2. 盘口数据基础与高频数据获取

盘口微价格偏离策略的核心，是捕捉买一卖一价位附近极短时间窗口内的价格错位。这类错位往往只持续几十毫秒到几秒，因此策略对数据的“粒度”和“时序精度”要求远高于普通日线或分钟线策略。要判断一次偏离是否真实存在、是否可成交，必须依赖 Level-2 逐笔委托与逐笔成交数据，而不是快照行情。本节围绕这两类数据的结构、字段含义、常见数据源与获取方式展开，为后续回测与信号构造打基础。

一、快照行情与逐笔行情的本质差别

普通行情快照（Level-1 或 Level-2 快照）按固定频率（如每 3 秒）推送一次市场状态，只告诉你“这一刻盘口长什么样”。而逐笔数据记录的是“每一笔委托和成交发生了什么”，是事件流。对微价格偏离策略而言，关键信息恰恰藏在两次快照之间：某笔大单在买一挂出后又被撤掉、卖一被连续小单吃掉、某价位出现瞬时价差——这些在快照里会被压缩甚至完全丢失。因此，逐笔数据是策略回测的“原始素材”，快照只能作为辅助校验。

二、逐笔委托与逐笔成交的数据结构

沪深两市的逐笔数据在字段命名和撮合披露上存在差异，但核心结构相通。逐笔委托描述“订单进入市场”的事件，逐笔成交描述“订单被撮合成交”的事件。下图展示了两类数据在时间轴上的事件关系，以及它们如何共同还原出盘口状态。

逐笔委托的典型字段包括：证券代码、委托时间（精确到毫秒或微秒）、委托编号、委托方向（买/卖）、委托价格、委托数量、委托类型（限价/市价/本方最优等）。逐笔成交的典型字段包括：证券代码、成交时间、成交编号、买/卖委托编号、成交价格、成交数量、成交方向（主动买/主动卖）。其中“委托编号”是连接两类数据的关键外键——通过它可以把一笔成交追溯到对应的买方和卖方委托，从而判断这笔成交是主动买入还是主动卖出，以及它消耗了哪个价位的挂单。

需要特别注意两个易错点。第一，沪深两市的“成交方向”披露方式不同：部分数据源直接给出主动买卖标志，部分需要根据成交价与当时买一卖一的关系推断。第二，撤单事件在逐笔委托中通常以“委托类型=撤单”或独立撤单记录出现，回测时必须把撤单从有效挂单中剔除，否则会高估盘口深度。下图中的 t3 撤单正是这类事件。

三、常见数据源与获取方式

高频数据的获取渠道大致分三类。第一类是交易所官方行情，如上交所、深交所的 Level-2 行情，通过券商或行情服务商转发，字段最权威、时序最完整，但通常需要付费授权，且历史数据回溯成本较高。第二类是第三方数据服务商（如聚源、通联、米筐、聚宽等），提供整理后的逐笔数据接口，适合快速验证，但需核对字段口径与交易所原始定义是否一致。第三类是券商柜台或量化平台提供的本地行情落地文件，适合自有服务器长期采集。

获取方式上，实时场景一般通过行情 API 订阅推送，按事件回调写入本地队列；历史场景则通过数据接口按日期批量下载。无论哪种方式，都要关注三个工程细节：一是时间戳基准，统一使用交易所时间而非本地接收时间，避免网络延迟污染时序；二是数据落盘格式，建议按“证券代码+日期”分区存储为 Parquet 或二进制格式，便于回测时按标的快速读取；三是缺失与重复校验，逐笔数据在高峰时段可能出现丢包或重复推送，需用委托编号和成交编号去重。

四、面向回测的最小数据准备

在进入策略回测前，建议先构建一份“事件回放表”，把逐笔委托与逐笔成交按时间戳归并排序，形成单一事件流。回放时维护一个订单簿：委托事件插入或删除对应价位挂单，成交事件扣减对应价位数量。这样得到的盘口状态才是策略真正“看到”的市场。一个可直接参考的字段清单如下：