3. 盘口时间线数据采集方法

做开盘急涨的盘口复盘，第一步不是看图说话，而是把“当时到底发生了什么”还原成一条可对齐、可检索的时间线。这条时间线通常由三类数据拼成：逐笔成交（每一笔撮合的成交价、成交量、成交方向）、委托队列（买一至买五、卖一至卖五的挂单量与价位，以及逐笔委托的增减）、分时快照（按固定间隔抓取的最新价、均价、成交量、涨跌幅、买卖盘口）。三者粒度不同、时间戳口径不同，采集与清洗的核心任务就是让它们在同一个时间轴上“对得上”。

三类数据的采集口径

逐笔成交数据来自交易所的成交回报，字段一般包括成交时间（精确到毫秒或秒）、证券代码、成交价、成交量和成交方向（主动买/主动卖，部分数据源以买卖盘序号推断）。采集时要注意两点：一是时间戳是交易所撮合时间还是行情落地时间，二者可能相差几十到数百毫秒；二是集合竞价阶段的成交往往在开盘瞬间集中回报，时间戳可能被压缩在同一秒内，需要保留原始序号来维持先后顺序。

委托队列数据反映的是盘口挂单的实时变化。Level-1 行情只给买一卖一，Level-2 才提供十档甚至逐笔委托。对开盘急涨复盘而言，最关键的是开盘前后卖盘的消耗速度和买盘的堆积节奏，因此至少要采集买五卖五的价位与数量，采样间隔建议不高于 3 秒；若数据源支持逐笔委托，则应完整保留委托编号、方向、价格、数量和委托类型（限价/市价/本方最优等）。

分时快照是成本最低、最容易获得的一类数据，通常按 3 秒一笔推送。它适合做整体节奏的骨架，但不适合判断单笔大单的方向，因为快照只给盘口状态，不给逐笔明细。实操中常见的做法是：以分时快照为时间骨架，把逐笔成交和委托队列挂接到骨架的各个时间点上。

清洗：先把“脏数据”处理干净

原始数据到手后，常见问题有四类。第一是重复推送：行情落地时同一笔成交可能被重复写入，必须按成交编号或“时间+价格+量+方向”组合去重，否则成交量会被放大。第二是缺失：网络抖动会导致某些快照丢失，此时应标记空档而不是用前后值插值，因为盘口是状态量，插值会伪造出并不存在的挂单。第三是异常值：价格为 0、成交量明显超过流通盘、买卖档位价格倒挂等，需要按规则剔除并记录。第四是单位不统一：有的数据源价格用“分”，有的用“元”；成交量有的用“股”，有的用“手”，清洗时必须统一，否则后续统计会差出两个数量级。

一个可直接套用的清洗规则示例如下（以 Python 伪代码表达，字段名为示例）：

# 1. 去重：同一成交编号只保留首条
tick = tick.drop_duplicates(subset=["trade_id"], keep="first")

# 2. 单位统一：价格转为元，成交量转为手
tick["price"] = tick["price"] / 100      # 若原始单位为分
tick["volume"] = tick["volume"] / 100    # 若原始单位为股

# 3. 异常剔除：价格为0或量超过阈值
tick = tick[(tick["price"] > 0) & (tick["volume"] <= 100000)]

# 4. 快照缺失标记：相邻快照间隔超过 6 秒记为空档
snap["gap"] = snap["ts"].diff().dt.total_seconds() > 6

清洗完成后应输出一份“数据质量摘要”：总记录数、去重条数、剔除条数、空档数量、时间跨度。这份摘要不是形式主义，它决定了后面复盘结论的可信度——如果开盘后 3 秒内的快照缺失严重，那么“急涨第一波由谁推动”的判断就要打折扣。

时间对齐：让三条线落在同一根轴上

对齐的关键是选定基准时间轴。推荐以交易所撮合时间为准，把分时快照的时间点作为骨架节点，逐笔成交按“成交时间不晚于该快照时间”的规则归入最近的前一个快照区间。举例来说，若快照时间为 09:30:00、09:30:03、09:30:06，某笔成交时间为 09:30:04.250，则它归入 09:30:03 至 09:30:06 这个区间，区间内所有成交的成交量之和应等于该区间快照累计成交量的增量，这个等式就是对齐是否成功的校验条件。

委托队列的对齐稍复杂：它本身是状态量，每个快照点对应一个盘口状态。对齐时只需保证每个快照点上的买五卖五数据完整，并把相邻快照之间的委托变化视为“区间内的净变化”。若使用逐笔委托数据，则可以进一步还原出每一笔挂单和撤单，从而算出“卖一被吃掉多少、新挂多少”，这对判断急涨是“真实买盘推动”还是“卖盘撤单造成的虚涨”非常关键。

采集与对齐的落地检查清单

把上述流程固化成一张可执行的检查表，每次复盘前过一遍，能显著减少返工：

需要强调的是，采集与对齐的目标不是追求“数据完美”，而是让复盘时每一个结论都能追溯到具体的时间点和具体的记录。当你能指着 09:30:03 至 09:30:06 这个区间说“这里卖一被连续吃掉 800 手、买一同步上移两档”，盘口时间线才真正成为分析工具，而不是一堆看起来很像数据的表格。