Tick 数据和 K 线数据到底差在哪里？

最近在做行情数据相关的东西，发现一个挺容易搞混的地方： Tick 数据和 K 线数据到底有什么区别？ 一开始我的理解也比较简单，觉得 K 线无非就是把很多条 Tick 数据按照 1 分钟、5 分钟之类的时间周期聚合一下。 后来自己实际处理数据之后，发现两者虽然有关系，但用途其实完全不一样。 如果只是看盘，K 线已经够用了。但如果要做量化策略、盘口分析或者研究某一段时间内价格到底是怎么走出来的，Tick 数据的重要性就会明显很多。 我先用一个比较直观的方式理解 比如某只股票在 10:00 到 10:01 之间发生了很多次成交。 Tick 数据可能长这样： 10:00:01 100.12 200 10:00:03 100.15 100 10:00:07 100.18 300 10:00:12 100.16 500 10:00:25 100.20 200 10:00:41 100.22 100 10:00:56 100.19 400 每一条基本都对应一次行情变化。 而如果我把这一分钟的数据聚合成 1 分钟 K 线，最后可能只剩： Open 100.12 High 100.22 Low 100.12 Close 100.19 Volume 1800 这时候就很明显了。 Tick 更像是过程，K 线更像是结果。 K 线告诉我这一分钟开在哪里、最高到哪里、最低到哪里、最后收在哪里。 Tick 则让我看到这一分钟里面到底发生了什么。 那为什么不直接全部用 K 线？ 我觉得主要还是看策略。 如果只是做一些比较常规的技术指标，比如均线、MACD 、RSI ，K 线通常已经足够。 因为这些指标本身就是建立在 OHLC 等聚合数据上的。 比如我想判断： 最近 20 根 5 分钟 K 线是不是处于上涨趋势？ 直接拿 K 线计算就可以了。 这时候如果还去处理大量 Tick 数据，反而会增加数据量和计算量。 但如果我的问题变成： 价格为什么突然从 100.15 打到 100.30 ？ 或者： 这一分钟里面到底发生了多少次成交？ 甚至： 某个价格附近是不是出现了大量成交？ 那 K 线就不太够用了。 因为 K 线只告诉我这一分钟最终形成了一个结果，却不会告诉我中间具体经历了什么。 Tick 数据还有一个比较明显的特点：数据量很大 这个其实是我自己接触之后比较明显的感受。 一根 1 分钟 K 线可能只是一条记录。 但这一分钟里面可能发生几十、几百甚至更多次价格变化。 所以如果我要存 Tick 数据，就不能简单地按照 K 线那种思路去处理。 比如实时接行情的时候，我比较常见的一种做法就是 WebSocket 持续接收数据。 我最近测试的时候，用 AllTick 的 WebSocket 接了实时成交数据，基本思路就是订阅需要的产品，然后等待服务端持续推送。 例如： import json import websocket TOKEN = "your_token" url = ( "wss://quote.alltick.co/" "quote-stock-b-ws-api?token=" + TOKEN ) def on_message(ws, message): data = json.loads(message) print(data) def on_open(ws): request = { "cmd_id": 22004, "seq_id": 123, "trace": "test_tick", "data": { "symbol_list": [ {"code": "700.HK"}, {"code": "UNH.US"} ] } } ws.send(json.dumps(request)) ws = websocket.WebSocketApp( url, on_open=on_open, on_message=on_message ) ws.run_forever() 这里订阅的是实时成交价 Tick 数据。 实际收到的数据里，可以看到类似这样的字段： { "cmd_id": 22998, "data": { "code": "700.HK", "seq": "1605509068000001", "tick_time": "1605509068", "price": "651.12", "volume": "300", "turnover": "12345.6", "trade_direction": 1 } } 对我来说比较有用的是 tick_time 、 price 、 volume 这些字段。 这样我可以自己把原始数据按照需要重新聚合。 比如我要 1 分钟 K 线，我自己算。 我要 5 分钟 K 线，也可以重新算。 甚至我想研究某个时间段里面的成交情况，也可以直接从 Tick 开始分析。 反过来，K 线其实也有自己的优势 虽然 Tick 数据更细，但并不是说 Tick 就一定比 K 线好。 我反而觉得做实际项目的时候，K 线更加省事。 例如我要回测一个比较普通的趋势策略。 假设策略是： 5 分钟均线向上 + 20 分钟均线向上 + 价格突破前高 这种情况下，直接使用 K 线就比较方便。 数据量小很多，计算也简单。 如果为了这个策略把所有 Tick 全部拉下来，再自己聚合成 5 分钟、20 分钟 K 线，感觉有点绕远了。 所以现在我的理解是： 不是 Tick 和 K 线谁更好，而是我要研究的问题决定了应该使用哪一种。 我现在会这样区分 如果是： 看趋势 做技术指标 做普通策略回测 看日线、小时线、分钟线 我一般会优先考虑 K 线。 如果是： 研究成交过程 做高频策略 分析短时间价格变化 研究成交量变化 自己聚合不同周期的数据 那我会更倾向于从 Tick 数据开始。 还有一个容易忽略的地方，就是 数据一旦聚合成 K 线，原始信息其实就丢掉了一部分。 比如下面两种 Tick 过程： A： 100 → 101 → 102 → 103 B： 100 → 103 → 101 → 103 最后如果只看某个周期的 OHLC ，可能得到非常接近甚至一样的结果。 但实际价格走法完全不一样。 这也是我觉得 Tick 数据比较有意思的地方。 所以我现在的理解是 可以简单粗暴地记成一句话： K 线告诉我“这一段时间发生了什么结果”，Tick 告诉我“这个结果是怎么一步一步形成的”。 日常看盘或者做普通技术分析，K 线通常已经够用。 但如果开始往量化、微观结构、成交分析这些方向走，Tick 数据就会变得越来越有价值。 当然，Tick 数据也意味着更大的数据量、更高的存储和计算要求，以及实时数据接入时需要处理断线重连、心跳等问题。 所以如果只是做一个普通的交易策略，我觉得没必要为了“数据更细”就强行上 Tick 。 先看自己的策略到底需要什么粒度，反而比较重要。 我现在基本就是按照这个思路来选数据。