3. 大单识别算法：大单定义与阈值设定、基于成交量的识别方法、基于成交金额的识别方法、基于委托单大小的识别方法
聊到大单识别，很多新手第一反应就是：「看到大单就跟着买呗」。嗯，事情要是这么简单，那满大街都是股神了。我做了这么多年量化，踩过的坑比吃过的盐还多。今天咱们就把大单识别这事儿掰开揉碎了讲清楚。
3.1 大单的定义与阈值设定
什么叫大单？说白了，就是一笔交易的单量或者金额，明显超过了市场正常的交易规模。但这里有个关键问题——「明显超过」到底是多少？
我个人习惯把大单分成两类：绝对大单和相对大单。
- 绝对大单：比如单笔成交超过500手、1000手这种固定阈值。适合大盘股，因为流动性好。
- 相对大单：根据个股的日均成交量动态计算。比如单笔成交量超过日均成交量的0.5%。适合小盘股，因为盘子小，绝对阈值容易失真。
阈值怎么定？我建议用「分位数法」。举个例子：
import pandas as pd
import numpy as np
# 假设df是某只股票的历史逐笔成交数据
# 计算每笔成交量的90%分位数
threshold_volume = df['volume'].quantile(0.90)
print(f"90%分位数阈值: {threshold_volume}手")
# 也可以用成交金额
threshold_amount = df['amount'].quantile(0.90)
print(f"90%分位数阈值: {threshold_amount}元")
你想想看，为什么用90%分位数？因为正常情况下，90%的交易都是散户的零碎单子。超过这个线，大概率是机构在动手。
3.2 基于成交量的识别方法
这是最直观的方法。单笔成交量突然放大，说明有大资金在进出。但这里有个坑——拆单。
机构现在都学精了，大单拆成几十笔小单，你按成交量阈值根本抓不到。怎么办？我一般用「累计成交量法」：
- 设定一个时间窗口，比如1分钟。
- 统计窗口内的累计成交量。
- 如果累计成交量超过阈值，就认为这1分钟内有「大单行为」。
# 1分钟累计成交量识别
window = 60 # 60秒
df['cum_volume'] = df['volume'].rolling(window).sum()
df['is_big_order'] = df['cum_volume'] > threshold_volume * 3
为什么要乘以3？因为1分钟的正常成交量大概是单笔阈值的2-3倍。这个系数我调了整整两周才找到感觉。
3.3 基于成交金额的识别方法
成交量法有个硬伤——不同股票的价格差异太大。你想想看，100手茅台和100手工商银行，金额差了100倍。所以成交金额法更普适。
我个人习惯用「金额阈值 + 价格波动」的组合：
| 股票类型 | 单笔金额阈值 | 价格波动要求 |
|---|---|---|
| 大盘股（市值>1000亿） | 100万元以上 | 价格变动>0.3% |
| 中盘股（市值100-1000亿） | 50万元以上 | 价格变动>0.5% |
| 小盘股（市值<100亿） | 20万元以上 | 价格变动>1.0% |
为什么加价格波动要求？因为有些机构会用「对倒」手法——自己买自己卖，制造成交量假象。但价格没动，说明是假的。
# 成交金额 + 价格波动识别
price_change = df['price'].pct_change()
amount_threshold = 500000 # 50万
df['is_real_big'] = (df['amount'] > amount_threshold) & (abs(price_change) > 0.005)
3.4 基于委托单大小的识别方法
这个方法更「前瞻」——成交是已经发生的事，而委托单是还没成交的。通过监控「挂单」的大小，可以提前预判大资金的意图。
我常用的指标是「委比」和「大单挂单占比」：
- 委比 = (买一量 - 卖一量) / (买一量 + 卖一量)。正值说明买方强势。
- 大单挂单占比 = 挂单中超过阈值的大单数量 / 总挂单数量。
举个例子：
# 计算大单挂单占比
def big_order_ratio(order_book, threshold=100):
big_bids = sum(1 for bid in order_book['bids'] if bid['size'] > threshold)
big_asks = sum(1 for ask in order_book['asks'] if ask['size'] > threshold)
total = len(order_book['bids']) + len(order_book['asks'])
return (big_bids + big_asks) / total
嗯，这里要注意：委托单是可以撤的。有些机构会挂大单「虚晃一枪」，等你跟进去，他立马撤单反向操作。我吃过这个亏，后来加了一个「挂单稳定性」指标——挂单后至少保持3秒不撤，才算有效。
知识体系总览
下面这张图是我自己梳理的大单识别框架，你一看就明白了：
最后说一句：没有完美的算法，只有不断迭代的策略。我自己的大单识别系统已经迭代了7个版本，每次回测都能发现新的问题。你刚开始做，别追求一步到位，先把基础框架搭起来，慢慢优化。
公众号:蓝海资料掘金营，微信deep3321