3. 行情数据基础：Level-1 与 Level-2 行情、Tick 数据、Order Book 数据结构

高频回测的起点是行情数据。不同级别的行情数据在粒度、延迟和信息量上存在显著差异，直接影响回测精度与策略逻辑。本章系统梳理 Level-1、Level-2、Tick 数据及 Order Book（订单簿）的核心概念与数据结构，为后续数据清洗与回测引擎搭建奠定基础。

3.1 行情数据层级对比

交易所通常将行情数据分为多个层级，国内 A 股市场以 Level-1 和 Level-2 最为常见。下表从关键维度对比两者的差异：

3.2 Tick 数据：逐笔成交的原子记录

Tick 数据是市场交易的最小可记录单元，每一条 Tick 代表一笔实际发生的成交。在 Level-2 行情中，Tick 数据以逐笔成交明细的形式推送。其典型字段结构如下：

以下代码展示如何用 Python 加载并预览 Tick 数据：

import pandas as pd

# 模拟加载 Tick 数据（实际可从 CSV/数据库读取）
tick_data = pd.DataFrame({
    'ticker': ['000001'] * 5,
    'timestamp': [1000000001, 1000000003, 1000000005, 1000000007, 1000000009],
    'price': [10.01, 10.02, 10.01, 10.03, 10.02],
    'volume': [100, 200, 150, 300, 250],
    'turnover': [1001.0, 2004.0, 1501.5, 3009.0, 2505.0],
    'buy_sell_flag': [1, -1, 1, -1, 1]
})

print(tick_data.head())
print(f"Tick 数据行数: {len(tick_data)}")

3.3 Order Book（订单簿）数据结构

订单簿是交易所撮合引擎维护的实时委托队列快照，包含所有未成交的买单和卖单。Level-2 行情提供 10 档甚至全档订单簿数据。订单簿的核心由 买盘（Bid） 和 卖盘（Ask） 组成，每档包含价格和委托量。

下图展示订单簿的典型分层结构：

订单簿数据在 Python 中通常以嵌套字典或结构化数组表示。以下是一个 10 档订单簿的示例数据结构：

order_book = {
    'ticker': '000001',
    'timestamp': 1000000010,
    'bids': [  # 买盘，按价格从高到低排列
        {'price': 10.02, 'volume': 1800},
        {'price': 10.01, 'volume': 900},
        {'price': 10.00, 'volume': 2500},
        # ... 后续档位
    ],
    'asks': [  # 卖盘，按价格从低到高排列
        {'price': 10.04, 'volume': 2000},
        {'price': 10.05, 'volume': 600},
        {'price': 10.06, 'volume': 1500},
        # ... 后续档位
    ]
}

# 计算买卖价差
best_bid = order_book['bids'][0]['price']
best_ask = order_book['asks'][0]['price']
spread = best_ask - best_bid
print(f"最优买价: {best_bid}, 最优卖价: {best_ask}, 价差: {spread:.2f}")

3.4 从 Tick 到订单簿：数据流关系

理解 Tick 数据与订单簿之间的关系是高频回测的核心。Tick 数据是订单簿变化的“结果”，而订单簿是 Tick 数据产生的“环境”。下图展示两者在交易过程中的交互流程：

3.5 数据存储与读取建议

高频行情数据体量巨大，存储格式与读取效率直接影响回测性能。以下是一些实践建议：

• 存储格式： 推荐使用 Parquet 或 HDF5 格式，支持列式压缩与快速过滤，比 CSV 节省 5~10 倍空间。
• 分区策略： 按日期 + 股票代码分区，避免单文件过大，便于并行读取。
• 内存映射： 对于订单簿快照数据，使用 NumPy 的内存映射（memmap）或 Pandas 的 read_parquet(use_mmap=True) 减少内存占用。
• 时间索引： 将时间戳设为索引，利用 Pandas 的时间切片加速数据筛选。

# 示例：使用 Parquet 存储 Tick 数据
tick_data.to_parquet('tick_20250101.parquet', index=False, compression='snappy')

# 读取时按时间范围过滤
import pyarrow.parquet as pq
table = pq.read_table('tick_20250101.parquet',
                      filters=[('timestamp', '>=', 1000000000),
                               ('timestamp', '<=', 1000000100)])
df = table.to_pandas()
print(f"读取 {len(df)} 条 Tick 记录")