国内期货行情数据源选型：四家交易所-底层制度拆解，三份实测验证行情数据源：帮你做决策

国内期货数据源选型这件事，大多数人从第一天就做错了。他们从“哪个数据源的接口好用”开始，而不是从“国内期货的制度规则和其他市场差多少”开始。结果是：你选了一个接口很顺手的数据源，但你的回测从第一根 K 线起，就在一个错误的时间框架里运行。

2025 年全年，中国期货市场成交额超过 766 万亿元（中期协口径），商品期货成交量占全球的 72.3%（FIA 口径）。这个量级的市场里没有新手保护期。它的数据复杂性来自一个很多人没意识到的事实：上期所、大商所、郑商所、中金所，四家交易所的交易制度本身就各不相同。结算价算法不同，夜盘时段不同，合约月份设计不同。这些差异全部是明文规定，不是数据商的自由裁量。

你花三个月写的策略，实盘亏的钱可能不是策略的错，是数据源替你做的拼接决定——回测里那部分收益根本不存在，实盘一跑就蒸发。三个月推倒重来，亏的是真金白银加时间。

选国内期货数据源，第一件事不是调行情接口，是先回答三个问题：你要交易的品种，在它所属的交易所里，合约怎么设计？结算价怎么算？夜盘怎么归属？答不上来，数据源给什么你就信什么——这是最贵的信。

全文导览：第一节拆解国内期货的制度分层——这是所有数据问题的根源；第二节讲数据源应该承担的角色；第三节用真实代码验证制度信息是否被保留；第四节给选型判断框架；文末附 TickDB 期货行情的体系化能力图谱。

一、同样叫“期货”，四家交易所的制度分层

1.1 合约月份设计：换月不是数据源的问题，是制度的问题

国内期货没有“这只品种”的价格，只有“这个合约”的价格。每个合约有独立到期日，到期前必须把持仓迁到下一个合约——这就是换月。但“下一个合约”是什么，取决于交易所的合约月份设计：

解读这张表：沪铜任何时候都有 12 个月份的合约同时在交易，豆粕有 4 个月份是空的，白糖隔月才有合约，股指期货是季月嵌套。同一个“主力合约切换”，在不同品种上意味着完全不同的时间节奏。

换月跳空不是数据错误，它是两个合约价格差异的直接体现。这个差异有定价依据——持仓成本：资金利息、仓储费用、便利收益的合力。数据源把新旧合约价格直接拼接后，跳空被当成趋势信号计算。策略被教着去交易展期价差，而这个价差在实盘中需要真金白银承担。回测赚的是虚拟钱，实盘亏的是真钱。

做三年回测，你面对的是 36 个不同的沪铜合约。连续合约是一个合成物——它的构造方式应该由你的策略逻辑决定，而不是由数据源在黑盒里替你决定。

1.2 结算价与收盘价：同一个“价”字，两种制度功能

股票的收盘价就是最后一笔成交价。期货不是。

国内期货有两个核心价格：收盘价——最后一笔成交价，反映最后时刻的市场均衡；结算价——交易所计算的当日成交量加权平均价，用于保证金计算和下一交易日涨跌停板基准。

关键不在于有两个价格，而在于：“结算价”这个词，在不同交易所的定义不同。 上期所和大商所的日结算价是当日全部成交的成交量加权平均；中金所股指期货的日结算价是最后一小时成交的成交量加权平均。如果品种有夜盘，上期所/大商所的结算价计算包含夜盘时段；中金所没有夜盘，结算价只覆盖日盘。

假设你做跨交易所价差策略，一手沪铜、一手股指期货。两个数据源都给你“结算价”，一个覆盖夜盘四个小时的交易，一个只覆盖日盘。拿这两个数字做价差，算出来的东西在制度上根本不成立。结算价用于保证金，收盘价用于趋势回测——混用一个，你的策略框架就是错的。

1.3 夜盘：跨日结构是制度事实，不是技术选择

国内商品期货有一个全球少见的制度设计：夜盘交易归属下一个交易日。 周三晚上 21:00 开始的夜盘，在结算上属于周四。

如果数据源按“自然日”组织数据，周三夜盘的行情会落在周三；但交易所的结算价把它归属于周四。你的 K 线和结算价数据之间，在时间对齐上错了一天。

更关键的是：夜盘时段是品种级变量，不是全市场统一的。

做螺纹钢日内策略，你的“日内”是 6.5 小时；做黄金日内策略，你的“日内”是 9.5 小时。在螺纹钢上开发的日内因子，直接迁移到黄金上，时间框架就是错的。

郑商所 2019 年 12 月把夜盘从 23:30 缩短到 23:00——此前此后的数据，结算价时间窗口不同，数据源必须按时期分别处理，否则你的历史回测就是混着两种口径跑的。

国内期货数据复杂性不是数据商的问题，是制度设计本身的分层性。你唯一能做的，是确认数据源是否尊重这种分层——数据源做不到，你就是在用自己的钱包替它的粗糙买单。

二、数据源的角色：精确翻译，而不是替你决策

理解了制度分层，选型标准就变了。

一个诚实的数据源，应该做的事是：把你需要的原始数据按制度差异精确提供。 合约级价格、成交结构、时段结构、复权参数。它不应该替你做的事包括：替你构造连续合约——因为连续合约本身就是你的策略设计；替你决定夜盘归属——因为夜盘规则因品种而异；把结算价和收盘价混成一个字段——因为它们的制度功能根本不同。

但在实际操作中，很多数据源做的事情恰恰相反。它们替你“处理好”了连续合约，但从不告诉你换月逻辑是什么；给你一个统一的“交易日”字段，抹平了四家交易所的时段差异；给你一个“价格”，分不清是收盘还是结算。

数据源替你做的决策越多，你对自己回测的理解就越少。它给你的每一个字段，你都应该能找到对应的制度依据。

三、实测：三份数据，回答四个制度问题

下面用真实的接口调用，验证一个数据源能不能把制度差异翻译成结构化字段。2026 年 9 月 8 日对 TickDB 实测，三个合约：CU2609（沪铜，有夜盘）、RB2609（螺纹钢，有夜盘）、IF2609（股指期货，无夜盘）。代码可直接运行，替换你的 Key 和品种即可。

import json
from urllib.parse import urlencode
from urllib.request import Request, urlopen

BASE = "https://api.tickdb.ai/v1"
API_KEY = "YOUR_KEY"
SYMBOL = "CU2609"  # 格式：品种代码 + 合约年月

def get(path, **params):
    url = f"{BASE}{path}?{urlencode(params)}" if params else f"{BASE}{path}"
    request = Request(url, headers={"X-API-Key": API_KEY, "Accept": "application/json"})
    with urlopen(request, timeout=30) as response:
        assert response.status == 200
        payload = json.load(response)
    assert payload["code"] == 0
    return payload["data"]

# 制度问题一：价格是新鲜的，还是陈旧的？
ticker = get(f"/market/ticker/{SYMBOL}")
assert {"last_price", "timestamp", "bid_price", "ask_price", "open", "prev_close"} <= ticker.keys()
assert isinstance(ticker["timestamp"], int) and ticker["timestamp"] > 10**12
print(f"ticker 验证通过，时间戳 {ticker['timestamp']}")

# 制度问题二：K 线保留了哪些制度信息？持仓量是第四维，有没有？
raw = get("/market/kline", symbol=SYMBOL, type="futures",
          interval="1d", limit=5, adjust="none")
fwd = get("/market/kline", symbol=SYMBOL, type="futures",
          interval="1d", limit=5, adjust="forward")
assert raw["adjust"] == "none" and fwd["adjust"] == "forward"
assert {"time", "open", "high", "low", "close", "volume", "open_interest"} <= raw["klines"][-1].keys()
print(f"kline 验证通过，open_interest 字段存在")

# 制度问题三：成交数据能区分开仓和平仓吗？
trades = get("/market/trades", symbol=SYMBOL, type="futures", limit=20)
first = trades["trades"][0]
assert {"price", "quantity", "side", "timestamp", "position_effect"} <= first.keys()
print(f"trades 验证通过，position_effect = {first['position_effect']}")

# 制度问题四：交易时段的边界在哪里？
sessions = get("/market/trading-sessions", symbol=SYMBOL,
               market="CN", type="futures")
assert sessions and {"begin_time", "end_time"} <= sessions[0]["trading_sessions"][0].keys()
print(f"trading-sessions 验证通过，日盘基准 {sessions[0]['trading_sessions']}")

这段代码的每个 assert 都不是在验证数据源“好不好”，而是在验证它有没有把制度差异翻译成你可以核验的字段。下表汇总四个制度问题的验证结果。

制度问题①：一分钟足以把止损从“可控”变成“灾难”。

制度问题②：持仓量是期货区别于股票的第四维度。 没有 open_interest，你看到的“放量上涨”可能只是空头在认输平仓，根本没有新资金进场。学术界关于持仓量的预测能力存在分歧，但分歧本身不否定它的分析价值——持仓量必须放在价格和成交量的交互矩阵里看。

制度问题③：position_effect 四个枚举值直接对应期货合约的生命周期：双开创造新契约，持仓量增加；双平消灭旧契约，持仓量减少；多开空平和空开多平是方向交接，持仓量不变。没有这个字段，你对期货的理解就停留在股票框架里——看到价和量，看不到那个正在形成的拐点。

制度问题④：夜盘是品种级变量，同一交易所内部也有差异。 没有夜盘标签，意味着你需要自己维护品种级时段映射——这是一个边界，但也是一个明确的边界：数据源告诉你它覆盖了什么，把没覆盖的东西还给你自己处理。

TickDB 在这些实测里做的事很简单：它把制度差异留在数据里，不去替你压平。没有连续合约标识符，是让你知道连续合约是你自己的策略设计；没有夜盘统一标签，是让你知道你交易哪个品种就该知道哪个品种的夜盘。这不是功能缺失，是数据源在告诉你：制度的事，你自己要想清楚。

四、选型判断：把制度信息保留得最多的数据源，才是可验证的数据源

连续合约没有？那是它把换月逻辑还给了你。夜盘标签没有？那是它把品种级制度差异还给了你。开平仓字段有？那是它把四维市场的第四维给了你。

你要做的判断不是谁功能全，是谁给你的数据能让你用自己的方式应对制度分层。

表格中 TickDB 列的内容全部来自 2026 年 9 月 8 日对 CU2609、RB2609、IF2609 三个合约的实测调用。其他两类数据源的内容来自其公开文档。实测结果不代表全品种覆盖，生产使用前必须对目标品种重新验证。

五、TickDB 期货行情数据服务：制度翻译的体系化画像

本文以上实测涉及 TickDB 的四个接口。但 TickDB 的期货行情能力不只这四个。以下是基于其公开 OpenAPI 规范和实测结果的体系化梳理。

产品定位：TickDB 是面向开发者、量化研究和 AI 应用的统一实时市场数据服务，以 REST 和 WebSocket 双协议提供国内期货、A 股、港股、美股、外汇和加密等市场的行情数据。国内期货品种通过合约级标识符（品种代码 + 合约年月，如 CU2609）接入，不提供黑盒式的连续合约标识符。

核心接口的投资价值、风险价值、场景价值全景：

其他期货相关能力（基于 OpenAPI 规范 0.9.9.4.1，截至 2026-09-02）：/v1/market/trade-days 提供交易日历查询；/v1/market/intraday 提供日内分时数据；/v1/market/depth 提供盘口深度；/v1/market/klines/history 和 /range 提供灵活的历史 K 线拉取。WebSocket /v1/realtime 提供实时行情订阅。财务基本面接口（Finance API）覆盖美股、港股和 A 股，与期货行情形成多市场统一接入。

统一接入的价值：如果你同时做国内期货和 A 股，TickDB 的 REST 接口规则和字段风格是统一的。一个 get() 函数可以同时拉取沪铜 ticker 和沪深300 ticker，不需要为每个市场维护一套独立的客户端。

AI 工具接入：TickDB 通过 MCP、CLI 和 Skill 为 AI 工作流提供结构化市场数据，让模型先取得带标的、字段和时间戳的事实，再进行分析和表达——而不是用训练数据里的历史价格回答“沪铜现在多少钱”。

能力边界（诚实声明）：本文实测未验证的项包括：WebSocket 实时通道的延迟和稳定性；全品种的历史数据深度；连续合约的具体换月方案（TickDB 不提供黑盒连续合约标识符，换月逻辑是用户自己的策略设计）；夜盘时段的品种级标注（trading-sessions 当前返回日盘基准，夜盘映射需用户按品种自建）。

TickDB 的期货行情能力，核心逻辑和本文的选型标准是一致的：它把制度差异翻译成结构化字段，把原始材料给你，把决策权留给你。它不替你构造连续合约，不替你定义夜盘，不替你区分结算价和收盘价。它只做一件事：让你能用自己的方式，精确地应对国内期货的制度分层。

国内期货从制度层面就不是一个统一的市场。四家交易所，四套规则。数据源无法替你理解这些制度，它只能帮你把制度翻译成结构化字段，把原始材料给你，让你自己去理解、去构建、去决定。选数据源之前，先打开交易所的官方规则，确认你的品种在哪套制度里运行。然后拿代码去验证数据源有没有尊重这套制度。两个都做了，你的选型就不是碰运气，是有制度依据的判断。

下一步：先查你要交易品种的交易所合约文本——上期所、大商所、郑商所、中金所官网的合约月份设置、结算价定义、夜盘时段规则。然后跑一遍上面的代码，验证数据源对这四个制度维度的翻译。做完，再谈选型。

参考文献

[1] 上海期货交易所. 上海期货交易所阴极铜期货业务细则（修订版）[S]. 上海：上海期货交易所, 现行有效.

[2] 大连商品交易所. 大连商品交易所豆粕期货业务细则[S]. 大连：大连商品交易所, 现行有效.

[3] 郑州商品交易所. 白糖期货合约表及业务细则[S]. 郑州：郑州商品交易所, 现行有效.

[4] 中国金融期货交易所. 沪深300股指期货合约表及交易细则[S]. 上海：中国金融期货交易所, 现行有效.

[5] 上海期货交易所. 上海期货交易所交易细则、结算细则[S]. 上海：上海期货交易所, 现行有效.

[6] 大连商品交易所. 大连商品交易所结算管理办法[S]. 大连：大连商品交易所, 现行有效.

[7] 中国金融期货交易所. 中国金融期货交易所期货结算细则[S]. 上海：中国金融期货交易所, 现行有效.

[8] 上海期货交易所. 连续交易（夜盘）品种交易时间表及规则公告[Z]. 上海：上海期货交易所.

[9] 大连商品交易所. 夜盘交易时段与品种清单公告[Z]. 大连：大连商品交易所, 2019.

[10] 郑州商品交易所. 夜盘交易时间调整公告（2019年12月11日）[Z]. 郑州：郑州商品交易所, 2019.

[11] 上海国际能源交易中心. 交易细则及夜盘相关公告[Z]. 上海：上海国际能源交易中心.

[12] Gorton G, Rouwenhorst K G. Facts and Fantasies about Commodity Futures[J]. Financial Analysts Journal, 2006, 62(2): 47–68.

[13] López de Prado M. Advances in Financial Machine Learning[M]. New Jersey: John Wiley & Sons, 2018.

[14] Bailey D H, Borwein J M, López de Prado M, Zhu Q J. The Probability of Backtest Overfitting[J]. Journal of Computational Finance, 2017, 20(4): 39–69.

[15] 中国期货业协会. 2025年全年期货市场成交统计[Z]. 北京：中国期货业协会, 2026年1月.

[16] FIA. Annual Futures and Options Volume Report[R]. Washington D.C.: Futures Industry Association, 各年度.

[17] 中国期货业协会. 期货市场投资者结构统计数据[Z]. 北京：中国期货业协会, 各年度.

通过 TickDB API 获取实时行情数据

一个 API 接入外汇、加密货币、美股、港股、A股、贵金属和全球指数的实时行情。支持 WebSocket 低延迟推送，免费开始使用。