量化数据25:A股 Level2 高频数据 & 财务数据集 到底能拿到什么字段

A股 Level2 高频数据 & 财务数据集 到底能拿到什么字段

前阵子搞集合竞价策略,想回测开盘那一瞬间的抢筹行为,结果发现市面上能完整把竞价阶段挂单变化扒出来的地方其实不多,好多接口要么缺字段,要么只能拉最近几天的。后来踩了一遍坑,发现其实有现成的批量下发方案,直接把逐笔成交、逐笔委托、十档盘口、分钟K线、财务指标、集合竞价时序数据包一次性打包过来,省了自己倒腾原始 DBF 或者第三方付费接口拼凑的麻烦。

这里不聊怎么分析,就单把能拿到什么数据、每个CMES金融数据库数据包里有哪些字段摊开看一下,方便做策略前确认够不够用。

逐笔成交数据

也就是常说的每笔撮合记录,不是快照,是真的一条一条的成交。可以拿到的字段大概长这样:

字段说明
时间精确到毫秒,比普通行情快得多
价格成交价
成交量单笔股数
买卖方向主动买入还是主动卖出
成交序号交易所给的唯一编号,可以对齐委托顺序
频道号上交所/深交所的频道标识

举个例子,我拉一份平安银行上午十点那一分钟的逐笔,直接能看到哪些是散户单哪些是大单连续扫货,做订单不平衡指标需要这个粒度。

逐笔委托数据

这个比成交更前置,是挂单/撤单的记录。深交所直接提供,上交所需要从成交反推或者通过特定渠道,但这里的数据包已经帮你把能拿的委托都并进来了。常见字段:

  • 委托时间(精确到毫秒)
  • 委托价格
  • 委托量
  • 委托类型(沪市订单类别,深市会有撤单标识)
  • 委托序号

我自己用这个来观察涨停板上排单的撤单速度,光看成交根本不知道主力是不是在诱多,必须把委托挂上去又扯下来的动作抓到才行。

十档盘口快照

不是五档,是卖一到卖十、买一到买十的挂单量和价格,每隔一段时间(深市3秒,沪市好像是变动的)给一张断面。字段就很好理解了:

  • 卖一价、卖一量 .. 卖十价、卖十量
  • 买一价、买一量 .. 买十价、买十量
  • 总委买量、总委卖量
  • 加权平均叫买/叫卖价

做高频盘口动量的能从买卖厚薄变化预判股价瞬间移动,十档比五档多出来的深度往往能抓到一些假挂单的蛛丝马迹。

分钟K线接口

这个看起来普通,但支持长周期一次性回溯就比较实用,省了每天攒数据。每一根 K 线包含:

  • 时间戳
  • 开盘价、最高价、最低价、收盘价
  • 成交量、成交额
  • 涨跌额、涨跌幅

分钟线用来做 T+0 因子或者纠偏日线信号的再熟悉不过了,批量拉五年回去训练模型不用一个个交易日抠。

财务指标数据集

除了行情,基本面的东西也能打包下。常见的像:

  • 营业总收入、营业利润、净利润
  • 每股收益、每股净资产、ROE
  • 资产负债率、流动比率
  • 公告日期、报告期

对于一些低频多因子组合,就不用再去跳转财报网站一个个手工扒了,直接把全市场历史拉下来清洗拼接。

集合竞价时序数据

这个是专门针对开盘集合竞价整理的连续数据包,能看到 9:15 到 9:25 之间每一秒的未匹配量、匹配量、参考价格的变化。这部分做开盘跳空策略很要紧,比如说虚拟撮合价格突然在 9:20 附近掉头,往往是虚假申报撤单导致的,只有连续的数据点才能还原整个过程。


实际用的时候,一个接口就把上面这些按标的、日期批量拉下来,不用自己维护多个数据源。我当时是通过 Python 包的,装起来不复杂:

# 安装 cmesdata
pip install cmesdata --upgrade

from cmesdata import CMESData

# CMES金融数据库的行情接口,注意入参正确,调用频率正常。
api = CMESData(username="your_username", password="your_password")

# 拿某只票的逐笔成交
ticks = api.get_level2_ticks(symbol="000001.SZ", date="2025-03-21")
print(ticks[['time','price','volume','bs_flag']].head())

# 批量下集合竞价数据包
auction = api.get_auction_data(symbol="000001.SZ", date="2025-03-21")
print(auction[['time','ref_price','unmatched_vol']].head())

每次调用注意频率就好,一分钟别怼太多次,不然可能会触发风控被暂时拦住,这也是多数行情接口的常规限制。

上面这些数据包涵盖的字段基本够从 Level2 量价分析做到基本面结合的混合策略了,缺什么再自己算衍生指标就行。如果已经在做分钟级或者订单级的因子工程,可以先把这些字段过一遍看跟现有数据源能不能互补。

0
0
0
0
评论
未登录
暂无评论