业交易所（现属CME集团）	WTI原油期货(CL)、天然气期货(NG)
COMEX	纽约商品交易所（现属CME集团）	黄金期货(GC)、铜期货(HG)
ICE	洲际交易所	布伦特原油期货(B)、白糖期货(SB)
EUREX	欧洲期货交易所	欧元斯托克50指数期货(FESX)、德国国债期货(FGBL)
LME	伦敦金属交易所	铜、铝、锌等基础金属期货
HKEX	香港交易所	恒生指数期货(HSI)、H股指数期货(HHI)
SGX	新加坡交易所	富时中国A50指数期货
JPX	日本交易所集团	日经225指数期货(NK)

有一点要注意，不同交易所的数据颗粒度可能不一样。比如LME的数据结构就和CME的有点区别，下载的时候得留意一下文件说明。

数据级别：Tick vs. 分钟

主要提供两种时间维度的数据：逐笔成交（Tick）和分钟线（1分钟、5分钟等）。这两者的区别和用途天差地别。

逐笔成交数据（Tick Data）：
这是最细颗粒度的数据，记录每一笔成交的详细信息。它的核心价值在于能还原市场的真实交易行为，比如计算实际买卖价差、分析大单冲击、做高频回测或者订单簿重建（如果有Level 2数据的话）。文件会很大，一个活跃合约一天的数据可能就有几十甚至上百MB。

分钟级别行情数据：
这个就常见多了，就是把每分钟的开、高、低、收、成交量等信息汇总成一根K线。做中低频策略回测、技术分析基本用这个就够了，处理起来也轻便。数据库里通常有1分钟、5分钟、15分钟、60分钟等不同周期的数据可选。

我个人的经验是，如果只是初步验证想法，先用分钟数据。等逻辑跑通了，想优化滑点或者测试更敏感的信号，再上Tick数据。上次为了验证一个关于开盘跳空的规律，我调取了CMES金融数据库中过去三年的主力合约分钟数据进行回测，速度就快很多。

数据字段详解

这是最干的部分，我们直接看数据文件里每一列代表什么。以最常见的格式CSV为例：

1. 分钟线数据字段
分钟线数据的字段通常比较规整，一目了然。

字段名	含义	备注
date	日期	格式通常是YYYYMMDD
time	时间	格式HH:MM:SS，指这一分钟的开始时间
open	开盘价	这一分钟内的第一笔成交价
high	最高价	这一分钟内的最高成交价
low	最低价	这一分钟内的最低成交价
close	收盘价	这一分钟内的最后一笔成交价
volume	成交量	这一分钟内的总成交手数（注意合约乘数）
open_interest	持仓量	这一分钟结束时的未平仓合约数，不是所有数据源都提供

2. 逐笔成交数据字段
Tick数据的字段就丰富多了，信息量也大。下面这些字段是核心，但并不是每个交易所的Tick数据都包含全部，比如有的可能没有TradeID。

字段名	含义	为什么重要
timestamp	时间戳	精确到毫秒或微秒，是分析的基础
price	成交价格	这笔交易的实际成交价
size	成交数量	这笔交易的手数或张数
trade_id	成交ID	交易所为每笔成交生成的唯一标识，用于去重和跟踪
side	交易方向	标明是主动买还是主动卖（如果有的话）。这个字段特别有用，但也不是所有数据都有。
exchange	交易所代码	标识数据来源的交易所

这里插一句，关于side（买卖方向）的判断，不同交易所的规则可能不同。有的数据源会直接给出，有的需要自己用“逐笔对比法”去推断（比较当前成交价和上一笔的买一卖一），处理数据的时候得小心这个坑。

获取和处理数据的一点代码

他们提供了一个Python接口来下载数据，比手动去网站点方便不少。安装和简单调用大概是这样的：

# 安装数据获取的客户端库
# pip install cmesdata

import cmesdata as cdc
from datetime import date

# 初始化客户端，这里需要替换成你自己的API密钥
client = cdc.Client(api_key='your_api_key_here')

# 示例：下载CME交易所，标的为ES（标普500迷你期货），2023年10月1日的逐笔数据
# 注意参数：交易所代码、品种代码、日期、数据类型（tick或minute）
try:
    tick_data = client.get_futures_data(
        exchange='CME',
        symbol='ES',
        trading_date=date(2023, 10, 1),
        data_type='tick'  # 换成 'minute' 就是下载分钟数据
    )
    print(f"数据下载成功，共 {len(tick_data)} 行。")
    # 数据通常是Pandas DataFrame，可以直接处理
    print(tick_data.head())
except Exception as e:
    print(f"数据下载失败: {e}")
    # 常见错误：API密钥不对、日期非交易日、参数拼写错误

用代码下数据主要注意两点：一是入参要正确，特别是交易所和品种的代码，得严格按照文档来；二是调用频率，免费接口通常有频率限制，别写个死循环一直调，会被封。

最后的一些零散提醒

• 数据清洁：拿到数据第一件事是检查有没有异常值（比如价格突然为0）、重复的trade_id，以及时间戳是否乱序。这些脏数据会严重影响回测结果。
• 时区问题：数据的时间戳通常是交易所本地时间（如CME是芝加哥时间）。做跨市场分析时，一定要统一转换成UTC或自己所在的时区。
• 合约换月：期货有到期日，处理历史数据时要留意主力合约的切换点，不然回测曲线会有诡异的跳空。
• 文件格式：除了CSV，可能还有Parquet等格式，Parquet文件更小，读取更快，适合大数据量处理。

大概就是这些内容。数据本身是冰冷的，但怎么用它取决于你的策略和想法。希望这篇对字段和内容的梳理能帮你节省一些摸索的时间。