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。
