2. 行情数据体系概览

在量化交易、行情终端和交易系统的开发中，我们几乎每天都会接触 Level1、Level2 和 Tick 这三类行情数据。很多初学者会把它们简单理解为“快照、盘口、逐笔”三种粒度，但在真实工程里，它们并不是简单的包含关系，而是由交易所撮合机制、行情发布协议和业务需求共同塑造的三层数据体系。理解它们的区别与联系，是后续解析字段、设计存储和构建策略的基础。

核心原理：三层数据的生成逻辑

交易所的撮合引擎在每一笔委托进入、成交或撤单时，都会产生内部事件。这些事件经过行情发布系统加工后，形成不同粒度的对外数据：

• Level1（L1）：通常指最优一档买卖盘及最新成交价、成交量、成交额等。它是“结果快照”，按固定频率（如每3秒）或事件触发推送，字段少、带宽低，适合展示和轻量策略。
• Level2（L2）：在 L1 基础上扩展为多档买卖盘（如十档、二十档），并常包含委托队列、逐笔委托、逐笔成交等更细的订单簿信息。它描述的是“市场深度”，适合做盘口分析、大单监控和做市策略。
• Tick：严格来说，Tick 是“逐笔数据”的统称，包括逐笔成交（Trade）和逐笔委托（Order）。它记录每一笔撮合事件，是粒度最细、信息最完整的原始数据，也是还原订单簿和回测的基石。

三者的关系可以概括为：Tick 是原始事件流，L2 是 Tick 的聚合与深度扩展，L1 是 L2 的进一步压缩与快照。越靠近 Tick，信息越完整、频率越高、存储与处理成本越大；越靠近 L1，信息越精简、越易用，但细节丢失也越多。

方法流程：从 Tick 到 L1 的加工链路

理解数据体系，最好的方式是看一条完整的加工链路。以股票市场为例：

1. 采集原始 Tick：通过交易所行情网关或行情商 API 接收逐笔成交和逐笔委托。每条记录包含时间戳、证券代码、价格、数量、买卖方向、委托编号等。
2. 维护订单簿：用逐笔委托和逐笔成交实时更新买卖盘队列，计算每一档的价格和挂单量，形成 L2 深度数据。
3. 生成 L1 快照：从订单簿中取最优一档，结合最新成交价、成交量、成交额等，按固定频率打包成 L1 快照。
4. 分发与存储：L1 用于前端展示和轻量策略；L2 用于盘口监控和做市；Tick 落库用于回测和合规审计。

下面是一段简化的伪代码，展示如何从逐笔成交更新最新价和成交量：

# 逐笔成交处理示例
def on_trade(tick):
    code = tick.symbol
    price = tick.price
    volume = tick.volume
    # 更新最新价
    latest_price[code] = price
    # 累加成交量与成交额
    total_volume[code] += volume
    total_amount[code] += price * volume
    # 更新 L1 快照
    l1_snapshot[code] = {
        "last": price,
        "volume": total_volume[code],
        "amount": total_amount[code],
        "bid1": order_book[code].bid1,
        "ask1": order_book[code].ask1
    }

案例/场景：不同数据在各业务中的选择

误区/复盘：常见认知偏差

• 误区一：L2 一定包含 Tick。实际上，部分行情商的 L2 只提供多档盘口快照，并不包含逐笔委托和逐笔成交。需要仔细查看接口文档。
• 误区二：Tick 数据没有延迟。Tick 虽然粒度细，但同样存在网络延迟和交易所发布延迟，高频场景下需要做时间戳对齐。
• 误区三：L1 快照可以还原订单簿。L1 只有最优一档，无法还原深度，不能用于精细回测。
• 误区四：所有市场的 Tick 字段一致。股票、期货、期权、数字货币的 Tick 字段差异很大，解析前必须确认字段定义。