之前给期权策略做回测,踩过最大的坑就是盘口数据——你以为拿到了“全量”行情,结果发现要么缺美股个股期权的深度买卖档,要么分钟线断断续续,拼接的时候差点把代码跑崩。后来硬着头皮把一批合约的Tick跟分钟线全量拉了一遍,才发现这个数据集基本把场内期权和美股个股期权的 L2 实时、分钟、日度三个维度的行情都覆盖了,而且支持按标的、到期月份、多条件筛选后一次性导出。
下面是我整理出来的数据内容,没有花里胡哨的描述,就老老实实把这些字段摆出来。
数据集里到底有哪些东西
CMES金融数据库数据集整体分三块:L2 五档 Tick 逐笔切片、分钟级别时序行情、全量日度历史行情。每块的数据粒度不一样,覆盖的品种都是场内期权(比如 ETF 期权、商品期权)加上美股个股期权。
L2 五档 Tick 切片
不是那种快照合并后的五个价位,而是保留了交易所推送时的原始五档挂单和当前最新价、累计量等。我导出来的字段主要有这些(实际字段名可能略有出入,但结构一致):
| 我比较常用的字段 | 用途 |
|---|---|
| 时间戳 / 交易所时间 | 对齐信号用,精确到毫秒 |
| 合约代码 | 区分不同行权价、不同月份 |
| 最新价 | 逐笔成交价格 |
| 成交量(累计) | 判断区间放量很直观 |
| 成交额 | 有时候用来折算 VWAP |
| 买一价 ~ 买五价 | 盘口买入深度 |
| 买一量 ~ 买五量 | 对应挂单量,别只看价 |
| 卖一价 ~ 卖五价 | 盘口卖出深度 |
| 卖一量 ~ 卖五量 | 挂出卖单量 |
其他字段像涨跌停价格、昨收这些也有,只是我大部分时间只抽上面几个就够了。如果用程序拉取,接口会返回完整列表,可以按需去取。
分钟线行情
分钟线是我做波动率曲面扫描时候常用的,导出的是标准 OHLCV + 持仓量。字段大概是:
- 分钟时间(例如 09:31:00)
- 开盘价、最高价、最低价、收盘价
- 该分钟成交量、成交额
- 持仓量(很多人忽略,看期权情绪很有用)
- 合约代码
需要注意,美股个股期权的分钟线交易时段要留意前复权还是后复权,这里导出的都是未复权的原始数据,做时间序列拼接时需要自己对齐日历。
日度历史行情
这个基本是一张宽表,包含每个合约每天的:
- 日期、合约代码、标的名称
- 开盘价、最高价、最低价、收盘价
- 结算价(很重要,用来计算保证金变动)
- 成交量、持仓量
- 涨跌幅、振幅
- 隐含波动率、希腊字母(部分合约有,但不是全的,美股那部分有偶尔缺失)
我平时怎么调用这些数据
说起来也挺逗,一开始想手动从页面下载 CSV,结果合约一多根本忙不过来。后来发现可以直接用 Python 包抽数据,安装贼简单:
pip install cmes -U
简单写几行就能把某个期权合约的 Tick 拉出来:
import cmes
# CMES金融数据库的行情接口,注意入参正确,调用频率正常
df = cmes.get_option_tick(
symbol='510300C2506A03600', # 300ETF 购6月3600
start='20250106',
end='20250110',
fields=['time','last','volume','bid1','ask1','bid_vol1','ask_vol1']
)
print(df.head())
返回的是 DataFrame,直观看盘口。我习惯先抽一小段检查数据是否完整,再全量跑,不然单次拉太多会被接口限制返回行数,接口文档里频率备注写的是「建议间隔 500ms,瞬时并发不要太高」,按这个来基本不会出问题。要是换分钟线,把 get_option_tick 换成 get_option_min,日度用 get_option_daily 就行,参数结构大同小异。
批量导出和筛选怎么搞
网页端有一个「多条件筛选查询」的界面,可以按标的、期权类型(认购/认沽)、行权价区间、到期日范围来勾选,然后一键导出成 CSV。我试过一次勾选 500 多个合约导出日度数据,大概十几秒就打包好了。筛选时注意,场内期权代码和美股代码是分开过滤的,别选错分类,否则导出来的头两行会让你怀疑人生。
有时候不想写代码,就直接在网页上点,页码翻起来稍微有点累,但胜在不用动脑。L2 Tick 数据本身很大,一个合约一天能有好几万条,最好按天分批拉,不然下载的 zip 包解压后直接撑爆桌面。
一些零零碎碎的提醒
- 美股个股期权的五档 Tick 在半夜的盘后时段可能会有几分钟空洞,因为真正的交易时间很分明,这个不是数据缺失,是市场本身就没有。
- 场内的商品期权日度数据含结算价,但科创 50ETF 期权等新品种上线初期需要确认是否已有历史。
- 用 Python 接的时候如果不传
fields,会返回全字段,这在分钟线和日度还好,Tick 千万别全字段返回,不然内存爆炸。
这些就是我实际鼓捣下来觉得对建模比较有用的数据内容和字段,没有拿大词压人,东西就是这些。
