4. 固定时间窗口内逐笔成交聚合特征

任务拆解：从逐笔成交到固定窗口特征矩阵

本例的目标是把一张逐笔成交明细表，按固定时间窗口（例如 1 分钟）切分成若干组，每组计算 4 个聚合量：成交笔数、总成交量、总成交额、买卖不平衡量，最终拼成一个以窗口为行、特征为列的时间序列矩阵。关键约束是：窗口边界必须固定对齐（如 09:30:00、09:31:00……），不能按“每 N 笔”或“从首笔起算”分组，否则不同交易日的窗口不可比。

下面用一段可运行的 Python 代码完成整个流程。示例数据为构造的教学数据，方向字段 side 取 +1 表示主动买入、-1 表示主动卖出，价格与数量均为假设值。

import pandas as pd
import numpy as np

# 1) 构造教学用逐笔成交数据（示例，非真实行情）
raw = pd.DataFrame({
    "trade_time": pd.to_datetime([
        "2024-06-03 09:30:05", "2024-06-03 09:30:41", "2024-06-03 09:30:58",
        "2024-06-03 09:31:02", "2024-06-03 09:31:27", "2024-06-03 09:31:55",
        "2024-06-03 09:32:10", "2024-06-03 09:32:33", "2024-06-03 09:32:49",
        "2024-06-03 09:33:04",
    ]),
    "price": [10.00, 10.02, 10.01, 10.03, 10.05, 10.04, 10.02, 10.00, 9.99, 10.01],
    "volume": [300, 500, 200, 800, 400, 600, 700, 300, 500, 200],
    "side": [1, 1, -1, 1, -1, 1, -1, -1, 1, -1],
})

# 2) 单笔成交额与带符号成交量（方向符号化）
raw["amount"] = raw["price"] * raw["volume"]
raw["signed_volume"] = raw["side"] * raw["volume"]

# 3) 固定时间窗口分组：floor 到 1 分钟
raw["window"] = raw["trade_time"].dt.floor("1min")

# 4) 窗口内聚合
feat = raw.groupby("window").agg(
    trade_count=("volume", "size"),          # 成交笔数
    total_volume=("volume", "sum"),          # 总成交量
    total_amount=("amount", "sum"),          # 总成交额
    buy_volume=("volume", lambda s: s[raw.loc[s.index, "side"] == 1].sum()),
    sell_volume=("volume", lambda s: s[raw.loc[s.index, "side"] == -1].sum()),
).reset_index()

# 5) 买卖不平衡量 = 主动买入量 - 主动卖出量
feat["volume_imbalance"] = feat["buy_volume"] - feat["sell_volume"]

# 6) 输出特征矩阵（窗口为索引）
matrix = feat.set_index("window")[
    ["trade_count", "total_volume", "total_amount", "volume_imbalance"]
]
print(matrix)

按上述示例数据，09:30 窗口含 3 笔（300+500+200=1000 股，成交额 10.00×300+10.02×500+10.01×200=10012 元，买入 800 股、卖出 200 股，不平衡量 +600）；09:31 窗口含 3 笔（1800 股，买入 1200、卖出 600，不平衡量 +600）；09:32 窗口含 3 笔（1500 股，买入 500、卖出 1200，不平衡量 −700）；09:33 窗口仅 1 笔（200 股，不平衡量 −200）。这些数值可由给定输入直接推出，属于示例计算结果。

实现要点与验证

• 方向符号约定：side=+1 为主动买入、-1 为主动卖出，不平衡量 = 买入量 − 卖出量，正值表示买方主导。若数据源用 B/S 字符，需先映射为数值再聚合。
• 窗口对齐：用 dt.floor("1min") 而非 resample 时，空窗口不会出现；若需要连续时间轴，改用 resample("1min").agg(...) 并 fillna(0)，但要注意 trade_count 补 0 与 volume_imbalance 补 0 的语义一致。
• 验证方法：对每个窗口检查 buy_volume + sell_volume == total_volume，以及 total_amount == Σ(price×volume)；再核对窗口内笔数之和等于原始行数，确保没有成交被漏分或重复计入。
• 常见坑：groupby 后直接用 size() 统计笔数时，若数据含重复时间戳不影响；但若先按 trade_time 去重再聚合，会改变笔数含义，需明确“笔”指原始成交记录条数。