Högfrekvensdataanalys — Bearbetning av tick-nivå marknadsdata

Högfrekvenshandel i krypto sker på millisekund/mikrosekund-skala. Att bearbeta miljontals tickar per dag, hantera burstiga dataflöden och extrahera mikrostruktursignaler skiljer professionella handlare från resten. Denna guide går igenom hantering av tick-nivådata och realtidsanalys som driver Smart Money API:s 5-minuters uppdateringscykler.

Nyckelinsikt: Valar rör inte marknader omedelbart. Deras blockaffärer skapar upptäckbara signaturer i obalans i orderboken, bud-erbjudande-spridningar och taker-volymförhållanden. Smart Money API fångar dessa signaturer i realtid.

Insamling och lagring av tickdata

Datakällor

För krypto kommer tickdata från:

Effektiv ticklagring med Parquet

Lagra komprimerad kolumnär data för snabba frågor:

Python — Tickdatapipeline
import pandas as pd
import pyarrow.parquet as pq
# Realtids tickbuffer (ackumulera i 1h, spara sedan)
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"
})
# Varje timme, komprimera och spara
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 = []

Orderboksanalys

Orderboksögonblicksbilder på nivå 2

Fånga hela orderboken var 100-500:e ms:

Python — Orderbokshantering
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):
# Hämta de 10 bästa buden och erbjudandena
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)
# Obalans: >1 = hausseartad (köptryck dominerar)
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 # procentuell spridning

Mikrostruktur-signaler

Extrahera handlingsbara signaler från orderbokens struktur:

Marknadsmikrostruktur-mått

Volymvägt genomsnittspris (VWAP)

Bättre exekveringsreferens än enkel slutkurs:

Python — VWAP-beräkning
def calculate_vwap(ticks):
# ticks: lista med (pris, volym)-tupler
numerator = sum(price * volume for price, volume in ticks)
denominator = sum(volume for _, volume in ticks)
return numerator / denominator

Taker Köp/Försäljningsförhållande

Identifiera vilken sida som är aggressiv:

Python — Taker-analys
def get_taker_direction(tick):
# Om handelspris = bud, då var säljaren aggressiv (utbud)
# Om handelspris = erbjudande, då var köparen aggressiv (efterfrågan)
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" # Inom spridningen, möjligen mörk 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) # % köp

Realtids-pipelinearkitektur

WebSocket-strömbehandling

Anslut till Bybit/Binance/Hyperliquid WebSocket för livedata:

Python — Live stream-hanterare
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:
# Prenumerera på handelsström
await ws.send(json.dumps({
"op": "subscribe",
"args": [f"publicTrade.{symbol}"]
}))
async for message in ws:
data = json.loads(message)
for trade i data["data"]:
on_tick(
exchange="bybit",
symbol=symbol,
price=float(trade["price"]),
size=float(trade["size"]),
side=trade["side"],
timestamp=int(trade["time"])
)

Distribuerad bearbetning med Redis Streams

Hantera miljontals tickar per dag med meddelandeköer:

Python — Redis stream-bearbetning
import redis
r = redis.Redis(host='localhost', port=6379)
# Producent: skicka tickar till stream
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
})
# Konsumentgrupp läser med efterslappsspårning
r.xgroup_create(stream_key, "analytics", id="$", mkstream=True)

Lägg till realtidssignaler till din analys

Smart Money API sammanställer tick-data från 3 börser och 250+ valletthållare. Använd våra förberäknade mikrostruktursignaler för att förbättra din egen realtidsanalys.

Börja gratis idag →