一、逐笔数据入门：从一笔交易说起
大家好，我是老蓝。做了这么多年量化交易，我始终觉得——逐笔数据才是市场的“原汁原味”。
你想想看，我们平时看到的K线、分时图，其实都是加工过的“二手信息”。而逐笔数据，记录的是每一笔真实的成交。说白了，它就是市场最原始的DNA。
1.1 什么是逐笔成交数据？
逐笔成交数据，英文叫Trade-by-Trade数据。它记录的是交易所主机里，每一笔撮合成交的详细信息。
举个例子：
假设你在9:30:01秒买入100股茅台，价格是1800元。与此同时，另一个人在9:30:01秒卖出100股茅台，价格也是1800元。交易所主机就把这两条指令撮合在一起，生成一条逐笔成交记录。
嗯，就是这么简单粗暴。
核心要点：逐笔数据 = 每一笔真实成交的“快照”
1.2 逐笔数据 vs Tick数据
很多新手容易把这两个概念搞混。我刚开始做量化时也踩过这个坑。
简单来说：
- Tick数据：是“切片”数据，比如每3秒或每500ms拍一张快照。它记录的是这个时间切片内的统计汇总（开盘价、收盘价、最高最低、成交量等）。
- 逐笔数据：是“流水”数据，每一笔成交都单独记录。它不汇总，不切片，就是最原始的交易流水。
| 对比维度 | 逐笔数据 | Tick数据 |
|---|---|---|
| 记录方式 | 每笔成交一条记录 | 固定时间间隔切片 |
| 数据量 | 极大（一天几百万条） | 较小（一天几千条） |
| 信息粒度 | 单笔交易细节 | 时间段内统计 |
| 延迟 | 实时推送 | 有固定间隔 |
| 典型用途 | 主力追踪、高频策略 | 技术分析、回测 |
我的经验：如果你做的是日内高频策略，逐笔数据是必需品。如果是做日线级别的中长线，Tick数据就够用了。别杀鸡用牛刀。
1.3 逐笔数据的核心字段解析
一条标准的逐笔成交记录，通常包含以下几个字段。我挑最重要的说：
- 时间（Time）：精确到毫秒甚至微秒。比如 09:30:01.234。注意，不同交易所的精度不一样。
- 价格（Price）：这笔交易的成交价。注意是实际成交价，不是买卖报价。
- 成交量（Volume）：这笔交易成交了多少股（或手）。
- 买卖方向（Side/BuySell）：这笔交易是主动买还是主动卖。这是最关键的字段！
这里我要特别强调一下买卖方向。很多人以为“买”就是买方主动，“卖”就是卖方主动。其实不对。
在逐笔数据里，买卖方向指的是“主动方”：
- 主动买（B）：买方以卖一价或更高价买入，说明买方更着急。
- 主动卖（S）：卖方以买一价或更低价卖出，说明卖方更着急。
我曾经在项目里遇到过一个问题：某只股票明明在涨，但逐笔数据里主动卖的单子却很多。后来发现是主力在“对倒”洗盘。如果不看买卖方向，光看价格和成交量，很容易被误导。
避坑指南：我曾经因为没注意买卖方向的精度问题，导致回测结果和实盘差了10%以上。不同数据商的买卖方向标记规则可能不同，一定要先确认清楚。
1.4 逐笔数据的典型应用场景
逐笔数据能做的事情太多了。我挑两个最常用的场景说说：
场景一：主力资金追踪
说白了，就是通过逐笔数据判断“大资金”在干嘛。
怎么判断？看单笔成交量。如果某笔成交的股数远大于平均单笔成交量，那大概率是机构或主力在操作。
举个例子：
# 伪代码示例：识别大单
avg_volume = 1000 # 平均单笔成交量
threshold = 5 # 5倍阈值
for trade in trades:
if trade.volume > avg_volume * threshold:
if trade.side == 'B':
print(f"大单主动买入：{trade.volume}股，价格{trade.price}")
elif trade.side == 'S':
print(f"大单主动卖出：{trade.volume}股，价格{trade.price}")嗯，代码很简单，但实战中要注意：有些主力会拆单，把大单拆成几十笔小单。这时候光看单笔成交量就不够了，还得结合时间窗口内的累计成交量来判断。
场景二：盘口异动捕捉
盘口异动，就是市场突然出现异常的交易行为。比如：
- 瞬间大单：1秒内出现多笔超大单成交
- 价格断层：连续几笔成交价格突然跳升或跳降
- 买卖失衡：短时间内主动买和主动卖的比例严重失调
我记得有一次，某只股票在下午2点突然出现连续10笔主动买入，每笔都在5000股以上。价格从20元直接拉到20.5元。这就是典型的“抢筹”异动。如果你能实时捕捉到这种信号，就可以快速跟进。
核心逻辑：逐笔数据能让你看到市场的“微观结构”。别人还在看K线的时候，你已经看到了每一笔交易的细节。这就是信息优势。
1.5 本章知识体系图
下面这张图，是我自己梳理的逐笔数据知识体系。你可以把它当作一个“地图”，后续章节都会围绕这些展开。
这张图把逐笔数据的核心脉络都串起来了。从定义到对比，从字段到应用，每一步都有它的逻辑。我个人习惯是把这张图打印出来贴在工位上，写代码时随时瞄一眼，思路会清晰很多。
一个小建议：刚开始接触逐笔数据时，别急着写策略。先花一周时间，每天手动翻一翻逐笔数据，感受一下市场的“呼吸”。你会发现很多K线上看不到的东西。
好了，第一章就到这里。逐笔数据这东西，说难不难，说简单也不简单。关键是要理解它的本质——每一笔交易背后，都是一个人的决策。当你把几百万笔决策串起来看的时候，市场的脉络就清晰了。
下一章，我们会深入实战，讲讲怎么用Python获取和清洗逐笔数据。到时候我会分享一些我踩过的坑，保证让你少走弯路。