A股历史Level-2数据集

沪深Level-2原始行情数据集，包含十档盘口快照、逐笔委托和逐笔成交事件，按交易日打包，覆盖2017年至今，支持按需提取。Shanghai and Shenzhen Level-2 Raw Market Data Dataset contains ten-level order book snapshots, order-by-order submission events and trade-by-trade execution events. It is packaged by trading day, covers the period from 2017 to the present, and supports on-demand extraction.

原始信息汇总

A股 Level-2 逐笔十档行情数据集

一、数据集概述

• 名称：10档逐笔 Tick L2 · A股逐笔十档行情 · 逐笔委托 · 逐笔成交
• 内容：沪深 Level-2 原始行情，包含十档盘口快照、逐笔成交、逐笔委托
• 组织方式：按交易日以 7z 打包
• 数据格式：CSV
• 原始编码：GB18030
• 压缩态体量：2017 至今约 4.95 TB / 2,361 个交易日；2025 全年约 869 GB

二、数据表结构

数据文件	核心内容	时间/频率	典型用途
行情.csv	买一～买十、卖一～卖十及挂单量，成交价量额、开高低前收等	连续竞价约 3 秒一笔	十档盘口、订单簿深度、盘中复盘、特征工程
逐笔委托.csv	委托时间、委托号、买卖代码、委托价格、委托数量等	一笔一条，时间实际精度 10 ms	委托流、挂单行为、委托簿重建
逐笔成交.csv	成交时间、成交号、成交价格、成交数量、买卖相关序号等	一笔一条，时间实际精度 10 ms	成交流、逐笔复盘、委托/成交关联

三、真实样本

1. 产品典型实测：600519.SH · 2026-06-12

表	实测记录数	列数
十档行情快照	4,998	66
逐笔成交	39,738	12
逐笔委托	85,278	10

2. 本地商品目录真实文件：159934.SZ · 2026-07-10

文件	真实行数	原文件大小	主要字段数
行情.csv	4,835	约 1.75 MB	66
逐笔委托.csv	53,996	约 3.27 MB	10
逐笔成交.csv	64,132	约 4.35 MB	12

3. 公开样本文件

• 行情.sample.csv
• 逐笔委托.sample.csv
• 逐笔成交.sample.csv
• 字段说明
• 真实样本说明
• 数据口径与 FAQ

四、数据覆盖

项目	当前产品口径
年份	2017 ～ 至今
市场	沪深两市 Level-2 原始行情
当日覆盖实测	2026-06-12：7,744 只标的
交付表	3 张：行情 / 逐笔成交 / 逐笔委托
组织方式	一个交易日一个 7z 包，包内按股票分目录，每只 3 个 CSV
原始编码	GB18030
2025 全年压缩态	约 869 GB
2017 至今压缩态	约 4.95 TB / 2,361 个交易日

深市 2017 年起三张表均有；沪市逐笔委托从 2021-07-26 起提供，此前沪市只有十档快照和逐笔成交。

五、关键数据口径

口径	说明
价格单位	整数 / 10000 = 元，例如 12790000 = 1279.00 元
逐笔时间	HHMMSSmmm，实际精度 10 ms，末位为 0
十档快照	连续竞价约 3 秒一笔；不是逐事件更新
集合竞价	09:15 开始记录，开盘和收盘竞价都包含
沪市撤单	逐笔委托表，委托类型 = D
深市撤单	逐笔成交表，成交代码 = C
CSV 编码	GB18030，表头末尾还有一个空字段
特殊字段	IOPV 主要用于基金；指数统计字段普通股票通常为 0

六、按需提取工具

• 工具名称：网盘压缩包提取器 v1.1.0
• 功能：针对百度网盘在线压缩包按需提取，无需先下载整包

可提取条件

• 日期
• 股票代码
• 文件名（行情.csv / 逐笔委托.csv / 逐笔成交.csv）
• 多条规则批量执行
• Excel 模板批量导入

目录结构示例

text /逐笔十档tick数据(17-23)/ └─ 2017/ └─ 201706/ └─ 20170619.7z └─ 20170619/ ├─ 000001.SZ/ │ ├─ 行情.csv │ ├─ 逐笔委托.csv │ └─ 逐笔成交.csv └─ ...

典型提取规则

text 日期：20170619 股票匹配：精确 股票代码：000001 文件匹配：精确 文件名：行情.csv

17-23 是历史目录名称，不代表数据只到 2023；最新范围以网盘实际目录为准。

七、AI + MCP 应用方案

现有“按日期 + 股票 + 文件类型提取”能力可封装为 MCP 工具，让 AI 直接调用历史数据提取能力。

自然语言示例

text 我要 2024-05-20 的 000001 十档行情。

text 帮我提取 2023-12-08 的 600519 逐笔成交。

text 给我 2024-06-18 的 300750 逐笔委托。

理想流程

自然语言需求 → AI 解析 → 日期 / 证券 / 数据类型 → MCP 提取工具 → 网盘在线压缩包 → 目标 CSV → 继续分析 / 回测 / 复盘

本仓库展示的是 MCP 可扩展应用方案，并没有把 MCP 服务伪装成已经交付的现成功能。当前公开内容仍以历史数据产品与配套按需提取工具为主。

八、适用场景

• A 股盘口 / 订单流 / 市场微观结构研究
• 十档盘口和高频特征构建
• 逐笔委托 / 逐笔成交历史复盘
• 量化研究、回测、机器学习样本整理
• 某个交易日、某只证券的盘中细节追溯
• AI 数据工作流：按自然语言意图提取，再继续分析

九、联系与获取

• QQ：2565473796
• 公众号：代码炒家阿凯
• 添加 QQ 时请注明来意，例如：十档行情 / GitHub / 数据咨询

十、仓库边界

• 本仓库用于产品介绍、字段展示、少量样本预览和工具使用说明
• 不公开全量历史数据、数据生产/采集/清洗核心逻辑、算法、内部脚本、账号、激活信息、凭据或其他敏感配置
• 本产品主要用于数据研究、程序开发、量化学习与历史复盘，不构成任何投资建议，也不承诺任何收益

搜集汇总

数据集介绍

构建方式

该数据集以沪深两市Level-2原始行情为数据源，按交易日将当日全市场标的的逐笔数据打包为7z压缩文件，包内以股票代码为目录组织，每只标的包含行情、逐笔委托、逐笔成交三张CSV表。数据自2017年起持续积累，逐笔时间字段精确至10毫秒，价格以整数万分之一元为单位记录。深市三表自2017年起完整覆盖，沪市逐笔委托则自2021年7月26日起提供，此前仅有十档快照与逐笔成交。原始文件采用GB18030编码，经实际读取统计后形成当前压缩态约4.95TB、覆盖2361个交易日的规模。

特点

该数据集的核心特征在于将十档盘口快照、逐笔委托事件与逐笔成交事件分离存储，而非单一分钟线或普通五档快照。行情表连续竞价时段约3秒一笔，涵盖买卖十档深度及成交价量额；逐笔委托与逐笔成交均为事件流，一笔一条，可支持委托簿重建与订单流下钻分析。数据覆盖沪深两市全部标的，2017年至今按日归档，2025年全年压缩态约869GB。价格字段统一为整数万分之一元，逐笔时间实际精度10毫秒，集合竞价自09:15开始记录，并区分沪市撤单与深市撤单的不同表内标识。

使用方法

使用者可通过配套的网盘压缩包提取器按日期、股票代码、文件名等条件在线提取目标CSV，无需下载整包数据，并支持多条规则批量执行与Excel模板导入。提取后的行情、逐笔委托、逐笔成交三表可分别用于十档盘口复盘、订单流研究及委托簿重建。该数据提取能力亦可封装为MCP工具，使AI能够解析自然语言需求并自动完成日期、证券与数据类型的提取流程。提取所得数据适用于市场微观结构研究、高频特征构建、量化回测及机器学习样本整理等场景。

背景与挑战

背景概述

A股历史Level-2数据集由独立数据研究者构建，可追溯至2017年，覆盖沪深两市全部标的，完整留存十档盘口快照、逐笔委托与逐笔成交三类原始行情。其核心研究问题在于突破公开行情仅含五档快照的局限，为市场微观结构、订单流与高频交易研究提供毫秒级事件级微观数据。数据集按交易日以7z压缩交付，体量约4.95TB，已成为量化回测与AI数据工作流的重要基础设施，对推动A股微观实证研究具有显著价值。

当前挑战

该数据集所对应的领域问题在于如何在高频维度上精确刻画订单簿动态与交易者行为，其难点源自A股市场独特的机制设计，如沪市逐笔委托自2021年方始提供、沪深两市撤单记录分属不同表且字段口径差异显著。构建过程中，原始数据编码为GB18030，表头含冗余空字段，价格以万分之一元整数存储，逐笔事件时间精度仅10毫秒，海量CSV需按证券拆分且保持时序一致，并须在有限存储与算力下完成长期历史数据的高效压缩、提取与回放，以保证委托簿重建的准确性与可复现性。

常用场景

经典使用场景

在金融市场微观结构研究与量化投资实践中，该数据集最为经典的使用场景在于高保真回放与订单簿重建。研究者借助十档盘口快照、逐笔委托与逐笔成交三条事件流，可在毫秒级时间粒度上还原特定证券在连续竞价阶段的限价订单簿演化过程，进而刻画流动性供给与需求的动态博弈。逐笔委托与逐笔成交分别承载挂单意图与撮合结果，配合约三秒一笔的十档快照，为盘口深度、价差结构、订单流不平衡等微观指标的计算提供了原始素材，成为高频交易策略回测与市场质量评估的基础数据底座。

衍生相关工作

围绕该数据集，衍生出一系列与订单流分析和微观结构建模相关的研究与实践工作。基于逐笔委托与逐笔成交的关联，研究者发展了订单簿重建算法与买卖压力指标，用于刻画短期价格动态；依托十档盘口快照，衍生出盘口深度演化、流动性度量与市场冲击成本估计等分析框架。配套的按需提取工具与MCP应用方案，也催生了面向自然语言交互的数据检索与自动化研究工作流，为高频数据在机器学习样本整理、盘中复盘及AI辅助分析等方向的延伸应用提供了参考范式。

数据集最近研究

最新研究方向

在A股市场微观结构与订单流研究持续深化的背景下，该数据集凭借十档盘口快照、逐笔委托与逐笔成交三流分离的精细架构，正推动市场微观结构、订单流不平衡与高频因子挖掘等前沿方向的发展。基于委托簿重建与事件流关联的研究，可支撑流动性度量、知情交易概率估计及最优执行策略的实证检验，为量化回测与机器学习样本构建提供高保真基础。伴随高频数据体量激增，按需提取与AI/MCP自然语言调用方案成为降低研究门槛的重要趋势，有望拓展至实时风控与市场质量监测等应用场景。