第四章 逐笔成交分析：看透每一笔交易的真相

做交易这么多年，我越来越觉得，K线图就像人的脸，能看出喜怒哀乐，但真正的心思藏在细节里。逐笔成交，就是那个能让你看到「微表情」的工具。

很多人看盘只看分时图，红红绿绿挺热闹。但说实话，那都是「加工过的数据」。真正的高手，盯的是逐笔成交——每一笔交易的原貌。

逐笔成交 vs 分时成交：本质区别在哪？

先搞清楚这两个概念。分时成交，是交易所按「时间切片」给你汇总的数据。比如每6秒或每1分钟，把这段时间内的所有成交打包告诉你。

而逐笔成交，是每一笔真实的交易记录。张三买了100股，李四卖了200股，每一笔都清清楚楚。

对比项	逐笔成交	分时成交
数据粒度	单笔交易	时间切片汇总
时间精度	毫秒级	秒/分钟级
能看到什么	每笔大小、方向、速度	区间内的总量、均价
隐藏信息	大单拆分、对倒痕迹	基本看不到

我举个例子你就明白了。分时成交就像看天气预报——「今天下午3点到4点下了10毫米雨」。逐笔成交呢？就像你站在雨里，看到「刚才那滴雨特别大，这滴雨是斜着飘的」。哪个更有用？你自己品。

大单成交的判定标准

多大算大单？这个问题没有标准答案。不同股票、不同价位，大单的定义天差地别。

我个人习惯用两个维度来判断：

• 绝对金额法：单笔成交金额超过20万元，算大单。50万以上算超大单。
• 相对比例法：单笔成交量占该股日均成交量的0.1%以上，算大单。

举个例子。贵州茅台，股价1800元，一手就是18万。20万的门槛，一手就过了。但换到工商银行，股价5元，20万得买400手。所以不能一刀切。

我在量化系统里是这样写的：

def is_big_trade(trade_price, trade_volume, avg_daily_volume):
    """
    判断是否为大单
    trade_price: 成交价
    trade_volume: 成交量(股)
    avg_daily_volume: 日均成交量(股)
    """
    trade_amount = trade_price * trade_volume
    volume_ratio = trade_volume / avg_daily_volume
    
    # 两个条件满足一个就算
    if trade_amount >= 200000 or volume_ratio >= 0.001:
        return True
    return False

连续大单买入/卖出：主力在干嘛？

单笔大单可能是巧合，但连续大单一定是「有组织有预谋」的。我总结了几种常见场景：

1. 连续大单买入，价格稳步上涨

这是最健康的吸筹方式。主力在吃货，而且不避人。说明他对后市很有信心。我遇到这种情况，一般会跟着买一点，但不会重仓——等回调再说。

2. 连续大单买入，价格不涨反跌

嗯，这里要注意了。这叫「托盘出货」。主力一边用大单托住价格，一边用小单偷偷卖。你看到的是买盘汹涌，实际上他在悄悄撤退。

我曾经吃过这个亏。2019年做某只科技股，看到连续大单买入，我追了进去。结果第二天低开5个点。后来复盘才发现，那些大单都是对倒出来的假象。

3. 连续大单卖出，价格不跌反涨

这叫什么？「压盘吸筹」。主力用大单把价格压住，制造恐慌，让散户交出筹码。然后他再在低位接回来。

怎么识别？看成交明细。如果大单卖出后，紧接着就有更大的单子接住，价格很快弹回来——那就是压盘没跑了。

成交明细中的对倒行为识别

对倒，是主力自买自卖的行为。目的是制造成交量，吸引跟风盘。说白了就是「左手倒右手」。

怎么识别？我总结了几个特征：

• 时间密集：几秒钟内连续出现多笔相同数量、相同价格的买卖单
• 买卖交替：一笔买入，紧接着一笔卖出，价格几乎不变
• 成交量异常放大：平时一分钟成交100手，突然一分钟成交1000手，但价格没动
• 挂单诡异：买一和卖一同时出现大单，而且不断撤单、重新挂

我写过一个简单的对倒检测逻辑：

def detect_self_trade(trades, time_window=3, price_tolerance=0.001):
    """
    检测对倒行为
    trades: 逐笔成交列表
    time_window: 时间窗口(秒)
    price_tolerance: 价格容忍度
    """
    suspicious_trades = []
    
    for i in range(len(trades) - 1):
        t1 = trades[i]
        t2 = trades[i + 1]
        
        # 时间差小于窗口
        time_diff = t2['time'] - t1['time']
        if time_diff > time_window:
            continue
        
        # 价格几乎相同
        price_diff = abs(t2['price'] - t1['price']) / t1['price']
        if price_diff > price_tolerance:
            continue
        
        # 方向相反
        if t1['direction'] != t2['direction']:
            suspicious_trades.append((t1, t2))
    
    return suspicious_trades

这个逻辑不复杂，但实战中很管用。我把它放在我的盯盘系统里，每天收盘后跑一遍，能筛出不少「有问题的股票」。

知识体系总览

下面这张图，是我自己整理的知识框架。每次复盘的时候，我都会对照着看一遍：

这张图我打印出来贴在显示器边上。每次盯盘觉得迷茫了，就看一眼——问问自己，我现在看到的现象，属于哪个分支？

逐笔成交分析，说白了就是「看穿表象，直击本质」。别被分时图的红绿迷惑，也别被大单的金额吓到。每一笔成交背后，都有人在操作。你要做的，就是读懂他的意图。

嗯，这一章就到这里。内容不多，但都是干货。你拿去用，有问题随时交流。

---

公众号:蓝海资料掘金营，微信deep3321