Python 进阶视频课 - 8. 高频数据采样

在做量化时，经常会用到下面格式的金融数据。

这条数据 (后文称作 bar) 包含 6 个属性：

• 日期时间 (date_time) 是 2013 年 9 月 1 日 19 时 32 分 23 秒 387 毫秒
• 起始价 (open) 是 1640.25
• 最高价 (high) 是 1642.00
• 最低价 (close) 是 1639.00
• 结束价 (high) 是 1642.00
• 成交量 (volume) 为 28031

注意我并有把 open 和 close 翻译成开盘价和收盘价，因为这条数据并不是按日来收集的，而它对应的时间精确到 387 毫秒。

另外为什么在一个时点上有四种不同的价格，即市场常见的 OHLC？ (每个字母代表 open, high, low, close 四个单词的首个字母)。原因是 OHLC 数据是在一段时间内 (上面 09/01/2013 19:32:23.387 是这段时间的终点) 收集很多 tick 数据的价格而决定的它们的 open, high, low, close，这段时间可以是

• 一天
• 一小时
• 一分钟
• 一秒
• 包含 1000 笔交易的那段时间
• 包含成交 100 个合约的那段时间
• 包含成交 10000 美元的那段时间

收集 tick 数据而生成某些统计量的操作叫抽样 (sample)，这些统计量可以是这些 tick 数据的

• 起始值、最大值、最小值、终止值 (OHLC)
• 简单平均值 (下面要介绍的 TWAP)
• 成交量加权平均值 (下面要介绍的 VWAP)

上完本节后，你就会从大量「tick 级别」的高频数据，选出有代表性「bar 类型」的样本。你会彻底理解 tick 级别的高频数据和各种预处理技巧，以及从 tick 数据采样到 bar 数据的四种方法：等时采样、等笔采样、等量采样和等额采样。本贴即从零开始介绍如何实现上述四种采样方法，也介绍硬核量化交易工具包 mlfinlab 的实现方法。用到的数据包括：

• 比特币/美元永续掉期 tick 数据
• 标普 500 价值股 ETF tick 数据