2. 金融市场与量价数据基础

量价建模的第一步不是选模型，而是理解数据从哪来、长什么样、有什么噪声。股票、期货、加密货币三类市场的交易机制差异，会直接决定OHLCV字段的语义、采样频率的取舍，以及后续特征工程与标签构造的边界。本节围绕市场结构、OHLCV含义、三种频率数据特点展开，为后续信号建模打下数据认知基础。

一、核心原理：三类市场的结构差异

股票市场以撮合竞价为主，存在开盘集合竞价、连续竞价与收盘集合竞价，交易时段固定，且有涨跌停与T+1（A股）等约束。期货市场采用保证金与逐日盯市制度，合约有到期日，存在主力合约切换问题，夜盘与日盘分段交易，价格连续但合约不连续。加密货币市场7×24小时连续交易，无涨跌停，现货与永续合约并存，交易所之间价差与资金费率会带来额外信号。

这些差异意味着：同一套量价特征在不同市场上不能直接照搬。例如股票的开盘跳空受隔夜信息影响大，而加密货币没有“隔夜”概念；期货的主力合约切换会造成成交量突增或价格跳变，若不处理会被模型误读为真实信号。

二、OHLCV数据的含义与陷阱

OHLCV是Open、High、Low、Close、Volume的缩写，是K线的基本字段。Open是该周期第一笔成交价，High/Low是周期内最高/最低成交价，Close是最后一笔成交价，Volume是周期内成交量。看似简单，但每个字段都依赖采样窗口：同一分钟内不同起止点会得到不同的OHLC。

此外，OHLCV是“已聚合”数据，丢失了周期内的路径信息。同样一根阳线，可能是单边上涨，也可能是先跌后涨，二者对后续走势的含义完全不同。因此在高频建模中，tick数据或订单簿数据往往比分钟K线更有信息量。

三、tick、分钟、日频数据的特点与选择

tick数据是逐笔成交或逐笔委托，粒度最细，包含时间戳、价格、数量、买卖方向等。优点是信息完整，可重构任意周期K线；缺点是数据量大、噪声高、对存储与计算要求高。分钟数据是tick的聚合，兼顾信息量与计算效率，适合中高频信号建模。日频数据粒度最粗，适合中低频与基本面结合的策略，但样本量少、信噪比低。

# 以pandas为例，将tick聚合为1分钟OHLCV
df = df.set_index('timestamp')
ohlcv = df['price'].resample('1min').ohlc()
ohlcv['volume'] = df['size'].resample('1min').sum()
ohlcv = ohlcv.dropna()

选择频率时需权衡三点：信号衰减速度、交易成本占比、样本量是否足够。高频信号衰减快但成本敏感，低频信号稳定但样本少。实务中常用“多频率融合”：用日频判断趋势方向，用分钟频寻找入场点，用tick验证执行质量。

四、案例与场景：从数据到信号的常见路径

以日内动量策略为例：先用日频数据判断近20日趋势方向，再用5分钟K线计算成交量加权均价（VWAP）与价格偏离度，最后用tick数据确认大单方向。若在股票市场，需剔除开盘前15分钟与收盘前5分钟的异常波动；若在期货市场，需先拼接主力连续合约；若在加密货币市场，需过滤交易所刷量导致的虚假成交量。

五、误区与复盘

• 误区一：把OHLC当作真实路径。 同一根K线内可能发生剧烈反转，仅用OHLC会丢失关键信息。
• 误区二：忽略成交量口径。 股票“手”、期货“张”、加密货币“币”不可直接比较，需统一为名义金额。
• 误区三：频率越高越好。 高频数据噪声大、成本高，若信号本身是日频级别，用tick只会增加过拟合风险。
• 误区四：不做合约连续化。 期货主力切换会造成价格跳变，直接建模会把切换误判为趋势信号。

复盘时建议对每个数据集做一次“数据体检”：统计缺失率、异常值比例、成交量分布、时间间隔分布，并画出价格与成交量的联合分布图。只有确认数据语义与市场结构匹配后，量价信号建模才有可靠起点。