3. 逐笔数据解析

构建订单流不平衡指标，第一步不是算，而是把原始逐笔数据“读对”。交易所推送的逐笔数据通常分成两条独立但需要对齐的流：成交记录（Trade / Tick）描述“已经发生了什么”，订单簿快照（Order Book Snapshot / Depth）描述“此刻挂单排成什么样”。两者字段语义、时间戳口径、更新频率都不同，混用会直接导致后续的买卖压力特征失真。

一、成交记录的关键字段

以常见的逐笔成交结构为例，一条记录至少包含以下信息：

• 成交编号 / 序列号：用于去重与排序，是判断数据是否丢包的基准。
• 时间戳：交易所撮合时间，精度通常到毫秒或微秒。
• 标的代码：多标的混合流中必须用于分流。
• 成交价、成交量：价格压力计算的基础。
• 买卖方向标识：主动买（外盘）或主动卖（内盘），这是订单流不平衡的核心输入。
• 成交类型：集合竞价、连续竞价、大宗、盘后等，需按需过滤。

方向标识是最容易出错的地方。部分数据源只给“成交价与当时买一/卖一的关系”，需要自行推断：成交价等于卖一价视为主动买，等于买一价视为主动卖，介于两者之间则需结合上一笔价格或逐笔委托判断。推断规则必须在整条流水线上保持一致，否则同一笔成交在不同模块里会被算成相反方向。

二、订单簿快照的字段与结构

快照一般给出某一时刻的买一至买N、卖一至卖N的价格与挂单量，以及快照时间戳。字段包括档位价格、档位数量、总委买/委卖量。需要注意三点：

• 档位深度：不同数据源提供 5 档、10 档或全档，档位数不同会改变“盘口不平衡”的定义口径。
• 快照频率：常见为每 3 秒或每 500 毫秒一张，远低于逐笔成交频率，因此快照是“稀疏采样”，不能当作连续状态。
• 量纲：挂单量可能是股数、手数或金额，必须与成交量统一单位后再比较。

三、时间戳口径与对齐

成交记录与快照的时间戳往往来自不同时钟：成交是撮合事件时间，快照是行情切片时间，二者可能存在几十毫秒到数秒的偏移。若直接把“某笔成交”匹配到“最近一张快照”，在快照频率低时会产生明显错配。实践中应明确两条原则：

1. 成交用于刻画“流量”：按时间窗口聚合主动买量、主动卖量，计算净流入。
2. 快照用于刻画“存量”：取窗口起点或终点的盘口状态，计算挂单不平衡。

两者在窗口层面合并，而不是逐笔强行配对。若必须逐笔对齐，应使用“快照时间戳 ≤ 成交时间戳”的最近一张快照，并记录对齐延迟，延迟超过阈值（例如超过一个快照周期）的样本标记为不可靠。

四、清洗的四个必做动作

去重：行情网关重连或补发时，同一成交编号可能被推送多次。以成交编号为键做幂等去重，是保证净流入不被重复累加的前提。

排序与断档检查：按时间戳升序排列后，检查序列号是否连续。若出现跳号，说明中间有丢包，此时该窗口的成交量会被低估，应在特征中打上“数据不完整”标记，而不是直接使用。

过滤非连续成交：集合竞价阶段的成交没有连续买卖盘口，大宗交易价格偏离盘口，盘后固定价格交易也不反映日内压力。这些记录若混入，会污染主动买卖方向统计，应按成交类型字段剔除。

统一量纲与精度：成交量若为“手”，需乘以每手股数；快照挂单量若为金额，需除以价格还原为股数。价格保留位数应与最小变动价位一致，避免浮点误差导致“等于买一价”的判断失效。

五、一个可执行的字段检查清单

在正式计算前，建议对每个交易日的文件跑一遍字段级校验，把问题挡在特征计算之前。下表是一份可直接套用的检查项示例（阈值为合理假设，需按实际数据源调整）：

完成上述步骤后，成交流与快照流才具备进入特征构建的条件：成交侧可以稳定输出窗口内的主动买量、主动卖量与净流入，快照侧可以稳定输出窗口端点的买卖挂单不平衡。后续所有订单流不平衡指标，都应建立在这份“已对齐、已清洗”的数据底座之上，而不是直接在原始推送流上做即时计算。