1. 课程导入与问题界定

在日频或分钟频数据上做研究，我们看到的往往是“结果”——一根K线、一个收盘价、一段成交量。但市场真正的信息释放过程发生在更细的颗粒度上：每一笔成交是谁主动发起的、成交在买价还是卖价、单笔规模多大、相邻成交之间价格如何跳动。逐笔成交数据（tick-by-tick trade data）把这些细节保留下来，也因此成为研究“信息如何进入价格”的最直接素材。本课程要回答的核心问题是：逐笔成交中究竟携带多少信息？这些信息又如何体现在随后的价格变化中？

一、什么是逐笔成交的信息含量

逐笔成交记录通常包含成交时间、成交价、成交量、成交方向（主动买/主动卖，或由买卖盘口推断的方向）等字段。所谓“信息含量”，并不是指某笔成交本身“有消息”，而是指这笔成交相对于市场当前状态所提供的新增不确定性消解程度。直观地说：如果一笔成交完全在预期之内、对盘口和价格几乎没有扰动，它的信息含量就低；如果一笔成交显著改变了买卖力量对比、推动价格向一个方向持续移动，它的信息含量就高。

在学术与实务中，信息含量常通过几个可观测的代理变量来刻画：成交方向与随后价格变动的同向性、成交规模相对于平均单笔规模的偏离、成交对盘口深度的消耗程度、以及成交后短期收益的可预测性。这里需要先明确一个参照约定，全文保持一致：我们以“主动买方向为正、主动卖方向为负”定义带符号成交量，价格变化则用成交后某一时间窗口的中间价或成交价变动表示，正号代表价格上涨。后续所有方向性讨论均基于此约定。

二、价格变化检验要检验什么

“价格变化检验”不是简单看价格涨没涨，而是检验逐笔成交特征与未来价格变化之间是否存在稳定、可解释的统计关系。具体包括三层目标：

• 方向性检验：带符号成交量（或主动买卖不平衡）与随后价格变化是否同向，即信息是否被价格吸收；
• 强度检验：信息含量是否随成交规模、方向一致性、盘口消耗而增强，即“大单、连续同向单”是否对应更大的价格冲击；
• 持续性检验：价格冲击是暂时的流动性补偿，还是永久的信息融入。前者往往在短窗口后回落，后者则维持甚至累积。

这三层目标决定了我们不能只做一次回归就下结论，而要在不同时间窗口、不同成交分组、不同市场状态下反复观察，才能把“信息”与“流动性噪声”区分开。

三、课程整体路线图

本课程共30节，整体按“概念界定—数据准备—指标构造—检验方法—结果解读—实战复盘”推进。前几节先把逐笔成交、信息含量、价格冲击等概念和参照系讲清楚；随后进入数据清洗与字段构造，包括成交方向推断、带符号成交量、时间窗口对齐等关键步骤；中段集中讲检验方法，从简单的分组统计、事件窗口，到回归框架下的价格冲击系数与持续性分解；后段结合实战数据集做完整案例，并讨论常见陷阱，如方向推断误差、窗口选择敏感性、样本自相关等。本节作为开篇，重点是把问题边界划清，避免后续把“相关”误读为“因果”、把“冲击”误读为“信息”。

四、实战数据集说明

为了让检验可复现，课程配套一份教学用逐笔成交数据集（示例数据，非真实市场实测）。数据覆盖某只流动性中等的股票连续若干个交易日，字段包括：毫秒级时间戳、成交价、成交量、由盘口推断的成交方向、买一价与卖一价、买一量与卖一量。数据已做基础清洗：剔除集合竞价时段、剔除明显错价记录、统一价格精度。需要强调的是，成交方向推断本身存在误差，尤其是盘口快速变化时，这一点会在后续专门讨论，本节只需记住：方向字段是“推断值”，不是交易所直接给出的标签，因此任何基于方向的结论都要考虑推断误差的影响。

在动手之前，建议先建立三个基本认识。第一，逐笔数据量很大，单日可能数十万条，检验前必须明确时间窗口和对齐方式，否则同一笔成交在不同窗口下会得到不同结论。第二，价格变化要用可比的口径，中间价变动比成交价变动更少受买卖价差跳动干扰，但中间价在盘口稀疏时也可能失真，需要结合数据质量判断。第三，信息含量是相对概念，必须有一个基准——比如用随机方向、随机规模的无信息成交作对照，才能说某类成交“更有信息”。

把问题界定清楚，是整门课的地基。逐笔成交的信息含量不是一个可以直接读出的数字，而是通过方向、规模、盘口消耗和后续价格行为共同推断出来的统计对象；价格变化检验则是把这套推断放到可观测、可重复的框架里验证。接下来的章节会逐步把这里的每一个代理变量落到具体字段、具体窗口和具体计算上。