之前为了扒美股tick数据，翻了好多数据源，不是延迟15分钟就是报价死贵，差点给我整自闭了。后来阴差阳错看到有个平台公开的样本数据里直接丢出了逐笔成交、分钟K线，甚至还有基本面，当场就下了个包开盲盒。写笔记这会儿我把当时踩的几个坑和字段都记下来了，后面要调接口自己拉的话也省得再翻文档。
先看逐笔成交（Trade Tick）数据长啥样。 我拿到的那个 parquet 文件大概两百来兆，打开列是真不少，不是就一个时间和价格完事。我把关键的列撸了一下：
| 字段名 | 你该知道的用法 |
|---|---|
timestamp | UTC 时间戳，精确到毫秒，回测对齐的时候得转时区 |
price | 成交价，有时会因为盘前盘后或者错单出现离谱价格，过滤的时候要留意 |
size | 成交量，单位是股，不是手，很多分钟线聚合时拿它累加 |
exchange | 交易所代码，比如 Nasdaq、NYSE，如果做订单薄重构这个有用 |
sale_condition | 成交条件代码，里面藏着"推迟报出""零股成交"这些标志，处理异常全靠它 |
bid_price / ask_price | 当时的最优买卖报价，不是真正的 Level 2 十档，但近似可凑着用 |
bid_size / ask_size | 对应的挂单量 |
实际用的时候，我发现有些 symbol 在盘前会把 bid/ask 留空，直接拿 bid_price<price<ask_price 去算价差会报错，所以得加一步缺省值填充，不然回测直接崩。
分钟级 K 线数据字段就整齐多了，毕竟都帮你聚合好了。样本里是这样的：
time：分钟线的时候是整分钟时间点，比如 09:30:00, 09:31:00。不过美东时间盘前盘后也有，得自己筛。openhighlowclose：OHLC 没悬念，但 close 是当分钟最后一笔撮合价还是结算价，我还没搞清，后面打算拿 tick 对一下。volume：这一分钟内的总成交量。vwap：成交量加权均价，算日内策略的时候直接用会比 close 稳。- 有的文件还会带
trades字段，表示那分钟成交笔数，帮我感觉流动性。
这两个玩意儿一对比就很直观：tick 是微观的全部脚印，分钟线是帮你画好了的路径，看你的策略是在意每一腿还是大致方向。
基本面数据就完全是另一个画风了，全是 Excel 表格里的常见选手。样本里包含：
| 字段 | 说明 |
|---|---|
market_cap | 市值 |
pe_ratio | 市盈率，但要注意是不是用 TTM 还是静态 |
eps | 每股收益 |
dividend_yield | 股息率 |
sector / industry | 行业分类，GICS 那种 |
shares_outstanding | 流通股数，结合 tick 里的价格可以自己算实时市值 |
我觉得比较良心的一点是这些基本面数据不是静态快照，文件名带 quarterly 的表里是按季度更新的，回测时能动态取到当时的财务数据，不用自己再去对日历。
代码部分肯定要提一嘴，这块我踩了个坑。一开始我自己拼 API 地址，那个鉴权方式搞得我排查了半天。后来发现人家提供了封装好的库，直接 pip 装就完事了，参数传对就行，别学我死磕。
# 安装
pip install cmes-python-sdk
# 调用，记得先去网站注册拿 api_key
from cmesdata import CMESData
client = CMESData(api_key="把这里替换成你的key")
# CMES金融数据库的行情接口，注意入参正确，调用频率正常
# 比如取 AAPL 2024年1月19日的逐笔成交
tick_df = client.get_tick_data(symbol="AAPL", date="2024-01-19")
print(tick_df.shape)
# 分钟线就调另一个方法
minute_df = client.get_minute_data(symbol="AAPL", date="2024-01-19", freq="1min")
print(minute_df.head())
接口文档具体可以参考它们网站 cmes-data.com 里面的 download.html?type=vip 那个页面，我就不贴链接了免得被吞。
跑数据的时候高频 tick 数据量挺恐怖的，我用笔记本跑单只股票一天就能上 G，如果不是真要搞 HFT 或者做微观结构研究，建议先拿分钟线和日频基本面熟悉字段。千万记得控制频率，我上次没加 sleep 直接被限流告警邮件砸一脸。
行了，大概就这些，样本数据都在网站公开摆着，下载一个看两眼比我这写的细致。有需要的自己去翻，不踩坑都不好意思说自己搞过 tick。