4. 涨停开板前撤单行为的时序特征提取

任务定位：把“撤单”从事件计数变成时序特征

本例要解决的问题是：在涨停样本中，锁定首次开板时刻 T_open，回看其前 W 分钟（本例取 W = 10 分钟）的逐笔撤单流水，只保留大单撤单（本例阈值 Q_big = 500 手），把散落的撤单记录整理成一条可计算的时序序列，并输出三个特征：撤单间隔、撤单集中度、撤单量占比。这三个特征共同刻画“开板前撤单是零星发生还是密集爆发、撤掉的是不是封单主力”。

与单纯统计撤单率不同，本例的输入是带时间戳的撤单明细，输出是时间轴上的形态指标，因此必须先做时间对齐，再做序列化，最后才谈特征计算。

数据口径与时间参照约定

• 时间统一用“距开板秒数”表示：t = T_open - T_cancel，单位为秒，t > 0 表示开板前，t 越小越接近开板。全例正文、公式、SVG 均采用这一参照，不再切换。
• 撤单记录字段：order_id、cancel_time、cancel_vol（手）、side（本例只取买入方向封单撤单）。
• 封单量基准 V_seal：取 T_open - W 时刻的买一封单量，作为撤单量占比的分母基准。
• 大单阈值 Q_big = 500 手，仅保留 cancel_vol >= Q_big 的记录进入序列。

时序特征提取流程

下图给出从原始撤单流水到三个特征的完整处理链，重点标出时间对齐、阈值过滤、序列排序与特征计算之间的数据依赖关系。

用一段可运行代码完成提取

下面用 Python 实现上述流程。输入是一份教学示例撤单明细（时间用距开板秒数直接给出，避免时区与格式干扰），输出三个特征值。示例数据为构造数据，用于演示计算过程，不代表任何真实标的。

from statistics import median

# 教学示例：距开板秒数 t、撤单手数 vol（买入方向封单撤单）
cancels = [
    {"t": 588, "vol": 800},
    {"t": 540, "vol": 1200},
    {"t": 470, "vol": 600},
    {"t": 300, "vol": 1500},
    {"t": 210, "vol": 900},
    {"t": 150, "vol": 2000},
    {"t": 95,  "vol": 1800},
    {"t": 60,  "vol": 2500},
    {"t": 35,  "vol": 3000},
    {"t": 12,  "vol": 2200},
    {"t": 8,   "vol": 400},   # 低于大单阈值，应被过滤
]

W = 600          # 回看窗口（秒）
Q_BIG = 500      # 大单阈值（手）
V_SEAL = 20000   # T_open - W 时刻封单量（手）
CONC_WIN = 120   # 集中度统计窗口（秒）

# ① 时间对齐 + ② 大单过滤
seq = [c for c in cancels if 0 < c["t"] <= W and c["vol"] >= Q_BIG]

# ③ 按 t 升序排序
seq.sort(key=lambda c: c["t"])
ts = [c["t"] for c in seq]
vols = [c["vol"] for c in seq]

# 特征 A：撤单间隔
gaps = [ts[i+1] - ts[i] for i in range(len(ts)-1)]
gap_med = median(gaps) if gaps else None
gap_min = min(gaps) if gaps else None

# 特征 B：撤单集中度（最后 120 秒内笔数占比）
n = len(seq)
n_conc = sum(1 for t in ts if t <= CONC_WIN)
concentration = n_conc / n if n else 0.0

# 特征 C：撤单量占比
vol_sum = sum(vols)
vol_ratio = vol_sum / V_SEAL

print("有效大单撤单笔数:", n)
print("撤单间隔中位数(秒):", gap_med)
print("最小撤单间隔(秒):", gap_min)
print("撤单集中度:", round(concentration, 3))
print("撤单量占比:", round(vol_ratio, 3))

按示例数据运行，可得到：有效大单撤单 10 笔（t=8, vol=400 被阈值过滤）；间隔序列为 48、70、170、90、60、55、35、25、23 秒，中位数 55 秒、最小 23 秒；最后 120 秒内有 4 笔（t=95, 60, 35, 12），集中度 0.4；撤单量合计 16300 手，占封单基准 20000 手的 0.815。这些数值是给定输入的直接计算结果，用于说明特征口径。

特征如何判读

可直接套用的特征提取清单

• 确认 T_open 取首次开板时刻，而非回封后再开板时刻。
• 确认 V_seal 与撤单窗口使用同一时间基准，避免分母取错时点。
• 过滤条件同时包含方向（买入封单撤单）与金额阈值，缺一不可。
• 间隔特征同时输出中位数与最小值，单看均值会被极端长间隔拉偏。
• 集中度窗口固定后，再对多样本做横向排序。
• 无有效撤单的样本单独归类，不参与特征均值统计。