博弈基础：主动买盘与主动卖盘的定义、市场微观结构、Tick级数据解读
各位同学，咱们今天聊点实在的。
做量化交易，尤其是高频或者日内策略，你绕不开一个核心问题：谁在主动买？谁在主动卖？
这听起来像废话，但很多人做了几年交易，连这个都没搞明白。我刚开始接触Tick级数据时，也踩过不少坑。今天这一章，咱们就把地基打牢。
一、主动买盘 vs 主动卖盘：到底怎么区分？
先给个最直白的定义。
主动买盘：买方不挂单等待，直接以卖一价、卖二价甚至更高的价格成交。说白了，就是「我就要现在买，贵点无所谓」。
主动卖盘：卖方不挂单等待，直接以买一价、买二价甚至更低的价格砸出去。就是「我就要现在卖，便宜点也行」。
你想想看，如果一笔成交发生在卖一价上，那这笔单子是谁发起的？是买方。因为他主动去吃了卖方的挂单。反过来，成交在买一价上，是卖方主动砸的。
核心判断标准：看成交价相对于买卖盘口的位置。
- 成交价 ≥ 卖一价 → 主动买盘（买方吃单）
- 成交价 ≤ 买一价 → 主动卖盘（卖方砸单）
嗯，这里要注意：有些交易所的撮合规则会有细微差别，比如集合竞价阶段或者有市价单参与时，判断逻辑要更复杂。但日常的连续竞价中，这个规则基本通用。
二、市场微观结构：你看到的盘口，其实是个「谎言」
很多新手喜欢盯着买卖十档看，觉得买一有1000手托着，跌不下去。我告诉你，这想法很危险。
市场微观结构，说白了就是订单簿（Order Book）的动态变化。它由三部分组成：
- 限价单（Limit Order）：挂在那里等人来吃，提供流动性。
- 市价单（Market Order）：直接吃掉对手方的挂单，消耗流动性。
- 撤单（Cancellation）：挂上去又撤掉，这是最迷惑人的地方。
我曾经在实盘中遇到过一种情况：某只股票买一挂了5000手大单，看着很稳。结果下一秒，这5000手瞬间撤单，价格直接跳水。你以为的「支撑」，其实是别人设的陷阱。
避坑指南：不要只看盘口的静态挂单量。要结合Tick数据看挂单的「存活时间」和「撤单率」。如果一个价位频繁出现大单挂上又撤掉，大概率是诱多或诱空。
三、Tick级数据解读：每一笔成交都在说话
Tick数据，就是逐笔成交数据。它记录了每一笔交易的：
- 成交时间（精确到毫秒甚至微秒）
- 成交价格
- 成交量
- 成交方向（主动买/主动卖）
我个人习惯把Tick数据比作「心电图」。每一笔成交都是一个心跳，连续的心跳构成了市场的脉搏。
举个例子，下面是一段真实的Tick数据（简化版）：
时间戳 价格 成交量 方向
09:30:01.123 10.01 200 Buy
09:30:01.456 10.00 150 Sell
09:30:01.789 10.02 300 Buy
09:30:02.001 10.01 100 Sell你看，第一笔是主动买盘，价格从10.00推到了10.01。第二笔是主动卖盘，又砸回10.00。第三笔又是主动买盘，直接干到10.02。这说明什么？多空在激烈博弈，但买方稍微强势一点。
如果只看每分钟的K线，你根本看不到这些细节。这就是Tick数据的价值。
四、核心逻辑：主动买卖盘的博弈模型
咱们把上面的知识串起来，画一张图。这张图我建议你保存下来，后面所有策略都基于这个逻辑。
这张图的核心就一句话：价格是主动买卖盘博弈的结果，不是原因。
很多人看到价格涨了才追进去，其实已经晚了。真正有效的信号，是主动买卖盘的「量」和「速度」的变化。
五、实战中怎么用？一个简单的Python示例
咱们用Python写个最简单的函数，从Tick数据里提取主动买卖盘信息。代码不长，但很实用。
import pandas as pd
def classify_tick(df):
"""
对Tick数据进行主动买卖盘分类
df需包含列：price, bid1, ask1, volume
"""
buy_volume = 0
sell_volume = 0
for _, row in df.iterrows():
if row['price'] >= row['ask1']:
buy_volume += row['volume']
elif row['price'] <= row['bid1']:
sell_volume += row['volume']
# 中间价成交（极少见，可忽略或按规则分配）
return buy_volume, sell_volume
# 使用示例
# buy, sell = classify_tick(tick_data)
# print(f"主动买盘: {buy}, 主动卖盘: {sell}")这个函数虽然简单，但它是很多高级策略的基础。比如你可以计算「主动买卖盘净额 = 主动买盘 - 主动卖盘」，然后看这个净额的变化趋势。
一个小技巧：我习惯把主动买卖盘净额除以总成交量，得到「主动买卖盘占比」。这个指标比单纯的成交量更有参考价值。比如某根K线成交量很大，但主动买盘占比只有40%，那这根阳线就有点虚。
六、避坑指南：Tick数据常见的几个坑
最后，分享几个我踩过的坑，你们注意避开。
- 数据延迟问题：有些数据商提供的Tick数据是「快照」而非「逐笔」，两者差别很大。快照数据会丢失中间成交信息，导致方向判断错误。
- 盘口价差变化：当买卖价差很大时，成交在中间价的情况会增多。这时候不能简单用≥卖一或≤买一来判断，需要结合盘口深度。
- 大单拆分：机构经常把大单拆成小单，用算法交易执行。你看到的100笔主动买盘，可能只是同一笔大单。这时候要看「累计主动买卖盘」而非单笔。
- 交易所规则差异：A股、美股、期货的撮合规则不完全一样。比如A股有涨跌停板，涨停时主动买盘会消失（因为没人卖），但你不能说买方意愿不强。
嗯，今天就先聊到这儿。这一章的内容虽然基础，但它是后面所有策略的根基。你想想看，如果连「谁在主动买」都搞不清楚，后面那些复杂的模型又有什么意义呢？
记住：Tick数据是市场的「第一手情报」，盘口是「第二手」，K线是「第三手」。离源头越近，信息越真实。
公众号:蓝海资料掘金营，微信deep3321