除了合约本身的价格、成交量，通常还会包含一些计算好的衍生字段，比如大家常说的Delta、Gamma、Vega这些希腊字母（Greeks）。昨晚跑策略又把服务器内存给干满了，一看日志，好家伙，又是高频数据惹的祸。今天不聊策略，就聊聊我平时打交道最多的几种数据源，特别是期货期权这块的，给想入门或者正在踩坑的朋友们一个参考。这可能就是所谓的“假单墙”，用来迷惑散户的。但如果你想研究订单流、测算交易成本，

以前会觉得是主力护盘，后来用Level 2数据结合逐笔一看，发现那可能是个“钓鱼单”，不断有小单在主动卖出，消耗那个大买单，等快被吃光时又撤单挂到更低价位。先从处理日线数据开始，然后过渡到Level 2的快照数据，等对数据清洗、对齐、存储这些脏活累活有概念了，再考虑把逐笔数据加进来，会顺很多。量化程序最适合高频数据分析，从deepseek衍生的模型是为了推理服务，当遇到大模型+大数据时，真正的价值

以前会觉得是主力护盘，后来用Level 2数据结合逐笔一看，发现那可能是个“钓鱼单”，不断有小单在主动卖出，消耗那个大买单，等快被吃光时又撤单挂到更低价位。先从处理日线数据开始，然后过渡到Level 2的快照数据，等对数据清洗、对齐、存储这些脏活累活有概念了，再考虑把逐笔数据加进来，会顺很多。量化程序最适合高频数据分析，从deepseek衍生的模型是为了推理服务，当遇到大模型+大数据时，真正的价值

用AI回测历史行情数据，已经是一种趋势，以前人工自己回测，需要先获取数据，再写代码回测，中间需要花费很多时间，现在不需要了，有agent辅助，回测速度会快速很多。数据的频率也从以前的日级别到分钟，最后还是不满足，到五档level2高频数据，整个过程是成本和技术的上市，也是技术的进步。正好之前为了做高频策略研究，买过一些数据，今天就掰开揉碎了聊聊，这些期货历史数据包里到底装了些什么玩意儿，给想用但还

做港股量化，以前是需要一定的量化技术手段，比如需要会脚本编程，会数据分析，会数据爬取等等，还需要一些好的历史数据更新。比如一个agent用在分析数据，一个agent用于编码，还有的盯盘，效率比之前高很多。后来做回测才发现，对于有些均值回归或者盘口压力支撑类的策略，十档快照数据反而更合适，因为数据规整，计算压力小很多。但是有一些问题无法避免，比如数据的基本储存和下载，例如我前段时间做的港股分析程序，