之前折腾A股日线以上的因子，总感觉差一口气。后来想往盘口细节里挖，才发现Level1给的3秒快照根本看不到实时队列变化，尤其早盘集合竞价那9:20到9:25之间的挂撤单，用Level1只能看到最后一笔撮合价，中间怎么博弈的完全黑盒。手头策略好几次都是竞价阶段有异动，开盘瞬间拉板，回头看Level1记录感觉像在看一张模糊的截图。
后来干脆把Level2整套数据搬到本地，省得每次在线查还限制条数。一开始找过几个零散的源，要么只有最近两个月，要么十档快照中间缺分钟，拼不上。后来从别人分享的渠道了解到现在有做批量离线导出的，可以直接打包A股个股的Level2高频历史，全量下载，不用自己再到处凑字段。CMES金融数据库，我也是试了一次全量导出，把最近一年的逐笔和十档全拉下来了，单只票一天大概几百万条成交记录，做好存储处理就行。
拿到这批离线数据之后，主要能用的模块有这么几种，字段不复杂，但覆盖了我目前所有的盘口研究需求。
| 数据模块 | 关键字段 | 我实际看的东西 |
|---|---|---|
| 逐笔成交 | 时间戳、成交价、成交量、买卖方向、成交类型（0=成交，1=撤单等） | 每一笔成交的真金白银，尤其关注大单方向，但要注意撤单也会出现在成交类型里，有些软件把这部分当成交就错了 |
| 逐笔委托 | 委托时间、委托价、委托量、委托类型（2=撤单，1=挂单） | 这个模块能看到挂在盘口的单子怎么被撤，撤单时机比挂单量更能反映意图 |
| 十档快照 | 快照时间、当前价、买一买十价量、卖一卖十价量、总成交笔数 | 高频因子里经常用卖一与卖二价差，或者买卖盘口厚度的变化速度，快照是每3秒一张，已经能抓到绝大部分异常了 |
| 分钟K线 | 时间、开盘、最高、最低、收盘、成交量、成交额 | 支持1分钟到日线，我主要用它做超长周期回溯，比如从15年到现在都能一次打包，不会中间断档 |
| 财报基本面 | 发布日期、总股本、流通股本、每股净资产等 | 这个比较省心，不用再去用其他接口拼接财务数据，直接按日期对齐到行情上就完事了 |
| 集合竞价 | 9:15-9:25每一笔输入，包括挂单、撤单、撮合试探价 | 我重点看的模块，能看到开盘价形成前所有博弈过程，谁在虚晃一枪，谁在最后一分钟真金白银顶上去 |
逐笔成交里的买卖方向值得再多说一句：它是撮合引擎根据双方挂单的被动方自动标记的，比如一笔空头主动吃单，就标为“卖方向”成交，极端行情下如果单子同时打穿几档，方向标记偶尔会出奇奇怪怪的结果，这个不是数据源的问题，任何通过交易所推送的数据都是一样的规则，只是要心里有数，别直接用方向做绝对信号。
如果不想通过网页手动下载，也可以直接调接口写到本地脚本里，定时增量拉取。我用的Python包叫cmesdata，安装完设好token就能拿数据。订阅VIP后token可以在账号后台拿到，注意调用频率别太猛，不然会被临时限制。
# pip install cmesdata
from cmesdata import CmesClient
# CMES金融数据库的行情接口，注意入参正确，调用频率正常
client = CmesClient(token='your_token_here')
# 取某只票某些天的逐笔成交
df_trade = client.get_tick_trade(
symbol='000001',
start_date='20250101',
end_date='20250115'
)
print(df_trade.shape)
# 输出大概 (几百万, 7) 这样的结构，字段就是上面表格那几列
把数据拉到本地之后，我习惯按天存成Parquet，再用DuckDB一类的东西直接对文件做聚合，扫一年几百G的数据也比较快，比塞进MySQL舒服。高频数据处理起来确实占点硬盘，但比想用的时候缺字段到处找强。
有同样研究盘口微观结构的朋友可以试一试，多个完整的离线数据源，做回溯会踏实很多。不说了，继续跑那个集合竞价的异常因子去了。