4、逐笔成交数据分析：逐笔成交的读取方法、买卖方向判断（主动买/主动卖）、挂单与成交的对应关系

各位同学，今天我们来聊聊逐笔成交数据。这东西，说白了就是市场最原始的“心跳记录”。

我刚开始做量化那会儿，整天盯着K线图看，觉得那就是一切。后来有一次，我回测一个策略，明明信号都对，实盘就是亏钱。我查了三天三夜，最后发现是成交细节出了问题。嗯，从那以后，我再也不敢小看逐笔数据了。

4.1 逐笔成交数据的读取方法

逐笔成交数据，就是交易所每撮合成一笔交易，就记录一条。它不像分钟线那样被“加工”过，是最干净、最真实的数据。

我个人习惯用Python来读取。国内主流的数据源，比如Level-2行情，都会提供逐笔成交的接口。格式大致如下：

import pandas as pd

# 假设从数据源读取到的原始数据
data = {
    '时间': ['09:30:01.123', '09:30:01.456', '09:30:02.001'],
    '价格': [10.01, 10.02, 10.01],
    '成交量': [100, 200, 150],
    '成交额': [1001, 2004, 1501.5],
    '买卖方向': ['B', 'S', 'B'],  # B=主动买, S=主动卖
    '成交编号': ['12345', '12346', '12347']
}

df = pd.DataFrame(data)
print(df.head())

这里要注意一个细节：不同数据源给的字段名可能不一样。有的叫“方向”，有的叫“BSFlag”。我在项目中遇到过，某家数据源把主动买标记为1，主动卖标记为2，结果我按0和1去判断，直接全反了。所以拿到数据后，第一件事就是检查字段定义。

4.2 买卖方向判断：主动买 vs 主动卖

这是逐笔分析的核心。你想想看，一笔交易能成交，一定是有人想买，有人想卖。那到底谁更“主动”？

判断标准其实很简单：

• 主动买（B）：买方直接以卖一价或更高的价格买入。说白了，就是买方“抢着买”。
• 主动卖（S）：卖方直接以买一价或更低的价格卖出。就是卖方“急着卖”。

举个例子：

# 假设当前盘口
买一：10.00  1000股
卖一：10.01  800股

# 场景1：有人以10.01的价格买入500股
# 这就是主动买。因为买方直接吃了卖一的单子。

# 场景2：有人以10.00的价格卖出300股
# 这就是主动卖。因为卖方直接砸给了买一的单子。

为什么会这样？因为成交价格决定了谁更主动。如果成交价等于卖一价或更高，那就是买方主动。如果成交价等于买一价或更低，那就是卖方主动。

我建议你在代码里这样判断：

def judge_direction(row, bid_price, ask_price):
    """
    row: 逐笔成交数据行
    bid_price: 当前买一价
    ask_price: 当前卖一价
    """
    if row['成交价'] >= ask_price:
        return '主动买'
    elif row['成交价'] <= bid_price:
        return '主动卖'
    else:
        # 这种情况很少见，一般是价格刚好在中间
        return '中性'

4.3 挂单与成交的对应关系

挂单是“意愿”，成交是“结果”。两者之间的关系，就像“想买”和“买到了”的区别。

我画了一张图，帮你理解这个关系：

你看，挂单就像是一个“蓄水池”，成交就是“放水”。每一笔成交，都会消耗掉对应的挂单。

这里有个关键点：大单拆解。主力资金为了不暴露意图，经常会把一个大单拆成很多小单。比如：

• 一个100万股的买入，可能拆成100笔，每笔1万股
• 时间上分散在几分钟甚至几十分钟内
• 价格上可能在不同价位分批买入

我教你一个方法，识别这种“伪装”：

def detect_large_order(df, time_window=60, volume_threshold=50000):
    """
    检测大单拆解行为
    df: 逐笔成交数据
    time_window: 时间窗口（秒）
    volume_threshold: 成交量阈值（股）
    """
    # 按时间排序
    df = df.sort_values('时间')
    
    # 计算滚动成交量
    df['滚动成交量'] = df['成交量'].rolling(window=time_window).sum()
    
    # 标记大单
    df['是大单'] = df['滚动成交量'] > volume_threshold
    
    return df[df['是大单']]

4.4 实战应用：如何利用逐笔数据跟单

好了，理论讲完了。咱们来点实际的。

我个人习惯这样用逐笔数据：

1. 看主动买/主动卖的比例：如果连续一段时间，主动买的成交量远大于主动卖，说明有人在吸筹。
2. 看大单拆解痕迹：如果发现某个价格区间，频繁出现相同大小的单子（比如每次都是1万股），那很可能是主力在分批建仓。
3. 结合挂单变化：如果卖一位置突然出现大单，然后又被快速吃掉，这往往是主力在试盘。

举个例子：

# 假设你看到这样的逐笔数据
# 时间        价格   成交量  方向
# 09:35:01   10.01   10000   B
# 09:35:03   10.01   10000   B
# 09:35:05   10.01   10000   B
# 09:35:07   10.01   10000   B
# 09:35:09   10.01   10000   B

# 连续5笔，每笔1万股，都是主动买
# 这说明什么？有人在10.01这个价位，连续吃了5万股
# 而且每次都是1万股，明显是拆过的

# 再看挂单变化
# 卖一原本有50000股，现在只剩0
# 买一原本有30000股，现在变成40000股（因为有人撤单或新增）

嗯，这里要注意：不是所有的大单拆解都是主力。有时候机构做套利也会这样操作。但如果你发现这种模式反复出现，而且伴随着股价的稳步上涨，那大概率是主力在建仓。

最后，送你一句话：逐笔数据是市场的“显微镜”。用好了，你能看到别人看不到的细节。但别沉迷于细节，要时刻记得看大方向。