3、Level2行情：十档行情与逐笔成交数据的解析

做量化交易的朋友都知道，行情数据就是我们的眼睛。但很多人用的都是Level1行情，也就是我们常说的「快照行情」。说实话，那个东西太粗糙了。你看到的只是某一瞬间的盘口，中间发生了什么，你完全不知道。

Level2行情就不一样了。它给你的是「十档行情」和「逐笔成交」两个核心数据。我个人习惯把Level2比作手术刀——它能切开市场表面，看到里面的血流和脉动。今天我们就来好好聊聊这两块内容。

十档行情：不只是多看了几档

很多人以为十档行情就是比五档多看了五档。嗯，这个理解太表面了。

十档行情的核心价值在于：你能看到订单簿的深度和厚度。五档行情只能看到最表面的5个价位，而十档行情能让你看到更远的挂单情况。这在判断支撑位和阻力位时特别有用。

举个例子。我在项目中遇到过一只股票，五档买盘看起来很强，全是几百手的买单。但打开十档一看，从第6档到第10档全是几千手的卖单压着。这就是典型的「表面繁荣，暗藏杀机」。如果你只看五档，很容易被误导。

逐笔成交：市场的「心电图」

逐笔成交数据，说白了就是每一笔真实成交的记录。它告诉你：什么时间、什么价格、成交了多少股、是主动买还是主动卖。

这个数据有多重要？我跟你讲，逐笔成交是判断资金流向的最直接证据。为什么？因为它是「成交」的，不是「挂单」的。挂单可以撤，成交是实打实的。

字段	含义	我的用法
成交时间	精确到毫秒	判断交易节奏
成交价格	实际成交价	识别价格突变
成交量	股数	判断大单小单
买卖方向	主动买/主动卖	判断资金意图

你想想看，如果一只股票突然出现连续的大单主动买入，但价格却没怎么涨。这说明什么？说明有人在「吃货」，但又不想把价格拉得太高。这种信号，只有逐笔成交能告诉你。

如何用Python解析Level2数据

好了，理论说完了，我们来点实际的。下面是我自己写的一个解析Level2数据的代码片段。注意，不同交易所的数据格式略有不同，但核心逻辑是一样的。

import pandas as pd
import numpy as np

# 解析十档行情
def parse_level2_orderbook(data):
    """
    解析Level2十档行情数据
    data: 原始数据，假设是dict格式
    """
    bids = []  # 买单
    asks = []  # 卖单
    
    # 遍历十档
    for i in range(1, 11):
        bid_price = data.get(f'bid_price_{i}')
        bid_volume = data.get(f'bid_volume_{i}')
        ask_price = data.get(f'ask_price_{i}')
        ask_volume = data.get(f'ask_volume_{i}')
        
        if bid_price and bid_volume:
            bids.append([bid_price, bid_volume])
        if ask_price and ask_volume:
            asks.append([ask_price, ask_volume])
    
    return pd.DataFrame(bids, columns=['price', 'volume']), \
           pd.DataFrame(asks, columns=['price', 'volume'])

# 解析逐笔成交
def parse_tick_trade(tick_data):
    """
    解析逐笔成交数据
    """
    trades = []
    for tick in tick_data:
        trade = {
            'time': tick['timestamp'],
            'price': tick['price'],
            'volume': tick['volume'],
            'direction': tick['direction']  # 'B' 主动买, 'S' 主动卖
        }
        trades.append(trade)
    
    df = pd.DataFrame(trades)
    # 计算累计买卖量差
    df['net_volume'] = np.where(df['direction'] == 'B', 
                                df['volume'], 
                                -df['volume'])
    df['cum_net'] = df['net_volume'].cumsum()
    
    return df

实战：从逐笔成交中捕捉「大单信号」

我曾经用这个逻辑抓到过一只股票的异动。当时逐笔成交数据显示，连续5分钟内出现了3笔超过1000手的主动买单，但价格只涨了0.5%。这明显是机构在「隐蔽建仓」。

怎么用代码实现这个检测？看下面：

def detect_large_orders(tick_df, volume_threshold=1000, time_window=5):
    """
    检测大单信号
    volume_threshold: 大单阈值（股数）
    time_window: 时间窗口（分钟）
    """
    # 筛选大单
    large_orders = tick_df[tick_df['volume'] >= volume_threshold]
    
    # 按时间窗口分组统计
    large_orders['time_group'] = large_orders['time'].dt.floor(f'{time_window}min')
    stats = large_orders.groupby('time_group').agg(
        count=('volume', 'count'),
        total_volume=('volume', 'sum'),
        avg_price=('price', 'mean')
    ).reset_index()
    
    # 标记异常信号
    stats['signal'] = np.where(
        (stats['count'] >= 3) & (stats['total_volume'] > 5000),
        '异常大单密集',
        '正常'
    )
    
    return stats[stats['signal'] == '异常大单密集']

十档行情与逐笔成交的联动分析

单独看十档行情或逐笔成交，都有局限性。真正厉害的是把两者结合起来看。

我举个例子。假设十档行情显示买一价位有5000手挂单，但逐笔成交显示最近10笔都是主动卖单。这说明什么？说明有人在买一位置「托单」，但实际在出货。这种「挂单掩护出货」的手法，在A股市场很常见。

怎么用代码实现联动分析？核心思路是：对比挂单变化和成交方向。

def orderbook_tick_analysis(orderbook_df, tick_df):
    """
    十档行情与逐笔成交联动分析
    """
    # 计算最近1分钟的买卖压力
    recent_ticks = tick_df[tick_df['time'] >= pd.Timestamp.now() - pd.Timedelta(minutes=1)]
    
    buy_pressure = recent_ticks[recent_ticks['direction'] == 'B']['volume'].sum()
    sell_pressure = recent_ticks[recent_ticks['direction'] == 'S']['volume'].sum()
    
    # 获取当前买一挂单量
    bid1_volume = orderbook_df['bids'].iloc[0]['volume']
    
    # 判断是否异常
    if bid1_volume > 3000 and sell_pressure > buy_pressure * 2:
        return '⚠️ 疑似托单出货'
    elif bid1_volume < 500 and buy_pressure > sell_pressure * 2:
        return '⚠️ 疑似拉升前吸筹'
    else:
        return '正常'

数据频率与存储策略

Level2数据量很大。逐笔成交数据，一只股票一天可能产生几万条记录。十档行情每3秒更新一次，一天也有几千条。如果你同时监控几百只股票，数据量是惊人的。

我个人建议的存储策略：

• 逐笔成交：只保留最近7天的原始数据，更早的压缩成分钟级统计
• 十档行情：保留最近30天的原始数据，用于回测
• 衍生指标：比如买卖压力比、大单频率等，永久保存

为什么会这样？因为原始数据太占空间了。但衍生指标是提炼过的信息，体积小、价值高。

小结

Level2行情是量化交易的「核武器」。十档行情让你看到市场的「骨架」，逐笔成交让你看到市场的「血液」。两者结合，你就能判断市场的真实意图。

记住一句话：挂单可以骗人，成交不会。 这是我在多年实战中总结出来的铁律。