1. 行情标签概述
1.1 什么是高频行情标签
高频行情标签（High-Frequency Tick Label）是指在逐笔成交或逐笔委托数据流上，通过规则引擎或机器学习模型实时附加的元数据标记。这些标签不改变原始行情数据本身，而是为每一笔事件赋予额外的语义属性，帮助量化策略快速识别交易行为特征。
核心定义：行情标签 = 原始行情 + 语义标记。例如，原始逐笔成交数据包含“时间、价格、成交量”，加上标签后变为“时间、价格、成交量、买卖方向、大单标识、异常评分”。
高频行情标签通常以微秒或纳秒级精度附加在数据流中，常见的标签生成方式包括：
- 规则标签：基于固定阈值或逻辑判断（如单笔成交量 > 阈值标记为大单）。
- 统计标签：基于历史分布或实时统计量（如Z-score异常检测）。
- 模型标签：基于机器学习模型输出的概率或分类（如识别虚假申报）。
1.2 标签在量化交易中的作用
行情标签是连接原始数据与策略逻辑的桥梁，其作用贯穿量化交易的完整链路：
| 环节 | 标签作用 | 典型场景 |
|---|---|---|
| 数据清洗 | 过滤噪声、标记异常值 | 剔除交易所测试数据、识别撮合异常 |
| 特征工程 | 构造高阶信号输入 | 将“大单买入”标签作为因子 |
| 策略触发 | 条件判断的原子单位 | 连续3笔大单卖出触发止损 |
| 回测校准 | 还原真实市场微观结构 | 按标签统计滑点与冲击成本 |
| 风控监控 | 实时预警市场操纵行为 | 检测频繁撤单标签占比突增 |
实践要点：标签质量直接影响策略稳定性。一个错误的“大单”标签可能导致策略在非大单行情下错误建仓，因此标签校准是高频策略落地的关键前置步骤。
1.3 常见标签类型
根据业务语义，高频行情标签主要分为以下三大类：
1.3.1 买卖方向标签
买卖方向标签是最基础的行情标签，用于标识一笔成交或委托的主动方向。在逐笔成交数据中，通常使用 Tick规则 或 报价规则 判定：
- 主动买：以卖一价或更高价格成交，买方主动吃单。
- 主动卖：以买一价或更低价格成交，卖方主动吃单。
- 中性/无法判定：价格位于买卖价之间（如集合竞价撮合）。
1.3.2 大单标签
大单标签用于识别资金量或成交量显著高于正常水平的交易行为。常见判定标准包括：
| 判定维度 | 典型阈值 | 适用场景 |
|---|---|---|
| 单笔成交量 | 超过该股票近20日平均单笔成交量的3倍 | 逐笔成交流 |
| 单笔成交金额 | 超过50万元（A股常见设定） | 大资金监控 |
| 累计成交量 | 1秒内同方向累计成交量超过总成交量的15% | 高频切片分析 |
1.3.3 异常单标签
异常单标签用于标记可能包含错误、操纵或极端市场行为的交易事件。常见异常类型包括：
- 价格异常：成交价格偏离最近一笔成交价超过N个最小变动单位。
- 量能异常：单笔成交量超过该股票流通股本的万分之一。
- 时间异常：同一秒内出现大量同方向、同价格的重复申报。
- 行为异常：频繁申报并撤单（如撤单率 > 95%）。
注意：异常单标签的阈值设定需要结合具体交易所规则和股票流动性特征。例如，科创板股票的异常价格波动阈值与主板不同，直接套用会导致大量误标或漏标。
1.4 标签体系结构
下图展示了高频行情标签的完整体系结构，从原始行情数据到最终策略应用的层级关系：
1.5 标签校准的核心挑战
在实际生产环境中，行情标签的生成和校准面临以下主要挑战：
- 数据噪声：交易所数据流可能存在乱序、重复、缺失等问题，导致标签误判。
- 阈值漂移：市场流动性变化导致固定阈值失效（如牛市中大单阈值需动态调整）。
- 标签冲突：同一笔交易可能同时满足多个标签条件（如既是“大单”又是“异常单”），需要优先级规则。
- 延迟约束：高频策略要求在微秒级完成标签生成，复杂模型可能无法满足实时性。