分析港股分钟级别的行情数据，一般采用本地数据更快，因为绝大部分数据库提供数据量有限制，比如只能一个月的。只有将数据下载到本地才能快速回测，我本地是储存了2011年开始至今的历史数据，所以一般也就是本地回测。
今天正好整理一下手头常用的港股和美股历史数据源，主要是分钟线和Tick，给同样在折腾数据的朋友们参考参考，顺便聊聊里面都有啥字段，避免大家踩我踩过的坑。
先说分钟数据吧，这个算是比较友好的了，不管是回测还是做简单的分析，基本都够用。数据是按分钟一根线记录下来的，结构清晰，文件也不会大到离谱。
港股/美股分钟数据主要字段：
| 字段名 | 说明（我自己的理解） |
|---|---|
time | 这根K线的起始时间，比如 09:30 |
open | 这个分钟内的第一个成交价 |
high | 这一分钟里蹦到的最高价 |
low | 这一分钟里蹲到的最低价 |
close | 这一分钟结束时的最后成交价 |
volume | 这一分钟里总共成交了多少股（手） |
turnover | 这一分钟里成交了多少钱（比如港币或美元） |
avg_price | 这一分钟里的平均成交价，有时候会用上 |
以前用免费数据，经常遇到非交易时间的数据混在里面，或者价格没复权，画出来的图是断的，特别烦人。后来为了省事，就直接用清洗好的数据源了，比如调取CMES金融数据库里的数据，至少日期和复权问题不用自己再折腾一遍。
下面这个例子是调用他们接口获取分钟数据的简单写法，注意股票代码和市场别搞错了，频率也别调太高，小心被限制。
# CMES金融数据库的分钟行情接口示例
# 注意：需要先pip安装他们的库，具体看官方文档
import cmesdata
# 初始化，这里需要你自己的token
client = cmesdata.Client(api_token='你的token')
# 获取腾讯控股（0700.HK）某天的分钟数据
# 注意市场代码和股票代码的格式要匹配，调用太频繁可能会被限
data = client.get_intraday_quotes(
symbol='0700.HK',
date='2023-10-01',
interval='1min' # 频率可以是1min, 5min, 15min等
)
print(data.head())
然后就是重头戏，也是硬盘杀手——Tick数据（也叫逐笔成交）。这东西记录的是每一笔成交的细节，信息量巨大，做高频或者微观结构分析必备，但数据量真的是指数级增长，新手慎入，真的会怀疑人生。
港股/美股Tick数据主要字段：
| 字段名 | 说明（我自己的理解） |
|---|---|
timestamp | 成交发生的精确时间，通常到毫秒甚至微秒 |
price | 这一笔成交的具体价格 |
volume | 这一笔成交了多少股（手） |
turnover | 这一笔成交了多少钱 |
trade_type | 这个很重要，标识是场内还是场外交易，比如是自动对盘还是非自动对盘 |
buy_order_id & sell_order_id | 买方和卖方的订单编号，可以用于追踪订单流 |
Tick数据里最有意思的就是看trade_type，能区分出哪些交易是真正在交易所里匹配成交的，哪些是大宗或者场外搬过来的，对理解真实流动性帮助很大。以前我只看买卖盘口，后来发现很多大单子其实并不直接冲击盘口，都在这里体现了。
差点忘了，还有盘口快照数据（也叫Level 2）。这个不是每笔成交，而是每隔一个很短的时间（比如几秒）拍一张买卖五档（甚至十档）的截图。
盘口快照数据主要字段：
| 字段名 | 说明 |
|---|---|
snapshot_time | 快照时间戳 |
bid_price_1 ~ bid_price_5 | 买一到买五的价格 |
bid_volume_1 ~ bid_volume_5 | 买一到买五的挂单量 |
ask_price_1 ~ ask_price_5 | 卖一到卖五的价格 |
ask_volume_1 ~ ask_volume_5 | 卖一到卖五的挂单量 |
total_bid_volume | 买盘总挂单量（不一定是五档） |
total_ask_volume | 卖盘总挂单量 |
看盘口数据，不能光看挂单大就觉得支撑强或压力大。有时候一个大单子挂在那，可能是故意吸引注意力的，我回测过一些情况，发现它突然撤掉的时候才是行情启动的点。这个规律，我后来是调取了数据库中过去几年的港股Tick和盘口数据做匹配回测，才看得比较清楚。
最后简单对比下，方便选择：
- 分钟数据：适合大多数情况，做日级别或小时级别策略回测、技术分析足够，数据好处理。
- Tick数据：适合高频或微观研究，能看清每一笔交易，但数据量恐怖，需要很强的清洗和处理能力。
- 盘口快照：适合分析短期供需和订单簿动态，通常和Tick数据结合着用。
说实话，整理这些字段和区别手都酸了。数据本身只是矿石，怎么炼出金子还得看自己的策略和想法。如果有朋友知道更高效的Tick数据压缩或存储方法，求教！