1. 课程导入与问题界定

在逐笔成交数据中，每一笔成交都同时携带两个最基本的属性：成交笔数与成交量。前者刻画"发生了多少次交易"，后者刻画"每次交易涉及多少股或多少手"。单独看其中任何一个，都只能得到市场活跃程度的一个侧面；而把两者放在同一个概率框架下考察，才能回答一个更本质的问题——市场的成交究竟是"少量大单"驱动，还是"大量小单"堆积？这正是联合分布研究的出发点。

两个变量的定义与口径

成交笔数（Trade Count）通常指某一时间窗口内（如1分钟、1个交易日）撮合成交的记录条数。需要注意口径差异：交易所逐笔成交文件中，一笔主动买单可能吃掉多个卖盘档位，形成多条成交记录；而部分行情商提供的"分笔"数据会按同一委托合并。因此在使用前必须明确：统计的是原始撮合记录数还是合并后的委托笔数。本课程统一采用"原始逐笔成交记录数"作为笔数口径，并在涉及合并口径时单独说明。

成交量（Volume）指同一窗口内的成交股数（或手数、金额）。它与笔数并非独立：一笔成交的成交量越大，往往意味着该笔委托的规模越大，也往往对应更低的出现频率。这种"频率—规模"的负向关联，正是联合分布要刻画的核心结构。

为什么必须研究联合分布

如果只统计平均单笔成交量（成交量÷笔数），会得到一个被大单严重拉高的均值，掩盖分布的真实形态。举例来说，某股票某日成交量为1200万股、成交笔数为3万笔，平均单笔400股；但实际分布可能是2.9万笔为100股的小单，加上1000笔平均约1.1万股的大单。均值400股对绝大多数成交毫无代表性。联合分布的价值在于同时保留"笔数维度"和"量维度"的信息，使我们能够识别：

• 集中度：成交量是集中在少数大额成交上，还是均匀分散在大量小额成交中；
• 典型成交形态：市场最常出现的"笔数—量"组合落在哪个区间；
• 尾部行为：极端大单出现的频率及其对总成交量的贡献比例；
• 状态差异：开盘、盘中、收盘不同时段的联合分布形态是否发生迁移。

这些信息直接服务于市场微观结构分析中的流动性评估、交易成本估计、订单流毒性判断与大单识别等任务。例如，若某股票在特定时段的联合分布明显向"大额成交"一侧偏移，往往提示机构参与度上升或流动性提供者撤离。

本课程的任务路线图

围绕联合分布，本课程将依次完成四个层次的工作：数据准备（逐笔数据的清洗、口径统一、时间窗口划分）、分布刻画（边缘分布、二维频数/密度、散点与热力呈现）、结构建模（相关性度量、条件分布、Copula或参数化拟合思路）、应用与判读（大单识别、时段对比、异常检测）。下图给出这一路线中各环节的输入、处理与输出关系，以及本节所处的位置。

一个可操作的教学示例

为使后续讨论有具体抓手，这里给出一个示例性（非实测）的数据设定：某股票某交易日共3万笔成交、总成交量1200万股。按单笔成交量分档统计后得到如下频数与贡献结构：

从这张表可以读出联合分布的关键特征：占笔数60%的100股小单只贡献了15%的成交量；而占笔数仅1%的万股以上大单贡献了超过21%的成交量。若只看"平均单笔400股"，会误以为市场以中小单为主、大单无足轻重；联合视角则清楚显示成交量高度集中于尾部。这一对比正是本课程反复强调"不能把两个变量割裂"的直接理由。

研究目标的具体化

把上述思路落成可检验的目标，本节界定为三条：其一，描述——给定窗口内，笔数与成交量的二维分布呈现何种形态，典型组合区间在哪里；其二，关联——两变量之间是正相关、负相关还是存在分段结构，条件分布 P(成交量 | 笔数档) 如何随档位变化；其三，判别——基于联合分布能否区分不同市场状态（如平稳期与大单活跃期），并给出可操作的阈值或指标。后续章节将围绕这三条目标，逐一给出数据构造、图形呈现、统计度量与判读规则。

需要提醒的是，联合分布是描述性工具，它回答"成交以什么形态发生"，而不直接回答"价格将往哪里走"。把它与价格变动、订单簿深度等变量结合，才构成完整的微观结构分析。本节的任务是把问题界定清楚、把口径固定下来，为后续的定量工作打好地基。