第四章：时间与销售(T&S)数据：逐笔成交数据解析、Tick数据、交易量标记与方向判断

各位同学，今天我们来聊聊交易数据里最原始、最真实的一层——时间与销售数据，也就是我们常说的 T&S。说白了，它就是每一笔成交的流水账。很多做量化的人喜欢盯着 K 线看，但我个人习惯，在分析短线流动性时，一定会先拉出 T&S 数据扫一遍。为什么？因为 K 线是加工过的，而 T&S 才是原汁原味的市场博弈记录。

4.1 逐笔成交数据：市场的“原始录音带”

逐笔成交数据，就是交易所按时间顺序记录下来的每一笔交易。它包含什么？成交时间、成交价格、成交数量，以及最重要的——成交方向（买方主动还是卖方主动）。

我刚开始做高频策略时，犯过一个低级错误：直接用交易所的“成交明细”里的价格做计算。后来发现，有些交易所会把多笔小单合并成一条记录输出。嗯，这里要注意，不同交易所的逐笔数据格式差异很大，千万别想当然。

你想想看，如果只看 1 分钟 K 线，你只能知道这一分钟里价格从 A 到了 B，但中间经历了多少次多空交锋？完全不知道。而逐笔数据能告诉你，每一笔是谁在主动进攻。

4.2 Tick 数据：不只是“一跳”那么简单

很多人把 Tick 和逐笔成交混为一谈。其实 Tick 数据更宽泛，它包含了逐笔成交，也包含了订单簿的每一次变动（挂单、撤单、成交）。

我记得有一次做股指期货的流动性分析，发现某个 Tick 序列里连续出现了 10 笔相同的价格和数量。一开始以为是数据重复，后来仔细一查，是交易所的撮合引擎把一个大单拆成了多个小单成交。这个坑，我踩过。

Tick 数据的核心价值在于：它能让你看到市场微观结构的“呼吸”。比如，一个 Tick 里出现了大额主动买单，紧接着下一个 Tick 价格跳涨，这就是典型的流动性冲击。

4.3 交易量标记：谁在主动？谁在被动？

交易量标记，英文叫 Volume Signature。它解决的核心问题是：这笔成交量是买方推动的，还是卖方推动的？

怎么判断？很简单。看这笔成交的触发方是谁。如果买方挂单在卖一价等着，卖方主动卖出，那就是卖方主动成交。反过来，如果卖方挂单在买一价，买方主动买入，那就是买方主动成交。

但现实比这复杂。我遇到过一种情况：某个股票在盘口上同时有大量买单和卖单，价格几乎不动，但成交量巨大。这种时候，单纯看买卖方向已经不够了，需要结合订单簿的深度变化来判断。

4.4 方向判断：从原始数据到交易信号

方向判断是 T&S 数据应用的核心。我们通常用两种方法：

1. 报价驱动法：比较成交价与当前买卖盘口。成交价等于卖一价且大于买一价，标记为主动买；等于买一价且小于卖一价，标记为主动卖。
2. Tick 测试法：比较当前成交价与上一笔成交价。价格上涨为主动买，下跌为主动卖，不变则沿用上一笔的方向。

我个人更推荐第一种，因为它利用了订单簿的实时信息，更准确。但代价是需要同时维护订单簿数据，计算量更大。

下面是一个简单的 Python 实现，用于从逐笔成交数据中标记买卖方向：

def mark_trade_direction(trades, orderbook):
    """
    trades: DataFrame, 包含 time, price, volume
    orderbook: dict, 包含 bid_prices, ask_prices
    返回: 标记方向的 trades
    """
    directions = []
    for i, row in trades.iterrows():
        price = row['price']
        best_bid = orderbook['bid_prices'][0]
        best_ask = orderbook['ask_prices'][0]
        
        if price >= best_ask:
            directions.append('BUY')
        elif price <= best_bid:
            directions.append('SELL')
        else:
            # 价格在盘口中间，用上一笔方向
            if i > 0:
                directions.append(directions[-1])
            else:
                directions.append('NEUTRAL')
    
    trades['direction'] = directions
    return trades

这段代码虽然简单，但在实盘里够用。不过要注意，当价格正好等于买卖盘口时，需要额外判断——有些交易所会同时有多个价格相同的挂单，这时候要看成交量是否超过了盘口挂单量。

4.5 知识体系总览

为了让你更直观地理解这一章的知识结构，我画了一张图：

这张图把整个流程串起来了：从交易所的原始数据流出发，经过逐笔成交、Tick 数据、交易量标记三个维度的解析，最终输出流动性预判信号。每个环节都有自己独特的处理方法和注意事项。

4.6 实战中的几个关键点

最后，分享几个我在实战中总结的经验：

• 数据清洗是第一关：T&S 数据里经常有重复记录、错误时间戳、异常价格。我一般会先做一次“价格在合理范围内”的过滤，比如剔除价格偏离前一笔超过 10% 的记录。
• 方向判断要结合盘口：单纯靠价格变化判断方向，在盘口价差大的时候容易出错。我建议至少同时维护 5 档买卖盘口。
• 注意交易所的规则差异：A 股、期货、数字货币的 T&S 数据格式完全不同。比如 A 股的逐笔成交数据里没有买卖方向标记，需要自己算；而币安等交易所会直接给出“isBuyerMaker”字段。

好了，这一章的内容就到这里。T&S 数据是理解市场微观结构的钥匙，掌握了它，你就能看到 K 线背后那些看不见的博弈。下一章我们会深入讨论如何用这些数据构建具体的流动性指标，到时候见。

---

公众号:蓝海资料掘金营，微信deep3321