高頻度データ分析 — ティックレベルの市場データ処理

暗号資産における高頻度取引はミリ秒/マイクロ秒の時間スケールで行われます。1日数百万のティックを処理し、バースト的なデータフローを扱い、マイクロストラクチャのシグナルを抽出することが、プロのトレーダーとそれ以外を分けます。このガイドでは、Smart Money APIの5分更新サイクルを支えるティックレベルのデータ管理とリアルタイム分析について説明します。

重要な洞察: クジラは市場を瞬時に動かしません。彼らのブロック取引は、オーダーブックの不均衡、ビッドアスクスプレッド、テイカーボリューム比率に検出可能なシグナルを作り出します。Smart Money APIはこれらのシグナルをリアルタイムで捕捉します。

ティックデータの収集と保存

データソース

暗号資産の場合、ティックデータは以下のソースから取得されます:

Parquetを使用した効率的なティックデータ保存

高速クエリのために圧縮されたカラムナーデータを保存:

Python — ティックデータパイプライン
import pandas as pd
import pyarrow.parquet as pq
# リアルタイムティックバッファ (1時間蓄積して保存)
tick_buffer = []
def on_tick(exchange, symbol, price, size, side, timestamp):
tick_buffer.append({
"timestamp": timestamp,
"exchange": exchange,
"symbol": symbol,
"price": price,
"size": size,
"side": side # "buy" or "sell"
})
# 毎時、圧縮して保存
if len(tick_buffer) > 1_000_000:
df = pd.DataFrame(tick_buffer)
pq.write_table(
pa.Table.from_pandas(df),
f"ticks/{symbol}_{timestamp:%Y%m%d_%H}.parquet",
compression="snappy"
)
tick_buffer = []

オーダーブック分析

レベル2オーダーブックスナップショット

100-500ミリ秒ごとに完全なオーダーブックをキャプチャ:

Python — オーダーブック処理
class OrderBook:
def __init__(self):
self.bids = {} # price -> size
self.asks = {} # price -> size
def update(self, side, price, size):
if side == "bid":
if size == 0: del self.bids[price]
else: self.bids[price] = size
else:
if size == 0: del self.asks[price]
else: self.asks[price] = size
def get_imbalance(self, depth=10):
# ベスト10のビッドとアスクを取得
top_bids = sorted(self.bids.items(), reverse=True)[:depth]
top_asks = sorted(self.asks.items())[:depth]
bid_volume = sum(size for _, size in top_bids)
ask_volume = sum(size for _, size in top_asks)
# インバランス: >1 = 強気（買い圧力優勢）
return bid_volume / ask_volume if ask_volume > 0 else 1.0
def get_spread(self):
best_bid = max(self.bids.keys())
best_ask = min(self.asks.keys())
return (best_ask - best_bid) / best_bid # スプレッド率（パーセンテージ）

マイクロストラクチャーシグナル

オーダーブック構造から実用的なシグナルを抽出:

市場マイクロストラクチャーメトリクス

出来高加重平均価格 (VWAP)

単純な終値より優れた執行ベンチマーク:

Python — VWAP計算
def calculate_vwap(ticks):
# ticks: (価格, 出来高) タプルのリスト
numerator = sum(price * volume for price, volume in ticks)
denominator = sum(volume for _, volume in ticks)
return numerator / denominator

テイカー買い/売り比率

どちら側が積極的かを識別:

Python — テイカー分析
def get_taker_direction(tick):
# 約定価格 = bidなら売り手が積極的（供給）
# 約定価格 = askなら買い手が積極的（需要）
if abs(tick.price - best_bid) < tick.price_step:
return "sell"
elif abs(tick.price - best_ask) < tick.price_step:
return "buy"
else:
return "mid" # Inside spread, possibly dark pool
buy_volume = sum(t.size for t in ticks if get_taker_direction(t) == "buy")
sell_volume = sum(t.size for t in ticks if get_taker_direction(t) == "sell")
return buy_volume / (buy_volume + sell_volume) # % buy

リアルタイムパイプラインアーキテクチャ

WebSocketストリーム処理

Bybit/Binance/HyperliquidのWebSocketに接続してライブデータを取得:

Python — ライブストリームハンドラ
import asyncio
import websockets
async def connect_bybit_ticks(symbol):
url = f"wss://stream.bybit.com/v5/public/spot"
async with websockets.connect(url) as ws:
# Subscribe to trade stream
await ws.send(json.dumps({
"op": "subscribe",
"args": [f"publicTrade.{symbol}"]
}))
async for message in ws:
data = json.loads(message)
for trade in data["data"]:
on_tick(
exchange="bybit",
symbol=symbol,
price=float(trade["price"]),
size=float(trade["size"]),
side=trade["side"],
timestamp=int(trade["time"])
)

Redis Streamsを使用した分散処理

メッセージキューイングで1日数百万のティックを処理:

Python — Redisストリーム処理
import redis
r = redis.Redis(host='localhost', port=6379)
# Producer: ストリームにティックをプッシュ
def publish_tick(exchange, symbol, tick):
stream_key = f"ticks:{exchange}:{symbol}"
r.xadd(stream_key, {
"price": tick.price,
"size": tick.size,
"side": tick.side,
"ts": tick.timestamp
})
# Consumer group reads with lag tracking
r.xgroup_create(stream_key, "analytics", id="$", mkstream=True)

リアルタイムシグナルをアナリティクスに追加

Smart Money APIは3つの取引所と250以上のクジラウォレットからのティックデータを集約します。事前計算されたマイクロストラクチャシグナルを使用して、独自のリアルタイム分析を強化します。

今日から無料で始める →