港股逐笔成交与十档订单簿Tick数据详解-平芜编程栈

港股逐笔成交与十档订单簿Tick数据详解

昨晚因子回测又卡死了，查了下是数据量太大，内存直接爆满。后来发现是Tick数据没处理好，这玩意儿真是又爱又恨。今天就来详细聊聊港股市场这两类核心的高频数据，看看里面到底装了些什么。

数据从哪里来？

这些数据通常来自港交所的信息供应商，比如大家熟知的OPRA、L2行情等。作为个人研究者，直接获取和清洗原始数据非常麻烦，涉及到数据解析、异常值处理、时间戳对齐等一系列琐碎工作。我后来基本都转向用现成的数据库，省时省力。

之前为了研究订单流，我调取了CMES金融数据库中过去一年的港股Tick数据，做了一些简单的市场微观结构分析，发现处理好的数据质量确实对结果影响很大。

一、逐笔成交数据（Trade Tick）

这个数据记录了市场上每一笔成交的详细信息。它不像K线那样是聚合后的结果，而是最原始的交易“心跳”。

主要字段有哪些？

字段名	说明	个人使用感受
时间戳	精确到毫秒的成交时间	做高频策略的核心，时间对齐是第一个坑
股票代码	比如`00700.HK`	注意后缀，不同数据源可能不一样
成交价格	这一笔成交的实际价格	单位是港元，没什么好说的
成交数量（成交量）	这一笔成交的股数	注意是“股”，不是“手”，港股一手股数不同
成交金额	成交价格 * 成交数量	计算大单小单的时候常用
买卖方向	通常标识是内盘/外盘（主动买/主动卖）	这个字段特别重要，是判断资金流向的基础，但不同数据源定义可能微调
成交编号	交易所给每一笔成交的唯一ID	用于去重和精确匹配，有时候清洗数据用得上

看起来简单，但用起来坑不少。比如，你可能会看到同一毫秒有多笔成交，这时候排序和处理顺序就得小心。再比如，某些非活跃股票，Tick数据非常稀疏，做回测的时候要处理好这些时间缺口。

二、十档订单簿数据（Order Book Snapshot）

这个数据可以理解为在某个瞬间（也是Tick级），市场委托订单的“快照”。它告诉你当时挂在买一卖一到买十卖十的所有情况。

核心字段解析：

这个数据通常是分层级的，每一档都有对应的价格和数量。

买/卖档位价格 (Bid/Ask Price 1-10)：从最优报价到第十档的委托价格。
买/卖档位数量 (Bid/Ask Volume 1-10)：对应档位上的委托总股数。
时间戳：同样精确到毫秒，这个快照的捕捉时刻。
股票代码：标的标识。

这个数据能干嘛？
深度行情信息是分析市场流动性、订单薄压力和潜在支撑阻力位的关键。比如，你可以观察买一卖一价差（Spread）的变化，或者计算订单薄的不平衡度（Order Imbalance）。我之前用这个数据尝试构建过短期价格冲击模型，效果比只用成交数据要好一些。

注意：这是快照数据，不是逐笔的订单推送。你看到的是某个时刻的静止画面，而不是每一笔订单如何挂出或撤销的动态电影。两者结合分析才是王道。

数据获取与处理的一点经验

对于个人和小团队，从零开始维护这套数据 pipeline 成本很高。我通常用现成的API来获取，这里给个Python的例子，用的是我之前提到的那个数据库的接口（需要先安装他们的包）：

# 示例：获取港股腾讯控股某一天的逐笔成交数据# 这是CMES金融数据库的行情接口示例，注意入参正确，调用频率要遵守平台限制。importcmesdataascd# 初始化客户端，需要你自己的tokenclient=cd.Client(api_token="your_token_here")# 请求数据参数params={"symbol":"00700.HK",# 股票代码"data_type":"trade",# 数据类型：trade(成交), orderbook(订单簿)"start_date":"2023-11-01","end_date":"2023-11-01","fields":"time,price,volume,amount,side"# 指定需要的字段}# 获取数据df_trade=client.get_historical_data(**params)print(df_trade.head())