Level-2高频行情数据实战开源量化项目如何把逐笔数据变成可执行信号【免费下载链接】stock30天掌握量化交易 (持续更新)项目地址: https://gitcode.com/GitHub_Trending/sto/stock如果你也曾经历“盘中突然拉升却没看清大单从哪里来”的情况这篇指南适合你。文章以一个开源量化项目sto/stock定位“30天掌握量化交易”为例拆解它如何用 Level-2 行情级别的高频数据搭建“采集 → 清洗 → 特征 → 信号”的完整流水线datahub/ 负责多源行情入库common/BaseService.py 统一处理重试、交易时段与去重monitor/ 把阈值判断转成企业微信推送配置集中在 configure/sample_config.json。一个被错过的下午分钟线为什么回答不了你的问题场景很常见14:30自选池里一只标的快速上冲 5%。你事后翻看分钟 K 线只看到一根放量的上影线——不知道那几笔大单出现在哪一秒也不知道当时买卖一档的价差为什么突然拉大。问题出在数据粒度上。分钟线把几十秒内的多笔成交压缩进一根 K 线价格、方向、节奏全被平均掉了。想回答“大单何时进场、盘口何时异动”必须用更细的时间粒度采样原始行情。这就是本项目 monitor 层存在的意义不等收盘、不等分钟线而是盘中按秒级到分钟级轮询直接对增量数据做判断。一级对比 Level-2高频行情让你多看见什么先把术语摆平。对 A 股个人投资者而言Level-1 接口通常给出的是固定频次的价格快照最新价加有限的盘口Level-2 级别的数据则包含更细的逐笔成交、多级盘口和更快的刷新频率。本项目没有交易所专业行情通道它的做法是用免费/低成本数据源tushare 的 tick 数据、短间隔实时报价拼出一个“准高频”视角——这一点后面“边界”一节会展开。先看三类信息在两个层级下的可得性你想回答的问题Level-1 快照本项目的高频做法最近 2 秒成交了多少量只能用累计成交量差近似两次采样求差real_time_big_deal.py 每 2 秒采一次那笔异动单笔有多大分钟 K 线已把多笔混在一起拉当日逐笔tick按单笔vol过滤见 monitor/big_deal.py买卖一档价差为什么拉大部分接口给不出盘口直接取bid1/ask1求绝对差见 monitor/realtime_monitor_ts.py同一异动是否已提醒过与数据无关内存冷却表HistorySet1800 秒内不重复推送规律很简单大单看“量的增量”盘口异动看“价的价差”提醒去重看“时间窗口”。后面两节就看项目分别是怎么落地的。流水线模块划分这条数据在本项目里怎么流动项目目录即流水线拓扑每个模块只干一件事采集层 datahub/jisilu.py、daily_stock_market_info.py等脚本抓取行情快照、逐笔、公告写入 MySQL / MongoDB 或落地 Excel。采集脚本带重试例如daily_stock_market_info.py中get_today_market(re_try10)失败后等 10 秒再试。基础层 common/BaseService.py所有监控脚本的父类统一提供四样东西——带重试的 HTTPget/post默认 5 次、trading_time()交易时段判断9:23–11:31 / 12:58–15:02 之外直接挂起、HistorySet过期去重表、notify()企业微信推送。写新监控时这些逻辑一行都不用重写。信号层 monitor/big_deal.py全市场大单、realtime_monitor_ts.py涨幅/盘口价差告警、jsl_monitor.py转债溢价与正股异动。它们读库、读实时接口命中阈值即推送。消费层 analysis/、backtest/信号是前半程后半程是消费。信号落库后可以被分析脚本和回测复用fund/closed_end_fund_backtrade/里的封基轮动回测就是一个从数据到收益曲线的完整闭环输出如下这种“采集入库 → 实时信号 → 离线分析/回测”的分层意味着换数据源只改 datahub换告警规则只改 monitor互不牵连。信号识别落地两个从 tick 到告警的具体判断大单识别1000 手阈值与 2 秒采样下面的片段来自 real_time_big_deal.py它说明了大单识别的本质短窗口累计成交量差超过阈值不需要任何专属接口。time.sleep(2) df_t2 ts.get_realtime_quotes(code) delta_v (v2 - v1) / 100 # 股数换算成“手” if delta_v 1000: print(Big deal on %s % name)每只股票一个线程轮询监控池来自data/mystock.csv。另一条路径在 monitor/big_deal.py直接拉当日逐笔ts.get_today_ticks(code)过滤vol 1000的成交精度更高但受接口频控限制更严。两条路径可以按“股票池大小 × 接口额度”二选一。盘口异动买卖价差 40 个最小单位 30 分钟冷却monitor/realtime_monitor_ts.py 对盘口的判断非常朴素——取一档买卖价绝对差超过阈值DIFF_V 40报价接口以 1/1000 为最小单位即视为盘口异常df[diff] np.abs(df[bid1] - df[ask1]) result df[df[diff] DIFF_V]真正的工程含量在防骚扰上每只代码维护一个has_sent时间戳推送后 30 分钟DELTA_TIME 30内不再重复转债路径则复用基类里的过期表命中后登记、到期自动失效if abs(increase_rt) ZZ_PERCENT and self.history.is_expire(bond_id): self.notify(text) # 企业微信推送 self.history.add(bond_id) # 登记EXPIRE_TIME1800 秒内不再推涨幅阈值ZZ_PERCENT/ZG_PERCENT默认 8%、轮询间隔ACCESS_INTERVAL默认 20 秒全部放在 configure/sample_config.json 的jsl_monitor段改阈值不用动代码。跑起来要做什么环境、配置与调参清单依赖与配置文件准备git clone https://gitcode.com/GitHub_Trending/sto/stock cd stock pip install -r requirements.txt cp configure/sample_config.json configure/config.json核心依赖见 requirements.txtpandas、tushare、sqlalchemy、pymysql、pymongo、redis、loguru、easytrader。config.json至少要填三处mysql/mongo的连接串按部署环境选local、ubuntu等键、ts_tokentushare 积分 token、jsl_monitor的账号与阈值。实时大单脚本还需在data/下准备mystock.csv自选池和bases.csv代码—名称映射。关键监控参数一览参数位置默认值含义采样间隔real_time_big_deal.py2 秒相邻两次报价的间隔越小越灵敏、越吃接口额度大单手数阈值real_time_big_deal.py/monitor/big_deal.py1000 手单窗口成交量差 / 单笔逐笔量的告警线LOOP_TIMEmonitor/realtime_monitor_ts.py60 秒全市场轮询一圈的间隔ZZ_PERCENT/ZG_PERCENTconfigure/sample_config.json8%转债 / 正股涨幅告警阈值DIFF_Vmonitor/realtime_monitor_ts.py40买卖一档价差告警线1/1000 计价单位DELTA_TIMEmonitor/realtime_monitor_ts.py30 分钟同一代码两次推送的最小间隔EXPIRE_TIMEconfigure/sample_config.json1800 秒HistorySet去重窗口ACCESS_INTERVALconfigure/sample_config.json20 秒集思录接口的轮询间隔性能调优清单先缩池子再提频默认全市场轮询最吃接口额度把代码列表换成自选池/持仓池后采样间隔才有下探空间。控制线程数real_time_big_deal.py是一股一线程几百只以内可行上千只建议改为分批轮询或复用连接。去重窗口和推送间隔匹配EXPIRE_TIME应不小于DELTA_TIME否则会出现“冷却表没过期但时间戳已放行”的重复推送。日志按模块分文件基类构造时传入独立 log 路径如log/bigdeal.log配合 loguru 可设轮转避免单文件膨胀拖慢 I/O。采集与信号解耦运行datahub 落库任务定时跑即可盘中真正常驻的只有 monitor 层减少无谓的实时请求。边界与坑适用条件的诚实说明⚠️ 用之前先明确这套系统“不是什么”数据源是“准 Level-2”不是交易所专业行情。本项目的高频数据来自 tushare需积分 token与集思录网页接口拿不到 10 档委托队列、逐笔委托方向。文中 Level-2 的表述应理解为“比 Level-1 快照更细的 tick/短间隔数据”。大单识别是近似值。采样差法受接口刷新频率影响且分不清主动买还是主动卖逐笔路径精度更高但频控更严全市场逐笔轮询基本不可行。轮询模型的天花板是接口额度2 秒 × 全市场 × 每股一线程的组合在真实账号额度下大概率跑不动必须缩池。高频信号缺少配套回测框架backtest/ 与fund/closed_end_fund_backtrade/的回测都在日线级别盘中信号策略的验证需要自己补。网页接口有维护成本集思录路径依赖登录态datahub/jsl_login.py接口字段或反爬策略变化时脚本会失效这是免费数据源的固有代价。换句话说这套流水线适合个人投资者的“盘中雷达”场景——把有限注意力聚焦到正在异动的少数标的上而不是机构级做市或微结构套利。一句话带走高频信号只回答“哪里在动”不回答“该不该买”把 datahub/ 的数据接好、把 monitor/ 的阈值调顺剩下的判断留给你自己。【免费下载链接】stock30天掌握量化交易 (持续更新)项目地址: https://gitcode.com/GitHub_Trending/sto/stock创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考