2. 盘口信号的数据结构与特征提取

盘口信号持有期敏感性分析的第一步，不是急着算收益，而是把“盘口”这件事变成可计算的数据。很多回测结论不稳定，根源往往不在策略逻辑，而在数据层：快照时间戳对不齐、逐笔委托与成交混用、特征在生成时已经隐含未来信息。本节围绕三类原始数据——订单簿快照、逐笔委托、逐笔成交——讲清字段含义，并给出信号构造所需的关键特征与清洗要点。

三类原始数据的字段含义

订单簿快照是某一时刻买卖两侧挂单的切片。典型字段包括：快照时间戳（精确到毫秒或更高）、买一至买N的价格与数量、卖一至卖N的价格与数量，以及由这些档位派生的中间价、买卖价差。快照是“状态量”，它告诉你此刻市场长什么样，但不告诉你这个状态是怎么形成的。因此快照适合构造盘口形态类特征，如价差、盘口不平衡、深度斜率。

逐笔委托记录每一笔新进入订单簿的委托，字段通常有：委托时间、委托编号、方向（买/卖）、价格、数量、订单类型（限价/市价）。它是“流量”的起点，反映交易者主动挂单的意图。逐笔委托的关键价值在于能区分“新增挂单”与“撤单”——撤单往往以数量为负或独立撤单记录出现，是判断盘口虚假挂单的重要线索。

逐笔成交记录每一笔撮合结果，字段包括：成交时间、成交编号、价格、数量、主动方向（买方主动/卖方主动）。主动方向是判断“谁在吃单”的核心：买方主动成交意味着有人愿意以卖价买入，属于进攻性买盘。逐笔成交是信号强度最直接的来源。

信号构造所需的关键特征

从上述字段出发，盘口信号常用的特征大致分三组。第一组是盘口形态特征，来自快照：买卖价差反映流动性松紧；盘口不平衡度用（买一量−卖一量）/（买一量+卖一量）刻画即时压力；深度斜率衡量挂单量随档位递减的快慢，斜率越陡说明流动性越集中在前几档。第二组是委托流特征，来自逐笔委托：委托流不平衡统计一段时间内新增买单量与新增卖单量之差；撤单率反映挂单的“虚”程度，撤单率突然升高常意味着盘口支撑不可靠。第三组是成交动能特征，来自逐笔成交：主动买卖比、单位时间成交强度、大单成交占比，直接刻画资金进攻方向。

以盘口不平衡度为例，假设某时刻买一价10.00元挂8000股，卖一价10.01元挂2000股，则不平衡度为(8000−2000)/(8000+2000)=0.6，偏向买方。但若紧接着逐笔委托显示买方在10.00元的挂单被大量撤掉，这个0.6就具有欺骗性。这正是需要把快照与逐笔结合的原因：形态给出“看起来怎样”，流量给出“是否可信”。

清洗要点：决定信号是否可复现

清洗不是可选项，而是信号有效性的前提。第一，时间对齐。快照与逐笔的时间戳精度可能不同，必须统一到同一时区和精度，并明确“快照时刻之前发生的逐笔才可用于该快照的特征计算”，否则会引入未来信息。第二，去重与异常值。逐笔数据可能因重传出现重复记录，需按成交编号或委托编号去重；价格为0、数量为负（非撤单场景）等异常记录应剔除或标记。第三，缺失档位处理。快照若只有五档而策略需要十档，不能简单补零，应标记为缺失并让特征计算跳过该样本。第四，特征生成时点。所有滚动窗口特征（如过去30秒主动买卖比）必须严格使用窗口结束时刻之前的数据，窗口边界要写死在代码里，避免“用未来算现在”。

一个可执行的特征构造示例

下面给出以Python伪代码表达的特征构造骨架，重点在时间对齐与窗口边界，而非具体库的选择。示例参数（30秒窗口、五档快照）属于教学假设，实际使用需按标的流动性调整。

# 假设 snapshots 与 trades 均已按时间升序排列
# 快照字段: ts, bid_px[5], bid_sz[5], ask_px[5], ask_sz[5]
# 成交字段: ts, price, size, side  # side: 'B'买方主动 / 'S'卖方主动

WINDOW = 30  # 秒，教学示例参数

def imbalance(snap):
    b, a = snap['bid_sz'][0], snap['ask_sz'][0]
    return (b - a) / (b + a) if (b + a) > 0 else None

def active_ratio(trades, t_end, window=WINDOW):
    # 只取 (t_end - window, t_end] 区间，严格不含未来
    lo = t_end - window
    buy = sum(x['size'] for x in trades if lo < x['ts'] <= t_end and x['side']=='B')
    sell = sum(x['size'] for x in trades if lo < x['ts'] <= t_end and x['side']=='S')
    return buy / (buy + sell) if (buy + sell) > 0 else None

# 对每个快照时刻生成特征，trades 需先按 ts 建立索引以提升效率
for snap in snapshots:
    f_imb = imbalance(snap)
    f_ar  = active_ratio(trades, snap['ts'])
    # 二者组合成信号输入，缺失则跳过该样本

这段骨架体现了两个关键约束：窗口区间写成左开右闭 (t_end - window, t_end]，确保只用历史；分母为0时返回 None 而非强行填0，让下游明确知道该样本特征缺失。实际工程中还应记录每个特征的生成时间戳与所用数据版本，便于在持有期敏感性分析中复现同一批信号。

把数据层做扎实之后，后续讨论不同持有期下信号衰减、换手成本与收益分布才有意义。字段含义清楚、特征口径统一、清洗规则固定，是整条敏感性分析链路可信的底座。