2. 尾盘时段划分与数据采集规范

尾盘复盘的第一步不是打开行情软件随意翻看，而是先把“尾盘”这个模糊概念切成可度量、可对齐、可复现的时间窗口，再为每个窗口定义清楚要采集什么数据、以什么频率采集、字段如何命名。如果时间窗口不统一，不同交易日的复盘结论就无法横向比较；如果字段口径不统一，成交明细与委托队列之间就无法互相印证。本节围绕这两件事展开：先划分窗口，再落地采集规范。

一、把尾盘切成四个可对齐的窗口

实务中常说的“尾盘”通常指14:30至15:00这半小时，但真正决定尾盘成交结构的，是其中几个性质完全不同的子区间。建议按以下四个窗口划分，并以交易所时间戳为准，全部采用“左闭右开”区间，避免边界重复计数：

• W1 尾盘前段（14:30:00–14:45:00）：资金开始试探性调仓，成交温和放大，委托队列的撤单率通常开始抬升，是观察“谁先动”的窗口。
• W2 尾盘加速段（14:45:00–14:57:00）：主动买卖盘集中释放，大单成交占比明显上升，价格波动加剧，是尾盘成交集中度分析的核心区间。
• W3 集合竞价阶段（14:57:00–15:00:00）：连续竞价停止，进入收盘集合竞价，只接受申报、不即时成交，最终在15:00:00一次性撮合，形成收盘价。
• W4 收盘定格（15:00:00）：以收盘集合竞价撮合结果为准，记录收盘价、收盘成交量与未成交申报的最终状态。

需要特别强调W3与W1、W2的性质差异：前两个窗口是连续竞价，逐笔成交连续产生；W3是集合竞价，期间没有逐笔成交，只有申报进入和撤单，真正的成交在15:00:00一次性发生。很多复盘者把14:57之后的申报量误当作成交量，导致尾盘成交占比被高估，这是最常见的口径错误。因此采集时必须把“申报”与“成交”两类事件分开记录，并在时间轴上明确标注撮合时点。

二、确定采集字段：三类数据各管一段

尾盘复盘常用的原始数据有三类，它们回答的问题不同，不能互相替代。第一类是成交明细，字段至少包括：成交时间（精确到毫秒）、证券代码、成交价格、成交数量、成交金额、买卖方向标识（主动买/主动卖/中性）、成交编号。它回答“成交了什么、以什么方向成交”，是计算尾盘成交占比、大单占比、主动净买入的基础。

第二类是委托队列快照，字段包括：快照时间、买一至买十价与量、卖一至卖十价与量、总委买量、总委卖量。它回答“盘口厚度如何变化”，用于观察尾盘买卖盘力量对比和撤单造成的队列塌陷。快照频率建议固定为3秒一档，与多数行情源的最小推送粒度对齐，便于跨日比较。

第三类是逐笔委托，字段包括：申报时间、申报价格、申报数量、买卖方向、订单类型、撤单标识。它回答“申报如何进入和退出”，尤其在W3集合竞价阶段，逐笔成交缺失，逐笔委托是唯一能反映过程的数据。三类数据的采集频率与窗口对应关系已在图中标明，实操时应把频率写进采集脚本的配置项，而不是靠人工记忆。

三、字段口径与命名规范

采集规范的核心是“口径唯一”。建议统一以下约定：时间一律使用交易所时间戳，不做本地时区转换；价格保留两位小数，数量以股为单位、金额以元为单位，避免手与股混用；买卖方向以“主动方”定义，即成交中主动成交的一方，无法判定时标记为中性，不得强行归类。字段命名采用小写下划线风格，例如 trade_time、trade_price、trade_volume、bid1_price、ask1_volume、order_cancel_flag，保证不同交易日、不同标的的数据可以直接拼接。

一个容易被忽略的细节是去重与补漏。逐笔数据在收盘前后可能出现重复推送或短暂断流，采集端应以“成交编号+时间戳”作为唯一键去重，并记录每个窗口的实际记录条数与理论条数的偏差率。偏差率超过设定阈值（例如1%）时，该交易日的数据应标记为“不完整”，在后续复盘结论中降权使用，而不是直接混入统计。

四、可直接套用的采集配置示例

下面是一份采集配置的示例结构，参数为教学示例值，实际使用时按所用行情接口调整。它的作用是让“窗口—频率—字段”三者在配置层面绑定，避免采集时漏项：

windows:
  W1: {start: "14:30:00", end: "14:45:00", mode: continuous}
  W2: {start: "14:45:00", end: "14:57:00", mode: continuous}
  W3: {start: "14:57:00", end: "15:00:00", mode: call_auction}
  W4: {start: "15:00:00", end: "15:00:01", mode: snapshot}

collect:
  trade_detail: {fields: [trade_time, code, trade_price, trade_volume,
                           trade_amount, side, trade_id], freq: tick}
  order_book:   {fields: [snap_time, bid1_price, bid1_volume,
                           ask1_price, ask1_volume, total_bid, total_ask],
                 freq: "3s"}
  order_tick:   {fields: [order_time, order_price, order_volume,
                           side, order_type, cancel_flag], freq: tick}

quality:
  dedup_key: [trade_id, trade_time]
  max_missing_rate: 0.01

采集完成后，先做一次窗口级校验：统计每个窗口的成交笔数、成交金额、快照条数、逐笔委托条数，与理论值比对。例如W2共12分钟、按3秒一档应有240条快照，若实际只有230条，说明存在断流，需要回补或标记。只有通过校验的数据，才进入后续的成交集中度与队列变化分析。