1. 课程导入与数据认知

在逐笔（Tick）级别的市场数据里，每一笔成交都带有时间戳、价格和成交量。把这些成交按时间排成一列，相邻两笔之间就存在一个时间差——这就是逐笔成交间隔（inter-trade duration）。它看起来只是一个简单的时间减法，却是刻画市场微观结构最直接的一把尺子：间隔短，说明成交密集、买卖双方撮合频繁；间隔长，说明市场清淡、流动性稀薄。本课程要做的，就是把这条"时间轴上的稀疏与密集"转化为可计算、可比较、可解释的交易活跃度指标。

一、逐笔成交间隔的定义与口径

设第 i 笔成交的时间戳为 t_i，则第 i 笔成交的间隔定义为 d_i = t_i − t_i−1，单位通常取毫秒或秒。定义本身简单，但口径必须先讲清楚，否则后续所有指标都会失真：

• 时间戳精度：交易所快照或逐笔数据的时间精度可能是毫秒、10 毫秒甚至秒级。精度越粗，同一时间戳内会出现多笔成交，间隔为 0 的情况大量出现，需要决定是合并还是保留。
• 连续竞价与集合竞价：集合竞价阶段（如开盘、收盘）成交集中在瞬间，间隔接近 0，与连续竞价的分布完全不同，通常应剔除或单独处理。
• 午间休市与隔夜：跨休市、跨交易日的相邻两笔成交，其时间差包含非交易时段，必须剔除，否则会制造出巨大的伪间隔。
• 停牌与异常笔：长时间停牌后的首笔成交、撤单引发的异常记录，需要按规则过滤。

因此，一个可用的间隔序列，是在"同一交易时段、同一标的、剔除集合竞价与休市"的前提下，对相邻成交时间戳做差得到的。这一步做扎实，后面的统计才有意义。

二、交易活跃度指标的意义

成交间隔的倒数，即单位时间内的成交笔数，就是最朴素的成交频率。围绕间隔序列，可以构造一组互相补充的活跃度指标：平均间隔反映整体节奏；间隔的中位数比均值更抗极端值；间隔的变异系数（标准差/均值）刻画节奏的稳定性；而"间隔超过某阈值（如 5 秒）的成交占比"则直接度量市场的"冷场"程度。此外，单位时间成交量、平均每笔成交量、买卖方向交替频率等，也都是活跃度的侧面。

这些指标的价值在于：它们把"今天这只股票活跃不活跃"这种模糊判断，变成了可横向比较（不同标的）、可纵向比较（不同时段）、可回测验证的数值。在流动性评估、交易成本估计、做市策略触发、异常交易监测中，间隔类指标都是基础输入。

三、课程整体学习路径

本课程共 30 章，围绕"数据—指标—应用"三层递进展开。第一层是数据认知与口径（本章及后续几章），解决"数据长什么样、间隔怎么算、坑在哪里"；第二层是指标构造与统计（中段章节），依次覆盖平均间隔、中位间隔、间隔分布、成交频率、变异系数、冷场占比、分时段与分标的对比等，并给出计算方式与示例参数；第三层是应用与实战（后段章节），把指标用于流动性评估、策略信号、异常监测与回测验证，并讨论指标之间的相关性与局限。学习路径不是线性背诵，而是"先能算、再会看、最后能用"。

四、实战数据集介绍

为了让每章都有可操作的对象，课程配套一份示例数据集（以下字段与规模为教学设定，非真实行情实测）。数据集包含某只标的连续 5 个交易日的逐笔成交记录，字段为：trade_id（成交编号）、timestamp（毫秒级时间戳）、price（成交价）、volume（成交量，股）、side（主动买/主动卖）。每日约 8000～15000 笔，覆盖上午 9:30–11:30 与下午 13:00–15:00 两个连续竞价时段。

基于该数据集，本章先做一个最小可运行的间隔计算示例，帮助建立手感。以下为 Python 伪代码，展示口径处理的关键步骤：

import pandas as pd

df = pd.read_csv("sample_ticks.csv", parse_dates=["timestamp"])
df = df.sort_values("timestamp").reset_index(drop=True)

# 1) 只保留连续竞价时段
def in_session(ts):
    t = ts.time()
    return (pd.Timestamp("09:30").time() <= t <= pd.Timestamp("11:30").time()) or \
           (pd.Timestamp("13:00").time() <= t <= pd.Timestamp("15:00").time())
df = df[df["timestamp"].apply(in_session)]

# 2) 按交易日分组，组内做差，避免跨日伪间隔
df["date"] = df["timestamp"].dt.date
df["gap_ms"] = df.groupby("date")["timestamp"].diff().dt.total_seconds() * 1000

# 3) 剔除首笔（diff 为 NaN）与异常负值
gaps = df["gap_ms"].dropna()
gaps = gaps[gaps >= 0]

print("平均间隔(ms):", gaps.mean())
print("中位间隔(ms):", gaps.median())
print("冷场占比(>5000ms):", (gaps > 5000).mean())

在一份教学示例数据上，上述代码可能得到类似"平均间隔约 1200 毫秒、中位间隔约 600 毫秒、超过 5 秒的间隔占比约 8%"的结果（数值为示例，用于说明观察方式）。注意均值明显大于中位数，说明间隔分布右偏——少数长间隔拉高了均值，这正是后续章节要重点讨论的分布特征。判断活跃度时，应同时看均值、中位数与冷场占比，而不是只看一个数。