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。