搞量化这些沪深股票Level 2数据你得先摸清楚昨晚跑因子又把服务器内存干爆了盯着屏幕看了半天问题出在新加进去的Level 2高频数据上。这东西信息量是真的大但也是真的“吃”资源。今天干脆就聊聊这些从行情软件背后能拿到的原始数据到底长什么样里面都有什么货。数据到底“高频”到什么程度很多人一听“高频数据”就觉得是每分钟很多笔其实更准确的说法是“事件驱动”。市场上一有委托单变化、有成交它就会记录一条。所以行情火爆的时候数据流能“砸”得你喘不过气。我主要用的数据源来自CMES金融数据库它把沪深两市的Level 2数据拆解成了几个核心部分结构比较清晰。核心数据构成不止是五档买卖盘很多人对Level 2的理解还停留在“买卖十档”那只是冰山一角。真正做微观结构分析下面这几块才是重点。1. 委托簿Order Book这个可以理解为某个时刻市场挂单情况的“快照”。它不只是价格和数量还带着订单的属性。主要的字段包括timestamp: 时间戳精确到毫秒。这是所有数据对齐的基准。symbol: 股票代码。bid_price_1~bid_price_5: 买一价到买五价。bid_volume_1~bid_volume_5: 买一量到买五量。ask_price_1~ask_price_5: 卖一价到卖五价。ask_volume_1~ask_volume_5: 卖一量到卖五量。bid_order_num_1~bid_order_num_5: 买一档到买五档的订单数量。这个字段很重要能看出大单是单笔挂出来的还是很多小单堆起来的。ask_order_num_1~ask_order_num_5: 卖一档到卖五档的订单数量。以前我只看买卖量后来吃了亏才发现订单数这个信息能过滤掉很多“假象”。比如买一挂了个5万手的大单你以为支撑很强结果一看订单数有几百笔大概率是程序化交易拆单做的可靠性就没那么高。2. 逐笔成交Tick-by-Trade每一笔真实的成交都会被记录在这里。它告诉你在什么时间、以什么价格、成交了多少手以及这笔交易的性质。关键字段看这些timestamp(成交时间)price(成交价格)volume(成交手数)turnover(成交金额)trade_type: 成交类型。这个特别关键是内盘主动卖出‘S’还是外盘主动买入‘B’或者其它类型像大宗交易等。分析资金流向就靠它了。3. 逐笔委托Tick-by-Order这是委托簿变化的原因。市场上任何一个新委托单、撤单、委托单被成交都会在这里生成一条记录。它比委托簿更“底层”数据量也最大。常用字段有timestamp(委托时间)order_id: 委托单ID追踪单子生命周期用的。price(委托价格)volume(委托数量)order_type: 操作类型。是新增委托‘1’还是撤单‘2’或者是成交这部分通常与逐笔成交联动。order_direction: 买卖方向买还是卖。想研究订单流、测算市场真实供需这组数据是金矿。当然处理起来也是真的头疼数据清洗和匹配就能耗掉大半天。数据怎么用一点个人感受对于大部分做因子挖掘或者中低频策略的朋友我的建议是别一上来就直接怼原始的逐笔数据。可以先从清洗好的、按秒或分钟聚合的委托簿快照开始感受一下数据的密度和规律。直接用Tick数据光是存储和读取的IO问题就够新手喝一壶的。举个例子如果你想计算一个简单的“订单不平衡”因子用逐笔委托数据可以算得很细比如看过去1秒内新增买委托总量和卖委托总量的差但用聚合后的快照数据比较买卖五档的总挂单量也能抓个大概而且计算量天差地别。这里放一段用Python接口获取数据的示例代码吧用的是CMES金融数据库的行情接口注意入参正确调用频率也要控制好别把人家的服务器给打挂了。# 示例获取某只股票的Level 2委托簿快照数据importcmesdataascd# 初始化客户端这里需要你自己的tokenclientcd.Client(api_token‘你的API_TOKEN’)# 请求数据以茅台为例获取2024年某一天的数据# 注意高频数据量巨大时间范围千万别一次拉太大建议按小时或分钟分段dataclient.get_l2_snapshot(symbol‘600519.SH’,start_time‘2024-05-1009:30:00’,end_time‘2024-05-1010:00:00’,fields[‘timestamp’,‘bid_price_1’,‘bid_volume_1’,‘ask_price_1’,‘ask_volume_1’])print(data.head())最后说点实在的这些数据确实是研究市场的利器尤其是对短线、算法交易这些领域。但工具毕竟是工具最难的还是背后的想法。刚开始玩的时候我也沉迷于在毫秒级数据里找圣杯后来发现没有扎实的逻辑和严谨的回测再好的数据也白搭。对了处理这种数据硬盘和内存最好备足。我上次为了跑一个三年的回测专门去升级了服务器配置肉疼了好久。如果你们有更好的数据压缩或者处理技巧欢迎交流这块我也在摸索中。数据的基本情况就介绍这些希望能帮到刚开始接触这块的朋友。数据本身是冰冷的怎么让它产生价值就看各人的本事了。