股票数据API实战：用逐笔交易数据识别资金流信号

做量化分析这几年，我越来越觉得：股票数据API里最被低估的接口，就是当天逐笔交易数据。日线告诉你股价从哪涨到哪，分钟线告诉你涨跌的节奏，但真正决定一只股票明天是连板还是炸板的，往往藏在今天最后那几百笔逐笔成交里。这篇是这个系列的第03篇，专门聊怎么用股票数据接口api把某只股票某一天从开盘到收盘的每一笔成交拉下来，并且讲清楚字段含义、数据清洗、常见坑，以及如何从逐笔数据里算出一个能指导实盘的资金流信号。适合手里已经能拿到日线或分钟线、想把研究粒度往更细一层推进的量化新手和主观打板选手。

逐笔数据这个概念，光看名字很容易和分时成交混淆。简单说，分钟线是“按时间聚合的切片”，每根K线只是60秒内所有成交的统计结果；而逐笔数据是交易所撮合成交后吐出来的最小粒度记录——每一秒钟都可能有多笔成交，每一笔都有自己独立的成交价、成交量、成交方向和撮合时间。这是行情数据金字塔的塔尖。做高频、做日内T、做盘口异动监控的人，绕不开它；哪怕你做的是中低频，偶尔用它来复盘某一天的涨停板封板过程，也比单纯看分时图清晰十倍。

1. 逐笔交易数据到底是什么，做股票数据的人为什么绕不开它

1.1 逐笔成交与逐笔委托的区别：先分清楚这两样东西

刚开始接触逐笔数据的人，十有八九会在“成交”和“委托”之间犯迷糊。我们在行情软件里看到的“逐笔成交”，是交易所按照实际撮合成功的结果对外发布的记录，一条记录代表一笔已经成交的买卖，包含成交时间、成交价格、成交量，以及这笔成交是主动买还是主动卖。而“逐笔委托”是撤单之前的所有挂单行为，一条记录代表一次报单，包括申报价格和申报数量，但不代表一定会成交。

这两个数据源的用途完全不同。想分析主力资金的实际买入成本，看逐笔成交就够了；但如果你要做撤单率分析，或者研究“虚假封单”到底挂了多少又撤了多少，就必须看逐笔委托。很多第三方股票数据API平台会把这两个东西分开收费，因为数据量和维护成本不在一个量级。对绝大多数个人研究场景来说，先把逐笔成交吃透已经够你用很久了。

1.2 一分钟K线背后藏了多少细节：逐笔数据的不可替代性

我给你举一个特别直观的例子。某只股票在10:00到10:01这一分钟里成交了500万元，日线图上你只会看到这一分钟K线收了一根带长上影的阳线。但如果你把这一分钟拆成逐笔数据，会看到50笔小额卖出、3笔百万级的大单买入、以及价格在某个瞬间被一笔大单砸下去又迅速拉回来。同样是500万元成交，主力是在吸筹还是在出货，逐笔数据里体现得清清楚楚。

这就是逐笔数据不可替代的价值：它能帮你回答“价格为什么变”和“谁在推动价格变动”这两个问题。做波段的人可以依赖日线，但如果你做的是日内回转、涨停板接力、或者想要在收盘后验证“盘中那只大买单到底是真实资金还是对倒”，逐笔数据就是你手里唯一的照妖镜。也正因为如此，各大股票数据接口api平台几乎都把逐笔数据当成最核心的增值服务。

1.3 谁最需要当天逐笔数据，拿到手能用来干什么

按我的实际经验，真正高频使用当天逐笔数据的，大概有四类人：

• 量化研究员：做日内因子研究，比如计算“主买占比”“大单净流入”“开盘30分钟主动性买盘强度”等因子，这些指标全部依赖逐笔数据逐笔聚合。
• 短线打板客：复盘封板瞬间的单子结构，判断排板资金是真实抢筹还是虚假托单。
• 程序化交易者：盘中实时接收逐笔流，用队列模型判断盘口短暂失衡，做极短线的进出场。
• 数据工程师与算法工程师：为资金流监控、龙虎榜关联分析、异常交易行为识别等系统构建底层数据管道。

你不需要一开始就构思特别复杂的算法，先把你最关心的一只股票，某一天的逐笔数据拉下来，随便做点统计，你都会发现原来盘口背后藏着这么多肉眼看不到的规律。这篇博文就直接从数据获取讲起，把每一步怎么操作说透。

2. 数据源怎么选：从免费接口到专业终端的取舍

2.1 主流的股票逐笔数据获取渠道横向对比

市面上能拿到逐笔数据的渠道，大致可以分成三类：开源免费接口、半付费商业接口、专业行情终端。先说结论：没有任何一个渠道是完美且全免费的，因为逐笔数据本身就是交易所花钱买的，数据商不会做亏本买卖。

如果你是刚开始研究，我的建议是先用AkShare这类免费库跑通整个流程，确认自己的需求确实需要逐笔数据之后，再考虑开通商业接口。免费库最大的问题不是字段不够，而是稳定性和响应速度——盘中高峰期频繁拉取，非常容易被限流甚至封IP。做历史回测无所谓，做盘中实时监控就不够用了。

2.2 选择标准：先想清楚你是要历史还是要实时

不同场景对数据源的要求完全不同，这里一定要想明白自己的核心需求。

做历史复盘和因子研究，你需要的是一天的完整逐笔数据做离线分析，那么数据完整性和字段规范度排第一位，实时性根本不重要。收盘后慢慢拉都行。做盘中监控和实盘信号，你需要的是低延迟的逐笔流推送，那么普通HTTP轮询接口基本不合格，必须选支持WebSocket长连接或者高频轮询的专业股票数据API。

我自己是这么配置的：策略回测阶段用免费库或者商业接口的收盘后批量下载，把历史逐笔数据存到本地数据库；实盘阶段再用专业接口的实时流。两条路分开走，成本可控，也不会因为一个环节卡壳导致全盘崩溃。你别想着“一个接口搞定所有需求”，在逐笔数据这个领域，按需分级使用才是成熟做法。

2.3 权限门槛怎么看：积分、token、预约都是什么机制

商业平台普遍采用积分或权限管理，刚开始用会觉得繁琐，但背后有它的合理性。以那些需要累计积分的平台为例，基础日线接口可能1积分就能调，逐笔级别的接口可能需要2000积分以上，每一次拉取还消耗一定数量的积分。这个机制本质上是把昂贵的逐笔数据配额，分配给真正有持续需求的重度用户，同时拦住一次性薅数据的爬虫党。

实际使用中你只需要记住几件事：注册之后先完成实名认证，攒够基础积分；开通之前仔细查看接口文档里的“权限说明”，看清楚逐笔接口需要多少积分、单次最多可查多少天、每分钟最多调用多少次；如果数据量需求很大，很多平台支持“预约批量导出”，把任务提交给平台，处理完了再下载，比你自己一次性拉几千个文件舒服得多。这些细节文档里都有，但真的很多人没耐心看，结果调了半天全是权限错误，体验极差。

3. 当天逐笔交易数据的获取实操：以Tushare Pro为例

3.1 准备工作：安装依赖库、注册Token、检查权限

下面的操作示例以Tushare Pro为例，主要是因为它的逐笔数据字段规范、文档清晰，而且很多人在用。其他平台只是接口名不同，整体思路完全一致。

第一步，安装Python库并读取个人Token。登录平台后在个人主页找到Token字符串，这就是你调用股票数据API的钥匙。

python复制import tushare as ts
import pandas as pd

# 在官网的个人主页里找到你的token，替换成自己的
pro = ts.pro_api('你的token')

第二步，检查你的权限。推荐用“接口文档-积分要求”页面确认逐笔接口的权限状态，另外初始化之后可以快速拉一次空查询来验证。

python复制# 如果返回权限异常，说明积分不足
try:
    df = pro.stock_tick(ts_code='000001.SZ', trade_date='20250220')
    print(df.head())
except Exception as e:
    print('权限或参数错误:', e)

这里有一个很容易被忽略的细节：不同版本的tushare库，接口支持程度不一样。建议把tushare升级到最新版本，否则你可能在旧版本里找不到逐笔接口。

bash复制pip install -U tushare

3.2 核心参数解析：股票代码、交易日、分页参数一个都不能错

拉取当天逐笔数据，最核心的三个参数就是：股票代码、交易日期、分页参数。看起来很基础，但每个都有坑。

先看股票代码。A股代码必须带后缀区分交易所，000001.SZ是平安银行，600000.SH是浦发银行。只写000001不带后缀，接口会直接报错。再看交易日期，格式必须是YYYYMMDD，也就是八位纯数字，用2025-02-20这种带横杠的格式，很多平台解析不了。最后是分页参数，这一条最坑。逐笔数据一天少则几万条，多则几十万条，接口单次最多返回几千行，所以必须循环翻页拉取，把所有分页结果拼接成完整DataFrame。

我当时第一次拉数据时没做翻页，拿到前2000条就以为数据是全的，还用这部分数据写了一版资金流因子，回测结果诡异得不行，最后发现原因出在数据不完整。后来学乖了，任何一次逐笔数据拉取都默认写循环翻页，宁可多拉几个空页，绝不放过任何一页。

python复制def fetch_tick_all(pro, ts_code, trade_date):
    all_data = []
    offset = 0
    limit = 5000
    while True:
        df = pro.stock_tick(
            ts_code=ts_code,
            trade_date=trade_date,
            limit=limit,
            offset=offset
        )
        if df is None or df.empty:
            break
        all_data.append(df)
        offset += limit
        if len(df) < limit:
            break
    if not all_data:
        return pd.DataFrame()
    return pd.concat(all_data, ignore_index=True)

提示：不同平台接口名可能不一样，stock_tick只是Tushare的命名方式。你如果用别的平台，就换成平台文档里的逐笔接口名，翻页逻辑大同小异。

3.3 逐笔数据字段逐个拆解：从成交时间到买卖订单编号

拿到数据之后不要急着算信号，先把字段看懂。不同平台字段名略有差异，但核心信息都围绕下面这张表：

其中我最看重的是side / bs_flag这个字段，它代表了这笔成交是主动性买盘还是主动性卖盘。判断原则其实很简单：新进的买单如果与当前卖盘价格匹配，属于主动买，用B表示；新进的卖单如果与当前买盘价格匹配，属于主动卖，用S表示。主买主卖的累加差额，就是市场上常说的“资金净流入”的微观基础。

还有两个字段要提醒你们注意：第一，成交量单位是股不是手，1手等于100股，很多人在算金额时忘记乘100，算出来的成交额差两个数量级。第二，时间字段一般精确到毫秒，但有些平台会截断到秒，这对高频研究影响很大，买数据前先问清楚精度。

3.4 集合竞价和连续竞价的数据差异：别拿同一套逻辑套全天

A股一天的交易时段，并不是从头到尾都用同一种撮合规则。9:15到9:25是集合竞价阶段，其中9:20到9:25之间还不能撤单；9:30之后才是连续竞价。很多逐笔数据接口对竞价阶段的记录方式与连续竞价不一样，有的会把集合竞价成交合成一条总量记录，有的则完全舍弃竞价阶段的数据。

所以当你看到某只股票一天逐笔汇总的总成交量，比软件上显示的当日总成交量少一截，不必惊慌，很可能就是缺少了开盘集合竞价的量。做日内资金流统计时，我个人习惯单独把竞价阶段和大盘连续竞价阶段拆开处理，主买主卖这个指标本身不适用于集合竞价，因为竞价撮合没有传统意义上的主动吃单概念，计算出来的资金流没有参考意义。

4. 拿到原始逐笔数据后，怎么清洗和组织

4.1 时间戳解析、交易时段过滤必须放在第一步

接口返回的时间字段，不同平台格式五花八门。有的是'2025-02-20 09:30:00.123'这种完整字符串，有的直接给你一个Unix毫秒时间戳，还有的是'09:30:00.123'这种纯时间。数据清洗第一步，就是把它们统一转成方便计算的datetime格式。

python复制# 假设原始列叫time_str，格式为 09:30:00.123
df['dt'] = pd.to_datetime(df['time_str'], format='%H:%M:%S.%f')
df['trade_date'] = pd.to_datetime('2025-02-20')
df['ts'] = df['trade_date'] + df['dt'].dt.time.astype('timedelta64[ns]')

时间统一之后，紧接着做交易日时段过滤。正常连续竞价时段是上午9:30到11:30、下午13:00到15:00。有些接口会把盘前盘后的零散数据也推给你，或者把集合竞价片段混进来，这时候按时间范围过滤一次，能排除掉大量脏数据。

python复制df = df[
    ((df['ts'].dt.time >= pd.to_datetime('09:30:00').time()) & 
     (df['ts'].dt.time <= pd.to_datetime('11:30:00').time())) |
    ((df['ts'].dt.time >= pd.to_datetime('13:00:00').time()) & 
     (df['ts'].dt.time <= pd.to_datetime('15:00:00').time()))
]

如果你做的是数据管道的批量处理，建议把这一步封装成独立函数，因为几乎每一个后续分析场景都要复用。

4.2 主动买卖方向判定与大单阈值设置

上一节说过side / bs_flag字段直接给出了主买主卖方向，但有些数据源不提供这个字段，只提供成交价和买卖订单编号。你需要自己判断方向，方法也不难：如果一笔成交的成交价高于或等于当时买一价，倾向于判定为主动买；如果低于或等于卖一价，倾向于主动卖。判断时还需要当时的盘口快照，所以没有盘口数据时会比较麻烦。这也是我优先推荐直接买带方向字段的数据源的原因——省下的时间远超差价。

拿到方向字段之后，另一个关键设定是大单阈值。不同体量的股票，大单的标准完全不同。茅台的一天成交额几十亿，500万才算大单；一只日成交5000万的小盘股，100万已经是很重的单子了。所以不要用一个固定金额硬套所有股票，我常用的做法是：先算出该股过去20个交易日平均单笔成交额，把当前单笔成交额超过平均单笔金额5倍的定义为大单，再把超过50倍的认定为超大单。这样阈值随个股流动性自适应，比拍脑袋定100万要靠谱得多。

python复制avg_amount = df['amount'].mean()
df['large_flag'] = df['amount'] > avg_amount * 5
df['super_large_flag'] = df['amount'] > avg_amount * 50

4.3 数据落地：别把逐笔数据存在CSV里反复读

逐笔数据的量级一张CSV根本扛不住。一只常态成交的股票，一天下来几万条记录很常见，如果每天存一个CSV，一个月就是几十个文件，回测时要跨文件聚合，IO开销大到让人崩溃。我建议从第一天就把数据落到数据库里，MySQL和PostgreSQL都能用，但更推荐ClickHouse或DuckDB这类列式存储方案。DuckDB尤其适合个人研究，单机运行、无需服务端、直接读Parquet文件，查询速度吊打Pandas硬算。

我自己个人项目的存储方案是：按股票代码和交易日期分区的Parquet文件，再搭配DuckDB做查询聚合。每天收盘后自动拉取当天数据，写入当天分区，回测时用SQL直接跨大量日期做聚合，速度快并且代码量也少。这一套架构做到后面会非常省心。

sql复制-- DuckDB示例：计算某只股票某个月每日主买金额
SELECT 
    trade_date,
    SUM(CASE WHEN side = 'B' THEN amount ELSE 0 END) AS buy_amount,
    SUM(CASE WHEN side = 'S' THEN amount ELSE 0 END) AS sell_amount
FROM read_parquet('data/000001.SZ/*.parquet')
GROUP BY trade_date
ORDER BY trade_date;

5. 实操中最容易踩的5个坑（常见问题排查实录）

5.1 问题一：接口返回空数据，第一反应应该是查日期有没有复权干扰

逐笔数据本身不存在复权概念，因为它是盘口当时的真实成交价，不需要处理除权除息。所以当你拉取某一天的数据是空的，不要先怀疑自己代码写错了，先查一下当天是不是周末、节假日或者股票停牌。再有就是，权证、退市整理期、新股上市首日的行情记录规则也可能与常规股票不同，接口未收录实属正常。

排查空数据最快的办法，是拿同一天另一个数据源对比验证，比如日线接口。如果日线接口有数据而逐笔接口没有，多半是逐笔数据权限或覆盖范围的问题，及时联系数据商客服比你自己盲猜高效得多。有一次我研究某只次新股，发现上市前5天拉不到逐笔数据，后来才知道平台对次新股上市初期的数据收录有延迟，过两周再拉就全出来了。

5.2 问题二：数据量太大导致接口超时，分页数量和本地批量要配合

一只超级大盘股一天的逐笔记录能到30万行以上，如果单次接口限5000条，你需要拉60次才能拿全。频繁请求不仅耗时，还容易触发限流。解决办法有两个方向。第一是充分利用接口的批量能力，很多平台的逐笔接口支持一次请求指定多只股票，或者直接按整个交易日来批量导出，一天的数据一个文件搞定。第二是本地分批落库，每拉到几千条就写入数据库，不要全部攒在内存里。

我踩过的坑就是一口气把所有分页结果拼成一个大DataFrame再入库，结果几十万行数据直接耗尽内存，脚本崩溃在最后一步，前功尽弃。后来改成边拉边写，再也没有出现过内存爆炸的问题。

python复制# 边拉边存示例
for offset in range(0, 500000, 5000):
    df_page = pro.stock_tick(ts_code='600000.SH', trade_date='20250220',
                             limit=5000, offset=offset)
    if df_page is None or df_page.empty:
        break
    df_page.to_parquet(f'./tick_temp/offset_{offset}.parquet')

5.3 问题三：价格字段突然出现0.00或者成交价格离谱

正常情况下逐笔成交价不应该出现0。如果遇到0，多半是接口偶尔返回的异常占位记录，或者盘口瞬间停牌恢复时的系统异常单。处理方式是直接过滤掉price<=0的记录，这种数据量占比极低，剔除后对统计结果毫无影响。

另外一种离谱情况是成交价明显偏离当日涨跌停价格区间，比如一只跌停价10元的股票，逐笔里冒出一笔成交价9.8元。这种八成是数据源跨市场串包或者解析错位，排查思路是先看看成交时间前后的记录是否连续，再和分时数据对比，确认异常后把这一小段数据剔除。千万别把这当成什么“漏网之鱼”的事件驱动机会，数据源脏的概率远大于市场真的按错误价格成交。

5.4 问题四：上证和深证的字段格式不一致

上交所和深交所的逐笔数据发布规则本来就不同，导致很多平台接口的字段细节也不一致。比如某些平台对主动买卖方向字段，上交所股票返回B/S，深交所股票返回2/4或者buy/sell。字段命名、时间精度、单笔成交量单位都可能存在差异。如果你同时研究沪深两市的股票，一定要在代码里做交易所适配，不要想当然认为两边的字段完全一样。

我最开始写数据清洗函数时只按上交所的规则处理，结果深交所所有记录的方向字段全是空值，后来逐字段核对了接口文档才发现问题。从那以后，我清洗脚本的第一步永远是先判断股票代码后缀，再走对应的清洗逻辑。

5.5 问题五：盘中数据拉二三次结果不一样

盘中实时拉逐笔数据，每次都只能看到“截至当前时刻”的增量数据；收盘后再拉，数据才是完整的。这导致你在盘中统计的主力净流入，和收盘后统计的数字往往差很多，容易让人对自己的策略产生怀疑。这不是接口错了，而是逐笔数据天然就是增量更新的。

解决方法是给每次拉取的数据加上一个快照时间戳，盘中统计时只做“暂定信号”，收盘后用全量数据重新确认。对于做中低频的人，我甚至建议只看收盘后的逐笔数据，盘中用实时数据折腾自己纯属自找麻烦。

6. 从逐笔数据到可用的策略信号：一个简单的资金流计算案例

6.1 用主买主卖差额计算这一天的真实多空力量

把逐笔数据清洗干净之后，第一个最值得算的指标就是主买主卖净额。这个概念翻译成白话就是：今天所有主动出高价买股票的钱，减去所有主动压价卖股票的钱，差额为正说明主动性买盘更强，差额为负说明主动性卖盘更强。

在Python里实现这个逻辑非常简单，但实际应用时，我最建议关注的是尾盘最后30分钟的主买占比。因为A股当天收盘前的多空对决，往往决定了第二天集合竞价的市场预期。尾盘30分钟主买占比明显放大的股票，次日高开的概率会显著提升，这是我复盘了大量涨停板之后总结出的规律，大家可以用自己的逐笔数据验证一下。

python复制# 计算某一天的分时段主买净额
df['period'] = 'morning'
df.loc[df['ts'] >= '2025-02-20 14:30:00', 'period'] = 'tail'

result = df.groupby('period').apply(
    lambda x: (x.loc[x['side'] == 'B', 'amount'].sum() - 
               x.loc[x['side'] == 'S', 'amount'].sum())
)
print(result)

6.2 大单方向与价格变动的配合：识别真正的拉升意图

只有主买主卖总额还不够，因为大单的方向往往比总量更能说明问题。实际操作中，我是这样设计逻辑的：先定义大单阈值，然后计算大单主动买入金额占比，最后结合同时间段的股价涨幅来判断拉升的“质量”。

举个例子：某只股票全天上涨3%，同时大单主买金额占比超过60%，说明上涨主要由大资金主动推动，这种上涨的持续性通常较好，后续回调时也更容易出现承接。反过来，如果股价上涨3%，但大单主卖金额大于主买金额，说明上涨是靠中小单堆上去的，大资金正在借机出货。这种背离信号，不看逐笔数据根本发现不了，日线级别完全无法感知。

6.3 逐笔数据与分钟线、日线数据的联动：一句话总结我的用法

最后分享一个我在实际盘面中反复验证过的联动思路：用日线选股，用分钟线择时，用逐笔数据做最终验证。具体操作是，先靠日线找到近期有明显放量和强势形态的股票，再用分钟线定位出日内关键支撑位，最后打开该股当天的逐笔数据，确认支撑位附近是否有连续的大单主动买入托盘。三者逻辑一致时再动手，胜率就高很多。

我自己之前吃过一次亏，一只股票盘口看着有大单在买，分时线也在拉升，按日线形态果断追进去，结果当天就被砸了。收盘后复盘逐笔数据才发现，盘口那几笔大单是反复挂撤制造出来的假象，真正的统计结果是大单净流出。从那以后，逐笔数据成了我复盘流程里必不可少的一环，宁可慢一步，也要等数据说话。逐笔数据不会骗人，但你的盘感和情绪会，这就是数据研究最实在的一点价值。