2. 逐笔成交数据结构解析
逐笔成交数据是交易所行情中最细粒度的一类记录，它把每一笔撮合成交单独保存下来，而不是像分时快照那样按固定时间间隔汇总。理解逐笔成交，第一步不是急着做统计，而是把一条记录拆开，弄清楚每个字段在描述什么、它的取值约定是什么、它和真实交易行为之间是什么关系。只有字段含义对齐了，后续的信息含量度量与价格变化检验才有可靠基础。
一条逐笔成交记录由哪些字段构成
以国内A股常见的逐笔成交数据为例，一条记录通常包含以下核心字段：
- 成交时间：精确到毫秒甚至微秒的时间戳，标记该笔撮合发生的时刻。它是把逐笔成交与快照、委托、撤单等其他数据对齐的锚点。
- 证券代码：标识标的，用于多标的场景下的分组与关联。
- 成交价格：该笔撮合的成交价，通常落在当时最优买价与最优卖价之间。
- 成交数量：该笔成交的股数或手数，反映单笔规模。
- 成交金额：价格乘以数量，部分数据源直接给出，便于校验。
- 买卖方向：标记该笔成交是主动买还是主动卖，即由买方还是卖方发起并成交于对手方挂单。
- 成交编号 / 序列号：唯一标识一笔成交，用于去重、排序和与委托数据关联。
- 买方/卖方委托序号：部分数据源提供，可回溯到具体的委托单，是订单流分析的关键。
不同交易所和数据商的字段命名与覆盖范围略有差异，但“时间、价格、数量、方向”这四项是任何逐笔成交数据都不可或缺的最小集合。做研究前应先核对数据字典，确认时间戳的时区与精度、数量单位是股还是手、方向字段的编码方式（如B/S、1/2或带正负号），避免在后续计算中引入系统性偏差。
买卖方向：最容易被误读的字段
买卖方向是逐笔成交中最具信息含量、也最容易出错的字段。它的本质是“主动方”标记：如果一笔成交以卖方挂单的价格成交，说明买方主动吃掉了卖单，记为主动买（外盘）；反之记为主动卖（内盘）。这个定义隐含一个参照约定——方向描述的是发起方，而不是成交后持仓的变化方向。全文与图示都沿用这一约定：主动买表示买方发起、成交于卖方报价。
需要特别注意的是，方向字段并非总是由交易所直接给出。部分市场只提供成交价与当时的最优买卖报价，方向需要按规则推断：成交价接近卖一价视为主动买，接近买一价视为主动卖，介于两者之间则需借助逐笔委托或更细的规则判定。这种推断在价格快速变动时会产生误判，因此当数据源同时提供逐笔委托时，应优先用委托序号回溯真实发起方，而不是简单按价格比较。方向判断的准确性直接决定了后续“主动买入占比”“订单流不平衡”等指标的可信度。
数据频率与市场微结构背景
逐笔成交的频率不是均匀的，它由市场的撮合机制和参与者行为共同决定。集合竞价阶段成交稀疏，连续竞价阶段则可能出现每秒数百甚至上千笔的密集成交。这种“事件驱动”而非“时间驱动”的特性，正是逐笔数据区别于快照数据的根本之处：快照按固定间隔采样，会丢失间隔内的成交顺序与规模分布；逐笔数据保留了每一笔事件的先后，使研究者能够观察订单流的到达节奏、成簇现象和瞬时冲击。
从市场微结构角度看，逐笔成交承载了三类关键信息。其一是交易强度，用单位时间内的成交笔数与成交量衡量；其二是方向性压力，用主动买卖的失衡程度刻画；其三是单笔规模结构，大单与小单的分布往往对应不同参与者类型。这三类信息共同构成了“信息含量”的微观来源——知情交易者的大额主动成交，往往比零散的小单更能预示短期价格变动。因此，逐笔成交分析不是简单加总成交量，而是要在时间、方向、规模三个维度上还原订单流的真实形态。
从字段到可用数据：一次实际整理
假设拿到某只股票一个交易日的逐笔成交样例数据，字段为“时间、代码、价格、数量、方向、编号”。整理时可按以下顺序推进，每一步都对应一个可观察的判断点。
- 核对时间戳：确认是交易所时间还是本地接收时间，精度到毫秒还是微秒。若同一毫秒内有多笔成交，需用成交编号排序，不能仅依赖时间戳，否则会打乱真实的撮合顺序。
- 统一数量单位：确认数量是股还是手。若为手，乘以每手股数后再与金额字段交叉校验，用“价格×数量≈金额”筛出单位错配的记录。
- 校验方向编码：把方向字段映射为统一的“主动买/主动卖”两值。若数据源用价格推断方向，应统计成交价恰好等于买一价、卖一价、介于两者之间的三类占比，占比异常说明推断规则需要调整。
- 剔除异常记录：检查价格是否落在当日涨跌停范围内、数量是否为零或明显超出流通盘、成交编号是否重复。异常记录应在进入统计前标记，而不是直接删除后不再追溯。
- 构建事件序列：按成交编号排序后，计算相邻两笔的时间间隔、价格变动和方向，形成可用于订单流分析的序列。此时数据才真正具备“逐笔”的分析价值。
举个教学示例（以下数值为合理假设，非实测结果）：某股票连续竞价期间一分钟内共有 240 笔成交，其中主动买 150 笔、主动卖 90 笔，主动买入成交量占比约 62%。若这 240 笔中前 20 笔集中在开盘后 3 秒内且单笔数量显著大于其余记录，则说明该分钟的成交强度在时间上高度不均，简单用“分钟总量”会掩盖这种成簇特征。此时应进一步看这 20 笔的方向与价格变动，判断是否存在大额主动买入推动价格上行的迹象。这个例子说明：字段整理完成后，真正的分析要回到时间、方向、规模三个维度的联合观察，而不是停留在总量层面。
频率特性对后续检验的影响
逐笔成交的事件驱动特性，决定了它在不同时段的可比性并不天然成立。开盘与收盘附近成交密集，午间清淡，若直接比较不同时段的成交笔数或主动买入占比，会把“市场活跃度差异”误读为“信息含量差异”。因此在进入价格变化检验之前，通常需要按时间窗口或按成交笔数做归一化，并明确窗口的划分依据。此外，逐笔数据的高频噪声较大，单笔成交的方向和规模都可能带有偶然性，分析时应关注一定窗口内的累积订单流，而不是孤立地解读某一笔记录。
把字段含义、方向约定、频率特性这三件事理清之后，逐笔成交数据才从“一堆记录”变成可解释的订单流证据。后续的信息含量度量与价格变化检验，本质上都是在这套字段语义之上，回答“什么样的成交组合更可能伴随价格变动”这一问题。