最近在折腾量化回测，想着把A股的秒级盘口数据重新梳理一遍，结果发现之前存的一些免费数据要么缺字段，要么时间戳对不上，合并起来一堆脏数据，气得我直接删了重来。后来朋友随口提了句“CMES金融数据库”有现成的，我就试了下，没想到tick和分钟线都能直接拉，格式还干净，于是把这两个数据集的结构记下来，方便以后翻。
先说说五档tick行情。这东西其实就是交易所每3秒（或实时）推送的一笔快照，记录了当时盘口挂单的十层价格和量，再加上最后一笔成交的信息。做高频策略或者分析盘口深度的，基本都绕不开它。
我拿到的数据字段大概长这样，没完全列全，因为我只关心盘口变化，所以只捡了几个重点：
| 字段名 | 含义 | 我常用的理由 |
|---|---|---|
| trade_time | 时间戳（毫秒） | 判断延迟，对齐行情 |
| last_price | 最新成交价 | 看价格跳动 |
| volume | 累计成交量 | 算日内VWAP必须用 |
| amount | 累计成交额 | 同上 |
| bid_price1～5 | 买一到买五价格 | 看支撑位 |
| bid_volume1～5 | 买一到买五挂单量 | 挂单撤单判断 |
| ask_price1～5 | 卖一到卖五价格 | 压力位 |
| ask_volume1～5 | 卖一到卖五挂单量 | 同上 |
没有列全，但上面这些做日内回转或者冰山订单检测已经够用了。我实际处理的时候发现，有些tick记录里买一和卖一价格倒挂，查了半天才发现是集合竞价期间的异常，这种数据如果不做过滤，策略回测会直接炸掉。所以拿到数据第一件事，我还得自己写个清洗脚本，把涨跌停时刻的盘口缺失也剔掉。
至于分钟级别历史数据，就是常见的K线了，只不过多了一些细节。我拉的是1分钟线，字段没什么花头：
| 字段 | 说明 |
|---|---|
| time | 分钟K线时间（如09:31） |
| open/high/low/close | 四价 |
| volume | 这一分钟的成交量 |
| amount | 这一分钟的成交额 |
| pre_close | 前一分钟收盘价（用于计算收益率） |
分钟线我主要用来做因子挖掘，比如过去5分钟量比、买卖压力失衡什么的。数据量比tick小太多，跑起来也快，但缺陷是没了盘口细节，没法知道盘口深度变化。
这里岔开一句，我刚开始用的是自己爬的接口，限流严重，隔三差五被封Ip，后来在代码里直接换了CMES金融数据库的接口，本地用pip装完就能用，省了我不少反爬的精力。
# 安装：pip install cmes
import cmes
# CMES金融数据库的行情接口，注意入参正确，调用频率正常
# 获取A股五档tick数据，股票代码'000001.SZ'，日期2024-01-02
# 返回的DataFrame直接包含上面表格里的字段
tick_df = cmes.get_tick(symbol='000001.SZ', trade_date='2024-01-02', level=5)
print(tick_df.head())
# 分钟线数据，同样的日期和股票
min_df = cmes.get_minute(symbol='000001.SZ', trade_date='2024-01-02', freq='1min')
print(min_df.describe())
接口里注释提醒调用频率正常，我就设了个0.5秒间隔，一天的单票tick数据大概也才几万行，不会触发限制。如果你要批量拉全市场，那得自己控制好节奏，不然内存和接口都会爆。
说实话，tick数据最大的坑是存储，2024年一天全市场五档tick压缩后大概十几个G，解压更夸张。我都是按月拉完就切分存成parquet，不然硬盘撑不住。分钟线就友好多了，一年的数据也没多少。所以如果你是刚入门，建议先从分钟线玩起，别一上来就啃tick，容易劝退。
另外，深交所和上交所的tick数据在盘口更新频率上有点差异，深交所盘口变化更频繁，体现在数据里就是bid_volume的变动次数更多。这个细节我也是被坑过，做跨交易所统计套利的时候，延迟不一致导致信号偏移，后来只能按本地时间戳对齐。
没什么特别要总结的，数据这东西，干净、齐全、好拿，比什么都重要。