1. 课程导入与问题界定

在日内交易与微观结构研究中，盘口买卖价差（Bid-Ask Spread）是最容易被观察到、也最容易被误读的指标之一。很多初学者会把它简单理解为“买一价与卖一价之差”，然后据此判断流动性好坏。但真正决定交易成本与成交质量的，不只是价差的大小，而是价差在什么时点、以什么形态、伴随怎样的成交行为出现。本课程要研究的核心对象，正是“盘口买卖价差”与“成交时点”之间的关联特征：价差在时间轴上的变化，如何与逐笔成交的发生时刻、方向、规模相互对应。

先把研究对象界定清楚。盘口数据通常指 Level-1 或 Level-2 行情中的买一至买N、卖一至卖N的价格与挂单量，以及最新价、累计成交量等字段；成交时点则指逐笔成交记录中的时间戳，精确到毫秒甚至更细。二者本是两套数据流：盘口是“挂单意图”的快照，成交是“意图被撮合”的事件。本课程关注的关联特征，就是在这两套流之间建立可量化、可复现的对应关系，例如：价差收窄的瞬间是否伴随成交放量？价差突然走阔后，成交时点的间隔是否被拉长？大单成交是发生在价差较窄的时点还是较宽的时点？

为了把上述关系讲清楚，先建立整体分析框架。下图展示了从原始盘口数据到成交时点分析的完整链路：左侧是盘口快照流，右侧是逐笔成交流，二者在时间轴上对齐后，形成“成交—价差”配对样本，再进入特征提取与判断环节。

框架中有两个容易被忽略、却直接决定分析成败的细节。其一是时间对齐口径。盘口快照通常是按固定频率（例如每 3 秒一笔）或事件触发采样，而成交是逐笔事件，两者时间戳并不天然一一对应。若简单取“成交时刻之前最近的一笔快照”，在行情剧烈波动时可能引入明显滞后。实务中常用两种处理：一是取成交时刻前后最近快照中时间更近者，二是对快照价差做线性插值。无论选哪种，都必须在全文保持一致，并在结果中说明口径。其二是价差的定义方向。本文统一采用“卖一价减买一价”为正，价差越大表示流动性越差、即时成交成本越高；若某市场存在负价差（交叉盘口），需单独标注，不能与正常价差混算。

再看业务场景。价差与成交时点的关联，最典型的应用有三类。第一类是交易成本评估：一笔主动买单若在价差较宽时点成交，其隐含的即时成本更高，长期累积会显著侵蚀收益。第二类是流动性时点选择：开盘后、午间休市前后、收盘前，价差往往呈现规律性变化，成交时点的选择应避开价差异常走阔的窗口。第三类是异常识别：当价差突然走阔而成交间隔同时拉长，往往意味着做市意愿下降或信息事件冲击，可作为风控信号。

为了让后续章节有统一的“分析单元”，这里给出一个可直接使用的配对样本字段设计。假设我们处理某只股票的某交易日数据，盘口快照每 3 秒一笔，逐笔成交按交易所时间戳记录。对每笔成交，我们构造如下记录：

配对样本字段（示例结构）
t_t        成交时间戳（毫秒）
price      成交价
volume     成交量（股）
side       主动方向（B/S，按成交价与买卖一价关系判定）
spread     该时点价差 = 卖一价 − 买一价（元）
spread_bp  价差（基点）= spread / 中间价 × 10000
dt_prev    与上一笔成交的时间间隔（毫秒）
snap_lag   所用快照与成交的时间差（毫秒，用于质量标记）

其中 spread_bp 用基点表示，便于跨股票、跨价格水平比较；snap_lag 是质量标记，若某笔成交匹配到的快照时间差超过一个采样周期，应在分析时降权或剔除。这些字段不是装饰，而是后续所有关联特征计算的输入。例如判断“宽价差时点成交是否更少”，就是对 spread_bp 分箱后统计各箱内的成交笔数与平均 dt_prev；判断“主动买单是否集中在窄价差时点”，就是按 side 分组比较 spread_bp 的分布。