2. 逐笔委托数据结构解析：Level2行情数据字段详解

好，咱们直接进入正题。上一章聊了订单流分析的价值，这一章就得动手了——先把数据搞清楚。

说实话，我刚开始接触Level2数据时，第一反应是「这玩意儿怎么这么乱？」。一堆字段，每个交易所的命名还不一样。但后来我发现，只要抓住几个核心字段，剩下的都是锦上添花。

今天咱们就拆解逐笔委托数据的核心结构。我会结合自己踩过的坑，帮你把这块啃下来。

2.1 逐笔委托的核心字段

逐笔委托数据，说白了就是交易所把每一笔挂单和撤单都记录下来了。每条记录包含以下几个关键字段：

字段名	类型	说明
OrderID	字符串	委托单的唯一标识
Price	浮点数	委托价格（单位：元）
Volume	整数	委托数量（单位：股/手）
Side	字符	买卖方向：'B' 买，'S' 卖
Time	时间戳	委托进入系统的时间（精确到毫秒）

嗯，就这五个字段。别小看它们，订单流分析的所有秘密都藏在这里。

OrderID：每笔订单的身份证

OrderID 是唯一的。同一个订单如果被部分成交，剩下的部分会保留同一个 OrderID。我在项目中遇到过一个问题：有些交易所的 OrderID 是递增的，有些则是随机生成的。如果你要做订单生命周期追踪，这个细节很关键。

Price 和 Volume：最直观的博弈数据

Price 和 Volume 组合起来，就是「有人在某个价位挂了多少钱」。举个例子，如果看到连续多个买单在 10.00 元挂了 1000 手，而卖单在 10.01 元只有 200 手，那说明买方在死守 10.00 这个价位。

Side：买卖方向，但没那么简单

Side 字段只有 'B' 和 'S' 两种值。但这里有个坑：有些数据源把主动买入标记为 'B'，被动卖出标记为 'S'；有些则反过来。你想想看，如果方向搞反了，你的订单流分析就全错了。

我个人习惯是：拿到数据后先做一个小样本验证。找一笔已知的主动买入，看看 Side 字段是不是 'B'。这一步花不了几分钟，但能避免后面的大麻烦。

Time：毫秒级的战争

Time 字段精确到毫秒。为什么这么重要？因为高频交易就是在毫秒级别抢单的。我曾经分析过一只股票的逐笔数据，发现某个大单在 09:30:00.000 到 09:30:00.500 这 500 毫秒内，被拆成了 20 笔小单。这就是典型的「冰山订单」——大资金在隐藏自己的真实意图。

2.2 数据清洗与预处理实战

原始数据拿到手，第一件事不是分析，而是清洗。我见过太多人直接拿原始数据跑模型，结果跑出来一堆垃圾。

下面是我总结的清洗流程，每一步都有血的教训。

第一步：处理缺失值

逐笔数据中，缺失值通常出现在 Volume 或 Price 字段。比如撤单记录，有些数据源会把 Volume 设为 0 或 null。

# 示例：处理缺失值
import pandas as pd

df = pd.read_csv('tick_data.csv')
# 检查缺失值
print(df.isnull().sum())

# 处理方式：删除或填充
# 我个人建议删除，因为逐笔数据量很大，缺失几条不影响统计
df = df.dropna(subset=['Price', 'Volume'])

第二步：去重

同一个 OrderID 可能因为网络重传出现多次。去重时要注意：保留时间戳最早的那条记录。

# 去重：按 OrderID 去重，保留最早的时间
df = df.sort_values('Time').drop_duplicates(subset='OrderID', keep='first')

我曾经遇到过一个极端情况：某只股票在开盘瞬间，同一个 OrderID 出现了 3 次，时间戳相差不到 1 毫秒。如果不做去重，你的订单流统计会多出 2 倍的虚假数据。

第三步：时间戳对齐

不同数据源的时间戳格式可能不一样。有的是 '2024-01-01 09:30:00.123'，有的是 1704061800123（毫秒级时间戳）。统一转换成 datetime 格式，方便后续分析。

# 时间戳转换
df['Time'] = pd.to_datetime(df['Time'], unit='ms')  # 如果是毫秒级时间戳

第四步：异常值过滤

Price 为负数、Volume 为 0、Side 不是 'B' 或 'S'——这些都属于异常值。直接过滤掉。

# 过滤异常值
df = df[(df['Price'] > 0) & (df['Volume'] > 0)]
df = df[df['Side'].isin(['B', 'S'])]

2.3 知识体系结构图

下面这张图是我自己整理的逐笔委托数据解析的知识结构。你可以把它当作一个检查清单，看看自己有没有遗漏。

2.4 实战：从原始数据到可用数据

光说不练假把式。咱们用一段真实数据走一遍流程。

假设原始数据长这样（CSV格式）：

OrderID,Price,Volume,Side,Time
ORD001,10.00,1000,B,2024-01-01 09:30:00.123
ORD002,10.01,500,S,2024-01-01 09:30:00.456
ORD003,10.00,0,B,2024-01-01 09:30:00.789  # Volume为0，异常
ORD001,10.00,1000,B,2024-01-01 09:30:00.123  # 重复记录
ORD004,-1.00,200,S,2024-01-01 09:30:01.000  # 价格为负，异常

清洗后的结果：

OrderID,Price,Volume,Side,Time
ORD001,10.00,1000,B,2024-01-01 09:30:00.123
ORD002,10.01,500,S,2024-01-01 09:30:00.456

你看，5条原始数据，清洗后只剩2条。这就是现实——数据质量从来不会完美。

好了，这一章的内容就到这。逐笔委托数据的结构其实不复杂，但细节决定成败。下一章咱们会基于清洗后的数据，开始做真正的订单流分析。

---