数据源解析：Level-2行情数据与普通行情数据的区别

做量化交易这些年，我踩过最大的坑，就是拿普通行情数据去分析主力资金。说白了，普通行情就像用手机拍月亮——能看个大概，但细节全丢了。今天咱们就好好聊聊，Level-2数据和普通数据到底差在哪。

普通行情数据：只能看个热闹

普通行情数据，也就是我们平时在炒股软件上看到的那些。它每3秒或5秒刷新一次，给你一个快照。我刚开始做交易时就用这个，结果发现很多信号都是假的。

普通数据的主要特征：

• 刷新频率低：3-5秒一次，中间发生了什么你完全不知道
• 只有成交汇总：告诉你这3秒内成交了多少手，均价多少
• 没有委托明细：你不知道是主动买还是主动卖
• 大单小单混在一起：一笔1000手的单子和10笔100手的单子，在普通数据里看起来一样

Level-2行情数据：看清每一笔交易

Level-2数据，说白了就是交易所给付费用户开的「后门」。它能让你看到逐笔成交、十档委托、买卖队列这些核心信息。我个人习惯，只要做资金分析，必须用Level-2数据。

Level-2的核心优势：

• 逐笔成交：每一笔交易都能看到，包括成交时间、价格、数量、方向
• 十档委托：能看到买一到买十、卖一到卖十的挂单情况
• 买卖队列：能看到每个价位上挂了多少单，谁在挂
• 成交标识：明确标注是主动买还是主动卖

逐笔成交与分时成交的差异

这个点特别容易混淆。我见过不少交易员，把分时成交当成逐笔成交来分析，结果方向都搞反了。嗯，这里要注意区分。

分时成交：被「打包」过的数据

分时成交，就是普通行情里那种每3秒或5秒汇总一次的数据。它把这段时间内的所有成交合并成一条记录。

举个例子：

// 分时成交示例
时间：09:30:05
价格：10.00元
成交量：500手
成交额：50万元
// 你只知道这5秒内成交了500手，但不知道是几笔单子

分时成交的问题在于：

• 一笔大单和十笔小单，在分时成交里看起来一样
• 无法区分主动买和主动卖
• 时间精度低，无法做高频分析

逐笔成交：每一笔都清清楚楚

逐笔成交，就是Level-2数据里的核心内容。每一笔交易都单独记录，包括：

// 逐笔成交示例
第1笔：09:30:01.123，价格10.00元，成交量300手，主动买入
第2笔：09:30:02.456，价格10.01元，成交量150手，主动卖出
第3笔：09:30:03.789，价格10.00元，成交量50手，主动买入
// 你能看到每一笔的细节

我在项目中遇到过这样的情况：分时成交显示某只股票5分钟内净流入500万，但逐笔成交一看，其实是两笔大单对倒，真正的净流入只有50万。这就是为什么我说，不看逐笔成交，你永远不知道资金在玩什么把戏。

大单划分标准

大单划分，说白了就是给资金大小定个标准。但这个标准不是固定的，得看股票的价格和流通盘。你想想看，贵州茅台的一笔100手大单，和一只5块钱股票的一笔100手大单，能一样吗？

常见的划分方法

股票类型	小单	中单	大单	超大单
低价股（<10元）	<100手	100-500手	500-2000手	>2000手
中价股（10-50元）	<50手	50-200手	200-1000手	>1000手
高价股（>50元）	<20手	20-100手	100-500手	>500手

这个表是我自己总结的，不一定适合所有场景。但核心逻辑是：大单的金额门槛应该在50万-100万之间。低于这个数，很难说是主力行为。

动态划分法：更精准的方式

我个人更推荐用动态划分法。就是根据股票的历史成交分布，自动计算大单阈值。

// 动态大单划分示例（Python伪代码）
def calculate_large_order_threshold(trade_data):
    # 计算所有成交量的分布
    volumes = trade_data['volume'].values
    # 取90%分位数作为大单阈值
    threshold = np.percentile(volumes, 90)
    return threshold

# 使用示例
threshold = calculate_large_order_threshold(df)
large_orders = df[df['volume'] >= threshold]

这样做的好处是：不同股票、不同时间段，大单标准会自动调整。我曾经用这个方法分析过一只科创板股票，发现它的「大单」标准只有50手，因为它的流通盘太小了。

知识体系总览

下面这张图，是我自己整理的数据源解析框架。你看完应该能明白，这三个知识点是怎么串起来的。

这张图的核心逻辑很简单：数据精度决定分析深度。普通数据只能做粗浅的资金流向判断，Level-2数据才能做精细的主力行为分析。而大单划分标准，则是连接数据和策略的桥梁。

好了，这一章的内容就到这里。数据源是分析的基础，基础打牢了，后面的策略才能站得住脚。下一章咱们聊聊如何用Python获取和处理Level-2数据，到时候我会分享一些我自己的代码模板。