get_tick_serial 用法：Tick 订阅降频与 K 线对齐
前言
做日内或高频一点的期货策略时，我会用天勤量化的get_tick_serial盯成交变化；Tick 推送量比 K 线大得多，若每一帧都跑完整信号逻辑，CPU 和日志都会吃不消。下面写订阅方式、与 K 线混用时的时钟对齐，以及我常用的降频办法。
一、订阅与读取时机
fromtqsdkimportTqApi,TqAuth,TqSim api=TqApi(TqSim(),auth=TqAuth("账户","密码"))ticks=api.get_tick_serial("SHFE.rb2510")kline=api.get_kline_serial("SHFE.rb2510",60)whileTrue:api.wait_update()ifapi.is_changing(ticks.iloc[-1],"datetime"):last_price=ticks.iloc[-1]["last_price"]# 仅在 tick 时间戳变化时处理与get_quote一样：先wait_update，再读iloc[-1]。Tick 序列是 DataFrame，最后一行对应当前最新 tick。
二、Tick 与 K 线不要混用时钟
| 数据源 | 适合 |
|---|---|
get_tick_serial | 盘口变化、成交驱动、细粒度止损 |
get_kline_serial | 均线、突破、bar 收盘信号 |
若信号在 K 线收盘产生、执行用 tick 价格，要明确两者datetime可能不一致。建议信号层固定用一种序列，执行层再用get_quote读对手价。
三、降频：只关心成交变化时
全量 tick 更新时，可在逻辑层加过滤：
last_dt=NonewhileTrue:api.wait_update()ifnotapi.is_changing(ticks.iloc[-1],"datetime"):continuedt=ticks.iloc[-1]["datetime"]ifdt==last_dt:continuelast_dt=dt# 每个新 tick 时间戳只处理一次若只关心价格跳变，可再比较last_price与上一帧差值，小于 1 个 tick 则跳过。
四、数据长度与内存
data_length控制保留 tick 条数。日内策略可设数千；多合约同时订阅 tick 时，条数乘合约数，内存与 CPU 压力会明显上升。非必要不订 tick，分钟策略用 K 线即可。
五、与回测、模拟的差异
回测 tick 粒度回放比 K 线慢；模拟盘 tick 推送节奏接近实盘。同一策略在 K 线回测通过，仍应在 tick 或模拟环境验证止损类逻辑。
总结
get_tick_serial适合要跟随成交节奏的逻辑，但必须配合is_changing和去重，避免在每个微小更新上重算指标。与 K 线并用时，分清信号时钟与执行时钟，能减少大量“信号有了、价格却不对”的排查时间。
FAQ
1）tick 与 quote 区别？
tick 是序列历史+最新；quote 是当前行情快照。日内微观用 tick，一般下单参考可用 quote。
2）订阅 tick 后还能用 TargetPosTask 吗？
可以，同一TqApi内共用wait_update。
3）夜盘 tick 量很大怎么办？
加强过滤，或仅在关键时段订阅 tick。
4）多合约 tick 如何管理？
每合约一条get_tick_serial，循环内分别is_changing。
5）tick 序列长度不足？
增大data_length；冷启动阶段注意len(ticks)再算指标。
风险提示
本文用于期货量化技术实践讨论，不构成投资建议。