Het verschil tussen 'Tick data', 'Second data' en 'Minute data'
Stel je voor: je bouwt een Python-bot voor algoritmische handel. Je backtest met historische data, maar je bot gedraagt zich in de live-markt compleet anders. Waarom?
Vaak ligt het aan de dataresolutie die je gebruikt. Je strategie kan perfect werken op minuutdata, maar faalt volledig op tickdata omdat de markt microstructuren en spread-kosten blootlegt die je op een grafiek van 1 minuut nooit ziet.
Het kiezen tussen tick, second en minute data is niet alleen een technische keuze; het bepaalt of je bot overleeft of roemloos ten onder gaat.
Wat zijn tick, second en minute data precies?
Tick data is de fijnste graad van marktinformatie. Elke keer dat er een transactie plaatsvindt – een aankoop of verkoop op een exchange zoals Euronext of de NASDAQ – wordt er een tick geregistreerd.
Dit bevat de exacte prijs, het volume en de tijd tot op de milliseconde nauwkeurig. Je ziet hier de echte beweging van de markt, met alle ruis en pieken. Second data is een aggregatie van alle ticks binnen één seconde.
In plaats van elke transactie te zien, krijg je een samenvatting: de openings- en slotsprijs, het hoogste en laagste punt, en het totale volume voor die seconde.
Het is stiller dan tick data, maar nog steeds gedetailleerd genoeg voor snelle scalping-strategieën. Minute data is de meest gebruikte resolutie voor retail-algotraders. Hier worden alle transacties binnen een minuut gebundeld tot één candle.
Je ziet de open, high, low, close (OHLC) en het volume. Dit is het standaard formaat voor backtesting in libraries zoals Backtrader of Zipline, maar het verbergt veel micro-bewegingen die belangrijk zijn voor risicomanagement.
Waarom deze datakeuze je bot kan maken of kraken
De keuze tussen deze dataresoluties is cruciaal voor de nauwkeurigheid van je backtesting. Als je een strategie test op minuutdata, mis je de spread-kosten en de slip die optreden bij elke tick. In de echte wereld betaal je bijvoorbeeld €0,02 spread per aandeel bij een broker zoals Interactive Brokers.
Op minuutdata lijkt je winst €100 te zijn, maar in de live-markt kan het door spread en slip zakken naar €60.
Tick data is essentieel voor high-frequency trading (HFT) of event-driven strategies. Als je bot reageert op prijsveranderingen van €0,01, heb je elke tick nodig om te zien of je order uitgevoerd kan worden.
Second data is een compromis: het is goedkoper om op te slaan en te verwerken, maar geeft nog steeds voldoende detail voor snelle analyse. Voor lange-termijn strategies op aandelen of ETFs is minute data vaak voldoende. Je vermijdt hiermee de complexiteit van tick-level simulaties. Maar let op: bij het kopen van historische data moet je bij backtesting op minute data wel rekening houden met de openings- en sluitingsuren van de markt, waar de liquiditeit vaak hoger is en de spread smaller.
Hoe deze data werkt in Python en backtesting
Om tick data te gebruiken in Python, laad je CSV-bestanden met miljoenen regels. Tools zoals pandas zijn hier traag voor; je hebt Dask of NumPy nodig voor efficiente verwerking, waarbij je geen rekening houden met 'bad ticks' in je dataset een veelgemaakte fout is.
Voorbeeld: een tick-data CSV van een aandeel zoals ASML kan 10 GB bevatten voor één jaar. Je backtest script moet deze data in chunks verwerken om je geheugen niet te overschrijden. Met second data wordt het eenvoudiger.
Je kunt libraries zoals TA-Lib gebruiken om indicatoren te berekenen op second-niveau.
Voor een bot die op momentum handelt, test je bijvoorbeeld of een prijsstijging van 0,5% in 5 seconden leidt tot een winstgevende trade. Je API van de broker (bijv. Alpaca of Degiro) levert deze data vaak als JSON-stream, die je direct in je Python-script kunt verwerken.
Minute data is het makkelijkst voor beginners. Je downloadt het via Yahoo Finance of een broker-API en backtest met Backtrader.
Stel je strategie koopt een aandeel als de 50-day moving average de 200-day kruist op minute-data.
Je kunt dit snel testen, maar voeg altijd slippage (0,1% van de transactie) en commissies (€1-€5 per trade) toe voor realisme.
Prijzen, data-aanbieders en praktische keuzes
De kosten van data variëren sterk. Tick data is duur: bijvoorbeeld, een jaar tick data voor één aandeel op Euronext kost €500-€1000 via aanbieders als TickData of TrueFX. Voor crypto (bijv.
Binance) is tick data vaak gratis via API, maar je moet wel rate-limits respecteren (bijv. 1200 requests per minuut). Second data is goedkoper: €50-€200 per jaar per symbool. Brokers zoals Interactive Brokers bieden dit aan via hun TWS API, maar je hebt een account nodig met minimaal €10.000 saldo voor toegang tot real-time data.
Voor Python-gebruikers zijn er bibliotheken als ccxt voor crypto, die second data gratis leveren. Is er gratis real-time data beschikbaar voor Python? Minute data is het meest betaalbaar.
Gratis via Yahoo Finance of Alpha Vantage, maar voor kwaliteit betaal je €10-€50 per maand bij Quandl of Polygon.io.
Voor algoritmische trading bots is het slim om te beginnen met minute data voor backtesting, en pas op te schalen naar second of tick data als je strategie dat vereist. Onthoud: opslag van tick data kan €100-€200 per jaar kosten voor cloud storage zoals AWS S3.
Praktische tips voor jouw trading bot
- Kies je resolutie op basis van je strategie: Voor daghandel op aandelen, gebruik second data om spread-kosten te simuleren. Voor swing trading, minute data volstaat. Test altijd op meerdere resoluties om te zien of je bot robuust is.
- Voeg realisme toe aan backtesting: Gebruik tick data voor het berekenen van slip. Bij een trade van 1000 aandelen à €50, kan slip €0,01 per aandeel zijn, oftewel €10 extra kosten. Pas dit toe in je Python-script met een functie die willekeurige slip toevoegt op basis van historische spread.
- Beheer risico met data: Op tick data zie je pieken die tot liquidatie kunnen leiden. Gebruik een stop-loss van 2% op je portfolio, maar test op tick data of deze niet te snel triggeren door ruis. Tools zoals QuantConnect helpen hierbij.
- Start klein en schaal op: Begin met minute data voor één aandeel, zoals Apple (€150-€200 per aandeel). Backtest met €10.000 kapitaal en kijk naar drawdown. Als je winstgevend bent, upgrade naar second data voor fijnere optimalisatie.
- Monitor je API-limieten: Bij brokers zoals Degiro of Binance, download niet te veel data ineens. Gebruik Python's asyncio voor efficiente data-fetching zonder je account te blokkeren.
Door deze tips toe te passen, bouw je een bot die niet alleen op papier werkt, maar in de live-markt presteert. Experimenteer met verschillende dataresoluties en je zult snel zien wat het beste past bij jouw algoritmische aanpak.