2. Tick数据结构解析：时间戳、价格、成交量、买卖盘口深度、逐笔成交与逐笔委托的区别

高频量化交易与微观市场结构分析均依赖Tick数据。Tick数据是交易所按事件驱动或固定时间间隔发布的最细粒度行情快照。理解其内部字段含义及不同数据类型的差异，是构建标签校准样本的前提。

2.1 Tick数据核心字段

一条完整的Tick记录通常包含以下五类核心信息：

2.2 时间戳、价格与成交量的微观特征

• 时间戳：分为事件时间（交易所生成时间）与接收时间（本地网关收到时间）。校准样本构建应优先使用事件时间，避免网络延迟引入的偏误。
• 价格：Tick价格序列呈现离散跳跃特征，仅在成交发生时更新。无成交期间价格字段保持上一笔值，不可视为连续序列。
• 成交量：通常为累计值（从开盘累计至今）或单笔值。国内Level-2行情中，成交量字段多为单笔成交数量，需注意与Level-1快照的累计量区分。

2.3 买卖盘口深度（Order Book Depth）

盘口深度数据反映了当前市场未成交委托的挂单分布，是流动性分析与订单流预测的核心输入。常见的深度快照结构如下：

// 五档盘口快照示例 (JSON-like)
{
  "timestamp": "2025-03-21 09:30:01.123",
  "bids": [
    [5280.0, 320],   // [价格, 委托量]
    [5279.0, 450],
    [5278.0, 200],
    [5277.0, 680],
    [5276.0, 110]
  ],
  "asks": [
    [5281.0, 150],
    [5282.0, 300],
    [5283.0, 220],
    [5284.0, 510],
    [5285.0,  90]
  ]
}

2.4 逐笔成交与逐笔委托的区别

这是Tick数据中最容易混淆的两类记录。下表从多个维度进行对比：

2.5 Tick数据结构关系图

下图展示了Tick数据中各类记录之间的逻辑关系与数据流向：

2.6 构建标签样本时的数据选择策略

1. 时间戳对齐：将逐笔成交、逐笔委托与盘口快照统一到同一时间轴（建议使用交易所事件时间），消除本地接收延迟差异。
2. 盘口重建：利用逐笔委托的挂单与撤单记录，在内存中重建连续盘口状态，而非仅依赖定期快照。
3. 成交方向判定：结合逐笔成交价格与盘口最优买卖价，使用Lee-Ready算法或改进版算法判定每笔成交的主动方向（买方主动/卖方主动）。
4. 特征工程：从逐笔委托中提取订单到达率、撤单率、订单规模分布等微观结构特征，作为标签校准模型的输入。