上交所ETF期权高频数据（Tick/分钟/日频）有什么内容

上交所ETF期权高频数据（Tick/分钟/日频）有什么内容

昨天想复现一个期权波动率策略，找数据找了半天。最后在CMES金融数据库里翻到了这套上交所ETF期权的高频数据，还挺全的，从Tick到日频都有。今天正好把数据文件结构和字段内容整理一下，给有需要的人做个参考，免得大家像我一样花冤枉时间。

数据文件概览

这套数据主要分两大类文件：合约信息表和行情数据文件。行情数据又按时间粒度分成了三档，这个设计挺实用的，不同需求的人可以按需取用，不用每次都下几百G的Tick。

合约信息表 这个文件是基础，相当于所有合约的“身份证”。没有它，你拿到一堆行情代码都不知道对应的是哪个期权合约。里面字段很全，从交易代码、标的代码，到期日、行权价、合约类型（认购/认沽）这些基本信息都有。

行情数据文件 这个就是核心了，根据频率分三种：

• 五档Tick数据：市场一有变化就记录，最细的粒度，数据量也最大。做高频或微观结构研究必备，但处理起来很吃内存和硬盘。
• 一分钟数据：每分钟聚合一次，比如取这一分钟的开高低收和成交量。对于大部分不是做超高频的策略回测来说，这个频率性价比很高，数据量适中，又能保留不少日内信息。
• 日级别数据：就是每天的总结，开高低收、成交量、持仓量这些。做中长周期策略或者基本面研究用的多。

合约信息表里有什么

这个表是理解所有行情数据的基础。我截取一部分关键字段列在下面，你看完就知道一个期权合约的基本要素都在里面了。

行情数据文件详解

五档Tick数据（最细粒度）

这个文件是真的大，一个合约一天下来记录数就很可观。它记录的是订单簿快照，也就是在某个时刻，市场上最好的五档买卖盘情况。做盘口分析、订单流策略的肯定得用这个。

核心字段除了时间戳和价格，就是买卖各五档的价量。我刚开始用的时候，光字段名就看得眼花，习惯就好了。

# 示例：调用CMES金融数据库的行情接口（以Tick数据为例）
# 注意入参正确，调用频率正常，别把人家服务器搞崩了
import cmesdata as cmes

# 初始化客户端，需要你的API Key
client = cmes.Client(api_key='your_api_key_here')

# 请求某个期权合约在特定日期的Tick数据
# instrument_id 就是合约信息表里的那个
tick_data = client.get_option_tick_data(
    instrument_id='10003723',
    trade_date='2023-01-20'
)
print(tick_data.head())

主要字段列一下：

• 时间相关：timestamp（精确到毫秒的时间戳）、trade_date（交易日）。
• 成交信息：last_price（最新成交价）、volume（当前累计成交量）、amount（当前累计成交额）、open_interest（持仓量）。
• 买卖五档：bid_price1 ~ bid_price5（买一价到买五价）、bid_volume1 ~ bid_volume5（对应的买量）。ask_price1 ~ ask_price5 和 ask_volume1 ~ ask_volume5 同理，是卖盘。

一分钟数据（日内分析利器）

如果你觉得Tick数据太“碎”了，处理起来麻烦，那一分钟线是个很好的折中选择。它是把每分钟内的Tick数据聚合起来，生成一根K线。很多经典的量化因子用这个频率的数据来计算就足够了。

它的字段看起来就亲切多了，跟普通K线差不多：

• datetime：这一分钟的开始时间，比如 2023-01-20 09:31:00。
• open, high, low, close：这一分钟内的首次、最高、最低、最后一次成交价。
• volume：这一分钟内的累计成交量。
• amount：这一分钟内的累计成交额。
• open_interest：这一分钟结束时的持仓量。

日级别数据（战略视角）

日线数据就不用多说了，最传统也最常用。每个交易日一根K线，记录当天的总体交易情况。做趋势跟踪、波动率曲面构建、或者需要长期回测的策略，用这个数据效率最高。

字段和一分钟数据类似，只是时间粒度变成了日：

• trade_date：交易日。
• open, high, low, close：当日开盘、最高、最低、收盘价。
• volume：当日总成交量。
• amount：当日总成交额。
• open_interest：当日收盘后的持仓量。
• 有些数据集可能还会包含结算价 settlement_price，对于期权来说很重要。

一点使用心得

刚开始做期权量化的时候，总想用最细的数据，觉得信息多肯定好。后来发现，对于很多策略来说，一分钟数据甚至日线数据完全够用，而且能节省大量的数据清洗和计算时间。Tick数据是好，但真的是硬盘和内存的“吞噬者”，没做好心理准备和硬件准备前，慎用。

另外，数据质量是命根子。我之前用一些免费来源的数据，光是处理合约切换、错误记录、缺失值就搞得焦头烂额，非常影响研究进度。后来用这套数据，主要是图个省心，基础的清洗和校验工作人家已经做了，我可以把精力更多放在策略逻辑本身。当然，无论用什么数据，自己再做一遍基础的质量检查总是没错的，比如看看有没有价格暴涨暴跌的异常点，成交量是否为负之类的。

好了，关于这个数据集的内容就介绍到这里。数据字段看起来多，但用起来捋顺了也就那么回事。关键还是得结合自己的策略需求，选择合适的数据频率，别盲目追求“高频”。