2. 成交拥挤度的数据基础

度量成交拥挤度，本质上是在回答一个问题：当前市场的交易行为，是否已经偏离了常态、集中到了少数方向或少数参与者身上？要回答这个问题，仅凭价格涨跌远远不够，必须依赖一组能够刻画"交易强度、持仓结构、换手速度、订单意愿、资金方向"的底层数据。本节的任务，是把这些数据源逐一拆开，说明它们各自度量拥挤度的哪个侧面、存在什么局限，以及在进入拥挤度计算之前应当如何做频率对齐、质量检查与清洗。

五类核心数据及其拥挤度含义

成交量（Volume）是最直观的交易强度指标。单日成交量本身没有绝对意义，必须放到历史分布中比较。常用做法是计算成交量的滚动分位数，例如过去 250 个交易日的 90% 分位，当成交量突破该阈值时，说明交易活跃度进入极端区间。成交量度量的是"参与热度"，但它无法区分是增量资金入场还是存量资金对倒，因此需要与持仓量配合使用。

持仓量（Open Interest）主要适用于期货、期权等衍生品市场，反映未平仓合约的总量。成交量放大而持仓量同步上升，通常意味着新资金正在建立方向性头寸，拥挤度在累积；成交量放大而持仓量下降，则更可能是平仓离场，拥挤度在释放。持仓量的变化率（如 5 日 OI 变化百分比）比绝对水平更有信息量，因为它直接刻画了头寸的净增减速度。

换手率（Turnover Rate）是成交量与流通股本（或流通市值）的比值，解决了不同标的之间规模不可比的问题。高换手率意味着筹码在短时间内快速易手，是情绪过热和拥挤的典型特征。在 A 股实践中，换手率的滚动 Z 分数（如 20 日换手率相对过去 120 日均值的标准化偏离）是构造拥挤度因子的常用组件。

订单簿数据（Order Book）提供买卖盘口的价格与挂单量分布，可提取买卖盘不平衡度、盘口深度、价差等微观结构指标。买卖盘不平衡度（Bid-Ask Imbalance）定义为（买一至买五挂单量之和 − 卖一至卖五挂单量之和）除以两者之和，取值在 −1 到 1 之间，正值越大说明买方挂单越集中。订单簿数据频率高、噪声大，通常需要做时间加权平均或快照降采样后才能用于日频拥挤度计算。

资金流数据（Money Flow）包括大单净流入、主力资金净额、北向资金净买入等。资金流的核心价值在于区分"谁在买"。当大单净流入持续为正且占成交额比例升高时，说明交易集中度向大资金倾斜，拥挤风险上升。需要注意的是，不同数据商对"大单"的划分标准不同（如单笔成交额 50 万元以上或 100 万元以上），跨数据源使用时必须统一口径。

数据频率与对齐：不同节奏的数据如何放在同一张表里

上述五类数据的原生频率差异很大：成交量和持仓量是日频，订单簿是秒级或 3 秒快照，资金流可能是逐笔或分钟聚合。要构造日频拥挤度因子，必须做频率对齐。原则是高频向低频聚合，而不是低频向高频插值。订单簿的买卖盘不平衡度在一天内有数万个快照，简单取收盘前最后一个快照会丢失日内信息，更稳健的做法是按时间加权平均，或取日内多个时点（如 10:00、11:00、14:00）的均值。资金流数据则按交易日累加为日净流入额，再除以当日成交额得到占比，消除规模影响。

滚动窗口的选择直接影响因子的敏感度。短窗口（如 20 日）对拥挤度的变化反应快，但噪声大、容易误报；长窗口（如 250 日）更稳定，但对突发的拥挤事件反应滞后。实践中常见的折中是同时计算 20 日和 120 日两个窗口的 Z 分数，取两者较大值或加权平均，兼顾灵敏度和稳定性。需要强调的是，窗口长度一旦确定，回测与实盘必须保持一致，否则因子含义会发生漂移。

数据质量检查：三个必须过的关口

第一关是缺失值。停牌日的成交量、换手率应为缺失而非 0，若用 0 填充，会导致滚动均值被系统性拉低，Z 分数虚高。正确做法是停牌日整行剔除，滚动窗口按有效交易日计数。对于持仓量，还需注意合约换月带来的跳变——主力合约切换时 OI 会突然大幅变化，这不是真实的头寸增减，应当在换月日做标记或使用连续合约数据。

第二关是异常值。成交量、换手率、资金流都存在长尾分布，个别交易日的极端值会把 Z 分数的分母撑大，导致后续正常交易日的拥挤度被低估。标准处理是对原始序列做 1%–99% 分位缩尾，即把低于 1% 分位的值替换为 1% 分位值，高于 99% 分位的值替换为 99% 分位值，然后再计算滚动统计量。缩尾比例不宜过大，否则会抹掉真实的拥挤信号。

第三关是口径一致性。复权方式不统一会让换手率在除权日出现虚假跳变；不同数据源对"大单"的金额阈值不同，会让资金流占比不可比；订单簿快照若未对齐到同一时区，跨市场比较时会出现时间错位。这些问题的共同点是"单看每一列都正常，合在一起就出错"，因此必须在数据入库阶段建立字段级的元数据说明，记录每个字段的来源、频率、复权方式和阈值定义。

一个可复用的数据准备清单

把上述要点固化为检查表，可以在每次更新数据时快速过一遍，避免因数据问题污染拥挤度信号：

完成上述准备后，五类数据就被转换成了同一时间轴、同一量纲逻辑下的标准化分量。它们各自从交易强度、头寸变化、筹码周转、盘口意愿和资金方向五个侧面刻画拥挤程度，为后续的拥挤度合成与风险阈值设定提供了可靠输入。数据基础打得越扎实，拥挤度信号在极端行情中的误报和漏报就越少。