2. 盘口数据基础与高频异动定义

做盘口异动聚类，第一步不是写算法，而是把“数据长什么样”和“什么算异动”这两件事钉死。Level-2 行情与普通快照行情的根本差别在于：它不只给你一个时点的买卖五档，而是把逐笔委托、逐笔成交、订单簿重建所需的全部增量事件都推给你。聚类分析的对象正是这些事件序列在时间轴上的密度、方向与结构变化，因此必须先理解数据的分层结构，再谈异动的量化界定。

一、Level-2 行情的三层数据结构

可以把 Level-2 数据理解为三个层次，它们的时间粒度和语义完全不同：

• 快照层（Snapshot）：通常每 3 秒推送一次，包含最新价、成交量、成交额、买卖十档价格与挂单量。它适合做低频统计，但会丢失档位之间的瞬时变化。
• 逐笔委托层（Order）：记录每一笔委托的进入、撤单与交易所撮合前的原始意图，字段包括委托序号、买卖方向、价格、数量、委托类型（限价/市价/本方最优等）。这是识别“挂单—撤单”行为的关键。
• 逐笔成交层（Trade）：记录每一笔实际撮合成交，字段包括成交序号、价格、数量、成交方向（主动买/主动卖，部分交易所用 BS 标志或由买卖委托序号推断）。这是计算主动买卖力量的基础。

三层数据通过委托序号和成交序号关联：一笔成交必然对应买方与卖方各一笔委托，通过序号可以回溯“谁主动、谁被动”。实际工程中，逐笔委托与逐笔成交往往分两个通道推送，需要按时间戳与序号做归并排序，才能重建出连续的订单簿事件流。若归并出错，后续的撤单率、大单占比都会失真，这一点在数据接入阶段就要用“序号连续性校验”和“时间戳单调性校验”兜底。

二、逐笔委托与逐笔成交的实战读法

光有字段还不够，要能读出行为。举一个教学示例（以下数值为合理假设，非实测）：某股票在 10:15:00 至 10:15:30 的 30 秒内，逐笔委托通道出现 420 笔委托，其中 260 笔在挂出后 2 秒内被撤销，撤单率约 61.9%；同期逐笔成交仅 85 笔，主动买 30 笔、主动卖 55 笔，主动买卖比约 0.55。这组数据说明：大量委托并未转化为成交，而是“挂—撤”循环，属于典型的虚假挂单或试探性挂单行为。若只看快照，十档挂单量可能看起来正常，但逐笔层已经暴露了意图。

读逐笔成交时要注意方向判定。多数交易所的逐笔成交会给出 BS 标志，但部分数据源需要自行推断：成交价等于卖方委托价、且买方为主动方时记为主动买；反之记为主动卖。推断规则必须在数据字典中固定，并在全流程保持一致，否则聚类结果会因方向定义漂移而不可比。

三、异动的业务含义与量化界定

“异动”在业务上指盘口出现了偏离常态、可能预示价格方向或流动性变化的行为。它不是一个单一指标，而是一组可观测信号的组合。常见的业务含义包括：

• 虚假挂单：大额挂单快速撤单，制造买卖压力假象。
• 主动扫单：连续主动买/卖成交，吃掉多档挂单，反映真实方向意愿。
• 盘口失衡：买卖十档挂单量严重不对称，预示短期价格压力。
• 大单突袭：单笔或短时大单成交，显著偏离近期成交分布。

量化界定需要把上述含义翻译成可计算的指标。以下是一份可直接参考的异动判定参数表（阈值为示例，需按标的流动性和时段校准）：

这些指标构成聚类分析的特征向量。需要强调的是，阈值不是拍脑袋定的，而应基于标的自身的历史分布做滚动校准：例如用过去 20 个交易日的同一时段数据计算均值和标准差，把“偏离 2σ”作为动态阈值。这样在不同流动性的标的上，异动定义才具有可比性。

把三层数据、行为读法和量化指标串起来，就得到了本节的核心结论：Level-2 的价值在于逐笔事件，异动的本质是事件序列在密度、方向和结构上的偏离，而量化界定就是把这种偏离写成可计算、可校准、可复现的指标。后续的聚类方法，都是在这组特征向量上做文章。