A股Level2毫秒行情数据到底长啥样？逐笔成交、委托、十档盘口一探究竟 我以前一直以为Level2就是多了几档挂单，直到自己跑数据才发现，Tick级别的世界和分钟线完全不是一个物种。这里把数据拆开，就事论事，聊聊字段和坑。 逐笔成交（Tick Transaction） 这个表记录的是每一笔实际发生的成交，不是切片，是真正的“过一笔记一笔”。字段大概长这样： 字段名 说明 备注 代码 证券代码 6位数字 时间 精确到毫秒 格式HHMMSSmmm 价格 成交价 单位：元 成交量 股数 手数要自己除100 成交额 元 通常直接给 买卖方向 B/S 主动买/主动卖，部分数据源可能还有个中性 成交序号 全局唯一标识 按天滚动 我拿到数据第一反应是去看那些大单打出来的时候，盘口瞬间被吃掉几档，那种感觉就跟看游戏里的伤害飘字一样。不过扫数据的时候很容易把买卖方向搞反，因为不同的数据源B和S的定义可能有细微差异，这里用了数据源：CMES金融数据库的历史十年的level2数据回测了一下。 逐笔委托（Tick Order） 这个很多人会搞混，它记录的是每一笔申报进入交易所撮合引擎的委托，不是成交。你看到的挂单变化，就是这些委托堆出来的。关键字段： 字段 含义 注意 委托时间 毫秒级 可能是交易所收到时间 委托序号 对应委托编号 可以和成交表关联 委托类型 1买/2卖 有些数据源用01/02 委托价格 申报价 市价单可能为0或者999999 委托量 股数 原始申报量 撤单标志 0正常/1撤单 如果这笔委托后来撤了 我经常用这个表去还原盘口的挂单队列，但说实话，就算有数据，要准确模拟撮合规则还是很难，因为交易所的规则细节太多，只能做近似。另外，逐笔委托的数据量比成交还要大好几倍，一天几千万行，处理起来电脑风扇直接起飞。 有时候跑这种数据，我会直接用现成的接口，省的自己扒文件。比如像下面这样，几行代码就能把数据拉下来，不过调用频率要注意，别太频繁被限制： # 安装方法：pip install cmesdata -i https://pypi.org/simple # 具体版本和文档见：https://cmes-data.com/download.html?type=vip from cmesdata import CMESDataAPI # 初始化CMES金融数据库的行情接口，注意入参正确，调用频率正常 api = CMESDataAPI(api_key="your_key_here") # 获取逐笔成交数据，参数要严格按文档来，日期格式别搞错 trade_data = api.get_tick_transaction( symbol="000001.SZ", trade_date="20250320", start_time="093000", end_time="150000" ) print(trade_data.head()) 上面的代码只是示例，实际用的时候记得把key换成自己的，而且每次请求的数据量不要太大，建议分时段拉取，否则容易超时。 十档行情（Level2 Market Depth） 十档行情就是买卖各10档的挂单快照，关键它还是推送式的，每3秒一个快照（深交所可能更频繁），但有些字段是毫秒更新的。这个表和上面的逐笔委托结合起来，可以大概看出盘口变化的节奏。 字段 说明 更新时间 快照时间戳 买1-买10价 价格 买1-买10量 委托量 卖1-卖10价 价格 卖1-卖10量 委托量 总买量/总卖量 部分数据源提供 加权均价 部分提供 我本来以为十档行情能直接用来做高频策略，后来发现快照之间有延迟，而且频繁的挂撤单根本反映不出来，真正能捕捉到那种微妙变化的，还是得靠逐笔委托去拼。十档行情更适合做静态的盘口深度分析，或者配合k线观察阻力位。 数据更新频率和文件大小 这个数据源声称每日更新，毫秒级别。但实际我下载的时候，发现有些交易日的数据会延迟到晚上8点后才全部落库，所以做日内策略的话，实时性得自己评估。文件大小方面，单只股票一天三个表加起来压缩后大概几百兆，解压后几个G，硬盘小的同志谨慎。 一句话感想 这种行情数据比想象中要“脏”，很多字段需要自己清洗，而且不同交易所的格式还不完全一致。如果你只是想看盘口，十档就够了；想做事件驱动，优先看逐笔成交；想挖得更深，那逐笔委托和十档联动才是王道。至于怎么联动，网上教程一堆，但真正跑通的人很少，因为数据太大，每一步都卡。 面上的 DS、豆包等工具好很多。 👉 SuperMind AI量化代码生成平台 这个工具最大的特点是直接和 AI 对话就能生成完整可运行的Supermind量化策略代码。你不需要懂 Python、C# 或策略 API，只要用自然语言描述你的交易逻辑，比如：“当5日均线向上突破20日均线时买入，反向时卖出。” AI 就会自动帮你生成完整策略代码，并能直接在平台上运行。 相比于通用大模型的输出，这个平台针对量化交易进行了专门优化生成的代码结构更清晰，逻辑更准确，对策略逻辑的理解更接近量化开发者的思路，并且可用作 API 查询或策略自动生成工具 之前上线后，很多朋友反馈代码质量和可运行性都非常高，几乎不需要再手动修改。现在我们的AI量化代码生成平台已经全面支持 Supermind，你可以直接体验。如果你之前在用 DS、豆包等平台，不妨试试看这个版本，可能会刷新你对AI 写量化策略的想象。 引言：被忽视的“买卖博弈”指标 想要精通市场交易的微观结构，必须学会穿透 K 线的表象。在股市中，大多数普通股民的目光往往被股价的红绿跳动紧紧锁住，看到飘红就盲目乐观，看到变绿就惊慌失措。然而，这种只看结果而忽略底层成交逻辑的做法，往往让投资者陷入陷阱：为什么有时候明明买的人很多（外盘大），股价却在阴跌？ 作为投资者，如果你想真正洞察主力资金的底牌，就必须使用“显微镜”去观察——这就是“内外盘”指标。它揭示了买卖双方在特定价格上的博弈真相，是解读主力行为的关键密码。 核心概念：房子里的博弈论 在进入实战分析前，作为一名金融分析师，我首先要为你正本清源。内外盘并非简单的买卖统计，其核心在于主动性： ●内盘（Inside Disk）： 标志为绿色，代表主动性卖出。它是指以“买入价”（Bid Price，委买价）直接成交的成交量。内盘大，说明空方急于离场，不惜在更低的价格主动成交。 ●外盘（Outside Disk）： 标志为红色*，代表主动性买入。它是指以“卖出价”（Ask Price，委卖价）直接成交的成交量。外盘大，说明多方急于介入，愿意支付更高的价格。 为了让大家更形象地理解，我们可以借用源材料中的“房子”比喻： “这两个单词可厉害了，它说明买卖双方都认为对方是傻瓜。内盘的意思就是里面的人想出去，外盘就是外面的人想进来。” 顺势而为：量价齐升的理想形态 在健康的交易环境中，内外盘通常遵循基本的供需逻辑。我们要关注以下三种常态： ●**外盘明显小于内盘，且放量下跌： 这是市场中最常见的看跌信号**。内盘激增说明主动抛售欲望极强，主力正在不计成本地果断出货。此时不应抱有幻想，离场是保护资金的最佳选择。 ●**外盘远大于内盘，且量价齐升： 当主动性买入远超卖出，且伴随成交量放大和价格上涨，说明市场处于典型的供不应求**状态，股价往往会顺势开启主升浪。 ●**平衡态（内外盘相当）： 当“想进来的”和“想出去的”力量达到动态平衡，股价通常进入横盘震荡**期，此时应持币观望。 深度反直觉（一）：底部区域的打压吸筹 实战中，高手往往能识别出“反逻辑”的信号。最典型的情况是：外盘大于内盘，但股价不涨反跌。 按照常规逻辑，买气足应涨价，但不涨反跌说明“不按套路出牌”。这通常发生在低位区域，是主力在故意“做妖”。主力利用手中的筹码对敲打压，营造恐慌气氛，迫使意志不坚定者交出廉价筹码，而自己在低位默默吸收。这种现象被称为打压吸筹，看清这一点，你才能从止损的盲从者转变为跟随主力的获利者。 深度反直觉（二）：高位拉升的“诱多”陷阱 另一种极度危险的背离是：内盘远大于外盘，股价却在上涨。 这种现象通常发生在股价已有一段涨幅后。明明想卖的人更多，股价却反直觉拉升，这往往是主力的诱多行为。主力通过少量资金对敲拉高股价吸引眼球，实则在上方挂单、下方撤单，边拉边卖。这是一种虚假繁荣，其本质是主力为了出货而掩人耳目。此时的策略只有一个字：溜。 沉默的真相：缩量与高度控盘 当内外盘都只有极小的成交量，且成交量持续萎缩时，我们必须通过历史走势来定性： ●无人问津的“僵尸股”： 如果该股已长时间下跌且缺乏波动，说明市场人气丧失，既没人买也没人卖。 **●**主力高度控盘： 股价在经历过放量拉升后，在高位或中位缩量震荡，说明大部分筹码已被主力锁定，随时可能发动二次进攻。 【高级导师 Pro Tip】： 判别方法很简单——如果股价在长期阴跌后缩量，大概率是僵尸股；如果股价在近期放量大涨后，缩量却能横盘守住价格，则是高度控盘**的标志，应“多看少动”，等待放量突破的瞬间。 进阶口诀：内外盘实战的“位置决定论” 为了帮助大家快速记忆，我整理了一套实战口诀。请注意，所有的口诀必须结合股价的高低位置来运用： **●**外盘偏大，股价看涨 **●**内盘偏大，股价看跌 ●**外大价跌，主力出逃（注：此句特指高位区域**，主力借外盘大、人气高的假象掩护撤退；若在低位则参考前文的吸筹逻辑） ●**内大价涨，主力吸筹（注：这代表主力在以更低的价格“偷偷买入”，即隐藏买盘**，是典型的反向吸筹形态） 总结与反思：指标背后的“人心” 内外盘不是孤立的数据，它是人性贪婪与恐惧的实时映射。作为一名理性的投资者，你绝不能仅仅盯着数值的绝对大小。 总结一句话：必须结合股价近期走势是否处于低位来综合研判。 指标是死的，但其背后的博弈是活的。 财富智慧交流： 在你的股市生涯中，是否也曾被“外盘巨大却股价暴跌”的情况深度“套路”过？你是如何看透红绿表象，识别出主力真实意图的？欢迎在评论区分享你最深刻的一段实战反思，我们一起穿透迷雾，看清本质。 一句话回答： A 股、美股、港股的休市日不一样（国庆 A 股休、感恩节美股休……），直接把两地价格按行号并排就会错位，算出来的相关性全是假的。正确做法是用 AlphaFeed 分别取各市场 K 线、从数据本身推导真实交易日历，再按交易日交集对齐后计算——几行 pandas 就能做对。 为什么会有这个问题 跨市场做联动、对冲、相关性时，最常见的错误是"两个序列长度不同就截齐、或直接 reset_index 后相减"。但： A 股独有假期：春节、国庆长假期间 A 股休市，美股照常。 美股独有假期：感恩节、马丁·路德·金日、阵亡将士纪念日等，A 股照常。 港股又是一套：兼有内地与西方假期。 不对齐日历，收益率序列会整体"串行"，相关系数、beta、价差都不可信。 分步骤解决 第 1 步：分别取各市场 K 线，推导交易日历 AlphaFeed 的 K 线里 trade_date 就是该市场的真实交易日（有数据=当天开市），据此直接得到各市场日历： from alphafeed import AlphaFeed import pandas as pd af = AlphaFeed() # 读取 ALPHAFEED_API_KEY a = af.klines.get("600519.SH", period="1d", count=250, to_dataframe=True) # A 股 us = af.klines.get("AAPL.US", period="1d", count=250, to_dataframe=True) # 美股 hk = af.klines.get("00700.HK", period="1d", count=250, to_dataframe=True) # 港股 cal_a, cal_us, cal_hk = set(a["trade_date"]), set(us["trade_date"]), set(hk["trade_date"]) print("A 交易日:", len(cal_a), "US:", len(cal_us), "HK:", len(cal_hk)) 各市场 count=250 覆盖的自然时间范围不同（因为休市日不同），所以下一步要先裁到共同区间再比较。 第 2 步：裁到共同区间，看日历差异 lo = max(min(cal_a), min(cal_us), min(cal_hk)) hi = min(max(cal_a), max(cal_us), max(cal_hk)) fa = {d for d in cal_a if lo <= d <= hi} fu = {d for d in cal_us if lo <= d <= hi} print("A 开市但美股休市:", sorted(fa - fu)[:6]) print("美股开市但 A 股休市:", sorted(fu - fa)[:6]) 实测（约一年窗口）差异样例： 差异类型 数量（示例窗口） 典型日期 原因 A 开市 / 美股休 6 11-27、12-25、01-19、04-03 感恩节、圣诞、MLK 日、耶稣受难日 美股开市 / A 股休 16 10-01~10-08 A 股国庆长假 三地共同交易日 230 — 用于跨市场对齐的可靠集合 第 3 步：用交易日交集对齐后再计算 不要按行号对齐，要按 trade_date inner join（交集），只在两地都开市的日子比较： la = a[["trade_date", "close"]].rename(columns={"close": "a_close"}) lu = us[["trade_date", "close"]].rename(columns={"close": "us_close"}) merged = pd.merge(la, lu, on="trade_date", how="inner").sort_values("trade_date") merged["a_ret"] = merged["a_close"].pct_change() merged["us_ret"] = merged["us_close"].pct_change() corr = merged[["a_ret", "us_ret"]].dropna().corr().iloc[0, 1] print(f"共同交易日: {len(merged)} A/US 日收益相关系数: {corr:.3f}") 关键点：how="inner" 自动丢掉任一方休市的日子，剩下的才是可比的同步样本。 第 4 步：注意"隔夜时差"——是否要错位一天 A 股白天收盘时，美股尚未开盘（当日美股是北京时间当晚才交易）。研究"美股隔夜 → 次日 A 股"的传导时，应把美股收益滞后一天再对齐： merged["us_ret_lag1"] = merged["us_ret"].shift(1) # 昨夜美股 -> 今日A股 lead = merged[["a_ret", "us_ret_lag1"]].dropna().corr().iloc[0, 1] print(f"昨夜美股 vs 今日A股 相关: {lead:.3f}") 是否错位取决于你的研究问题：同步联动用当日对齐，跨市场传导/择时用滞后对齐。别把两者混为一谈。 关键坑与注意事项 不要按行号/长度截齐：各市场交易日不同，行号对齐必然错位。永远按 trade_date join。 trade_date 是各市场的本地交易日：无需自己维护假期表，有 K 线数据的那天就是开市日。 时区：日线用本地交易日对齐即可；只有做分钟级跨市场同步时才需要把 timestamp（毫秒 UTC）转到统一时区处理。 停牌 vs 休市：个股停牌（volume=0）与整个市场休市不同，跨市场对齐用指数/宽基或多只票求并集更稳。 美股/港股 K 线 amount=0（用 volume），跨市场比成交额时要注意口径。 常见问题（FAQ） Q：我需要自己维护各国交易日历吗？ A：不用。AlphaFeed K 线的 trade_date 就是该市场真实开市日，直接从数据推导日历、取交集即可。 Q：为什么两地 count=250 拿回来日期对不齐？ A：因为休市日不同，同样 250 根 K 线覆盖的自然日区间不同。先裁到共同区间 [lo, hi] 再比较。 Q：算相关性该用当日还是滞后对齐？ A：研究同步联动用当日 inner join；研究"隔夜传导/择时信号"把先行市场收益 shift(1) 再对齐。 Q：需要付费吗？ A：跨市场 K 线（A/美/港）属基础能力，有免费额度；大规模批量与全市场池见 Starter 及以上，详见定价页。 小结 跨市场分析的第一道坎不是模型，而是交易日历对齐。用 AlphaFeed 各市场 K 线的 trade_date 推导真实日历、按交易日交集 inner join，再决定是否按隔夜时差错位一天——把对齐做对，相关性、beta、价差才可信。 参考 AlphaFeed Python SDK 文档：https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart 引言：为什么“不买”比“买什么”更重要 在股市中，很多散户投资者常常陷入一种无效的勤奋：每天废寝忘食地研究基本面、死守盯盘，却依然在“踩雷”和亏损中挣扎。其实，作为一个在市场摸爬滚打多年的策略分析师，我始终认为：投资的第一法则是生存。 在复杂的交易博弈中，识别并避开那些高风险的“必亏”标的，其重要性远超寻找所谓的翻倍黑马。学会在诱惑面前保持空仓，不仅是一种境界，更是保护你辛苦钱的铁律。 第一类：深陷下降通道的“自由落体” 趋势的形成绝非偶然，它是市场中多重因素产生共振并形成合力后的结果。我常说，趋势一旦形成就不容易改变，就像高速下行的列车，试图去挡住它只会粉身碎骨。 判定标准： 如果股价长时间运行在 **10 ****日、**20 日均线下方，且波动的高点和低点都在不断下移，反弹力度一波比一波弱。 深度警示： 散户最容易产生的错觉是“跌得够多了，该反弹了”。但在下降趋势中，股价会不断创出新低。 专业建议： 必须等到明显的“起稳迹象”出现——例如均线开始走平并粘合、小阳线比例增多、底部起稳平台真正走出。在此之前，任何抄底都是在接下落的飞刀。 “下跌趋势不言底，上涨趋势不言顶。在趋势面前，不要用主观臆断挑战市场规律。” 第二类：趋势破位，尤其是“主跌三浪” 趋势一旦破位，意味着原有的支撑逻辑彻底瓦解。在技术派眼中，最致命的陷阱就是“主跌三浪”的开启。 技术逻辑： 在一个标准的下跌序列中，经历了一浪初跌和二浪微弱反弹后，当第三浪正式破位下行时，才是杀伤力最惊人的阶段。 风险警告： 主跌三浪通常跌幅最大、速度最快，也是大部分散户账户被腰斩甚至清零的区域。如果三浪正在途中或刚刚开启，切记：绝不可入场捡便宜。 第三类：毫无波动的“心电图”僵尸股 有些股票的分时走势非常诡异，全天几乎没有起伏，看起来就像一条平直的“心电图”。 特征识别： 分时图波动极微，换手率常年在 0.5% 左右。 深度反思： 这种走势通常出现在“四大行”这种超大盘股中，这尚属正常；但如果一个小盘股走出这种“心电图”，说明该股已彻底被市场抛弃。 致命伤： 这类股没有震荡差价，你进去可能连手续费都赚不回来。更可怕的是它消耗了你的时间成本——在股市中，资金的周转率就是生命，被僵尸股锁死资产是极大的资源浪费。 第四类：大股东减持的“接盘陷阱” 大股东公告减持，是公司内部人对自家股票价值的变相“投低票”。 心理博弈： 减持的借口可以有千百种，但动作只有一个：真金白银的卖出离场。 大股东离场意味着大笔筹码将直接砸向二级市场，如果没有相应量级的大资金接盘，散户那点资金量根本挡不住抛压。 核心准则： 大股东减持会严重打击市场信心。记住，作为投资者，不要听他们嘴上说得多么冠冕堂皇，要看他们实际是怎么操作资金的。 别去做那个承接抛盘的“接盘侠”。 第五类：利好兑现后的“见光死” 散户最爱追利好，而主力最爱借利好出货。 逻辑拆解： 市场炒作的是“预期”。当利好还在预期阶段时，股价往往已经提前拉升到目标位。 策略启发： “当一个利好已经是全世界都知道的秘密时，它还有价值吗？” 当利好真正落地之日，往往就是主力资金利用热度派发筹码、功成身退之时。这类股票在消息公布瞬间，往往就是股价的阶段性顶峰。 第六类：股东人数激增的“筹码散乱” 个股的股本是固定的，股东人数的变化本质上反映了筹码的流向：是从庄家手中流向散户，还是反之。 筹码分配逻辑： 股东人数突然大幅增加，说明主力已经成功把手中的大额筹码，拆散并派发给了无数的小散户。 ●筹码状态：高度集中 股东人数：股东人数少，多为“强力手”持有 市场表现：控盘度高，易形成合力，能走出独立行情 ●筹码状态：极端分散 股东人数：股东人数激增，多为“弱势手”持有 市场表现：人心不齐，拉升时抛压巨大，极难形成合力 结论： 筹码越分散的票，越难产生上涨共振，也就越没有参与价值。 第七类：无业绩、无题材的“三无股票” 在股市赚钱通常只有两条路：要么赚公司成长的钱（业绩），要么赚未来愿景的钱（题材）。 流动性陷阱： 如果一家公司既没业绩支撑，又讲不出题材故事，这就是典型的“三无股票”。 结局预测： 没有业绩，随时面临退市风险；没有题材，主力根本不会花大价钱去推升股价。即使主力硬拉，由于缺乏故事吸引散户**“接货”****，最终筹码还是会砸在主力自己手里。** 所以，这类股既拿不住，也没盼头。 结语：构建你的交易防线 作为一名策略师，我最后想送给大家一句话：在股市中，学会“忍耐”和“克制”远比学会“进攻”更难。避开这 7 种“地雷”股，是构建成熟交易体系的基石。 空仓观望并不可耻，盲目入场才是对本金的不负责。只有先守住防线，你才有机会在未来的牛市中发动反攻。 亲测最好用的AI编写量化策略工具，可以让 AI 直接写各个平台的策略代码，直接生成可运行的策略代码，代码质量远高于直接使用 DeepSeek、Trae 等平台。大家可以直接用描述策略，然后一键生成可运行的完整策略代码，也可以把它当做一个API 查询工具。 最新消息，已经支持SuperMind等主流量化平台啦，并且实盘亲测过了，很适合小白用户，上线之后获得了非常多朋友的好评。 🚀️Supermind AI量化助手：https://easyquant.ai 之前我分享过一个小工具网站，支持国内主流量化平台，可以让 AI 直接帮你写各个平台的策略代码，直接生成可运行的策略代码，代码质量远高于直接使用 DeepSeek、Trae 等平台。上线之后获得了非常多朋友的好评。 大家可以直接用描述策略，然后一键生成可运行的完整策略代码，也可以把它当做一个API 查询工具。 AI工具平台：https://iris.findtruman.io/ai/tool/ai-quantitative-trading/ 我看平台正在开发SuperMind支持，很快就能支持同花顺了 摘要：在量化研究与策略开发工作中，不少研究者会直接通过A股 API获取原始Tick，自主聚合生成1分钟K线，用于回测、因子计算与策略仿真。多数人会将该过程理解为简单的数据分组，但在真实行情流环境下，跨分钟报文乱序、重复Tick推送、K线闭合时机判定等边界问题，会造成OHLCV结果偏移，直接影响回测结论可靠性。本文从实际开发案例出发，梳理故障诱因，给出工程处理方案，并重点说明该环节对回测、模型开发的数据价值。 引言 在量化策略研究中，分钟级K线是因子挖掘、策略回测、仿真验证最常用的数据基础。获取分钟K线有两种主流路径：直接调用平台封装好的K线接口；或者拉取底层Tick逐笔数据，在本地/服务端自行聚合生成OHLCV。 选择自行聚合Tick的研究者，往往是为了获得更高的数据自由度：可以自定义聚合逻辑、适配特殊的采样规则、也便于做数据校验与二次加工。直观来看，聚合逻辑十分简单：将同一自然分钟内全部成交Tick归集，计算开盘、最高、最低、收盘，累加成交量，即可得到1分钟K线。 但在真实的行情流接入场景下，网络传输、接口重连、行情源推送机制会带来一系列边界问题。这些问题不会造成程序崩溃，属于静默式的数据偏差，却会直接传导至回测结果，造成策略绩效失真、因子有效性误判。 笔者在工具开发与策略数据预处理的过程中，就多次遇到本地聚合K线与基准行情存在差异的现象。复盘后发现，问题并非来自OHLCV计算公式，而是集中在三个容易被研究人员忽略的环节：Tick的时间归属判定、乱序与跨分钟成交处理、重复报文的幂等过滤，以及K线何时判定完成。 本文将结合实战经验，阐述问题根因，给出可落地的处理逻辑，并说明数据处理环节如何保障回测与模型研究的数据可靠性。代码仅作逻辑演示，研究者可以根据自身研究环境适配调整。 一、真实场景下的数据异常案例 项目早期版本，曾采用一种非常普遍的简易实现：以WebSocket报文到达本地服务器的接收时间，作为Tick归属对应分钟K线的判断依据。 取一组A股盘中真实成交时间样本：** **09:30:59.800、09:30:59.950、09:31:00.020 依据交易所实际撮合发生的时间，前两笔Tick应当归属09:30这根K线，最后一笔归属09:31 K线。 但网络传输不保证报文严格按照时间顺序抵达，程序实际接收顺序有可能发生错乱：** **09:30:59.950 → 09:31:00.020 → 09:30:59.800 在接收时间作为分组依据的逻辑下，延迟到达的09:30:59.800会被错误归入09:31的K线。直接后果是相邻两根K线的价格区间、成交量同时发生偏移。若该K线直接用于回测，会改变开平仓触发条件、收益率、最大回撤等核心指标，严重时会出现“回测表现很好，模拟盘实盘效果完全脱节”的现象。 另一类高频异常来自连接重连后的报文补发。当WebSocket链路断开重建，部分A股 API会回放最近一段时间的Tick快照。若缺少去重逻辑，同一笔成交会被重复纳入统计。 示例：同一笔成交真实成交量为100，报文被推送两次。聚合后统计成交量变为200。成交量是量价类因子、流动性指标的核心输入，成交量虚高会直接破坏因子分布，对统计模型、机器学习特征工程带来干扰。 研究提示：这类静默偏差无法通过程序异常捕获发现，必须将聚合输出结果和权威基准数据集做抽样比对校验，才能够识别。对于量化研究而言，数据校验应当作为回测流程的前置步骤。 二、核心问题拆解 2.1 跨分钟边界乱序：区分成交时间与报文接收时间 处理Tick行情，必须严格区分两组时间维度，这是保证聚合正确性的基础： Tick自带成交时间戳：交易所撮合完成的真实时刻，这是划分时间桶的唯一可信依据； 报文接收时间：Tick数据包到达研究机器/服务端的系统时刻。该时间受网络抖动、行情源调度、系统负载影响，不可用于K线分组。 在实时数据流场景，较早发生的成交，报文晚于下一分钟数据到达属于客观现象。 还有一处极易忽略的细节：接收到新一分钟的第一条Tick，并不等价于上一分钟全部成交报文接收完毕。即便聚合逻辑已经切换至新的时间窗口，上一分钟的延迟报文依然可能后续抵达。如果直接丢弃迟到Tick，会造成K线成交记录缺失，带来另一种形式的数据失真。 2.2 重复Tick报文：对研究结果的影响高于乱序 重复报文的触发场景：WebSocket断线重连、订阅会话重启、消息队列重复消费。 乱序问题只是将成交记录分配至错误K线；而重复Tick会直接放大成交量统计值，改变量价特征的原始分布。对于动量、量比、流动性类因子，该类污染带来的模型偏差会非常显著。 重复Tick示例： 09:30:12.123 15.20 100 09:30:12.123 15.20 100 未做去重处理，聚合得到成交量200，市场真实成交量仅为100。 研究认知提醒：仅依靠时间戳+价格+成交量组合生成复合Key，无法做到百分之百可靠去重。A股真实撮合过程中，客观存在多笔独立成交恰好拥有完全一致的时间、价格、成交量。复合Key存在误删除有效成交样本的风险，在研究文档中需要记录该约束。若接口提供成交唯一ID或全局序列号，应优先采用ID做幂等。 三、面向量化研究的工程处理方案 下面给出的方案，兼顾实时数据流处理与历史Tick离线回测加工两种研究场景。 3.1 时间桶划分：以Tick原生成交时间作为唯一标准 制定处理规则：K线时间桶归属，仅采信Tick载荷内部携带的交易所成交时间戳，报文接收时间不参与任何分组逻辑。 将Unix时间戳换算为分钟粒度的时间桶标识： minute = tick_timestamp // 60 也可以格式化为2026‑09‑07 09:30形式字符串Key，用来映射内存中的K线聚合对象。 该规则同时适用于实时流处理，以及本地批量回放历史Tick做离线聚合的场景。 3.2 设置有限滑动缓冲窗口，兼容跨分钟迟到报文 网络上很多示例代码，会在检测到分钟切换时直接闭合上一根K线： if tick_minute != current_minute: finalize(current_kline) current_kline = create_kline(tick) current_minute = tick_minute else: update_kline(current_kline, tick) 该逻辑在报文完全有序的理想样本下可以运行，但真实行情流会出现迟到报文。当已经切换至新分钟，再次收到上一分钟的Tick，直接丢弃会丢失真实成交样本。 实现方案：维护一个容量受限的滑动内存缓冲区，仅保留最近3‑5分钟的K线聚合实例。 每一条Tick进入处理流程，解析其原生成交时间戳； 根据时间戳匹配缓冲区内对应分钟的K线对象，执行更新； 只有Tick的时间已经超出缓冲区时间范围，才执行丢弃。 该设计可以兼容网络抖动带来的短时乱序。对于离线批量回放历史Tick数据，缓冲窗口同样适用，用来处理历史数据源内部本身存在的乱序记录。 3.3 两级幂等去重策略，适配不同接口能力 针对重复Tick，采用分层去重逻辑，适配不同A股 API接口的字段能力： 若接口返回成交ID、全局序列号等唯一标识，优先基于唯一ID做幂等过滤，这是可靠性最高的方案： if tick_id in processed_ticks: return processed_ticks.add(tick_id) 接口无唯一标识字段时，组合标的代码、时间戳、价格、成交量生成复合去重Key： dedup_key = ( symbol, timestamp, price, volume ) 研究侧注意事项：复合Key仅降低重复统计概率，不能完全消除误判风险。如果你的研究对成交量精度要求极高，建议尽量选用携带成交唯一编号的数据源；同时可以定期抽样比对聚合结果与基准行情的成交量分布。 3.4 处理链路分层，便于研究调试与复现 为方便定位数据异常、便于离线回放复现问题，建议不要将接收、清洗、聚合全部耦合在同一个函数内，将处理链路拆分为三层，职责解耦： 层级 核心职责 接收层 维护WebSocket会话，拉取A股 API原始Tick；离线场景负责读取本地Tick数据集 清洗层 时间合法性校验、Tick幂等去重、过滤异常脏样本 聚合层 基于清洗完成的Tick样本，计算分钟OHLCV指标 基础WebSocket客户端示例（仅演示连接结构）： import websocket import json def on_message(ws, message): data = json.loads(message) for tick in data.get("data", []): process_tick(tick) ws = websocket.WebSocketApp( "wss://api.alltick.co/stock/websocket", on_message=on_message ) ws.run_forever() 说明：实际开发需要按照对应API文档配置订阅参数、完成字段映射；离线回测场景可去掉WebSocket部分，直接迭代本地Tick文件。 3.5 区分实时展示与回测落库，重新定义K线完成时机 一个普遍误区：直接使用服务器系统时钟，判定一根分钟K线已经闭合。 系统时钟走到09:31:00，仅代表物理时间进入新一分钟，不能证明09:30全部Tick样本已经接收完毕。如果此时直接固化K线用于回测，后续迟到的成交样本会被丢失。 推荐处理方式：设置短暂等待缓冲窗口，也可以结合行情源的报文序列号辅助判断K线是否可以安全闭合。同时拆分两条数据输出链路： 实时预览链路：用于实时观察行情，优先保证响应速度，允许K线指标在窗口内短暂修正；该链路输出数据不建议直接用于回测与模型训练。 回测/持久化链路：牺牲少量时效性，等待缓冲窗口结束，确认不再有迟到Tick流入，完成全部去重与修正之后，再固化为最终版OHLCV，作为回测、因子计算、模型训练的基准输入数据。 研究实践经验：回测所用的数据集，应当采用第二条链路的固化结果，不要直接使用实时未闭合的K线。 四、多标的场景下的资源与性能优化 当研究工作需要同时处理多只标的Tick流，内存与计算开销会快速上升，分享几项实操优化手段： 约束K线缓冲区时间范围：不要在内存完整保存整个交易日全部K线对象。结合A股交易时间，缓冲区仅维持最近3‑5分钟；过期K线对象释放内存，历史结果落盘存储。离线批量处理时，也可以分时间分片处理，控制内存占用。 定时清理去重集合：存储tick_id、复合dedup_key的集合不能无限膨胀。定时清理窗口时间之外的记录，降低GC压力，规避内存泄漏。 标的差异化处理逻辑：对于成交高频的活跃标的，优化K线更新逻辑，减少不必要对象拷贝；对于成交稀疏的标的，复用通用聚合逻辑，避免过度设计增加调试成本。 五、对量化研究的启示与总结 将Tick聚合生成1分钟K线，并不只是简单的分组运算。时间桶分配、乱序兼容、重复报文幂等、K线闭合时机，这些工程细节直接决定数据集质量，进一步影响因子挖掘、策略回测、机器学习模型训练的结论可信度。 在量化研究流程中，大家往往会把重心放在策略算法、模型调参上，而容易忽视底层行情预处理环节。但大量实践表明，很多回测与模拟盘表现不一致问题，根源来自底层数据的静默偏差，而非策略逻辑本身。 建议在研究流程中增加固定的数据校验环节：定期抽样比对聚合生成的OHLCV与权威基准行情，对价格、成交量分布做统计校验，尽早发现聚合逻辑的缺陷。 本文中全部代码仅为原理演示。在正式研究环境中，还需要补充异常捕获、连接自动重连、日志埋点，方便问题复现排查。在数据源选型上，可以借助AllTick API获取原始Tick数据，结合本文介绍的处理逻辑完成二次聚合，构建自己的研究数据集。 A股Level2行情数据到底有哪些？逐笔成交、委托、十档全搞明白 说真的，折腾Level2数据这阵子没少踩坑。网上各种文档念得头头是道，就是没人告诉你东西长什么样、字段是什么意思。我干脆自己从头捋一遍，省得下回又忘。 先泼冷水：Level2不是开了就能直接拿来赚钱的圣杯，它就是更细的行情数据，沪深交易所发布的逐笔级别的数据，A股市场才有。如果你还在看Level1的五档和每分钟快照，那Level2相当于把蒙在行情上那层纱给掀了，底下全是毫秒级的拥挤。 主要就三类数据：逐笔成交、逐笔委托、十档行情。三者不是并列关系，是互相补充，拿到手大小也差很多，十档行情文件最大，逐笔委托其次，逐笔成交稍微小点。 逐笔成交 你可以把它理解为每一笔实际撮合成功的交易记录，已经配对好的。不是每三秒给你推一次，而是有成交就推，毫秒级。 字段大概长这样（我挑几个必看的）： 字段名 说人话 证券代码 股票代码 成交时间 精确到毫秒，比如093001020 成交价格 这笔成交价 成交量 手数 成交金额 金额 买卖方向 B主动买 / S主动卖 / 不确定 成交编号 交易所给的一笔唯一编号 别小看买卖方向，这才是精华。Level1里成交明细只有成交价和量，根本分不清是谁主动吃的。Level2里能看出来是挂在卖一被吃掉的，还是直接砸到买一的，这对判断大单有没有怂了很有用。不过要小心，有些成交是左右手倒腾，交易所标记成“不确定”，你不要被红绿柱骗了。 逐笔委托 这个更狠，是交易所收到的每一笔挂单，包含撤单。你看到的盘口挂单量变化，就是逐笔委托推出来的。但是注意，深交所和上交所的委托数据不一样： 深圳：有逐笔委托，能看到挂单价格、数量、委托类型（加单、撤单）。 上海：目前没有公开的逐笔委托，只有逐笔成交和十档行情。所以想用沪市做委托流分析，醒醒吧，没门。 深交所逐笔委托字段： 字段 含义 委托时间 毫秒级时间戳 委托价格 委托价 委托数量 手数 委托类型 1:买 2:卖 3:撤单 订单编号 委托编号，和成交关联用 遗憾的是，撤单是看不出具体撤哪一单的，只能知道有人在某个价格撤了多少手，没法直接定位到之前那笔挂单。做拆单策略的话，得靠订单编号和成交数据拼，非常蛋疼。 十档行情 Level1只给五档，Level2给十档，也就是买一到买十、卖一到卖十，每个价位上的挂单量。这玩意儿是快照，不是每笔委托都推，通常3秒发一次，或者有变化才发，但能反映盘口深度。 数据量巨大，一个股票一天十档行情文件能有几十MB，要是全市场4000多只股票，一天下来小几百GB，硬盘紧张的主儿得掂量。 字段： 字段 备注 行情时间 快照生成时间 买1-10价 委托价格 买1-10量 挂单量 卖1-10价 同上 卖1-10量 同上 别只看买一卖一，很多胖手指单子会在买五卖五附近堆着，观察撑压比肉眼数档位靠谱。 怎么拿到这些数据 券商一般提供Level2行情，但只能实盘的时候用，想回测历史数据就难了。很多做量化的人会买数据，我也找过不少渠道，最后发现有个叫数据源：CMES金融数据库的，专门提供A股历史Level2行情下载，可以按天下载，不用自己存，数据从2018年开始有，每天更新，关键是能用Python直接调，不需要自己写复杂的爬虫。 用了大概一星期才把接口搞顺，主要是token和频率限制。他们的接口文档在这：https://cmes-data.com/download.html?type=vip ，安装就一行： pip install cmesdata 调用示例，拿某天某只股票的逐笔成交： from cmesdata import CMESData # CMES金融数据库的行情接口，注意入参正确，调用频率正常 client = CMESData(api_key="你的token") # 获取2025年3月1日平安银行逐笔成交 tick = client.get_tick( symbol="000001.SZ", date="2025-03-01", trade_type="transaction" ) print(tick.head()) 它会返回一个DataFrame，字段就是上面说的那些。十档行情用 trade_type="orderbook"，逐笔委托用 trade_type="order"，注意沪市一调用委托就会报错，因为没数据，这个坑我踩过，别犯傻。 频率上，免费账户一天能调个几十次，够自己研究用，要是全市场扫，得买高级版，否则会触发限流，接口会返回一堆让人崩溃的403。 最后想说的 别指望数据到手就能干活，这些Level2数据量极大，而且很多噪声，比如虚假挡单、诱导撤单，不经过清洗基本没法用。清洗规则又因人而异，我自己光过滤异常成交就写了好几百行代码。所以拿到数据只是第一步，后面打磨才是大头。 有机会再聊聊怎么把这些毫秒级数据转成有用的因子，今天就先记这些，不然又忘光了。 一句话回答： 只按单一指标（比如只看涨幅或只看换手）排名，噪声大、容易追高。更稳的做法是把多个因子各自标准化（z-score）后加权求和做综合打分。用 AlphaFeed 一次拿到全 A 实时快照 + 批量 K 线 + 流通股本，几十行就能跑出一份可复现的多因子选股清单。 为什么要多因子而不是单指标 单看动量：容易在高位接盘，回撤大。 单看换手率：热度高不代表趋势好，可能是出货。 单看小市值：壳票、垃圾股混入，风险集中。 把它们各自标准化后合成一个分数，让"趋势向上 + 有资金关注 + 盘子不过大"同时成立的票排到前面，比任何单一指标都稳。因子标准化是关键：不同量纲（涨幅是小数、市值是亿级）不能直接相加。 分步骤解决 第 1 步：取全 A 实时快照（含换手率） from alphafeed import AlphaFeed import pandas as pd, numpy as np af = AlphaFeed() # 读取 ALPHAFEED_API_KEY q = af.quotes.get(universes="CN_Stock", to_dataframe=True) print("全 A 数量:", len(q)) # 实测约 5556 只 快照里可直接用的因子字段（ext.* 均为小数，如涨跌幅 0.03 = 3%）： 字段 含义 因子方向 ext.turnover_rate 换手率（小数） 越高越有资金关注（+） ext.change_pct 当日涨跌幅（小数） 短期动量参考 ext.amplitude 当日振幅（小数） 活跃度/风险 last_price 最新价 配合股本算市值 演示用前若干只做子集；实盘可对全量或先做流动性过滤（如剔除换手率过低、停牌）。 sub = q.head(300).copy() # 演示子集；生产可用全量 syms = sub["symbol"].tolist() 第 2 步：用批量 K 线算动量因子 klines.batch(..., to_dataframe=True) 返回 {symbol: DataFrame} 字典，逐票算近 60 日涨幅作动量： kb = af.klines.batch(syms, period="1d", count=60, adjust="forward", to_dataframe=True) mom = {} for s, d in kb.items(): d = d.sort_values("trade_date") if len(d) > 1: mom[s] = d["close"].iloc[-1] / d["close"].iloc[0] - 1 # 60日动量 sub["mom60"] = sub["symbol"].map(mom) 用 adjust="forward"（前复权）算动量，避免分红送股导致的假跳空污染收益率。 第 3 步：用 instruments 取流通股本算市值 insts = af.instruments.batch(syms) # 返回 list[dict] float_shares = {i["symbol"]: (i["ext"].get("float_shares") or 0) for i in insts} sub["float_shares"] = sub["symbol"].map(float_shares) sub["float_mcap"] = sub["last_price"] * sub["float_shares"] # 流通市值 第 4 步：z-score 标准化 + 综合打分 def z(x): x = x.astype(float) return (x - x.mean()) / x.std(ddof=0) logcap = np.log(sub["float_mcap"].replace(0, np.nan)) sub["score"] = ( z(sub["mom60"].fillna(0)) # 动量越大越好 (+) + z(sub["ext.turnover_rate"].fillna(0)) # 换手越活跃越好 (+) - z(logcap.fillna(logcap.mean())) # 市值越小越好 (-)，取对数抑制极值 ) top = sub.sort_values("score", ascending=False).head(20) print(top[["symbol", "ext.name", "mom60", "ext.turnover_rate", "float_mcap", "score"]].to_string(index=False)) 实测（子集内）打分靠前的标的同时具备"近 60 日上涨 + 换手活跃 + 流通盘不大"的特征，与直觉一致。权重与因子方向可按你的策略调整（如加上振幅惩罚、行业中性化）。 第 5 步：封装成可复用打分器 def factor_score(n=300, count=60, weights=(1, 1, -1)): af = AlphaFeed() q = af.quotes.get(universes="CN_Stock", to_dataframe=True).head(n).copy() syms = q["symbol"].tolist() kb = af.klines.batch(syms, period="1d", count=count, adjust="forward", to_dataframe=True) q["mom"] = q["symbol"].map({s: (d.sort_values("trade_date")["close"].iloc[-1] / d.sort_values("trade_date")["close"].iloc[0] - 1) for s, d in kb.items() if len(d) > 1}) fs = {i["symbol"]: (i["ext"].get("float_shares") or 0) for i in af.instruments.batch(syms)} q["mcap"] = q["last_price"] * q["symbol"].map(fs) zc = lambda x: (x.astype(float) - x.astype(float).mean()) / x.astype(float).std(ddof=0) lm = np.log(q["mcap"].replace(0, np.nan)) wm, wt, wc = weights q["score"] = (wm * zc(q["mom"].fillna(0)) + wt * zc(q["ext.turnover_rate"].fillna(0)) + wc * zc(lm.fillna(lm.mean()))) return q.sort_values("score", ascending=False) print(factor_score().head(10)[["symbol", "ext.name", "score"]].to_string(index=False)) 关键坑与注意事项 量纲不统一不能直接相加：务必先 z-score（或排名百分位）标准化，市值这类右偏因子建议取对数。 未来函数：因子和收益要错开——用 t 日之前的数据打分、t+1 日再买入回测，别用当日收盘价算完立刻"成交"。 快照是实时值：quotes 是当前行情，做历史回测的因子要用对应日期的 K 线/横截面，别用今天的换手率去回测历史。 别只追分数最高：小市值 + 高换手也可能是妖股/风险票，需叠加流动性、ST 过滤与风控。 全量批量：对 5000+ 只全量跑 K 线批量耗时较长，klines.batch 支持 max_workers/batch_size，注意接口额度。 常见问题（FAQ） Q：因子权重怎么定？ A：本文用等权（动量+、换手+、市值-）做演示。生产中可用回测网格、IC 加权或等风险权重；先把标准化做对，权重再迭代。 Q：能加更多因子吗？ A：可以。振幅（ext.amplitude）、波动率（K 线算）、总/流通市值（instruments.ext）都能作因子，统一 z-score 后并入打分即可。 Q：需要付费吗？ A：quotes 全市场池（universes）需 Starter 及以上；单票/批量 K 线与 instruments 有免费额度。详见定价页。 小结 多因子选股的本质是"把多个不同量纲的信号统一到可比的尺度上再合成"。用 AlphaFeed 一次取全 A 快照 + 批量 K 线 + 股本，z-score 打分几十行搞定，且可复现、可扩展。记住先标准化、防未来函数、加风控，分数才有意义。 参考 AlphaFeed Python SDK 文档：https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart 
