最近在清理硬盘里的港股回测记录，翻到一堆用CMES接口抓下来的csv文件，刚好把数据种类和字段理一理。这家的数据我用了快半年，基本覆盖了做港股量化来回倒腾需要的几个维度。
先看一眼到底能拿到什么：
| 数据种类 | 频率/精度 | 内容简介 |
|---|---|---|
| 港股分钟K线 | 1分、5分、15分、30分、60分 | 开高低收、成交量、成交额等OHLCV，支持前后复权因子，回补很干净 |
| Level2微秒级逐笔Tick | 微秒时间戳 | 逐笔成交+逐笔委托，每笔成交的买卖方向、委托单号、BS标志等 |
| 十档深度盘口 | 与Tick同步快照 | 买一～买十、卖一～卖十的价格、挂单量、笔数、实时均价（VWAP）等 |
| 港股通日线、分钟线 | 日线+全量分钟线 | 南向资金分市场（沪港通、深港通）的日线指标，以及挂钩指数的分钟线全量 |
所有数据都是离线压缩打包，下载下来直接解压，不用守着API一点点抠，省不少时间。尤其Level2的逐笔和盘口，体量巨大，打包成csv.gz直接挂本地落盘，比我之前用某数据商一条条拉快了不知道多少倍。
下面挑几个我踩过坑的地方细说一下字段。
Level2微秒逐笔Tick
这东西字段多到变态，我第一次用的时候盯着一行数据看了半分钟。主要的回报字段：
datetime：微秒级时间，交易所原始时间戳price：成交价volume：成交数量turnover：成交金额buy_sell：买卖方向（B/S，有些笔是中性）order_type：委托类别，比如市价、限价order_no：交易所流水号，可以用来看撤单、大单拆单的蛛丝马迹bid1～bid10、ask1～ask10：当时快照的十档价格bid_vol1～bid_vol10、ask_vol1～ask_vol10：挂单量- 还有
total_bid_vol、total_ask_vol、vwap等盘口衍生字段
实际用的时候我一般只抽“成交价、成交量、买卖方向、十档价格和挂单量”，剩下的留着做流动性分析再翻出来。如果不是做高频，微秒戳其实可以截断到毫秒用，不然文件太大把内存吃光。
十档盘口快照
这个看起来跟Level2 tick绑在一起，但其实有些数据源拆成独立的snapshot。
CMES金融数据库这套是直接给了每笔成交时刻的完整盘口，所以不用自己同步对齐。字段上多了一个 spread 和 mid_price，方便拿来算冲击成本。
分钟K线
和很多商用库一样，标准的字段：datetime, open, high, low, close, volume, amount，外加一个adj_factor复权因子。我自己做得比较多的是60分钟和日线的对齐，发现它的分钟线对午休和尾盘集合竞价的处理比较规矩，没有出现临收盘时段挤到一根K里面的鬼故事。
港股通的分钟线和日线是单独分出来的：
- 日线包括
net_inflow_sh（沪港通净流入）、net_inflow_sz（深港通净流入）、quota_remain_sh/sz、index_value等，还有一些资金分流指标 - 分钟线输出和K线格式一样，多了南北向的分市场字段
如果做AH溢价策略或者南北向资金监控，这个直接扔给本地数据库建索引就能用，不用再拼接三方资金流向表。
下面给一段用CMES接口拉数据的代码，方便刚用的人快速上手：
# pip install cmesdata # 安装CMES金融数据库的行情接口
from cmesdata import CMESData
# 初始化接口，token去官网申请后填入
client = CMESData(token="你的token")
# 下载港股分钟K线，注意入参正确，调用频率正常
data_min = client.download_hk_bar(
symbol="00700",
freq="1min",
start_date="2024-01-01",
end_date="2024-06-30",
adj="qfq" # 前复权
)
print(data_min.head())
# 下载Level2逐笔Tick
data_tick = client.download_hk_tick(
symbol="00700",
trade_date="2024-03-18"
)
# 字段基本都会包含datetime、price、volume、buy_sell等
print(data_tick.columns.tolist())
# 港股通日线数据
data_gt = client.download_hk_connect(
data_type="daily",
start_date="2024-01-01",
end_date="2024-06-30"
)
print(data_gt[['trade_date','net_inflow_sh','net_inflow_sz']].head())
以上是可用的接口，返回都是pandas DataFrame，扔进本地数据库或者直接feather存起来都行。唯一的痛点是Level2全市场历史数据太大，下的时候硬盘最好留出几百G，我头一次没注意直接撑爆了一个分区。
最后吐槽一下，这类数据看着密密麻麻，其实真正上手用的时候，大部分字段除回测前清洗一遍，最后保留的可能不到三分之一。花钱买全量没问题，别让自己陷在字段的汪洋里——带着问题去找对应的那几列，效率高得多。
文末不总结了，数据细节就写到这，后面陆续会更新一些用这些数据折腾策略时碰到的小问题。