2、常见高频数据源：交易所行情源、第三方数据商、Tick级数据特征、数据质量差异

高频交易系统的数据链路始于原始行情源。不同数据源在延迟、完整性、字段精度和清洗成本上存在显著差异。本章梳理四大类高频数据源的核心特征，并建立数据质量评估框架。

2.1 交易所行情源

交易所直连行情是延迟最低、最权威的数据来源。主流交易所通过专线或托管机房提供两种行情协议：

2.2 第三方数据商

第三方数据商通过聚合、清洗和重分发交易所原始行情，提供更易用的数据接口。常见数据商包括：

• 综合型数据商（如 Bloomberg、Refinitiv）：覆盖全球多资产，数据标准化程度高，但延迟较大（50~200ms），适合跨市场回测。
• 专业高频数据商（如 QuantHouse、Exegy、Redline）：提供 Tick 级历史数据和实时推送，延迟可控制在 5~20ms，支持自定义清洗规则。
• 国内数据商（如万得、聚宽、通联数据）：提供 A 股 Level-2 行情、期货 Tick 数据，延迟在 10~100ms 之间，适合国内策略开发。

2.3 Tick级数据特征

Tick 级数据是高频标签校准的最小粒度单元。一条标准 Tick 记录通常包含以下字段：

{
  "symbol":    "600519.SH",      // 合约代码
  "timestamp": 1698765432123456, // 交易所时间戳（微秒）
  "price":     189.50,           // 成交价格
  "volume":    200,              // 成交量（股/手）
  "side":      "B",              // 主动买卖方向（B/S）
  "bid_price": 189.48,           // 当前最优买价
  "ask_price": 189.52,           // 当前最优卖价
  "bid_size":  1500,             // 最优买量
  "ask_size":  800               // 最优卖量
}

高频数据标签校准中，Tick 数据的关键特征包括：

• 时间戳精度：微秒级（μs）是高频校准的基本要求，纳秒级（ns）更优。毫秒级（ms）数据无法支撑微秒级延迟分析。
• 订单簿快照频率：逐笔更新 vs 定时快照。逐笔更新能还原完整订单簿演变，但数据量巨大（单只股票每日可达数百万条）。
• 成交与委托关联：是否提供成交对应的委托 ID，用于还原订单执行路径。
• 数据完整性：是否存在缺失 Tick、重复 Tick、价格跳空、时间戳回退等异常。

2.4 数据质量差异与评估框架

不同数据源在以下维度存在显著质量差异。建议在接入数据源时，按此框架进行量化评估：

数据质量差异直接影响标签校准的可靠性。以下 SVG 图展示了从交易所原始数据到最终校准标签的数据流与质量衰减点：

2.5 数据源选择建议

根据策略类型和延迟要求，推荐以下数据源组合：

• 极高频做市（延迟 < 1ms）：必须使用交易所直连 Level-2 或 MDH 行情，配合托管机房部署。
• 日内统计套利（延迟 1~10ms）：专业高频数据商 + 交易所直连交叉验证，使用微秒级 Tick 数据。
• 多因子回测（延迟容忍 > 50ms）：综合数据商或国内数据商，使用毫秒级快照数据即可。
• 历史数据研究：优先选择专业高频数据商的历史 Tick 库，确保时间戳精度和字段完整性。