1. 课程导入

在量化交易与实时风控系统中，行情数据是最基础、最频繁、也最容易被低估的一类输入。策略信号、风险敞口、订单定价、滑点估计、异常检测，几乎都建立在行情数据的质量与解析效率之上。很多系统在回测阶段表现良好，实盘却出现信号延迟、价格偏差或风控误判，根源往往不在模型，而在行情接入层对协议理解不足。本课程围绕交易所快照行情与逐笔行情两类核心数据，从协议结构、字段语义、解析实现到工程优化，建立一套可落地的知识体系。

一、行情数据在量化交易与风控中的价值

行情数据在交易链路中承担三类关键职责。第一是定价与信号生成：做市策略依赖盘口买卖价计算中间价与价差，趋势策略依赖最新成交价与成交量判断动量。第二是风险度量与限额控制：实时风控需要基于最新行情计算持仓市值、VaR 近似值、单标的敞口，并在行情跳变时触发熔断或减仓。第三是执行质量评估：通过逐笔成交与盘口变化，可以还原订单成交路径，评估滑点、冲击成本与延迟分布。

行情数据的价值不仅取决于“有没有”，更取决于“准不准、快不快、全不全”。快照行情提供某一时刻的市场切片，逐笔行情记录每一笔成交或委托变更。两者在时间粒度、数据量、语义完整性上差异显著，直接决定了上层系统的设计方式。

二、快照行情与逐笔行情的本质区别

快照行情（Snapshot / Level-1、Level-2）是按固定或事件触发频率发布的盘口切片，通常包含最新价、买卖各档价格与数量、成交量、成交额、时间戳等字段。它的特点是结构化程度高、字段稳定、数据量可控，适合直接用于盘口计算与风控阈值判断。但快照是“离散采样”，两次快照之间的价格变化与成交细节会丢失。

逐笔行情（Tick-by-Tick / Trade & Order）记录每一笔成交或每一笔委托变更，包含成交价、成交量、买卖方向、订单编号、委托类型等。它的特点是时间粒度细、信息完整、可还原订单簿演化，但数据量大、乱序与重复常见，对解析和存储提出更高要求。逐笔行情是构建高精度回测、微观结构分析和低延迟策略的基础。

三、本课程学习目标与整体知识框架

本课程共30章，围绕“协议解析—数据建模—工程实现—实战优化”四条主线展开。学习目标分为三个层次：

• 理解层：掌握快照与逐笔行情的协议字段、编码方式、时间戳语义与常见交易所差异。
• 实现层：能够独立完成二进制/文本协议的解析器，处理字节序、变长字段、校验与重传。
• 优化层：能够针对低延迟场景优化解析路径，包括零拷贝、内存池、批处理与乱序重组。

整体知识框架可概括为以下模块：

四、典型场景与常见误区

以一个做市策略为例：策略需要根据盘口买卖价计算报价，同时根据逐笔成交判断库存风险。如果只使用快照行情，当市场快速跳动时，两次快照之间的成交可能已经改变了真实供需，策略报价会滞后；如果只使用逐笔行情而不维护订单簿，又无法快速获得当前盘口状态。正确做法是以逐笔行情驱动订单簿更新，以快照行情做定期校验与恢复。

再举一个风控场景：某系统基于快照最新价计算持仓市值，当某标的瞬间跌停时，快照可能尚未更新，风控未及时触发。若接入逐笔行情，可以在第一笔跌停成交出现时立即触发预警。这说明逐笔行情在极端行情下具有更早的风险发现能力，但同时也要求解析链路足够稳定，避免因数据量激增导致阻塞。

# 典型行情接入伪代码结构
while True:
    packet = recv_from_gateway()
    msg_type = parse_header(packet)
    if msg_type == SNAPSHOT:
        update_orderbook_snapshot(packet)
    elif msg_type == TICK_TRADE:
        apply_trade_to_orderbook(packet)
        risk_engine.on_trade(packet)
    elif msg_type == TICK_ORDER:
        apply_order_to_orderbook(packet)
    else:
        handle_unknown(packet)