4. 逐笔委托数据分析

逐笔委托数据是 Level-2 行情中最细粒度的订单簿快照，记录了每一笔进入交易所撮合主机的委托单信息。与逐笔成交不同，逐笔委托反映的是“挂单意愿”而非“成交结果”，是分析主力挂单意图、撤单行为与订单簿深度的核心数据源。

4.1 逐笔委托数据结构

逐笔委托数据通常包含以下关键字段，用于还原每一笔委托的完整信息：

4.2 撤单行为分析

撤单行为是主力资金操纵市场情绪、测试支撑/阻力、制造虚假挂单深度的常见手段。通过逐笔委托数据中的“委托类别”字段，可以识别出撤单行为并加以分析。

4.2.1 撤单类型识别

• 主动撤单： 委托方在订单未成交前主动撤销，通常表现为“大单挂出后快速撤单”。
• 被动撤单： 因价格变动导致订单超出涨跌幅限制或交易所规则而自动撤销。
• 部分撤单： 委托单部分成交后，剩余部分被撤销。

4.2.2 撤单行为量化指标

4.3 委托队列深度与挂单意愿判断

委托队列深度分析是逐笔委托数据的核心应用，通过分析不同价位的挂单数量、撤单频率、挂单持续时间，可以判断主力的真实挂单意愿。

4.3.1 委托队列深度结构

委托队列深度通常以“价格阶梯”形式呈现，每个价位上聚集了多笔委托单。通过逐笔委托数据，可以重建每个价位的实时挂单队列：

# 委托队列深度重建示例（伪代码）
order_book = {}  # 字典：{价格: [委托列表]}
for order in tick_data:
    if order.action == 'NEW':
        order_book[order.price].append(order)
    elif order.action == 'CANCEL':
        # 从队列中移除对应委托
        order_book[order.price].remove(order)
    elif order.action == 'TRADE':
        # 减少对应委托的剩余数量
        order_book[order.price].update(order)

4.3.2 挂单意愿判断矩阵

4.3.3 委托队列深度分析流程

1. 数据清洗： 过滤异常委托（价格超出涨跌停、数量为 0 等）。
2. 队列重建： 按时间顺序逐笔处理委托，维护每个价位的挂单队列。
3. 深度计算： 统计每个价位的总挂单量、委托笔数、平均单笔大小。
4. 撤单分析： 标记每个价位的撤单笔数、撤单率、撤单存活时间。
5. 意愿判定： 结合挂单持续时间、撤单行为、价格分布，输出每个价位的挂单意愿评分。

4.4 逐笔委托分析流程图

4.5 实战案例：识别主力虚假挂单

以下是一个典型的逐笔委托分析案例，展示如何通过数据识别主力的虚假挂单行为：

4.6 逐笔委托数据与策略评估

在策略评估中，逐笔委托数据可用于以下关键场景：

• 订单簿重建回测： 利用逐笔委托数据重建历史订单簿，评估策略在真实市场深度下的成交滑点。
• 撤单率因子构建： 将撤单率作为因子加入多因子模型，识别主力资金动向。
• 挂单意愿评分： 构建挂单意愿评分模型，辅助判断关键价位的支撑/阻力真实性。
• 市场微观结构分析： 分析委托到达率、撤单率的时间分布特征，优化策略执行时机。