4. 盘口因子计算实战

盘口因子是高频与日内量化研究中最贴近微观结构的一类特征。它们不依赖财务报表，也不依赖日频复权价，而是直接从交易所推送的 Level-2 快照（Snapshot）与逐笔成交（Trade）中提取。本节的任务很明确：把两类原始数据变成三个可计算、可回测、可做样本外滚动验证的因子——买卖压力、订单簿斜率、大单净流入。在动手之前，先把数据口径和符号约定固定下来，否则后续所有计算都会在方向性上出错。

一、原始数据的字段与口径约定

快照数据通常按固定频率（如每 3 秒或每 500 毫秒）推送，每条记录包含时间戳、最新价、成交量、成交额，以及买一至买十、卖一至卖十的价与量。逐笔成交则包含逐笔时间、成交价、成交量、成交方向（主动买/主动卖，或由交易所标记的 BS 标志）。

本节统一采用如下约定，全文与图示保持一致：

• 价格方向：以“买盘为下方、卖盘为上方”的常规盘口视角，买一价 < 卖一价；
• 压力符号：买方力量为正、卖方力量为负，因子值越大表示买盘越强；
• 主动方向：逐笔成交中，成交价等于卖一价视为主动买（外盘），等于买一价视为主动卖（内盘）；
• 时间对齐：逐笔数据按快照时间戳做前向填充归并，即每笔成交归属到其之前最近的一条快照区间。

这三条约定看似琐碎，但买卖压力与订单簿斜率都涉及“买量减卖量”或“价差除以量”的运算，一旦买卖档位颠倒，因子符号会整体翻转，样本外验证时 IC 会呈现稳定的负值，很容易被误判为“因子失效”而非“口径错误”。

二、买卖压力因子：从十档挂单到单一标量

最朴素的买卖压力是买一量减卖一量，但它对单档撤单极其敏感。更稳健的做法是对十档挂单做距离加权，越靠近盘口的挂单权重越高，因为近档更可能被立即成交。一个常用的加权形式是：

weight_i = 1 / (1 + i)          # i = 1..10，买一/卖一权重最高
buy_press  = Σ (bid_vol_i * weight_i)
sell_press = Σ (ask_vol_i * weight_i)
pressure   = (buy_press - sell_press) / (buy_press + sell_press)

分母做归一化后，pressure 落在 [-1, 1] 区间，便于跨股票、跨时段比较。举例来说，若某快照十档买量加权和为 12000 手、卖量加权和为 8000 手，则 pressure = (12000−8000)/(12000+8000) = 0.20，表示买方挂单占优约两成。实际实现时要注意：涨跌停板附近一侧挂单可能为空，分母趋近于零，需要设置最小量阈值或直接置为缺失值，避免产生极端噪声。

三、订单簿斜率：用回归刻画盘口“陡峭度”

买卖压力只回答了“哪边量大”，没有回答“量随价格如何分布”。订单簿斜率正是刻画这一结构的因子：把十档的“累计挂单量”对“相对盘口的价差”做线性回归，斜率越大，说明少量价差就能堆积大量挂单，盘口越“厚”、越抗冲击。

以买盘为例，设第 i 档相对买一价的价差为 Δp_i = (bid_1 − bid_i) / bid_1，累计量为 Q_i = Σ_{j≤i} bid_vol_j，对 (Δp_i, Q_i) 做最小二乘回归得到斜率 k_bid。卖盘同理，用 ask_i 相对卖一价的价差与累计卖量回归得到 k_ask。最终因子可取两者之差或比值：

slope = k_bid - k_ask      # 正值表示买盘更厚、支撑更强

需要注意，价差要用相对值而非绝对价格，否则高价股的斜率会被系统性放大。此外，回归前建议剔除累计量为零的档位，并对 Q_i 做对数变换以压缩量纲差异。斜率因子对停牌复牌、集合竞价刚结束等盘口剧烈重建的时刻非常敏感，样本外滚动验证时应把这些时段标记为异常并单独统计。

四、大单净流入：逐笔数据的方向性聚合

前两个因子来自快照的“挂单意图”，大单净流入则来自逐笔的“真实成交”。做法是设定一个单笔成交量阈值（例如按该股票近 20 日逐笔成交量分位数取 90% 分位），只保留超过阈值的成交，再按主动方向累加：

large_buy  = Σ vol_t,  t 满足 vol_t > threshold 且 方向为主动买
large_sell = Σ vol_t,  t 满足 vol_t > threshold 且 方向为主动卖
net_inflow = (large_buy - large_sell) / (large_buy + large_sell)

阈值必须用滚动窗口动态确定，而不是全样本固定值，否则会引入未来信息，直接破坏样本外验证的有效性。这也是本节与后续滚动验证章节的衔接点：因子构造阶段就要保证“任一时刻只用当时可得的数据”。

下面这张图把三类因子的数据来源、计算路径与输出方向放在同一张信号链上，便于对照理解它们各自吃的是哪类数据、输出的是什么量纲。

五、实现中的三个关键细节

第一，缺失与异常处理。快照在开盘集合竞价、午间休市前后常出现单侧空档，此时买卖压力分母极小。建议对分母低于该股票当日中位数 5% 的记录直接置为 NaN，而不是用 0 填充——0 会被误读为“买卖均衡”，污染因子分布。

第二，量纲与标准化。三个因子的原始量纲不同：pressure 与 net_inflow 已在 [-1,1]，slope 则是“手/百分比”量级。进入滚动验证前，应对 slope 做横截面 z-score 或分位数变换，使其与另两个因子可比。标准化参数同样只能用滚动窗口估计。

第三，因子对齐与去极值。快照频率与逐笔频率不一致，归并后每条快照区间内可能包含零笔或数十笔成交。对零成交区间，net_inflow 应沿用上一有效值或置为缺失，不可简单记 0。去极值建议用 MAD 法在滚动窗口内完成，避免单笔乌龙指成交主导因子。

六、结果如何观察与判断

因子算出来后，先做三件事再进入样本外验证：其一，检查因子分布是否近似对称、是否存在大量堆积在 ±1 的截断值，若有说明归一化或缺失处理有问题；其二，检查因子与未来一期收益的秩相关（Rank IC）符号是否与经济学直觉一致——pressure 与 net_inflow 应为正相关，slope 视市场结构可能为正；其三，检查因子自相关，盘口因子衰减极快，若半衰期超过数分钟，需怀疑是否混入了低频信息或时间对齐错误。

只有这三项检查通过，因子才具备进入滚动验证的价值。否则，后续无论用多复杂的滚动窗口，都只是在验证一个口径错误的特征。本节构建的三个因子，正是下一阶段样本外滚动验证的输入对象。