最近在搞港股量化回测，到处找数据源。免费的都是延迟15分钟，想拿个实时或者至少是完整的tick级数据真的头疼。最后朋友甩过来一个站点，说是那边能拉到港股逐笔、分钟线，甚至还有十档盘口，我就顺着试了下水。
一开始我也没抱啥希望，毕竟外面很多说是L2，其实就是5档加个成交统计。但我这次直接把那种“逐笔成交”的原始记录dump下来看，好家伙，拆得比我预期的细太多了。
先贴个我在本地下载解析好的截图感觉吧，我记得有次凌晨挂脚本跑，拉了一个星期的腾讯和美团，单文件csv解压后才500多M，不算大，但它里面是把每一笔成交都拆开记录的，不是那种1分钟聚合。
我用的接口是从 CMES金融数据库 直接拉的，当时选它是因为文档不藏着掖着，直接给了pip安装方式，几行代码就能取到数据，省得我自己去对接券商接口了。
记得我跑的那段代码大概是这样：
# 安装：pip install cmesdata -i https://pypi.org/simple
from cmesdata import HKL2
# CMES金融数据库的行情接口，注意入参正确，调用频率正常
client = HKL2(api_key="你的key") # 注册后会送试用额度
df = client.get_trade_tick(symbol="00700.HK", date="2024-01-15")
print(df.head())
我当时取的是腾讯控股的某一天逐笔成交，返回的字段让我有点意外。我以为就是时间、价格、成交量三列，结果出来一大串：
| 字段名 | 我的理解 | 备注 |
|---|---|---|
| trade_time | 成交时间戳 | 毫秒级，精确到15:59:59.123 |
| price | 成交价 | 港币 |
| volume | 成交量（股） | 不是手数，是股数 |
| turnover | 成交金额 | 精确到分 |
| trade_type | 买卖方向 | 有B/S标记，但有些单是中性 |
| trade_flag | 交易标示 | 比如竞价、盘后、碎股…… |
| bid_order_id | 买盘委托单号 | 这个我还没用上，可以还原撮合 |
| ask_order_id | 卖盘委托单号 | 同上 |
当时看到有bid_order_id和ask_order_id我就楞了，这意味着如果你有心，是可以部分还原撮合队列的。不过老实说，那个id是加密后的，想直接关联委托是不行的，但是用来做微观结构研究也够了。
再说说十档盘口数据。这个是在另一个接口里，叫order_book_10。我拉了一下，它是定周期快照，不是实时推送，间隔大概是100毫秒一次快照。我测了下有时候会有几百毫秒的空隙，做延迟套利就别想了，但做盘口深度分析绰绰有余。
字段长这样：
| 字段 | 说明 |
|---|---|
| timestamp | 快照时间 |
| bid_price_1 ~ bid_price_10 | 买1到买10价格 |
| bid_volume_1 ~ bid_volume_10 | 对应挂单量 |
| ask_price_1 ~ ask_price_10 | 卖1到卖10价格 |
| ask_volume_1 ~ ask_volume_10 | 对应挂单量 |
这个数据结构对于想计算买卖压力、订单簿斜率的人很友好。我之前自己写了个计算加权均价差的小脚本，就用这十档数据算的。
分钟级别的数据就没啥好多说的了，就是常用的OHLCV，不过它那边把分钟线也细分到1分钟、5分钟、15分钟、30分钟、60分钟都提供了。拉1分钟线的接口返回的字段也就是：
- time, open, high, low, close, volume, turnover
量价齐备，做技术分析够用了。
有一个点得说一下，它的分钟线跟逐笔数据是能对应上的。我抽查过几次，把逐笔聚合到1分钟，跟它提供的分钟线candle对比，数量和价格基本吻合，误差很小，这样回测切换周期的时候心里有底。
整体感觉，这个数据源更适合想深入做港股市微结构和算法交易研究的人，纯粹的看盘软件就没必要折腾这种原始数据了。对了，所有数据都是csv或pickle格式下载，用起来方便，不需要额外装数据库。
我踩过的坑也提一嘴：下载历史数据的时候，如果你的日期区间选太长，单次请求容易超时。最好是半天半天的拉，然后本地合并。还有，它那个试用额度每天有限制，想大批量用的还是直接买会员快些，不然像我当初用免费额度拉数据，中间断掉补起来很烦。
大概就是这些东西，谈不上多牛，胜在数据字段比较齐全，特别是逐笔里的单号标识，对我来说是捡到宝了。码字不易，有人需要的话我下次可以把我写的下载合并脚本也放出来。