4. 买卖方向字段与主动成交判定

逐笔成交数据里，买卖方向字段看起来只是一个字符或一个数字，但它决定了后续所有"主动买/主动卖"统计的正确性。如果方向字段读错，成交量分布、大单净流入、资金流向等指标会整体反向。本节围绕三件事展开：方向字段的编码规则、主动成交的判定逻辑，以及如何用逐笔委托数据做交叉验证。

一、方向字段的常见编码规则

不同数据源对买卖方向的编码并不统一，常见的有三类：

• 字母型：B 表示买方主动（Buy），S 表示卖方主动（Sell），部分数据源用 N 表示未知或中性。
• 数字型：1 表示买入，2 表示卖出；也有数据源用 0 表示买、1 表示卖，或 49/50（ASCII 码）表示 B/S。
• 带符号型：+1/-1，或成交量本身带正负号，正为主动买、负为主动卖。

整理代码字典时，第一步就是把原始字段的取值域完整枚举出来，而不是凭经验假设"1 就是买"。建议在字典中为每个方向字段记录：字段名、原始取值、含义、是否含未知值、以及该取值在样本中出现的频次。频次统计能快速暴露异常——例如某天数据中出现了字典里没有的 3，说明数据源升级或字段含义变化，必须回查。

二、主动成交的判定逻辑

逐笔成交记录的是"某一笔撮合"，方向字段描述的是哪一方主动发起。判定逻辑的本质是比较成交价与当时盘口的买一价、卖一价：

• 成交价等于或高于卖一价（成交在卖方挂单价上），买方主动吃掉卖盘，记为主动买入。
• 成交价等于或低于买一价（成交在买方挂单价上），卖方主动砸向买盘，记为主动卖出。
• 成交价介于买一与卖一之间（如市价单在价差内成交），需要结合逐笔委托的到达顺序判断，不能仅凭价格。

很多数据源已经在方向字段中直接给出了判定结果，此时我们做的是"信任但校验"：用价格与盘口的关系反推方向，与字段值比对，统计一致率。若一致率低于预期（例如低于 95%），说明字段含义与我们的理解不符，或数据存在错位。

下面这张图展示了从逐笔成交记录到主动方向判定的完整信号链，以及用逐笔委托做验证的回路：

三、与逐笔委托的关联验证

逐笔成交只告诉我们"成交了"，逐笔委托才告诉我们"谁先挂的单、谁后到的单"。验证的基本思路是：对每一笔成交，找到成交时刻之前最近到达、且价格匹配的委托，看这笔委托是买还是卖。如果成交由买方主动发起，那么成交前最后到达的应该是买方委托（价格不低于卖一），反之亦然。

实际操作中，交易所的逐笔数据通常带有撮合序号或成交编号，可以直接把成交与委托配对。以常见的配对逻辑为例：

# 伪代码：用委托方向校验成交方向
for trade in trades:
    # 找到成交编号对应的主动方委托
    order = orders_by_trade_id.get(trade.trade_id)
    if order is None:
        unmatched += 1
        continue
    expected = 'B' if order.side == '买' else 'S'
    if trade.direction == expected:
        matched += 1
    else:
        mismatch.append((trade, order))

consistency = matched / (matched + len(mismatch))

示例中若某日样本共 50 万笔成交，配对成功 49.2 万笔，其中方向一致 48.6 万笔，则一致率约为 98.8%，属于正常范围；若一致率只有 70% 左右，常见原因是方向字段的 1/2 含义被弄反，或成交与委托的配对键用错（例如用了委托号而非成交编号）。

四、整理成字典时的落地要点

把上述内容沉淀到代码字典中，建议每个方向相关字段至少包含以下条目：原始字段名、数据类型、取值枚举及含义、未知值处理方式、判定依据（价格比较还是委托配对）、以及验证一致率的参考阈值。对于同时存在"方向字段"和"主动方标识"两个字段的数据源，要明确二者是否冗余、以哪个为准，避免下游重复计算或相互矛盾。

方向字段虽小，却是逐笔数据链条上最容易出错的一环。把编码规则枚举清楚、把判定逻辑写明白、把委托验证跑通，后续的成交量分布、资金流向等衍生指标才有可靠的地基。