1. 课程导入与数据认知

在A股高频与微观结构研究中，逐笔委托（Order）与逐笔成交（Trade）是最基础、也最容易被混用的两类行情数据。很多分析在起步阶段就出现偏差，根源往往不是模型不够复杂，而是没有先弄清“这两张表各自记录了什么、它们靠什么字段对上”。本课程围绕沪深两市的逐笔数据展开，核心线索只有一条：关联键——即把一笔委托与其产生的成交、把买方与卖方、把订单生命周期各环节串联起来的那组标识字段。

一、两类数据的业务含义

逐笔委托记录的是“意图”。以上交所为例，逐笔委托表通常包含委托序号、证券代码、买卖方向、委托价格、委托数量、委托时间等字段，反映的是某账户在某一时刻提交的申报。逐笔成交记录的是“结果”，包含成交序号、成交价格、成交数量、成交时间，以及买卖双方的委托序号引用。二者的关系是因果性的：委托是因，成交是果；一笔大额委托可能对应多笔成交，一笔成交也必然对应买卖两条委托。

理解这一点后，很多指标的含义就清晰了。例如“委托成交率”本质是用成交数量除以委托数量，而“撤单率”需要从委托表中识别撤单记录。若把成交表当成委托表来统计挂单量，得到的将是已成交部分而非真实报单意愿，结论会系统性偏低。

二、沪深市场的关键差异

沪深两市的逐笔数据在字段设计和撮合机制上存在实质差异，这直接决定了关联键的构造方式。上交所采用“委托序号 + 成交序号”体系，成交记录中通过买方委托序号、卖方委托序号回指委托表；深交所则在委托与成交中都提供“委托序号”与“成交序号”，并额外区分了撤单等特殊记录类型。此外，深市逐笔委托包含“委托类型”字段以区分市价、限价等，沪市的部分字段语义与深市并不一一对应。

更需要注意的是撮合规则差异带来的数据形态差异：沪市部分品种存在集合竞价阶段的特殊处理，深市则有更细的委托类型划分。这意味着同一套关联逻辑不能不加区分地套用到两个市场，必须先做字段映射，再谈关联。

三、关联键在交易分析中的核心作用

关联键的价值体现在三个层面。第一是还原订单生命周期：通过委托序号，可以把一笔委托的报单、部分成交、全部成交或撤单串成一条完整轨迹，从而计算真实成交率、撤单时点分布。第二是识别主动买卖方向：成交表本身只给出买卖双方委托序号，需要回查委托表的价格与方向，才能判断该笔成交是买方主动还是卖方主动，这是构建订单流不平衡（OFI）指标的前提。第三是数据质量校验：若成交表中的买方委托序号在委托表中找不到对应记录，说明数据存在缺失或跨日拼接错误，这类校验是任何回测前的必要步骤。

举个具体例子。假设某日某股票出现一笔成交，成交价10.02元、数量5000股，买方委托序号为A001，卖方委托序号为B002。回查委托表发现A001的委托价为10.02元、方向为买，B002的委托价为9.98元、方向为卖，则可判定该笔成交由买方主动发起（买方以卖方报价成交）。若不做这一步回查，仅凭成交价无法区分主动方向，后续的买卖压力统计就会失真。

四、本课程的学习路径与实战目标

课程将按“认知—映射—关联—校验—应用”的顺序推进。前期先建立沪深字段对照表，明确每个字段的语义与取值；中期动手构造关联键，处理一对多、多对一以及撤单等边界情况；后期用真实数据做完整性校验，并落地到订单流指标与微观结构分析中。实战目标很明确：给定任意一天的沪深逐笔数据，能够独立完成字段映射、关联键构造、数据校验，并输出可信的主动买卖方向与订单生命周期统计。

需要强调的是，关联键不是某个固定字段，而是一套随市场而变的映射规则。沪市的“买方委托序号/卖方委托序号”与深市的“委托序号”在语义上接近但字段名不同，撤单记录的表示方式也不一致。因此本课程不会给出一个“万能键”，而是教你建立一套可迁移的映射思路：先读字段说明，再验证唯一性，最后用数据校验反推映射是否正确。掌握这套方法，比记住任何单个字段都更有长期价值。