hftbacktest项目处理Tardis.dev快照数据的解决方案

在量化交易领域，高频交易回测系统对市场深度数据的处理有着严格要求。本文探讨了使用hftbacktest项目处理Tardis.dev提供的Bitget平台L2数据时遇到的技术挑战及解决方案。

问题背景

Tardis.dev提供的Bitget平台L2数据存在一个特殊现象：所有记录的is_snapshot字段均为True。这种纯快照格式的数据与hftbacktest项目期望的增量式L2市场深度数据格式不匹配，导致系统内置的convert功能无法正常工作。

技术分析

高频交易回测通常需要两种数据格式之一：

1. 增量式L2全市场深度数据
2. L3 MBO(订单簿)数据

而Bitget平台提供的是200ms更新的15档买卖盘快照数据。这种数据格式的特点是：

• 仅包含最佳15档买卖盘信息
• 以固定间隔提供完整订单簿快照
• 缺乏增量更新信息

解决方案

针对这种快照数据，需要将其转换为增量式L2数据格式。hftbacktest项目提供了difforderbooksnapshot工具，其核心原理是：

1. 按时间顺序处理快照数据
2. 比较相邻两个快照之间的差异
3. 生成相应的增量更新记录
4. 重建完整的订单簿状态

实现建议

对于使用类似数据的开发者，建议：

1. 首先确认平台API是否提供增量数据
2. 对于纯快照数据，实现差异比较算法
3. 注意处理数据边界情况
4. 考虑深度限制对回测准确性的影响

注意事项

使用有限深度的L2数据进行回测时需注意：

• 深度外的订单行为可能不准确
• 市场冲击成本可能被低估
• 极端行情下的流动性估计可能失真

通过合理的数据转换和处理，即使使用快照数据也能获得有价值的回测结果，但开发者应当了解其局限性并根据实际需求调整策略。