行情数据的频率：日线、分钟线、Tick各是什么？
我的掌握程度：
先掌握这个答案
频率阶梯：①日线（Daily）：每天一根K线（OHLCV），全市场一年约几万行，笔记本轻松处理——适合选股、多因子研究；②分钟线：每天240根，体量×240，适合日内择时、日内因子；③快照Tick：每3秒一档全市场快照，一年数GB-数十GB；④逐笔（L2）：每笔委托与成交，一年TB级——高频与微观结构研究专用，数据费昂贵。
先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。
从理解到使用
先固定IC的实验口径
明确股票池、信号可得时点、预测持有期、相关方法及权重。IC阈值不能跨研究直接套用；重叠标签导致序列相关，ICIR或t值不能无条件按独立样本解释。最终还要检验成本、换手与容量。
本阶段实战方法 · 把行情数字变成可比较的收益
看股票、基金或策略业绩时，先对齐本金、起止日期、现金流与费用。
- 选一个固定区间，记录期初价值、期末价值、分红、出入金和交易费用。
- 没有中途出入金时，用（期末价值＋已取出分红－期初价值－费用）÷期初价值计算收益；有出入金时先区分时间加权与资金加权。
- 用相同区间的基准作比较，同时记录最大亏损；不要单凭一次盈利评价能力。
使用边界
- 不同期限的收益不可直接排名；年化只是换算，不是未来收益承诺。
- 模拟价格不是实时行情。普通股票交易手数、T+1和费用应按具体市场规则核对。
背景 · 从一个困惑说起
q-010的量化工厂从数据车间开工。同样是「行情」，颗粒度天差地别：日线一天一条（睡觉时市场也记录着），tick级一天几百万条（记录每次挂单撤单的心跳）。
由此产生的问题
各频率数据的形态、体量和适用场景分别是什么？为什么个人研究者从日线起步最合理？
核心概念
频率阶梯：①日线（Daily）：每天一根K线（OHLCV），全市场一年约几万行，笔记本轻松处理——适合选股、多因子研究；②分钟线：每天240根，体量×240，适合日内择时、日内因子；③快照Tick：每3秒一档全市场快照，一年数GB-数十GB；④逐笔（L2）：每笔委托与成交，一年TB级——高频与微观结构研究专用，数据费昂贵。
为什么需要它
①频率决定策略类型：日线策略容量大、成本低，是个人与机构的共同主战场；②体量决定技术栈：日线用pandas+parquet够了，TB级需要分块/数据库/工程能力；③信息与噪声同增：高频数据信息多但噪声更多，且Alpha半衰期极短、竞争极烈（拼速度拼硬件）。
实际应用场景
学习路线映射：阶段4-6全程日线；阶段7碰分钟数据（日内波动率）；阶段8的高频因子低频化（用tick造日频因子）——先立业再扩张。本课程的毕业项目全部基于日线完成。
与之前知识的联系
q-034的K线是所有频率的统一形态（ OHLC），变的只是时间粒度。下一题拆开日线那一行，看每个字段。
⚠ 常见误解
- 高频数据=更高级：频率匹配策略才有意义；日线策略拿tick是拿显微镜看天气预报
- 个人也应该搞tick级：数据贵、存储重、Alpha短、对手是机构机房——性价比极低
- 分钟线就是tick平均：分钟线由tick聚合，但丢失了盘口与逐笔顺序信息（微观结构的灵魂）
🛠 本题实践任务
分别下载贵州茅台的日线和5分钟线（各最近100条），对比行数与字段。估算：全市场5000只股票一年的两种数据各多少行？
💡 提示（先自己想5分钟再看）
日线：5000×243≈120万行/年；5分钟线×48≈5800万行/年。
✅ 验收标准
两个行数估算+一句话：如果研究月频选股策略，哪种频率够用？为什么？
在你的浏览器内运行。首次需联网下载 Python；支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词，不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识（量化工作流、K线），再用案例、公式和代码帮助理解。此功能需要先启用服务。