2. 买卖价差的数据结构与获取

要识别买卖价差异常扩大，第一步不是写判断规则，而是把“价差”这个数字从行情数据里正确地取出来。很多初学者直接拿行情软件上显示的“买一价、卖一价”相减，却忽略了行情层级、时间戳口径、字段单位与数据来源的差异，导致算出的价差在不同数据源之间不可比，异常判断自然失真。本节围绕 Level-1 与 Level-2 两类行情的字段构成，讲清楚价差在数据结构中“长什么样”，以及从交易所接口、历史数据库、数据供应商三条路径获取逐笔与快照报价数据时需要注意的关键点。

一、Level-1 行情：单一最优报价下的价差

Level-1 行情只提供最优一档买卖报价，即买一价（Bid Price）与买一量（Bid Size）、卖一价（Ask Price）与卖一量（Ask Size），外加最新成交价、成交量、成交笔数等汇总字段。对价差而言，最核心的两个字段就是买一价与卖一价，价差定义为：

spread = ask_price_1 - bid_price_1
相对价差 = spread / mid_price，其中 mid_price = (bid_price_1 + ask_price_1) / 2

这里必须先明确方向约定：本文统一采用“卖方报价减买方报价”，因此正常市场中价差恒为非负数；若出现负值，说明数据存在错位、延迟拼接或字段映射错误，本身就是需要排查的信号。Level-1 快照通常按固定频率（如每 3 秒）推送，字段结构大致如下（以常见快照表为例，字段名为示例）：

Level-1 的优点是数据量小、获取门槛低，适合做全市场扫描和粗筛；缺点是看不到盘口深度，当买一或卖一被瞬间抽空时，Level-1 只能看到价差跳变的结果，无法判断是“某一档撤单”还是“整条盘口变薄”。因此 Level-1 更适合作为异常扩大的第一层触发器，而不是最终定性依据。

二、Level-2 行情：多档盘口与逐笔数据

Level-2 行情在 Level-1 基础上提供多档买卖盘（常见 5 档、10 档，部分市场提供 20 档甚至全深度），以及逐笔委托与逐笔成交。价差分析中真正有价值的不只是买一卖一，而是整条盘口的形状。常用字段包括各档的 bid_price_i、bid_size_i、ask_price_i、ask_size_i（i 从 1 到 N），以及逐笔成交中的成交价、成交量、成交方向（主动买/主动卖）。

基于多档数据，可以构造比单一价差更有解释力的指标，例如：

• 盘口深度：买一至买五量之和与卖一至卖五量之和，用于判断价差扩大是否伴随流动性整体撤离。
• 加权中间价：按各档量加权，比简单中间价更稳健，适合作为相对价差的分母。
• 档位缺口：相邻档位价格间隔是否异常，例如买一与买二之间出现远超最小价位的空档，往往意味着盘口被大额撤单打薄。

下图展示了同一时刻 Level-1 与 Level-2 的字段关系，以及价差在两类数据结构中的位置：

三、三条获取路径的差异与取舍

交易所接口是最原始、延迟最低的来源，通常以行情网关或 API 形式提供实时推送，字段最贴近原始定义，但需要自行处理断线重连、序列号校验、时间戳对齐等问题。以常见的逐笔快照接口为例，返回结构中往往包含序列号与交易所时间，必须用序列号去重、用交易所时间而非本地接收时间做排序，否则跨源合并时会出现“时间倒流”。

历史数据库适合回测与复盘，通常以快照表加逐笔表的形式存储。使用时要注意两点：一是快照频率是否固定，若交易所只在盘口变化时推送，则相邻快照的时间间隔本身携带信息，不能简单按等间隔处理；二是价格字段是否已按最小价位单位归一化，不同市场的 tick size 不同，直接比较原始整数价格会引入偏差。

数据供应商提供清洗、对齐后的数据，字段命名更统一，但存在“二次加工”风险：部分供应商会对异常快照做平滑或剔除，导致真实的价差瞬间扩大被抹掉。做异常识别时，应优先确认供应商是否保留了原始快照，必要时用交易所原始数据做交叉验证。

四、一个可复用的取数与校验流程

假设我们要对某只股票构建分钟级价差序列，可以按以下方式落地。首先从快照数据中按交易所时间排序，取每分钟最后一个快照作为该分钟的盘口状态；然后计算价差与相对价差，并记录该分钟内的快照数量与盘口总深度。示例参数（仅为教学假设）：某股票买一价 10.00 元、卖一价 10.02 元，则价差 0.02 元，中间价 10.01 元，相对价差约 0.20%；若某分钟相对价差升至 0.80% 且买五量之和下降超过一半，则标记为候选异常点。

# 伪代码：快照取数与价差计算
df = snapshots[snapshots.symbol == "600XXX"]
df = df.sort_values("exchange_ts").drop_duplicates("seq_no")
df["spread"] = df["ask_price_1"] - df["bid_price_1"]
df["mid"] = (df["ask_price_1"] + df["bid_price_1"]) / 2
df["rel_spread"] = df["spread"] / df["mid"]
df["depth5"] = df[[f"bid_size_{i}" for i in range(1,6)]].sum(axis=1) \
             + df[[f"ask_size_{i}" for i in range(1,6)]].sum(axis=1)
minute = df.set_index("exchange_ts").resample("1min").last().dropna()

校验环节重点看三件事：价差是否出现负值（方向或拼接错误）、相对价差是否在无成交的静默时段异常放大（可能是盘口被抽空而非真实交易行为）、以及快照数量骤降是否与价差跳变同时发生（提示数据中断而非市场变化）。只有把字段口径和数据来源的差异控制住，后续的异常扩大识别才有可靠的基础。