4. 快照数据详解（一）：五档/十档买卖盘口、最新价、涨跌幅、成交量、成交额、换手率

Level2 快照数据是逐笔成交与委托队列在某一时刻的“截面”状态。与 Level1 相比，Level2 快照提供了更深的委托队列（十档）以及更精确的逐笔成交统计。本章聚焦于快照中最核心的六个字段：买卖盘口、最新价、涨跌幅、成交量、成交额与换手率，并讲解其标签构造逻辑。

4.1 五档与十档买卖盘口

买卖盘口（Order Book）是市场微观结构的核心。Level1 仅提供买一至买五、卖一至卖五共 10 个价位；Level2 则扩展为买一至买十、卖一至卖十共 20 个价位，每个价位同时包含价格与委托数量。

4.1.1 盘口字段结构

4.1.2 盘口衍生标签

• 买卖价差（Spread）：卖一价 - 买一价，衡量市场流动性成本。
• 加权平均深度：按价格加权计算前五档或前十档的平均委托成本。
• 委比：(委买总量 - 委卖总量) / (委买总量 + 委卖总量) × 100%，反映多空挂单力量对比。
• 盘口斜率：对买/卖档位的价格与数量进行线性回归，斜率绝对值越大，说明价格越远离当前价时挂单越稀疏。

4.2 最新价与涨跌幅

最新价（Last Price）是当前时刻最后一笔成交的价格，是快照中最直观的价格信号。涨跌幅则基于前一交易日收盘价计算：

涨跌幅 = (最新价 - 前收盘价) / 前收盘价 × 100%

4.2.1 衍生标签

• 日内价格区间：当日最高价 - 当日最低价，衡量日内波动幅度。
• 价格位置：(最新价 - 当日最低价) / (当日最高价 - 当日最低价)，反映当前价格在日内区间的相对位置。
• 涨跌停距离：最新价距涨停价或跌停价的百分比，用于判断封板强度。

4.3 成交量、成交额与换手率

这三个指标共同刻画了市场的交易活跃度与资金参与程度。

4.3.1 换手率的标签意义

换手率是判断筹码交换频率的核心指标。不同换手率区间对应不同的市场状态：

• < 1%：极度冷清，流动性枯竭。
• 1% ~ 3%：正常交投。
• 3% ~ 7%：活跃，主力资金参与明显。
• 7% ~ 15%：非常活跃，可能处于主升浪或分歧阶段。
• > 15%：极度活跃，换手充分，短期方向选择在即。

4.4 快照数据标签构造流程

从原始快照数据到可用标签，通常需要经过以下步骤：

1. 数据清洗：剔除停牌、未开盘、数据异常的快照记录。
2. 字段对齐：将买卖十档价格与数量展开为扁平化特征列。
3. 衍生计算：计算价差、委比、加权均价、换手率等。
4. 标准化：对成交额、成交量等绝对值字段做对数或 Z-score 变换。
5. 时间对齐：将快照时间戳对齐到固定频率（如 3 秒、1 分钟），便于后续建模。

4.5 代码示例：快照字段提取与标签计算

以下 Python 代码演示如何从 Level2 快照字典中提取核心字段并计算常用标签：

import numpy as np

def compute_snapshot_labels(snapshot: dict, total_shares: float):
    """
    从单条 Level2 快照数据计算衍生标签
    :param snapshot: 包含 bid/ask 十档价格与数量、最新价、成交量等字段的字典
    :param total_shares: 流通股本（股）
    :return: 标签字典
    """
    labels = {}

    # 1. 提取最新价与涨跌幅
    last_price = snapshot.get('last_price', 0.0)
    pre_close = snapshot.get('pre_close', 0.0)
    if pre_close > 0:
        labels['pct_change'] = (last_price - pre_close) / pre_close * 100
    else:
        labels['pct_change'] = 0.0

    # 2. 买卖盘口价差
    bid1_price = snapshot.get('bid_price_1', 0.0)
    ask1_price = snapshot.get('ask_price_1', 0.0)
    if bid1_price > 0 and ask1_price > 0:
        labels['spread'] = ask1_price - bid1_price
    else:
        labels['spread'] = np.nan

    # 3. 委比
    total_bid_vol = sum(snapshot.get(f'bid_volume_{i}', 0) for i in range(1, 11))
    total_ask_vol = sum(snapshot.get(f'ask_volume_{i}', 0) for i in range(1, 11))
    if total_bid_vol + total_ask_vol > 0:
        labels['order_ratio'] = (total_bid_vol - total_ask_vol) / (total_bid_vol + total_ask_vol) * 100
    else:
        labels['order_ratio'] = 0.0

    # 4. 换手率
    volume = snapshot.get('volume', 0)  # 单位：股
    if total_shares > 0:
        labels['turnover_rate'] = volume / total_shares * 100
    else:
        labels['turnover_rate'] = 0.0

    # 5. 成交额（元）
    turnover = snapshot.get('turnover', 0.0)
    labels['turnover'] = turnover

    # 6. 买一至买五加权均价（买方成本中枢）
    bid_prices = [snapshot.get(f'bid_price_{i}', 0) for i in range(1, 6)]
    bid_volumes = [snapshot.get(f'bid_volume_{i}', 0) for i in range(1, 6)]
    total_bid5_vol = sum(bid_volumes)
    if total_bid5_vol > 0:
        labels['bid5_weighted_avg'] = sum(p * v for p, v in zip(bid_prices, bid_volumes)) / total_bid5_vol
    else:
        labels['bid5_weighted_avg'] = 0.0

    return labels