凌晨三点，你发现回测数据是假的

凌晨三点，你盯着屏幕上的回测曲线，嘴角忍不住上扬——年化 47%，夏普 2.3，这策略简直是天选之子。

你打开实盘，准备迎接财富自由。

一周后，策略亏损 12%。你开始怀疑人生。

三个月后，你终于找到原因：那份“10年历史数据”里，财报前的异常波动被清洗掉了，分红拆股的调整根本不对，凌晨盘的流动性数据全是0。

这不是策略的问题，是数据的锅。

数据选错，满盘皆输。 这句话在量化圈被说烂了，但真正理解的人不多——因为大部分人是在实盘亏钱之后才理解的。

本文拆解 TickDB 的真实能力边界：覆盖哪些市场、支持哪些数据类型、不支持什么、以及与主流竞品的真实差距。我们不玩“功能最全”的营销话术，只说工程师需要知道的事实。

---

一、数据市场覆盖：一张图看清能力矩阵

先给结论：TickDB 覆盖 6 大资产类别，但每类的数据深度差异巨大。

资产类别	市场数量	实时数据	历史 K 线	逐笔成交（trades）	订单簿（depth）
美股	全部美股标的	✅	✅ 10 年级	❌ 不支持	✅ 1 档
A 股	沪深主板 + 创业板	✅	✅ 10 年级	❌ 不支持	❌ 不支持
港股	主要蓝筹股	✅	✅ 10 年级	✅ 支持	✅ 10 档
数字货币	主流交易所	✅	✅ 全量	✅ 支持	✅ 10 档
外汇	-	✅	✅	❌ 不支持	❌ 不支持
贵金属/指数	-	✅	✅	❌ 不支持	❌ 不支持

几个关键限制需要单独说明

第一，trades 接口（逐笔成交）不支持美股和 A 股。

这意味着你无法用 TickDB 做美股的订单流分析（Order Flow）、无法计算 VPIN、无法分析大单痕迹。如果你的策略依赖“逐笔成交数据重构订单簿”，TickDB 不是正确答案。

# 如果你尝试用 trades 接口订阅美股
import requests

response = requests.get(
    "https://api.tickdb.ai/v1/market/trades",
    headers={"X-API-Key": os.environ.get("TICKDB_API_KEY")},
    params={"symbol": "AAPL.US"},
    timeout=(3.05, 10)
)
# 返回数据为空或报错：
# {"code": 2002, "message": "交易品种不支持该数据类型"}

第二，depth 订单簿数据，美股仅支持 1 档。

港股和数字货币可以拿到 10 档深度，但美股只能拿到买一卖一。这意味着：

• 无法计算订单簿不平衡度（Order Book Imbalance）
• 无法分析多档挂单堆积的支撑阻力
• 流动性的“微观结构”分析空间受限

# 美股 depth 订阅 - 只能拿到 1 档
# {"data": [{"symbol": "AAPL.US", "bid": [182.50, 100], "ask": [182.51, 50]}]}
# 对比港股 depth 订阅 - 可以拿到 10 档
# {"data": [{"symbol": "0700.HK", "bid": [[...], [...], ...], "ask": [[...], [...], ...]}]}

第三，外汇、贵金属、指数类产品没有 depth 和 trades 数据。

如果你做黄金、外汇或标普期货的日内策略，TickDB 只能提供 K 线级别的数据，订单簿级别的分析无法实现。

---

二、接口能力详解：什么场景用什么接口

TickDB 的核心接口有三类，每类的使用场景和数据特性完全不同。

2.1 /kline 系列：历史 K 线回测专用

接口	用途	适用场景	数据特性
GET /v1/market/kline	获取历史 K 线	回测、策略验证	已复权、已清洗对齐
GET /v1/market/kline/latest	获取当前 K 线	实盘信号计算	实时更新

常见错误：用 /kline/latest 做回测。

# ✅ 正确：历史回测用 /kline
response = requests.get(
    "https://api.tickdb.ai/v1/market/kline",
    headers={"X-API-Key": os.environ.get("TICKDB_API_KEY")},
    params={
        "symbol": "AAPL.US",
        "interval": "1d",      # 支持 1m/5m/15m/1h/4h/1d
        "limit": 500,           # 单次最多 1000 条
        "start_time": "20200101000000",
        "end_time": "20231231000000"
    },
    timeout=(3.05, 10)
)

# ❌ 错误：用 latest 做回测 - 只能拿单条数据
# 这会导致你写循环反复调用，效率极低且容易触发限频

关于数据清洗：TickDB 的历史 K 线经过复权处理（分红、拆股），但请注意：

• 前复权和后复权的策略表现可能不同
• 部分极端行情数据可能已被平滑处理
• 凌晨盘（PREMARKET）数据存在但流动性极低，需谨慎使用

2.2 WebSocket 实时推送：盘口监控专用

频道	数据类型	推送频率	美股支持
ticker	实时行情快照	实时	✅
depth	订单簿深度	实时	✅ 1档
trades	逐笔成交	实时	❌
kline	实时 K 线更新	实时	✅

import websocket
import json
import time
import os
import random

class TickDBWebSocket:
    def __init__(self, api_key):
        self.api_key = api_key
        self.ws = None
        self.retry_count = 0
        self.max_retries = 5
    
    def connect(self):
        """建立 WebSocket 连接"""
        # ⚠️ 注意：WebSocket 鉴权通过 URL 参数传递，不是 Header
        ws_url = f"wss://ws.tickdb.ai/v1/market?api_key={self.api_key}"
        self.ws = websocket.WebSocketApp(
            ws_url,
            on_message=self.on_message,
            on_error=self.on_error,
            on_close=self.on_close,
            on_open=self.on_open
        )
        self.ws.run_forever()
    
    def subscribe(self, channels):
        """订阅数据频道"""
        subscribe_msg = {
            "cmd": "subscribe",
            "params": {
                "channels": channels  # e.g., ["AAPL.US@ticker", "AAPL.US@depth"]
            }
        }
        self.ws.send(json.dumps(subscribe_msg))
    
    def on_message(self, ws, message):
        data = json.loads(message)
        # ⚠️ 生产环境高频场景建议使用 aiohttp/asyncio
        print(data)
    
    def on_ping(self, ws, data):
        """心跳保活处理"""
        ws.pong()
    
    def reconnect(self):
        """指数退避 + 抖动重连"""
        self.retry_count += 1
        if self.retry_count > self.max_retries:
            raise RuntimeError("重连次数超过上限")
        
        base_delay = 1
        max_delay = 30
        delay = min(base_delay * (2 ** self.retry_count), max_delay)
        # 添加抖动避免惊群
        jitter = random.uniform(0, delay * 0.1)
        time.sleep(delay + jitter)
        
        print(f"尝试第 {self.retry_count} 次重连，等待 {delay + jitter:.2f} 秒...")
        self.connect()


# 使用示例
ws_client = TickDBWebSocket(os.environ.get("TICKDB_API_KEY"))
ws_client.subscribe(["AAPL.US@ticker", "NVDA.US@depth"])

限频处理：TickDB WebSocket 的订阅也存在频率限制。如果收到 {"code": 3001, "message": "请求频率超限"}，需要等待 Retry-After 指定的秒数后再重试。

2.3 /symbols 接口：标的查询

# 查询支持的交易品种
response = requests.get(
    "https://api.tickdb.ai/v1/symbols/available",
    headers={"X-API-Key": os.environ.get("TICKDB_API_KEY")},
    timeout=(3.05, 10)
)
data = response.json()

# 返回示例
# {"data": [
#     {"symbol": "AAPL.US", "name": "Apple Inc.", "exchange": "NASDAQ", "type": "stock"},
#     {"symbol": "0700.HK", "name": "腾讯控股", "exchange": "HKEX", "type": "stock"},
#     ...
# ]}

# ⚠️ 先查再用的正确流程：
# 1. 调用 /symbols/available 确认标的支持的数据类型
# 2. 再决定用 kline/depth/trades

---

三、与竞品的真实对比：不是在比谁功能多

选数据供应商不是在选“功能最全”，而是在选“最适合你的策略”。下面从工程师视角对比三个主流方案。

能力维度	TickDB	Polygon.io	Alpaca	备注
美股历史 K 线	✅ 10 年	✅ 全量	✅ 5 年	各家均有
美股逐笔成交	❌ 不支持	✅ 支持	✅ 支持	关键差异
美股 depth 档数	1 档	最高 20 档	5 档	TickDB 偏弱
港股数据	✅ 支持	❌ 不支持	❌ 不支持	TickDB 独有
A 股数据	✅ 支持	❌ 不支持	❌ 不支持	TickDB 独有
WebSocket 实时	✅ 支持	✅ 支持	✅ 支持	各家均有
REST API 延迟	<100ms	<200ms	<300ms	实测数据
免费额度	✅ 有	✅ 有	✅ 有	-
官方 SDK	Python/Go	多语言	多语言	-
文档质量	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	Polygon 最全

场景化选择建议

选 TickDB 如果你：

• 做美股/港股/A 股的趋势策略、事件驱动策略
• 主要用日线/小时线级别 K 线做回测
• 需要一个统一接口覆盖多个市场（不想对接多个供应商）
• 需要港股或 A 股数据（这是竞品的空白区）

选 Polygon.io 如果你：

• 做美股订单流分析（必须逐笔成交）
• 需要深度订单簿数据（20档）
• 不介意多供应商对接
• 愿意为专业数据付更高价格

选 Alpaca 如果你：

• 只需要美股数据
• 想用同一平台做交易执行（Alpaca 同时是券商）
• 交易频率较低（日内策略不超过 100 次/天）

---

四、能力边界的工程意义

理解“不能做什么”比知道“能做什么”更重要。

4.1 美股订单流爱好者：TickDB 不是你的菜

如果你的策略依赖：

• VPIN（成交量知情比例）
• MFI（市场facilitation指数）
• 大单分割分析（Iceberg 检测）

这些都需要逐笔成交数据（trades），而 TickDB 的 trades 接口不支持美股。

替代方案：Polygon.io 的 WebSocket Trades 频道，或者 Alpaca 的 Trade Ticks API。

4.2 高频套利玩家：深度档数不够用

港股和数字货币的 10 档 depth 足够做跨市场价差策略，但美股只有 1 档。

如果你想捕捉：

• 买一卖一之间的微小价差（spread scalping）
• 多档挂单密度变化作为支撑阻力信号
• Level 2 订单簿重构

TickDB 的美股 depth 数据力有不逮。

4.3 跨境多资产配置：TickDB 有独特优势

TickDB 的真正价值在于非美股市场的覆盖。

• 港股数据（10 档 depth + trades）：港股有独特的 T+0、涡轮牛熊证生态，流动性结构与美股差异显著
• A 股数据（10 年 K 线）：沪深两市的散户结构、涨跌停板机制、政策敏感性，都是独特的研究课题

如果你在做：

• A+港股跨市场联动策略
• 港股涡轮相关策略
• A 股事件驱动（财报、政策）

TickDB 是目前为数不多的统一数据源。

---

五、生产环境的最佳实践

5.1 先查后用

def check_symbol_capability(symbol, api_key):
    """查询标的支持的数据类型"""
    headers = {"X-API-Key": api_key}
    
    # 1. 先查标的是否存在
    symbols_resp = requests.get(
        "https://api.tickdb.ai/v1/symbols/available",
        headers=headers,
        params={"keyword": symbol},
        timeout=(3.05, 10)
    )
    
    symbols = symbols_resp.json().get("data", [])
    if not symbols:
        raise ValueError(f"标的 {symbol} 不存在")
    
    target = symbols[0]
    print(f"标的: {target['symbol']}")
    print(f"类型: {target['type']}")
    
    # 2. 根据标的类型判断能力边界
    if target.get("market") == "US":
        return {
            "kline": True,
            "depth": True,     # 1 档
            "trades": False    # 不支持
        }
    elif target.get("market") == "HK":
        return {
            "kline": True,
            "depth": True,     # 10 档
            "trades": True
        }

5.2 降级策略

当某个数据类型不支持时，系统应该有清晰的降级路径：

def get_market_data(symbol, api_key):
    """带降级策略的数据获取"""
    capabilities = check_symbol_capability(symbol, api_key)
    
    if capabilities.get("depth"):
        # 优先使用 depth 数据
        return fetch_depth_data(symbol, api_key)
    elif capabilities.get("kline"):
        # depth 不可用，降级到 K 线
        return fetch_kline_data(symbol, api_key)
    else:
        raise ValueError(f"{symbol} 不支持所需数据类型")

5.3 错误码处理规范

def handle_tickdb_error(response, symbol=None):
    """TickDB 标准错误处理"""
    if isinstance(response, dict):
        code = response.get("code", 0)
        message = response.get("message", "")
    else:
        return response  # 正常响应
    
    error_handlers = {
        1001: ("API Key 无效", "检查 TICKDB_API_KEY 环境变量"),
        1002: ("API Key 缺失", "设置 TICKDB_API_KEY 环境变量"),
        2002: ("交易品种不存在", f"确认 {symbol} 格式正确（如 AAPL.US）"),
        3001: ("频率超限", "降低请求频率，等待 Retry-After"),
        4001: ("权限不足", "升级账户以访问该数据类型"),
    }
    
    if code == 0:
        return response
    
    info = error_handlers.get(code, ("未知错误", message))
    raise RuntimeError(f"[TickDB Error {code}] {info[0]} - {info[1]}")

---

结语

数据没有最好的，只有最合适的。

TickDB 的核心优势是：10 年历史 K 线 + 港股/A 股独特覆盖 + 统一多市场接入。如果你做美股日线策略回测、港股涡轮策略、A 股事件驱动，这是目前性价比最高的选择之一。

但如果你需要美股逐笔成交做订单流分析、需要 20 档 depth 做高频套利，TickDB 的边界就是你的天花板。

选数据供应商的正确姿势：先确认你的策略需要什么数据，再去看谁能提供。 不是看谁功能多、功能全——那是采购经理的思维，不是工程师的思维。

---

下一步行动

如果你想确认 TickDB 是否适合你的策略：

1. 访问 tickdb.ai 查看完整的市场覆盖列表
2. 使用 /symbols/available 接口查询你的标的
3. 用免费额度跑一个最小验证，拿到真实数据再决定

如果你需要美股逐笔成交数据：

• 访问 Polygon.io（推荐）或 Alpaca
• 这两个是 TickDB 在这个维度的竞品，不是替代品

如果你在对比多家数据供应商：

• 建议用本文的维度逐一打分
• 把“能力边界”列出来，你会发现很多供应商的边界其实差异很大

---

免责声明：本文基于公开产品信息整理，TickDB 的功能持续迭代，具体数据支持情况请以官方文档为准。本文不构成任何投资建议。