# aastock港股如何深入分析？用十档盘口与逐笔成交

**摘要：** 在 AASTOCKS 看完港股报价，若还想判断买卖盘厚度、观察成交节奏或复盘价格变化，需要把盘口和逐笔记录接入程序。TickDB 的港股盘口支持买卖各最多十档，逐笔查询返回成交价格、数量、方向与时间，并可订阅实时成交。本文用深度失衡和成交样本均价说明这些数据的用途，同时区分最近成交窗口与可按日期回查的历史数据。

![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12794355/98afd91349d0f4b801da6dbb04609c0a.png)


搜索 aastock，打开 AASTOCKS（阿思达克）查看港股报价，是观察市场的一个起点。但一个最新价无法回答更细的问题：当前买卖报价之间隔了多远？买一背后的几档还有多少挂单？某次价格跳动是一笔小额成交，还是一段密集成交的结果？

这些问题分别需要盘口深度和逐笔成交。TickDB 对港股应用的具体价值，在于把**买卖各最多十档的价格与数量、可查询的逐笔成交明细，以及实时 depth / trade 推送**提供给程序，让看盘观察能够继续进入计算、告警和记录复盘。本文围绕这一数据用途展开，不把 AASTOCKS 当作待抓取的数据源，也不暗示两家存在接口合作。

## 十档盘口让报价从一个数变成价格梯度

最新成交价描述已经发生的成交，盘口描述当前可见的买卖报价。只看买一和卖一，可以计算最优价差；继续看买二至买十、卖二至卖十，才能观察靠近市场价格的挂单分布是否集中、是否存在明显的数量落差。

当前港股 depth 文档标注每侧最高十档，REST 返回 `bids` 和 `asks`，每档包含价格与数量；也可以通过 WebSocket depth 持续接收更新。买盘按价格降序、卖盘按价格升序排列。这里的“十档”是每侧上限，不保证每次都有十档；空档、流动性不足或休市时可能返回更少。

这带来两个可计算的观察量。第一个是最优价差，即卖一减买一。第二个是当前可见深度失衡，即“买方档位数量之和减卖方档位数量之和”，再除以两边数量之和。比较时应固定档位范围并核对数量单位；若只有部分档位，要报告实际档数，不能把结果命名为完整十档指标。

![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12794355/10d64bda9b9521f836a599e7e7bbe80e.png)


*图 1：十档盘口支持对多档挂单进行计算。数值为构造示例，数量单位一致，不代表任何股票的实时报价。*

例如买方十档数量合计 12,000、卖方合计 8,000，则失衡值为 `(12000−8000)/(12000+8000)=0.20`。它表示这一可见范围内买方数量较多，可以作为观察盘口变化的输入；它并不意味着价格将上涨 20%，也不能证明大单一定会成交。挂单可以撤销，十档报价也没有提供逐笔委托身份或完整订单队列。

还可以在“当前挂单保持不变”的假设下，按卖一、卖二等逐档累加，估算一个给定买入数量会涉及哪些可见价位。这是静态深度测算，不能当成实际成交价格或滑点保证；超出已返回档位覆盖的数量，应标记无法估算。

## 逐笔明细补上实际成交的过程

盘口回答“现在挂着什么”，逐笔成交回答“实际成交了什么”。港股逐笔记录包括成交 ID、价格、数量、方向和毫秒时间戳。程序可以据此统计样本内成交笔数、数量分布、成交间隔，以及成交量加权平均价，进一步判断一段价格变化对应怎样的成交活动。

一个简单构造样本包含三笔成交：价格 100.00、数量 100；价格 100.20、数量 200；价格 100.10、数量 100。样本均价为 `(100×100+100.20×200+100.10×100)/400=100.125`。这个结果只描述这三笔成交，不能称为全天均价。研究时需要同时保留样本最早与最晚时间，避免把“最近若干笔”误读成“最近一分钟”。

方向字段有 `buy`、`sell`、`neutral` 三类。可以分别统计各类数量，但应保留中性成交，也不要把方向标签直接改写为“主力净流入”。成交方向分类本身不提供交易者身份；具体分类方法和数量单位仍需核对。

**历史逐笔明细需要分清服务范围。** 当前公开 REST 文档支持查询成交记录，默认 100 笔、最多 1000 笔，列出的参数为 `symbol`、`limit`、`type`。已核验材料没有给出按起止日期回查多天成交的参数、分页方式或逐笔保留年限。因此，本文把它用于最近已发生的成交查询，不把它宣传为任意历史日期的全量逐笔下载。

若目标是今后持续复盘，可以订阅 WebSocket trade 并由应用归档。港股推送中的成交位于 `data.trades` 数组，一条消息可能包含多笔，不能只取第一笔。历史 K 线的可查询范围也不能直接当作历史逐笔的保留范围。

![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12794355/b014d1872ede5066bdbb42dc6d713d72.png)


*图 2：逐笔查询与实时订阅可进入同一个复盘流程。归档是应用实现的能力，断线缺口仍需检查。*

## 组合盘口与成交才能解释更多现象

假设卖一数量减少了，只看两次盘口无法判断它是被成交消耗，还是被撤走。加入相邻时间段的成交记录后，可以检查该价位附近是否出现相应成交；若同时观察到报价补充，还能研究挂单消耗和补充的节奏。这是多份证据的对照，不能凭一次数量变化断言某个参与者在吸筹或出货。

这里需要防止时间上的误用。盘口与成交来自不同消息或请求，必须保留各自原始时间和本地接收时间。只有确认时间含义可比较后，才能做近似对齐；不要拿成交之后的盘口倒推成交之前的可见流动性。缺少事件序列、消息存在间隔时，也不能把近似对齐包装成精确还原。

对于港股看板、流动性观察工具和成交异常提示，这正是结构化行情接口的价值：应用可以把同一标的的最新价、盘口状态和成交事件分开存储，再按自己的问题计算。它比只在程序里显示一个价格多了实际分析空间；这不等于断言 AASTOCKS 的其他产品没有相应功能。

## 查询十档盘口并计算成交样本指标

下面的 Python 3 示例分别查询 `700.HK` 的盘口与最近成交，输出实际档数、价差、可见深度失衡、成交笔数、样本时间范围和样本均价。代码只依赖标准库，保存为 `hk_depth_trades.py`，在环境中设置 `TICKDB_API_KEY` 后运行。

当前官方权限表将 depth 和 trades 标为基础版及以上可用、免费版不可用；具体仍取决于账户权益与标的覆盖。程序不是撮合器，也没有实现流式归档。

```python
import json
import os
from decimal import Decimal
from urllib.parse import urlencode
from urllib.request import Request, urlopen


def fetch(path, **params):
    url = "https://api.tickdb.ai/v1/market/" + path
    request = Request(url + "?" + urlencode(params), headers={
        "X-API-Key": os.environ["TICKDB_API_KEY"]
    })
    with urlopen(request, timeout=10) as response:
        body = json.load(response)
    if body.get("code") != 0:
        raise ValueError("API business error")
    return body["data"]


def positive(value):
    number = Decimal(str(value))
    if not number.is_finite() or number <= 0:
        raise ValueError("Invalid price or quantity")
    return number


def summarize(depth, tape):
    if depth["symbol"] != "700.HK" or tape["symbol"] != "700.HK":
        raise ValueError("Unexpected symbol")
    bids = [(positive(p), positive(q)) for p, q in depth["bids"]]
    asks = [(positive(p), positive(q)) for p, q in depth["asks"]]
    if not 0 < len(bids) <= 10 or not 0 < len(asks) <= 10:
        raise ValueError("Empty or unexpected depth")
    bid_qty = sum(q for p, q in bids)
    ask_qty = sum(q for p, q in asks)
    unique = {}
    for trade in tape["trades"]:
        key = (trade["id"], trade["timestamp"])
        if key in unique and unique[key] != trade:
            raise ValueError("Conflicting trade records")
        unique[key] = trade
    trades = list(unique.values())
    amounts = [(positive(t["price"]), positive(t["quantity"]))
               for t in trades]
    total = sum(q for p, q in amounts)
    vwap = sum(p * q for p, q in amounts) / total if total else None
    times = [t["timestamp"] for t in trades]
    return {
        "bid_levels": len(bids), "ask_levels": len(asks),
        "spread": str(min(p for p, q in asks) - max(p for p, q in bids)),
        "visible_depth_imbalance": str((bid_qty - ask_qty) / (bid_qty + ask_qty)),
        "depth_timestamp_ms": depth["timestamp"],
        "trade_count": len(trades),
        "trade_window_ms": [min(times), max(times)] if times else None,
        "sample_vwap": str(vwap) if vwap is not None else None,
    }


if __name__ == "__main__":
    depth = fetch("depth", symbol="700.HK", type="stock")
    tape = fetch("trades", symbol="700.HK", type="stock", limit=1000)
    print(json.dumps(summarize(depth, tape), indent=2))
```

这里特意保留两套时间：盘口的 `depth_timestamp_ms` 和成交样本的 `trade_window_ms`。两个请求先后执行，不是同一时刻的原子快照，因此代码仅分别统计，不把两者硬拼成因果结论。`sample_vwap` 是返回记录的成交量加权均价；`visible_depth_imbalance` 只覆盖实际返回档位。

示例在单次响应内用成交 ID 与时间戳组合处理完全重复记录，冲突记录直接报错。这不是对成交 ID 跨日唯一性的假设。长期归档还应确认 ID 作用域，保存原始记录和来源，并单独处理更正、重复消息与断线区间。数量无效、盘口为空等情况会报错；时间有效性、市场状态、异常价差和账户限流需要在生产应用中进一步处理。

代码和文中计算已用构造样本离线验证，未进行带密钥的在线查询或持续订阅实测。公开文档核对日期为 2026 年 10 月 22 日，示例数值不是真实行情。

## 接入后的验收要落在分析任务上

选择港股行情服务时，应检查要研究的标的能否返回预期档位、逐笔记录是否含所需字段、订阅后如何保存和重建自己的样本窗口。请求了 1000 笔不代表返回了 1000 笔，更不代表覆盖完整交易日；持续订阅也不自动证明没有漏数。

TickDB 在本文场景中的优势，是把十档报价梯度与逐笔成交过程都变成可计算的数据输入，并提供查询和订阅两种接入方式。对需要从 AASTOCKS 日常看盘走向自主分析的人，这能支撑盘口观察、成交节奏统计和自有记录复盘。实际选用时，再按标的、权限、时效和历史覆盖需求逐项验证。

资料依据：AASTOCKS 官方网站；TickDB 港股行情说明、盘口深度、逐笔成交及 WebSocket depth / trade 文档。核对日期：2026 年 10 月 22 日。

摘要： 在 AASTOCKS 看完港股报价，若还想判断买卖盘厚度、观察成交节奏或复盘价格变化，需要把盘口和逐笔记录接入程序。TickDB 的港股盘口支持买卖各最多十档，逐笔查询返回成交价格、数量、方向与时间，并可订阅实时成交。本文用深度失衡和成交样本均价说明这些数据的用途，同时区分最近成交窗口与可按日期回查的历史数据。

aastock港股如何深入分析？用十档盘口与逐笔成交

在 AASTOCKS 看完港股报价，若还想判断买卖盘厚度、观察成交节奏或复盘价格变化，需要把盘口和逐笔记录接入程序。TickDB 的港股盘口支持买卖各最多十档，逐笔查询返回成交价格、数量、方向与时间，并可订阅实时成交。本文用深度失衡和成交样本均价说明这些数据的用途，同时区分最近成交窗口与可按日期回查的历史数据。

人工智能

本文介绍如何通过TickDB接口深入分析港股行情，结合AASTOCKS报价获取十档盘口与逐笔成交数据。内容包括计算买卖价差、深度失衡及成交量加权均价，并区分最近成交窗口与历史查询范围。文中提供Python示例代码演示查询流程，同时明确盘口与成交数据的时间属性差异，帮助用户实现自主分析、告警与复盘。

代码解释

JSON

2026上云采购 | AI焕新·智启新局

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

aastock港股如何深入分析？用十档盘口与逐笔成交-腾讯云开发者社区-腾讯云

aastock港股如何深入分析？用十档盘口与逐笔成交

aastock港股如何深入分析？用十档盘口与逐笔成交

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐