3. 逐笔特征工程基础

逐笔数据是微观结构研究中最细粒度的信息源。它至少包含两类记录：逐笔成交（每笔撮合的时间、价格、数量、买卖方向标识）与逐笔委托（每笔新订单的到达、每笔撤单的发生）。特征工程的任务，是把这些离散事件压缩成具有经济含义、口径明确、可稳定复现的数值，供后续有效性检验与回测使用。本节围绕四个基础特征展开：订单流不平衡、大单占比、成交方向、委托撤单率。

一、先统一口径：方向、时间窗与聚合粒度

在动手计算前必须固定三件事，否则同一特征在不同实现下会得到不同数值，回测结论无法复现。

• 方向约定：本文统一采用“主动方视角”。成交记录中的方向标识表示主动成交方是买方还是卖方；若原始数据只给出被动方，需要取反。委托记录中，新订单的买卖方向即其自身方向。
• 时间窗：逐笔事件按时间戳排序后，以固定窗口聚合，例如 1 分钟、5 分钟或每 N 笔成交。窗口边界建议左闭右开，避免同一事件被重复计入相邻窗口。
• 聚合粒度：按标的、按窗口聚合，得到每个窗口一行特征向量。若做多标的截面研究，还需保证各标的窗口对齐方式一致。

二、订单流不平衡（OFI）

订单流不平衡刻画买卖双方主动力量的净差。最常用的成交口径版本为：

OFI_t = (主动买入成交量_t - 主动卖出成交量_t)
        / (主动买入成交量_t + 主动卖出成交量_t)

取值落在 [-1, 1]，正值表示买方主动成交占优。分母做归一化，使不同流动性水平的标的可比。若希望纳入委托信息，可改用委托口径：分别累计窗口内新增买单量、新增卖单量、买单撤销量、卖单撤销量，构造“买方净压力 = 新增买 - 买撤 - 新增卖 + 卖撤”的差分形式。两种口径经济含义不同：成交口径反映已实现的方向性压力，委托口径反映意图层面的压力，前者更贴近价格冲击，后者更早但噪声更大。实践中建议同时保留，并在检验阶段比较其预测能力。

三、大单占比

大单占比衡量成交金额（或成交量）中由大额订单贡献的比例，用于捕捉机构或大资金参与度。计算需要先定义“大单”阈值，常见做法有三类：固定股数阈值、固定金额阈值、按窗口内成交笔数分位数（如单笔成交量位于当窗口前 10% 视为大单）。分位数口径自适应性强，但阈值随窗口变化，跨期比较时需注意。

大单占比_t = Σ(大单成交金额) / Σ(全部成交金额)

经济含义上，大单占比上升往往伴随信息交易者活跃，但也可能是做市商调仓或指数成分调整，因此该特征单独使用时解释力有限，更适合与 OFI 组合：大单占比高且 OFI 方向一致时，方向性信号更可信。

四、成交方向与委托撤单率

成交方向本身是一个离散标签，聚合后常用“主动买入笔数占比”或“主动买入金额占比”表示，与 OFI 的区别在于它不做净差，只描述买方主导的广度。两者结合可区分“少数大额买单推动”与“大量小额买单推动”两种不同市场状态。

委托撤单率衡量窗口内撤单量占新增委托量的比例：

撤单率_t = 撤单量_t / 新增委托量_t

该比值可能大于 1（窗口内撤销了此前窗口提交的订单），因此不宜简单解释为概率。它反映流动性提供的稳定性：撤单率骤升常意味着做市方风险规避或虚假挂单增多，是流动性恶化的先行指标。计算时应区分买单撤单率与卖单撤单率，二者不对称往往比总量更有信息量。

五、一个可复现的计算示例

假设某标的在 09:30–09:31 窗口内，逐笔成交共 40 笔，其中主动买入 26 笔、合计 12000 股，主动卖出 14 笔、合计 8000 股；单笔成交量前 10% 的 4 笔合计成交 9000 股，窗口总成交 20000 股；逐笔委托新增买单 15000 股、新增卖单 11000 股，买单撤单 3000 股、卖单撤单 2000 股。则：

OFI        = (12000 - 8000) / (12000 + 8000) = 0.20
大单占比    = 9000 / 20000 = 0.45
成交方向占比 = 26 / 40 = 0.65
买单撤单率  = 3000 / 15000 = 0.20
卖单撤单率  = 2000 / 11000 ≈ 0.18

该窗口呈现“买方主动、大单参与度高、撤单率温和”的组合，属于偏多但流动性尚稳的状态。需要强调，以上数值为教学示例，用于说明计算过程，不代表任何真实标的的实测结果。

四个特征各有侧重：OFI 与成交方向占比描述方向，大单占比描述参与结构，撤单率描述流动性稳定性。它们共同构成逐笔特征的最小集合，也是后续检验与回测的输入基础。构造时应坚持口径先行、窗口一致、阈值无前视三条原则，使特征在样本内外都具备可比性。