tick数据研究

最新推荐文章于 2025-03-30 15:30:00 发布

钱塘小甲子

最新推荐文章于 2025-03-30 15:30:00 发布

阅读量1.1w

点赞数 6

分类专栏：量化投资 Python

本文链接：https://blog.csdn.net/qtlyx/article/details/88559876

版权

本文探讨了如何从Tick数据生成分钟Bar，重点分析了Tick数据的特性，包括交易所提供的非真正Tick数据和Wind上的完美Tick数据。在生成Bar的过程中，提到了分钟Bar时间戳的差异，并讨论了实时Tick数据质量的影响因素，如处理速度和CTP服务器的实时负载。作者通过使用vnpy的CTP接口接收数据，发现了一些非交易时间的Tick数据，需要在处理时进行剔除。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

经常听见tick数据，回测的时候也用过，但是还真的没有自己去处理过tick数据，据说tick数据有很多坑，所以打算自己研究一下。首先的第一步就是先拿正常的tick数据来生成bar，从而能够理解一些细节，然后就是自己用ctp去接收tick数据，看看ctp有没有坑。

这里，完美的tick数据是wind上的。

这是wind上面导出来的，看起来还是比较正常的，反正一秒两个数据嘛。毕竟我们知道，咱们交易所给我们的数据不是真正的tick，而是snapshot，说白了就是500毫秒一次切片。一切的行情软件，其实都是根据tick数据来实现的。

tick数据当然还有别的东西，比如ask、bid但是，最重要的还是last_price和volume。last price当然可以理解，切片时候的成交价格嘛，至于volume，我们来看一下曲线:

所以，tick数据的volume是累计成交量，而一天的开始是九点的夜盘开始。当然没有夜盘的品种当然就是第二天早上九点了。

那么怎么变成分钟数据呢？也就是tick变成bar。

#encoding=utf-8
import pandas as pd
from matplotlib import pyplot as plt
import matplotlib.finance as mpf
from matplotlib.pylab import date2num
tick_df = pd.read_hdf('rb_tick.h5')


class mBar(object):
    def __init__(self):
        """Constructor"""
        self.open = None