Python 量化入门：带你一步步搞定历史 Tick 数据抓取

大家好，欢迎来到我的量化手记。

很多刚接触量化交易的同学，第一反应都是去画 K 线图。但随着学习的深入，你会发现 K 线图丢失了太多细节。如果你想研究更高级的交易策略，比如“高频套利”或者“做市策略”，你就必须掌握Tick 数据。

什么是 Tick 数据？

简单来说，Tick 就是交易所发出的每一笔“快照”。如果说 K 线是电影的剧情梗概，那么 Tick 就是电影的每一帧画面。

新手面临的挑战

很多同学问我：“老师，我想抓 Tick 数据，但是交易所的 API 文档太难懂了，而且数据量太大，一跑程序就死机，怎么办？”

这很正常。处理海量、高频的数据，本身就是一道技术门槛。我们需要解决两个问题：

1. 怎么拿？ 需要一个稳定的数据源。

2. 怎么存？ 需要合理的代码逻辑。

一种轻松上手的方案

对于初学者，我不建议大家一上来就去啃交易所的原始接口。我们可以利用一些封装好的 API 服务来降低难度。

这里我演示一种利用通用接口（如 AllTick）来获取数据的方案。它的优点是简单直接，不用你去处理复杂的鉴权和网络协议，非常适合用来练手和搭建个人数据库。

手把手代码教学

下面这段 Python 代码，演示了如何“分页”拉取数据。请注意看我是如何处理返回的 JSON 数据的，这是量化工程师的基本功：

import requests

API_KEY = "YOUR_API_KEY"
BASE_URL = "https://api.alltick.co/v1/market/tick/history"

params = {
    "symbol": "AAPL.US",
    "market": "US",
    "start_time": "2024-01-02 09:30:00",
    "end_time": "2024-01-02 09:31:00",
    "limit": 1000
}

headers = {
    "Authorization": f"Bearer {API_KEY}"
}

resp = requests.get(BASE_URL, params=params, headers=headers)
data = resp.json()

for tick in data.get("data", []):
    ts = tick["timestamp"]
    price = tick["price"]
    volume = tick["volume"]
    print(ts, price, volume)

给同学们的作业

代码跑通后，你会在控制台看到一行行飞速跳动的价格和时间戳。这就是市场的脉搏。

建议大家试着把这些数据存入 CSV 文件，然后用 Pandas 打开分析一下：在这一分钟内，到底发生了多少笔交易？买单多还是卖单多？当你开始思考这些问题时，恭喜你，你已经迈出了从程序员向宽客（Quant）转型的关键一步！