1. 课程导入与逐笔成交数据概览

在量化交易与市场微观结构研究中，日线、分钟线这类"快照式"行情只保留了区间内的价格与成交量汇总，而真正刻画"谁在什么时刻、以什么方向、成交了多少"的信息，藏在逐笔成交数据里。本课程围绕逐笔成交字段与代码字典的整理展开，目标是让读者拿到一份原始逐笔数据后，能够准确识别每个字段的含义、取值约定与单位，并最终沉淀为一份可复用、可校验的字段字典。作为开篇，本节先厘清逐笔成交是什么、它在交易分析中承担什么角色、数据从哪来，以及字段整理与代码字典究竟要解决什么问题。

逐笔成交的定义与数据形态

逐笔成交（Tick-by-Tick Trade，常简称逐笔或成交明细）是指交易所撮合系统每产生一笔成交就记录一条的明细数据。与快照行情不同，它不是按固定时间间隔采样，而是"事件驱动"——有成交才有一条记录。一条典型的逐笔成交记录至少包含：成交时间（精确到毫秒甚至微秒）、证券代码、成交价格、成交数量、成交金额、买卖方向标识、成交编号等。沪深交易所的 Level-2 行情中，逐笔成交通常还带有买方委托序号与卖方委托序号，用于与逐笔委托数据关联还原订单生命周期。

需要特别区分三个容易混淆的概念：逐笔成交记录的是"已经撮合成功的交易"；逐笔委托记录的是"进入撮合队列的订单申报、撤单"；快照行情则是每隔约 3 秒对盘口与最新价的一次切片。三者粒度与语义不同，字段体系也不同，整理字典时必须分开建表，不能混用字段名。

逐笔成交在交易分析中的作用

逐笔成交的价值在于它保留了成交的方向性与时序性，这使得许多仅靠 K 线无法完成的分析成为可能。常见用途包括：

• 主动买卖盘分析：通过买卖方向标识或委托序号比较，区分主动买成交与主动卖成交，计算净主动买入量，判断资金流向。
• 大单与拆单识别：按成交金额分档统计大单占比，或利用相同委托序号聚合被拆分的成交，识别机构行为痕迹。
• 微观结构指标计算：如成交量加权均价、有效价差、订单簿失衡度、成交到达强度等，均以逐笔数据为输入。
• 回测与成交模拟：用逐笔成交还原真实可成交价格与滑点，比用收盘价回测更贴近实盘。
• 异常交易监测：对倒、拉抬、频繁撤单等行为往往在逐笔层面才暴露特征。

正因为用途多样，同一份原始数据在不同分析场景下会被反复读取，字段含义一旦理解偏差，后续所有指标都会系统性出错。这也是本课程把"字段整理与代码字典"作为核心任务的原因。

常见数据来源与字段差异

逐笔成交数据主要来自三类渠道。第一类是交易所 Level-2 行情，如上交所、深交所的 Level-2 逐笔成交，字段规范由交易所发布，权威性最高，通常包含成交时间、代码、价格、数量、买卖方向、买卖委托序号等。第二类是逐笔委托与订单簿重建数据，部分数据商在逐笔成交之外同时提供逐笔委托，二者通过委托序号关联，可还原完整订单链。第三类是数据商加工后的衍生逐笔，如按主买主卖重新标注方向、合并同委托成交、附加行业与市值标签等，字段更丰富但口径由数据商定义。

不同来源的字段差异是整理工作的主要难点：同一含义可能叫 trade_price、price 或 成交价；数量单位可能是"股"也可能是"手"；时间可能是字符串 "09:30:00.500" 也可能是毫秒整数；买卖方向可能用 B/S、1/2、0/1 甚至正负号表示。若不建立统一字典，跨源拼接数据时极易出现价格放大百倍、方向反转、时间错位等问题。

字段整理与代码字典的核心目标

所谓"字段整理"，不是简单地把列名抄一遍，而是完成四件事：识别（每个字段对应什么业务含义）、归一（统一命名、单位、类型与方向约定）、校验（用规则验证取值是否合理）、留痕（记录来源与转换过程）。而"代码字典"是这四件事的最终载体，它是一份结构化的元数据表，让任何拿到数据的人不必再猜字段含义。

一份合格的逐笔成交代码字典，至少应覆盖以下信息：标准字段名、中文名称、数据类型、单位、取值范围或枚举约定、缺失值处理方式、来源字段映射、以及一条可用于自检的样例值。以买卖方向为例，若原始数据用 1 表示买、2 表示卖，而另一源用 B/S，字典中就应明确统一为 B/S 并给出映射规则，避免下游代码各写一套判断。

一个可操作的整理起点

假设我们拿到一份示例逐笔成交文件，前几行如下（数据为教学示例，非实测）：

trade_time,code,price,volume,side,bid_seq,ask_seq
09:30:00.120,600000,10.25,300,1,10231,20567
09:30:00.350,600000,10.26,500,2,10245,20580
09:30:01.010,600000,10.25,200,1,10260,20592

整理时我们首先判断：side 取值为 1/2，需确认 1 是买还是卖；volume 为 300、500，需确认单位是股还是手；trade_time 为字符串，需转为毫秒整数以便排序与计算间隔。随后在字典中登记：标准字段 trade_time_ms（整数，毫秒）、price（浮点，元）、volume（整数，股）、side（枚举 B/S）。最后用校验规则检查：价格是否落在当日涨跌停区间内、数量是否为正整数、买卖序号是否非空、时间是否单调不减。只有这些检查通过，字典才算真正可用，而不是一份"看起来完整"的文档。