2. 金融行情数据基础

在动手写采集脚本之前，必须先弄清楚“我们到底在采什么”。金融行情数据并不是单一形态的数据，它由不同的数据类型、不同的时间粒度、不同的价格处理方式共同构成。如果对这些基础概念理解不清，采集出来的数据往往在后续回测或指标计算中产生严重偏差。本节将围绕四个核心维度展开：行情数据类型、时间粒度、复权概念，以及常见数据源与 API 分类。

一、行情数据类型：从快照到逐笔

行情数据按信息密度和更新方式，通常可以分为以下几类：

• 快照行情（Snapshot / Quote）：某一时刻的最新价、买卖五档、成交量、成交额等。A 股常见的 Level-1 行情即属于此类，通常每 3 秒推送一次。
• 逐笔成交（Tick / Trade）：每一笔成交的时间、价格、数量、买卖方向。信息最细，数据量最大，是高频策略的基础。
• 逐笔委托（Order / Level-2）：委托挂单与撤单明细，可还原订单簿变化，属于 Level-2 数据范畴。
• K 线行情（Bar / OHLCV）：把一段时间内的价格聚合为开盘、最高、最低、收盘、成交量，是最常用的分析形态。
• 衍生指标数据：如复权因子、换手率、市盈率、资金流向等，通常由基础行情加工而来。

不同数据类型的采集频率、存储成本和接口能力差异极大。Tick 数据一天可达数百万条，而日 K 线一年仅约 250 条。选择哪种类型，取决于策略对时间精度的要求。

二、时间粒度：同一标的的不同“分辨率”

时间粒度决定了 K 线的聚合周期。常见粒度包括：

需要注意：分钟级数据并非简单由 Tick 聚合就能完全还原，不同数据商的聚合规则（如是否包含集合竞价、时间戳对齐方式）可能不同。增量同步时，若粒度切换，必须重新校准时间边界。

三、复权概念：价格连续性的关键

股票在分红、送股、配股后，价格会出现“跳空”，若不处理，技术指标会失真。复权就是消除这些非交易性跳空，使价格序列连续。常见三种处理方式：

• 不复权（None）：原始成交价，真实但存在跳空。
• 前复权（Forward / QFQ）：以当前价格为基准向前调整，最新价与真实价一致，适合看盘和回测。
• 后复权（Backward / HFQ）：以上市首日为基准向后调整，历史价不变，适合长期收益计算。

复权因子（Adjust Factor）是复权计算的核心参数。多数 API 会直接提供复权后的 K 线，也有接口只给因子，需要自行计算：

前复权价 = 原始价 × 复权因子 / 最新复权因子
后复权价 = 原始价 × 复权因子

四、常见数据源与 API 分类

行情数据源大致分为三类：

1. 官方交易所 / 登记结算机构：数据权威，但接口门槛高、费用高，多用于机构。
2. 商业数据商：如 Wind、聚宽、Tushare Pro、AkShare 等，提供封装好的 HTTP / SDK 接口，适合个人与中小团队。
3. 券商 / 行情软件接口：如通达信、同花顺的本地数据文件或开放接口，实时性好但稳定性依赖客户端。

按 API 形态又可分为：

• RESTful HTTP API：请求-响应模式，适合历史数据批量拉取与增量同步。
• WebSocket / 推送 API：服务端主动推送，适合实时行情订阅。
• 本地文件 / 数据库接口：如通达信日线文件、SQLite 缓存，读取快但需自行解析格式。

下面是一个典型的 REST 增量拉取参数示例，理解这些字段有助于后续设计同步逻辑：

GET /api/v1/daily
params:
  symbol: "000001.SZ"
  start_date: "2024-01-01"
  end_date: "2024-01-31"
  adjust: "qfq"        # none / qfq / hfq
  fields: "open,high,low,close,volume,amount"

五、案例与复盘：一次“看起来对”的采集

某同学用日线接口拉取某股票 2023 全年数据，默认参数未指定复权，得到的价格在除权日出现约 8% 的向下跳空。他直接计算 20 日均线，结果在除权日附近产生虚假死叉信号，回测收益被严重高估。复盘发现两个问题：

1. 接口默认 adjust=none，而策略假设价格连续；
2. 增量同步时只按日期追加，未检查复权因子是否变化，导致新旧数据混用不同复权基准。

修正方案：在采集配置中显式声明 adjust=qfq，并在每次增量同步前拉取最新复权因子，若因子发生变化则触发全量重刷。这一条规则，正是后续章节设计增量同步状态表的重要依据。