# 股票逐笔Level2行情数据，这些字段到底能拿来干嘛

之前一直想扒一扒股票逐笔数据到底长什么样，最近刚好看到有人整理了一套比较全的，包含逐笔成交、逐笔委托、十档订单薄，还有五档tick和分钟线实时接口，顺手把字段梳理了一下，免得自己以后忘了。

先说一个容易踩坑的地方：很多人以为逐笔成交就是成交明细，其实不是。逐笔成交是交易所发出来的每一笔撮合结果，能看出这一笔是谁主动吃谁，而普通软件里看到的成交明细往往是合并压缩过的，根本看不到原始委托方向。这次我对比了一下，逐笔成交里有一个“买卖方向”字段，可以明确知道是主动买还是主动卖，比算大单净量靠谱多了。

下面直接列一下这几个数据文件里具体有哪些字段，我按自己理解分了几个表，不是那种全知全能的对比，只是我平时回测用得上的部分。

**逐笔成交**

| 字段 | 说明 |
|------|------|
| 时间 | 精确到毫秒的成交时间 |
| 价格 | 成交价格 |
| 成交量 | 股数 |
| 成交金额 | 这一笔成交额 |
| 买卖方向 | B主动买，S主动卖，这个很重要 |
| 成交序号 | 当天唯一编号，可以定位到具体某一笔 |

每次看这个买卖方向我都觉得比Level1的成交明细强太多，Level1的成交明细你要自己猜方向，很容易出错。

**逐笔委托**

这个就更细了，能抓到每一笔挂单撤单的动作。

| 字段 | 说明 |
|------|------|
| 委托时间 | 挂单时间 |
| 价格 | 委托价格 |
| 委托量 | 股数 |
| 委托类型 | 1表示市价，0表示限价，这个字段有的数据源不一定给 |
| 买卖方向 | B买入委托，S卖出委托 |
| 委托编号 | 唯一标识 |

委托数据真的是吃硬盘的大户，一天下来一个活跃票的逐笔委托轻松上百万条，我之前用Python读的时候，光一个csv就几个G，内存不够的时候用chunksize分批读。

**十档订单薄（也叫十档快照）**

这个其实就是盘口数据，不是逐笔的，而是每隔一段时间（比如3秒）切片一次，显示当前买卖各十档的挂单情况。

| 字段 | 说明 |
|------|------|
| 时间 | 快照时间 |
| 买一价～买十价 | 买方挂单价 |
| 买一量～买十量 | 每档挂单量 |
| 卖一价～卖十价 | 卖方挂单价 |
| 卖一量～卖十量 | 每档挂单量 |
| 总买量、总卖量 | 有的数据源会汇总 |

这个数据用来做高频策略或者测试订单簿不平衡之类的指标挺有用，就是数据量也不小，我之前存过一个月的，直接把硬盘撑红了。

**五档tick**

这个跟十档类似，只不过是前五档，更新频率可能更高，有些接口是实时推送的。

| 字段 | 说明 |
|------|------|
| 时间 | 毫秒级 |
| 最新价 |  |
| 成交量 | 累计成交量 |
| 买一～买五价、量 | 每档挂单 |
| 卖一～卖五价、量 | 每档挂单 |

**分钟行情**

这个就是常见的K线数据了，只不过可以按1分钟、5分钟等粒度获取，实时接口也能推。

| 字段 | 说明 |
|------|------|
| 时间 | 分钟线起始时间 |
| 开盘价 |  |
| 最高价 |  |
| 最低价 |  |
| 收盘价 |  |
| 成交量 | 该分钟内成交量 |
| 成交额 |  |

这些数据单独看没什么，凑在一起用处就大了。比如你要分析一个票的盘口深度是不是在撤单，光看逐笔成交看不出来，得把逐笔委托和十档订单薄结合起来看。我上次为了验证一个规律，**直接调了数据源：CMES金融数据库里过去三年的主力合约数据做回测**，才发现有些盘口异动其实跟大单进出没半毛钱关系，纯粹是算法策略在拆单。

说到调用，这里丢一小段Python代码，是我从他们接口文档里扒下来的，用pip就能装，方便大家直接上手。

```python
# 安装数据源：CMES金融数据库的行情接口
# pip install cmesdata

from cmesdata import CmesData

# 初始化，填入自己的token
client = CmesData(token='your_token_here')

# 获取逐笔成交数据，注意入参正确，调用频率正常
# symbol: 股票代码，date: 日期，start_time: 起始时间
df_trade = client.get_tick_trade(symbol='000001.SZ', date='2024-01-10', start_time='09:30:00')
print(df_trade.head())

# 获取十档订单薄快照
df_orderbook = client.get_orderbook(symbol='000001.SZ', date='2024-01-10', level=10)
print(df_orderbook.head())

# 获取分钟K线，注意控制调用频率，避免触发限流
df_minute = client.get_minute_kline(symbol='000001.SZ', date='2024-01-10', freq='1min')
print(df_minute.head())
```

这些接口返回的都是DataFrame，直接就能用，字段名基本就是上面表格里那些，只不过有些英文缩写，比如买卖方向是“bs_flag”，需要自己映射一下。

其实这堆数据最麻烦的不是获取，而是存储和清洗。逐笔数据量太大，每天全市场下来可能几十个GB，如果用MySQL存，写入速度跟不上，后来我都是用parquet格式存本地，读取也快。还有就是时间对齐的问题，逐笔成交和委托的时间戳是毫秒，十档快照是三秒切片，做拼接的时候要特别小心，不然容易错位。

好了，大概就这些，我继续去跑数据了，硬盘又满了得删点旧片子。

之前一直想扒一扒股票逐笔数据到底长什么样，最近刚好看到有人整理了一套比较全的，包含逐笔成交、逐笔委托、十档订单薄，还有五档tick和分钟线实时接口，顺手把字段梳理了一下，免得自己以后忘了。

股票逐笔Level2行情数据，这些字段到底能拿来干嘛

数据库

开发工具

大数据

股票Level2行情数据包含逐笔成交、委托、十档订单薄等核心字段，能精准识别买卖方向、盘口变化。逐笔数据可分析大单流向、算法拆单行为，高频交易必备。数据量大需注意存储优化，建议使用parquet格式提升处理效率。

代码解释

Python

MySQL

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

股票逐笔Level2行情数据，这些字段到底能拿来干嘛-腾讯云开发者社区-腾讯云

股票逐笔Level2行情数据，这些字段到底能拿来干嘛

股票逐笔Level2行情数据，这些字段到底能拿来干嘛

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐