2. 盘口数据形态与采集要点

盘口关键转折时刻的自动标注，本质上是在时间轴上寻找“状态突变”的位置。而能否准确找到这些位置，首先取决于我们手里有什么形态的数据、这些数据以什么频率到达、字段各自代表什么含义，以及不同来源的数据能否在时间上对齐。本节围绕逐笔委托、逐笔成交、快照行情、订单簿深度四类数据形态展开，并给出采集环节的常见缺口与处理思路。

四类数据形态的定位差异

逐笔委托（Order-by-Order）记录每一笔新报单、撤单的明细，包含委托序号、方向、价格、数量、委托时间等字段，是还原订单簿演化的最细粒度来源。逐笔成交（Tick-by-Tick Trade）记录每一笔撮合成交，包含成交价、成交量、成交方向（主动买/主动卖）以及买方/卖方委托序号，是判断主动资金方向的核心依据。快照行情（Snapshot）按固定频率（A股常见为3秒一档，部分行情源为500毫秒）对订单簿做切片，给出买一至买N、卖一至卖N的价格与数量。订单簿深度（Order Book Depth）则是在快照基础上保留更多档位，或由逐笔数据重建出的完整簿面。

四者的关系可以理解为：逐笔委托与逐笔成交是“事件流”，快照与深度是“状态切片”。事件流精度高但数据量大、需要重建；状态切片直接可用但会丢失切片之间的瞬时变化。自动标注转折时刻时，通常用事件流定位精确时点，用快照做交叉验证与降噪。

数据频率与字段含义

频率决定了标注的时间分辨率。逐笔委托与逐笔成交是事件驱动，理论上每笔一个时间戳，但交易所对外发布的逐笔数据通常带有毫秒级时间，且不同交易所的时间戳精度与含义（委托时间 vs 撮合时间）并不一致。快照是固定周期，A股Level-1为3秒、Level-2部分为500毫秒，期货市场常见500毫秒。若转折发生在两个快照之间，仅靠快照无法定位，必须借助逐笔事件流。

字段含义上有几个容易踩坑的点。逐笔委托中的“方向”字段，不同数据源可能用B/S、1/2或买卖标志位表示，需在入库前统一映射。逐笔成交的“成交方向”通常指主动方方向，但部分源给出的是买方委托方向，二者在标注主动买卖时结论相反。快照中的“买一量”是挂单量而非成交量，不能与逐笔成交量直接相加。订单簿深度重建时，委托序号是唯一键，撤单必须按序号精确扣减，否则簿面会累积误差。

时间对齐的实操方法

多源数据对齐的核心是统一时间基准。建议以交易所发布的时间戳为准，本地接收时间仅作为延迟监控的辅助字段。对齐时先做“同源排序”：逐笔委托按委托序号排序，逐笔成交按成交序号排序，避免因网络乱序导致时间倒挂。再做“跨源对齐”：以逐笔成交的时间戳为锚点，将快照按“不晚于该时刻的最近一个切片”匹配，而不是简单取整到秒。

一个可执行的检查是统计每个快照周期内的逐笔成交笔数与成交量，与相邻快照的累计成交量差值比对。若差值持续偏离，说明存在丢包或重复。示例参数：某标的3秒快照区间内逐笔成交累计1200手，而快照累计成交量差值为1180手，偏差约1.7%，属于可接受范围；若偏差超过5%且连续多个周期出现，则应触发缺口告警。

常见采集缺口与处理

缺口主要有四类：一是网络丢包导致逐笔序号不连续；二是行情源在开盘、收盘或剧烈波动时推送延迟；三是快照与逐笔来自不同通道，时间基准不一致；四是重建订单簿时撤单未匹配到原委托。处理上，序号不连续应立即记录缺口区间，并在标注时将该区间标记为“低置信度”，不参与转折点判定。延迟可通过本地接收时间与交易所时间戳的差值监控，差值突增时降级使用快照。跨通道对齐以逐笔为准、快照为辅。撤单未匹配则保留原挂单并记录异常，待收盘后与交易所对账数据核对。

采集字段清单示例

把上述四类数据按统一时间基准入库，并对缺口做显式标记，后续的转折时刻标注才有可靠的数据底座。采集阶段多花的时间，会在标注准确率上直接体现出来。