高频行情数据基础：Tick级数据、Level2行情、数据频率与存储格式

高频行情是量化风控哨兵系统的“第一滴血”。在坏账率 PSI 监控中，数据颗粒度越细，漂移发现越早。本章从 Tick 级数据出发，厘清 Level2 行情结构、数据频率层级与存储选型，为后续 PSI 计算打下坚实的数据基础。

2.1 Tick级数据：最小时间切片

Tick 是交易所对外发布的最小行情快照单元。在 A 股市场，每笔 Tick 包含以下核心字段：

2.2 Level2 行情：从快照到逐笔

Level2 行情相比基础 Level1 增加了逐笔成交、逐笔委托和十档盘口。以下是两者的关键差异：

逐笔成交数据是 PSI 计算中“真实成交分布”的最佳来源。通过逐笔数据，可以精确统计每个价格区间的成交量占比，而非依赖快照插值。

2.3 数据频率层级与选择策略

高频行情数据按时间粒度可分为四个层级，不同风控场景应选择不同频率：

1. Tick 级（毫秒级） — 用于逐笔成交分析、微观结构建模、瞬时流动性监测。数据量最大，单只股票日均约 4000~8000 条 Tick。
2. 秒级（1s / 3s） — 用于高频因子计算、快照对齐。Level2 快照默认 3 秒一次，适合计算短期波动率。
3. 分钟级（1min / 5min） — 用于 PSI 常规监控、坏账率日间对比。平衡精度与存储成本。
4. 日级 — 用于回测、归因分析、报表输出。数据量最小，但无法捕捉日内漂移。

2.4 存储格式选型：速度与压缩的平衡

高频行情数据具有“写多读少、时序性强、单条体积小”的特点。以下是三种主流存储格式的对比：

在哨兵系统中，推荐采用 分层存储策略：

• 热层（近 7 天）：使用 Arrow IPC 格式，内存映射文件，支持毫秒级查询。
• 温层（7~90 天）：使用 Parquet 格式，按日期分区，配合列式存储加速 PSI 计算。
• 冷层（90 天以上）：使用 Parquet + Zstd 压缩，归档至对象存储，保留原始 Tick 数据用于重算。

# 示例：使用 PyArrow 将 Tick 数据写入 IPC 格式（热层）
import pyarrow as pa
import pyarrow.ipc as ipc

table = pa.table({
    "time": ["09:30:01.250", "09:30:01.350"],
    "last_price": [15.68, 15.69],
    "volume": [1200, 800],
    "bid_vol1": [5800, 5600],
    "ask_vol1": [3200, 3100]
})

with ipc.new_file("tick_hot_20250220.arrow", table.schema) as writer:
    writer.write_table(table)

2.5 高频行情数据流架构

下图展示了从交易所到 PSI 哨兵计算引擎的完整数据流，重点标注了 Tick 级数据的采集、缓存与降采样路径：

2.6 数据质量校验：Tick 级 PSI 的前置条件

在将高频行情送入 PSI 计算之前，必须通过以下质量检查，否则计算结果毫无意义：