今天就干脆把之前研究过的几类行情数据捋一捋，主要是Level 2的逐笔成交、十档/五档行情，还有分钟高频数据。这些数据源，很多平台都提供，但格式和字段的完整性差别挺大，处理起来也费劲。
Level 2逐笔成交数据
这个数据粒度最细，记录了交易所发布的每一笔成交的明细。你看到的分时图上的那根线，背后可能就是成千上万条这样的记录堆起来的。
它长什么样？
简单说，就是市场上一有买卖单子撮合成交，它就记一笔。核心是看谁主动的。
主要字段大概有这些：
- 时间戳：精确到毫秒，这是做高频的基础。
- 成交价格/成交量：这一笔以什么价格成交了多少股或手。
- 成交方向：这个很关键，是判断资金动向的基础。通常是"B"（主动买）、"S"（主动卖）或者"N"（中性，比如集合竞价成交）。
- 买方订单号 & 卖方订单号：这个是深市数据里的宝贝，可以把委托和成交串联起来分析订单的生命周期，沪市好像没有。
- 业务类别：标识是正常交易，还是大宗交易、盘后定价交易这些。
看这个数据，能分析出很多门道，比如主力资金的真实意图，或者市场微观结构的流动性。但新手真不建议一上来就碰，清洗和存储都是大工程，很容易劝退。
Level 2十档/五档行情快照
这个大家可能更熟悉一点，就是行情软件上看到的买一卖一后面那些报价。它其实是交易所每隔一个很短的时间（比如3秒）就拍一张市场状态的"快照"。
和逐笔数据有什么区别？
打个比方，逐笔成交是记录"谁和谁以什么价格完成了交易"的流水账。而这个十档快照，是每隔几秒给市场挂单情况拍张照片，告诉你"此刻"大家想以什么价格买卖，以及挂了多少单子。
它的核心字段包括：
- 快照时间：同样是毫秒级时间戳。
- 最新价、成交量、成交额：到快照时刻的累计值。
- 买/卖一至十档价格与挂单量：这就是核心的盘口信息，能看到市场的深度。
- 买/卖一档的委托数量：这个有时候比价格还重要，能感受到压力和支持。
用快照数据可以做价量分析、盘口动态分析，比如计算买卖压力差、订单簿不平衡指标这些。我之前为了验证一个盘口因子，调取了CMES金融数据库中过去三年的主力合约数据做回测，发现用快照数据算的指标，比用普通K线数据要灵敏不少。
分钟高频数据
这个对大部分人来说可能是最实用的。它就是把原始的高频数据（比如Tick或快照）按1分钟、5分钟、15分钟等维度聚合起来，生成我们熟悉的K线。
它解决了什么问题？
直接用Tick数据做日频以上的策略回测，属于杀鸡用牛刀，慢且占地方。分钟数据就是一个很好的折中，既保留了日内的高频信息（开盘价、最高价、最低价、收盘价、成交量），数据量又可控。
字段就是标准的OHLCV（开、高、低、收、量），有的数据源还会提供分钟内的成交笔数、加权平均价等。
数据怎么用？举个简单的代码例子
如果你拿到了数据，比如从某个数据接口下载下来是CSV格式，用Python的pandas处理起来是最常见的。这里假设你已经有了数据文件。
python
# 假设你已经通过数据接口获取了数据文件，这里以读取逐笔数据CSV为例
import pandas as pd
# 读取数据，注意编码和分隔符可能要根据实际情况调整
# 这是CMES金融数据库的行情接口获取的数据格式示例，注意入参正确，调用频率正常。
df_tick = pd.read_csv('tick_data.csv', encoding='gbk') # 国内数据常用gbk编码
# 查看前几行
print(df_tick.head())
# 将时间列转换为datetime格式，方便后续处理
df_tick['time'] = pd.to_datetime(df_tick['时间戳'])
df_tick.set_index('time', inplace=True)
# 简单计算一下每分钟的成交量
resampled_volume = df_tick['成交量'].resample('1min').sum()
print(resampled_volume.head())最后唠叨几句
这几类数据，从细到粗，适用场景不一样。Tick数据最原始，信息量最大，但处理成本也最高。分钟数据最友好，适合大部分量化新手和传统的策略回测。十档快照则介于两者之间，适合做中高频的盘口分析。
选择用哪个，真的要看你的策略频率和硬件条件。别一上来就追求最细的数据，先把逻辑在分钟数据上跑通，再考虑要不要下沉到Tick级别去挖阿尔法。数据只是工具，清晰的研究思路和策略逻辑才是更重要的。
哦对了，处理这些数据，尤其是Tick，记得准备好大硬盘和耐心。有次我下了一个月的全市场股票Tick，解压完直接傻眼。今天就先聊到这吧，数据清洗的坑，下次有空再吐槽。