3. 成交瞬态数据构成与获取

要提取开盘集合竞价的成交瞬态特征，第一步不是写算法，而是把“原料”弄清楚。开盘集合竞价（A股为9:15—9:25，其中9:20—9:25不可撤单）在短短十分钟内会产生大量逐笔委托与逐笔成交记录，这些记录构成了瞬态特征提取的唯一原始依据。本节围绕两类核心数据——逐笔委托与逐笔成交——讲清它们的字段构成、时间精度含义、常见数据来源，以及在采集环节必须注意的工程细节。

一、逐笔委托：瞬态的“意图流”

逐笔委托记录的是每一笔进入撮合系统的订单申报及其后续状态变化。以沪深交易所 Level-2 行情中的逐笔委托为例，一条记录通常包含以下关键字段：证券代码、委托时间（精确到毫秒或更高）、委托序号（交易所内唯一递增）、买卖方向、委托价格、委托数量、订单类型（限价/市价/本方最优等）以及委托类别（如深圳市场的“委托”与“撤单”区分）。其中委托序号是还原时序的关键：同一时刻的多笔委托，必须依靠序号而非时间戳来定序，因为时间戳精度有限，同一毫秒内可能有多笔记录。

在集合竞价阶段，逐笔委托的价值在于它完整记录了“谁在什么价位、什么时刻、以多大数量表达意愿”。9:15—9:20 允许撤单，因此撤单记录同样重要——它反映的是意图的撤回，是识别虚假申报、诱导性挂单的重要线索。采集时必须把“新增委托”和“撤单”两类记录都保留，并保留其原始序号，否则无法重建订单簿的演化过程。

二、逐笔成交：瞬态的“结果流”

逐笔成交记录的是撮合引擎实际达成的每一笔交易，字段通常包括：证券代码、成交时间、成交序号（或成交编号）、成交价格、成交数量、买卖方向标识（部分市场提供主动方方向）、以及对应的买方/卖方委托序号（部分数据源提供）。集合竞价阶段的成交具有特殊性：9:25 开盘时，所有满足条件的委托以同一价格集中撮合成交，因此会瞬间产生一批价格相同、时间戳几乎一致的成交记录，这正是“瞬态”的典型形态。

需要特别注意的是，集合竞价的成交在逐笔数据中往往表现为“批量、同价、时间密集”的一簇记录，而非连续竞价中分散的逐笔撮合。提取特征时，这一簇记录的数量、总量、单笔均量、买卖方向分布，都是刻画开盘瞬态强度的直接指标。若数据源不提供买卖方向，则需要通过成交价与当时买一/卖一的关系推断主动方，这一点在采集方案设计时就要确认字段是否可得。

三、时间精度：瞬态分析的生命线

“瞬态”二字决定了时间精度是本节最不能妥协的参数。不同数据源的时间精度差异很大：普通快照行情通常为3秒一笔，完全无法用于瞬态分析；Level-2 逐笔委托/成交一般为毫秒级（如10ms、1ms），部分专线或交易所原始数据可达微秒级。选择数据源时，必须确认时间戳的实际分辨率而非标称值，并确认时间戳是交易所撮合时间还是行情落地时间——后者会引入网络与处理延迟，导致同一毫秒内的先后关系失真。

实践中还需处理两个问题：一是时钟校准，采集服务器应通过NTP与标准时间同步，并记录同步偏差，避免跨日、跨源数据对齐时出现系统性偏移；二是同刻定序，当多笔记录时间戳相同时，必须用委托序号或成交序号作为次级排序键，否则订单簿重建会出现不确定的先后顺序，进而影响撤单率、挂单深度等瞬态指标的计算。

四、数据来源与采集注意事项

常见来源包括：交易所授权的 Level-2 行情（逐笔委托+逐笔成交，最贴近撮合过程）、券商柜台或极速行情接口、第三方数据商的历史逐笔库，以及自行通过行情网关落盘的原始报文。不同来源在字段完整性、时间精度、复权与清洗规则上差异明显，课程示例中若使用模拟或假设数据，应明确标注，不可与真实采集结果混用。

采集环节建议重点核对以下几点：其一，字段可得性，确认是否提供委托序号、撤单标识、主动方方向，缺失字段要在特征设计中规避或替代推断；其二，完整性，集合竞价结束后的开盘成交簇应能被完整捕获，可通过“成交序号连续性”和“开盘成交量与快照成交量一致性”做交叉校验；其三，原始留存，落盘时同时保存原始报文与解析后字段，便于事后复现与字段口径修正；其四，时区与交易日，统一使用交易所本地时间并标注交易日，避免跨市场数据混用。

把上述字段、精度与采集规范落实到位，后续的瞬态特征提取才有可靠基础：逐笔委托提供意图演化的时序骨架，逐笔成交提供结果落地的强度证据，而毫秒级时间与序号定序则保证这两条线索能在同一时间轴上严格对齐。