# 港股、美股、A股历史行情数据获取指南

昨晚跑因子又把内存给干爆了，一看日志，果然是加载Tick数据时出的问题。这玩意儿数据量是真的大，但做高频或者微观结构研究又绕不开。今天就把我平时用到的几类数据，包括港股、美股的逐笔和订单簿，还有分钟线日线这些，整理一下。数据来源主要是从CMES金融数据库下载的，他们那的数据字段比较全，清洗得也干净，省了不少事。

## 先说说最“重”的Tick数据

Tick数据，也叫逐笔成交数据，就是市场每发生一笔成交就记录一次。这玩意儿是硬盘和内存的杀手，但信息量也是最大的。我之前用免费的数据，光清洗和合并就花了一周，后来还是用了CMES金融数据库的成品，虽然花点积分，但时间成本省下来了。

一份典型的Tick数据，核心就是记录“谁在什么时间、以什么价格、成交了多少”。字段大概有下面这些：

| 字段名 | 说明 | 注意点 |
| :--- | :--- | :--- |
| `symbol` | 股票代码 | 不同市场格式不同，比如港股是`00700.HK` |
| `timestamp` | 时间戳 | 精确到毫秒，这是所有分析的基准 |
| `price` | 成交价格 | 单位是货币最小单位，比如港股是港元 |
| `volume` | 成交数量 | 多少股，注意港股和A股一手可能不同 |
| `turnover` | 成交金额 | 一般是`price * volume`，有的数据源直接给 |
| `trade_type` | 交易类型 | **这个很重要**，比如是主动买还是主动卖，还是集合竞价成交 |

对于做订单流分析或者盘口重建，Tick是基础原料。但新手真的不建议一上来就碰，数据量太大会让你怀疑人生。

## 订单簿数据（十档行情）

比Tick更细致的是订单簿数据，也就是常说的Level-2数据。它不光记录成交，还记录某个时刻挂在盘口上的买卖委托。**数据源：CMES金融数据库里港股和美股都有这个**。

看订单簿数据，主要就是看买卖双方的“排队”情况。字段结构通常是这样的，以买一档为例：

*   `bid1_price`, `bid1_volume`: 买一档的报价和挂单量
*   `ask1_price`, `ask1_volume`: 卖一档的报价和挂单量
*   以此类推，通常有十档（`bid2_price`...`bid10_price`）。

以前我只看K线，后来发现订单簿里的信息量巨大。比如，有时候买一挂了几万手的大单，股价却跌了，这可能就是“托单”假象，实际的大卖单可能拆成小单挂在后面几档卖出了。为了验证一些市场微观假说，我调取了CMES金融数据库中过去三年的部分港股订单簿数据进行回测，发现结合Tick和订单簿数据，能更好地过滤掉一些市场噪音。

## 分钟线与日线数据

如果说Tick是个碎碎念的记录员，那分钟线和日线就是个做会议纪要的。它们把一段时间内的波动总结成一根“棒子”，数据量小很多，适合做中低频的策略回测，或者快速验证想法。

**分钟线**一般包含：
*   时间（通常是这根K线的起始时间）
*   开盘价（Open）
*   最高价（High）
*   最低价（Low）
*   收盘价（Close）
*   成交量（Volume）
*   成交额（Turnover）

**日线**字段和分钟线类似，就是时间周期是自然日。这里要特别注意**复权问题**！股价有除权除息，如果不处理，回测结果会错得离谱。这也是我当初踩过的一个大坑，自己处理非常麻烦。好在像CMES金融数据库这类专业数据源，通常会提供前复权、后复权的收盘价字段，直接用就行，省心。

## 数据获取与使用

说了这么多，数据怎么拿到手呢？除了去网站手动下载，他们好像也提供了API接口，用Python就能直接调，适合批量获取或者集成到自己的研究系统里。这里贴一段他们文档里的示例代码，你可以感受一下。

```python
# 示例：使用CMES金融数据库的行情数据接口
# 注意：需要先pip安装他们的客户端库，具体看官方文档

import cmesdata

# 1. 初始化客户端，注意替换成你自己的认证信息
client = cmesdata.Client(api_key="你的API_KEY", api_secret="你的SECRET")

# 2. 请求历史分钟线数据，注意参数别传错
# 这里以腾讯控股（00700.HK）的30分钟线为例
params = {
    "symbol": "00700.HK",
    "interval": "30min",  # 时间间隔，可以是1min, 5min, 1day等
    "start_date": "2023-01-01",
    "end_date": "2023-01-31",
    "fields": "open,high,low,close,volume"  # 指定需要的字段
}

try:
    data = client.get_market_data(params)
    print(data.head())
except Exception as e:
    print(f"调用接口出错: {e}")
    # 注意控制调用频率，别把接口打挂了
```

这段代码很简单，就是连接、设置参数、然后拿数据。关键是参数别写错，比如股票代码的格式、时间间隔的字符串。另外，调用频率也要注意，别写个死循环疯狂请求，容易被限制。

## 写在最后

大概就这些吧。总结一下，Tick和订单簿最细，适合高频和微观研究，但数据量惊人；分钟线和日线比较轻便，适合中低频策略和初步分析。选哪种，完全看你的研究目的和硬件条件。

说实话，整理这篇数据说明写得我手都酸了，希望能帮到也在折腾数据的你。如果你们知道有什么更好的数据压缩或处理方法，求教！



昨晚跑因子又把内存给干爆了，一看日志，果然是加载Tick数据时出的问题。这玩意儿数据量是真的大，但做高频或者微观结构研究又绕不开。今天就把我平时用到的几类数据，包括港股、美股的逐笔和订单簿，还有分钟线日线这些，整理一下。数据来源主要是从CMES金融数据库下载的，他们那的数据字段比较全，清洗得也干净，省了不少事。

港股、美股、A股历史行情数据获取指南

数据库

职业发展

获取港股、美股、A股历史行情数据指南，涵盖Tick逐笔成交、订单簿十档行情、分钟线日线等高频数据。专业数据源提供清洗后的完整字段，支持API批量获取，解决数据量大、清洗困难等痛点。Tick数据适合高频交易研究，订单簿揭示市场深度，分钟线日线便于中低频策略回测，注意处理复权问题。

数据接口

代码解释

Python

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

港股、美股、A股历史行情数据获取指南-腾讯云开发者社区-腾讯云

港股、美股、A股历史行情数据获取指南

港股、美股、A股历史行情数据获取指南

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