3. 盘中走势的分时数据基础

要统计首次封板之后的盘中走势，第一步不是写统计逻辑，而是把“分时成交数据”这件事本身弄清楚。很多初学者拿到一份逐笔成交或分钟线数据后，直接对“收盘价”做统计，结果发现涨停板打开、回封、尾盘跳水这些关键形态全被抹平了。原因往往不在统计方法，而在于对分时数据的结构、字段含义和重采样方式理解不到位。本节围绕三个问题展开：分时成交数据长什么样、价格与成交量如何从原始记录中提取、均价线如何计算并在重采样中保持一致。

一、分时成交数据的两种常见形态

盘中数据在实际使用中主要有两种粒度。第一种是逐笔成交（Tick）数据，每一条记录对应一次撮合成交，典型字段包括：成交时间（精确到秒或毫秒）、成交价格、成交数量（股或手）、成交金额、买卖方向（主动买/主动卖，部分数据源提供）。第二种是分钟线数据，把一段时间内的成交聚合为一条记录，字段通常为：时间戳（标识该分钟的结束或开始）、开盘价、最高价、最低价、收盘价、成交量、成交额。

两者不是替代关系，而是上下游关系：分钟线本质上是逐笔数据按时间窗口聚合的结果。理解这一点非常关键——如果你只有分钟线，那么“这一分钟内价格如何波动”的信息已经丢失，只剩下 OHLC 四个价位；如果你有逐笔数据，就可以自行定义聚合窗口，甚至构造 30 秒、10 秒级别的更细粒度序列。做首次封板时间统计时，封板时刻往往落在某一分钟内，只有逐笔数据才能把封板时间精确到秒；而做盘中走势形态统计时，分钟线通常已经够用。

二、价格序列的提取：收盘价、典型价与均价

从分钟线中提取“价格”并不是只有一种选择，不同提取方式服务于不同统计目的。最常用的是收盘价序列，即每分钟最后一个成交价，它适合刻画走势的方向和形态，因为收盘价代表了该时刻市场达成的最新共识价格。其次是典型价，定义为（最高价+最低价+收盘价）/3，它对单根K线内的价格分布做了平滑，适合在计算量价关系时降低噪声。第三种是成交均价，即该分钟成交额除以成交量，反映这一分钟内所有成交的真实加权平均成本。

这里有一个容易被忽略的细节：分钟线的“收盘价”与“该分钟最后一笔成交价”在多数数据源中是一致的，但在集合竞价时段或存在盘后固定价格交易的品种上可能不同。因此在提取价格序列前，应先确认数据源的时间戳约定——时间戳标记的是窗口起点还是终点。若标记起点，则第 t 条记录的收盘价实际对应 [t, t+1) 区间；若标记终点，则对应 (t-1, t]。这个约定一旦搞错，封板时间会整体偏移一分钟，后续所有统计都会系统性偏差。

三、成交量与成交额的提取及口径统一

成交量字段最常见的坑是单位不统一：有的数据源用“股”，有的用“手”（1手=100股），有的用“万股”。在把多只股票放在一起做横向统计时，必须先统一到同一口径，否则小盘股与大盘股的成交量差异会被单位放大或缩小。建议在数据底座中统一转换为“股”，并在字段命名上明确标注，例如 volume_shares。

成交额同样需要检查：部分数据源的成交额单位为“元”，部分为“万元”或“千元”。成交额与成交量的比值应当约等于该窗口的成交均价，这可以作为一个快速校验手段——若某条记录的成交额/成交量算出来是 0.05 或 5000 这类明显不合理的数值，基本可以判定单位口径有问题。此外，成交量在重采样时应当累加，而价格类字段不能简单累加，这是重采样中最基本的区分。

四、均价线的计算与重采样的一致性

分时图上那条平滑的均价线，标准定义是当日累计成交额除以当日累计成交量，即从开盘到当前时刻的成交量加权平均价（VWAP）。它不是各分钟均价的简单算术平均，也不是收盘价的移动平均。这一点在重采样时尤其重要：如果你先把 1 分钟数据聚合成 5 分钟数据，再计算均价线，必须使用聚合后的累计成交额与累计成交量重新相除，而不能对 1 分钟均价线做算术平均，否则会得到一条偏离真实成本的曲线。

下面给出一个可直接参考的提取与重采样示例（Python 伪代码，示例参数为合理假设，非实测结果）：

import pandas as pd

# 假设 df 为 1 分钟线，字段：dt, open, high, low, close, volume_shares, amount_yuan
df = df.sort_values("dt").reset_index(drop=True)

# 1) 提取价格序列：收盘价与典型价
df["typical"] = (df["high"] + df["low"] + df["close"]) / 3

# 2) 分钟成交均价（用于校验单位口径）
df["vwap_1m"] = df["amount_yuan"] / df["volume_shares"]

# 3) 当日累计均价线（VWAP）
df["cum_amount"] = df["amount_yuan"].cumsum()
df["cum_volume"] = df["volume_shares"].cumsum()
df["vwap_day"] = df["cum_amount"] / df["cum_volume"]

# 4) 重采样为 5 分钟：价格取窗口末值，量额累加，均价用累计量额重算
agg = df.set_index("dt").resample("5min").agg({
    "open": "first", "high": "max", "low": "min",
    "close": "last", "volume_shares": "sum", "amount_yuan": "sum"
}).dropna()

agg["vwap_5m"] = agg["amount_yuan"].cumsum() / agg["volume_shares"].cumsum()

这段代码体现了三条重采样规则：价格取边界值（开盘取首、收盘取末、高低取极值），量额做累加，均价用累计量额重新相除。只要守住这三条，无论聚合到 5 分钟、15 分钟还是 30 分钟，均价线都能保持与原始逐笔口径一致。

五、数据底座的结构与质量检查

把上述字段整理成一张规范的分时表，是后续所有走势统计的基础。建议的最小字段集为：交易日期、时间戳、开盘、最高、最低、收盘、成交量（股）、成交额（元）、当日累计成交量、当日累计成交额、当日均价线。在此基础上，还应做三项质量检查：一是时间连续性，正常交易时段内分钟线不应缺行，若缺失需判断是停牌、无成交还是数据源问题；二是价格合理性，最高价应不小于开盘、收盘、最低价，且各价格应落在当日涨跌停范围内；三是量额一致性，成交额/成交量应落在当日价格区间附近。

下图展示了从逐笔成交到分钟线、再到重采样序列与均价线的完整数据链路，以及各环节需要保持的口径约定：

图中左侧是逐笔数据，中间是分钟线，右侧是重采样序列，下方则把价格、成交量、成交额、均价线四类字段的提取规则并列出来。可以看到，均价线在每一层都遵循“累计成交额除以累计成交量”的同一定义，这正是重采样时不能对均价做算术平均的根本原因。图中封板时刻的标记也提示了一点：若只有分钟线，封板时刻只能定位到分钟；若需要精确到秒，就必须回到逐笔层。

把这张数据底座搭好之后，后续的首次封板时间统计、封板后开板次数、封板期间均价线是否走平或下移、尾盘量能是否萎缩等指标，都可以在同一张规范表上直接计算，而不必每次重新处理原始数据。数据底座的稳定性，决定了走势统计结论的可比性。