IV：A 股业务知识

QD 岗位问业务，要的不是交易所协议的每个字段，而是两件事：你真的处理过这些数据，以及你知道哪些地方会让研究侧和实盘算出来不一样。下面按这个深度整理，先是 Level-2 行情本身，再是用它算的几个因子。

1. 三类数据

快照是结果，逐笔是过程：快照只告诉你 3 秒后盘口变成什么样，谁主动成交、大单什么时候挂上又撤掉，只有逐笔看得到。Level-1 只有五档快照，没有逐笔。

2. 沪深两市的差别

一句话记：深圳的逐笔委托记“报了什么”，上海记“挂上了什么”。所以同一个“大单委托”因子，两市要分开写。

撤单放在哪，也是从这个区别来的。上海的逐笔委托记的是订单簿上挂单的变化：一笔单挂上去，发一条“新增”（A）；被撤下来，发一条“删除”（D）。撤单自然就在逐笔委托里。深圳的逐笔委托只记新收到的委托，撤单不是新委托，放不进去；深圳的逐笔成交记的其实是委托的执行结果，结果有两种，成交了，或者撤销了。所以深圳的一笔撤单，是逐笔成交里的一条记录，只是它的类别标成“撤销”而不是“成交”（字段叫成交类别 ExecType，撤销写 4，成交写 F）。撤单没有成交价，这条记录的价格写 0；数量是撤掉的量；买卖双方的委托序号只有被撤那一边不是 0，用它查回原委托，才知道撤的是哪个价位。

所以在深圳，用逐笔成交算任何东西，第一步都是先把撤销记录滤掉：不滤的话，撤掉的量会被当成成交量，价格 0 会把均价拉低（第 5 节）。反过来，算撤单因子时，深圳要读逐笔成交，上海要读逐笔委托，只读一路就漏掉一个市场的撤单。

3. 序号、回查委托、主动方

第 2 节讲的是两市各发了哪些记录。真拿这些记录写程序（重建盘口、算因子），马上会碰到三个问题：消息按什么顺序处理；一条成交或撤单，对应的是哪笔委托；一笔成交是买方主动还是卖方主动。三个问题靠的都是记录里的编号：序号定先后，也用来发现丢包；委托编号把成交和撤单连回原委托；比较两个委托编号的大小，定主动方。

下面用一段深圳的逐笔把这三件事走一遍。四条消息在同一个通道里，时间戳都是 09:30:00.120：

这一节的四件事都在这张表里。

3.1 先后只认序号

四条消息的时间戳一样，光看时间分不出先后。但交易所是一条一条处理的：先收到 1001，挂上去；1002 来了，和它撮合，产生 1003；最后 1001 剩下的 200 股被撤，就是 1004。序号记的就是这个处理顺序。深圳的委托和成交共用一套序号（消息记录号 ApplSeqNum），上海也一样（业务序号 BizIndex）。所以要把两路按序号排好、合成一条流，才是盘口真实的变化顺序。 按时间戳排，同一毫秒里成交可能排到引发它的委托前面，重建盘口时就会去成交一笔还不存在的委托。

序号只在一个通道内连续。交易所把股票分到多个通道，各自编号，不同通道的 1001 没有先后关系，只能各排各的。

3.2 丢包和重复

同一通道里，序号一个挨一个。收到 1001、1002、1004，就知道 1003 丢了。这时 1001 那笔买单实际已经成交了 300 股，你的盘口却还以为它挂着 500 股，后面的计算全会偏。所以丢了要补，补不到就把这段标成不可信，不能当没发生。 反过来，断线重连后数据商常把最近一段重发一遍，已经处理过的序号直接丢掉，否则同一笔成交会被算两次。

3.3 回查委托：成交和撤单要找回原委托

成交记录里只写了买卖双方是哪两笔委托，不写委托本身的信息。想知道这笔成交的买方原本报了多少股、一笔撤单撤的是哪个价位，都要拿编号去查委托。

深圳的成交里，买方、卖方委托序号（BidApplSeqNum、OfferApplSeqNum）就是那两笔委托自己的序号：表里 1003 的买方 1001、卖方 1002，直接对得上。撤单 1004 的价格是 0，而且只有一边有编号：卖方空着（写 0），买方是 1001。查回 1001，才知道撤的是 10.00 那一档的买单。

上海不一样，有两点。第一，成交里的买卖方订单号（BuyOrderNo、SellOrderNo）对的是委托的原始订单号（OrderNo），不是业务序号，查表时要用订单号做键。第二，上海的逐笔委托不发立即全部成交的单。上面那笔 300 股的卖单一来就全部成交了，上海只发出那条成交，逐笔委托里没有它，拿卖方订单号去查是查不到的。所以上海的回查总会有一部分落空，这是正常的，不是丢包。

3.4 主动方：谁去吃了谁

主动方是后到、主动去和已有挂单成交的那一方。表里的卖单 1002 来了，吃掉了已经挂着的买单 1001，所以 1003 是一笔主动卖。

上海的成交直接带内外盘标志：B 是主动买，S 是主动卖。深圳没有这个标志，要自己比：买卖双方的委托序号谁大，谁就是后到的，也就是主动方。1002 比 1001 大，所以卖方主动。

集合竞价是例外。9:25 那一次撮合，是把之前 10 分钟收到的单一起配对，没有谁先挂、谁去吃，成交没有主动方。上海标 N；深圳照样能比出一个更大的序号，但这个结果没有意义。所以算主动买卖量时，集合竞价的成交要剔掉或单独处理，否则深圳会凭空多出一批“主动”成交。

4. 集合竞价

A 股一天里有两种撮合方式。连续竞价是单子一到，就和对面挂着的单子比价，能成交就立刻成交，所以成交是一笔一笔陆续出来的。集合竞价是一段时间里只收单、不成交，到点后把收到的单子放在一起，算出一个让成交量最大的价格，所有能成交的单子都按这一个价格一次成交。开盘和收盘用集合竞价，中间用连续竞价：

9:20 以后不让撤单，是为了防止有人挂大单把参考价抬上去，快到点再撤掉，误导别人。集合竞价只收限价单，所以深圳逐笔委托里的市价单和本方最优委托，只会出现在 9:30–14:57 之间。

这两次撮合出来的成交，和连续竞价的成交不是一回事，写因子时有四处要单独处理：

• 没有主动方。所有单子是一起配对的，没有谁先挂、谁去吃（第 3.4 节），算主动买卖量必须把这些成交剔掉。
• 量很集中。9:25 一次就成交一大批，时间戳全是 9:25:00。如果把它并进 9:30 开始的第一根 1 分钟 bar，这根 bar 的成交量会远大于后面几根，按量算的因子在开盘这一根会失真。15:00 那批同理。
• 盘口是虚拟的。集合竞价期间快照上的买卖档是虚拟撮合的结果，不是真能成交的挂单，OBI 这类盘口因子要剔掉这段（第 6.1 节）。
• 委托要从 9:15 收起。9:15–9:25 挂的单子，没成交的部分会留到连续竞价里继续挂着，之后被撤或成交时要查回它，所以程序不能从 9:30 才开始收（第 6.3 节）。

所以集合竞价的成交要单独标出来：剔掉、单独成一根 bar，还是并进第一根和最后一根，得和研究侧约定。研究侧拿分钟 bar 数据时，数据商往往已经按某种方式并好了，C++ 自己切 bar 要照着同一种来。

5. 写因子时要和研究侧对齐的地方

6. 三个常用的 Level-2 因子

QD 面试不考因子为什么有效，那是研究员的事；考的是研究员给你一个 pandas 写的因子，你能不能把它增量地写成 C++，并且和研究侧算得一样。所以每个因子准备四件事：公式，用哪类数据，每来一条消息 C++ 要维护什么状态，和 pandas 会在哪里算得不一样。下面三个各用一类数据，正好覆盖快照、逐笔成交、逐笔委托。

6.1 加权盘口不均衡（OBI）：快照

买卖十档挂单量的差，离盘口越近权重越大（远端挂单撤得多，对价格影响小），$w_i$ 常取 $1/i$ 或指数递减：

每张快照自己就能算出来，C++ 不需要跨消息的状态，难点全在边界。涨停时卖盘全空，OBI 恒为 1，跌停恒为 −1，这段要不要用得和研究侧约定；两边都空（停牌、开盘前）分母为 0，pandas 除以 0 得到 inf 或 NaN 不报错，C++ 用整数算会直接崩，用浮点得到 nan 继续往下传，所以填什么值要事先说好。集合竞价期间快照上的盘口是虚拟撮合的结果，不是连续竞价的挂单，一般剔掉。快照缺失时用前值补还是留空，见第 5 节。快照只有 3 秒的节拍，要逐笔级的 OBI 得用逐笔重建盘口。

6.2 主动大单净流入：逐笔成交

大单的主动买入额减去主动卖出额，除以同期总成交额。大单要按委托分，不能按单笔成交分：一张大买单吃掉卖一到卖五，会拆成很多笔小成交，按单笔金额分档，它就被算成一堆小单。所以要先按主动方的委托把成交累加起来：上海看 B/S 标志，B 取买方订单号、S 取卖方订单号；深圳比较买卖双方的委托序号，取大的那个。

C++ 的状态因此很省。一笔主动委托到达后立即撮合，它引发的成交在序号上是连续的，所以看到主动方的委托号变了，就可以结算上一笔：累计金额过门槛就记大单，再加进窗口里的主动买或主动卖累加和。如果研究侧连被动方也按委托大小分档，就得再维护一张“委托号 → 累计成交额”的哈希表，委托全部成交或撤单后删掉，否则表一天下来只增不减。

和研究侧对不上的地方有三处。第一，深圳的逐笔成交里混着撤单（价格 0），要先滤掉，否则撤单量会被当成交量累加。第二，“委托多大”有两种口径：按原始委托金额，还是按实际成交金额。深圳逐笔委托有原始数量，上海立即全部成交的单在逐笔委托里查不到，只能用成交金额，两市口径要统一。第三，集合竞价的成交没有主动方，要剔掉。

6.3 撤单金额占比：逐笔委托和逐笔成交

一段时间内被撤掉的委托金额，除以同期新增委托金额。分子在两市的来源不同。上海的删除记录在逐笔委托里，自带价格和被删的剩余量，直接乘。深圳的撤单在逐笔成交里，价格是 0，只有数量，要用非 0 的那个委托序号查回原委托才知道撤的是哪个价位、哪一边。所以 C++ 要维护一张“序号 → 价格、方向”的表，委托全部成交或撤单后删掉。研究侧通常是全天数据按序号 merge 一次，C++ 只能边收边查，于是还有一个坑：程序必须从 9:15 开盘集合竞价就开始收逐笔委托，从 9:30 才开始收的话，集合竞价里挂的单在 9:30 以后被撤，就查不到原委托了。

分母两市口径也不同。上海的逐笔委托不发立即全部成交的单，部分成交的只发剩余量，所以上海的“新增委托金额”偏小，同样的撤单行为，上海算出来的占比偏高。这个因子跨市场不能直接比，要么把上海的分母用成交补回来，要么沪深分开标准化，选哪种得和研究侧约定。

7. 流合并、时序对齐、增量计算

痛点：

• 研究员的因子回测好好的，搬到 C++ 实盘，同一天的数据两边算出来对不上。
• 根子是算法的形状不一样。研究侧是批处理：拿一整天的数据，先把几张表按时间拼好，再用 pandas 对整列一次算完。C++ 实盘是流式处理：数据一条一条到，每来一条就要给出当前的因子值。

从批处理改成流式，有三件事要重新做一遍：几路数据按什么顺序进来（流合并），不同节拍的数据怎么放到同一个时刻上（时序对齐），每来一条怎么更新、而不是把窗口重算一遍（增量计算）。三件事都会让 C++ 和 pandas 算得不一样，而且差在边界上，平时看不出来。

7.1 流合并：多路数据合成一条流

痛点：

• 全市场因子（比如“过去 1 分钟全市场主动买入额”）要用沪深所有通道的成交。
• 每个通道内部按序号有序，但通道之间没有共同的序号，谁先谁后没有人告诉你。
• 合并的顺序不同，因子在某个时刻的值就不同。研究侧和实盘合并的方式不一样，两边就对不上。

先说什么时候不用合并。同一个通道里，委托和成交共用一套序号，按序号排就是交易所的处理顺序（第 3.1 节）。单只股票只在一个通道里，所以只用一只股票自己数据的因子，按序号处理就够了，用不着合并。

要合并的是跨通道、跨品种的数据：沪深两市、同一市场的多个通道、快照和逐笔、股指期货。它们之间没有共同的序号，只能按时间戳合并。做法是多路归并：每一路各自已经有序，用一个小顶堆每次取时间戳最小的那一条。

麻烦在于时间戳相同的时候。不同通道同一毫秒的两条消息，谁先处理没有标准答案。对有状态的因子（比如全市场主动买入额的滚动和），先后不同，中间结果就不同。所以要定一个固定的规则，比如时间戳相同时按市场、通道号、序号排，并且研究侧用同样的规则。

还有一个更根本的差别：用哪个时间。研究侧通常按交易所时间合并；实盘里，你只能按消息到达的先后处理。两个通道的消息走不同的线路，到达的先后和交易所时间的先后不一定一致。想严格按交易所时间排，就得攒一小段再排序，代价是延迟。一般的做法是实盘按到达顺序处理，回测时知道这里有一点差别。

7.2 时序对齐：不同节拍放到同一个时刻上

痛点：

• 不同数据节拍不同：快照约 3 秒一张，逐笔随时来，股指期货的行情约 500 ms 一张，时间戳几乎从不相等。
• 因子要用“股票快照时刻的期货价格”，就得决定在 9:31:02 这个时刻，期货价格取哪一张。
• 研究侧一句 merge 就带过去了。方向取错就是用了未来的数据，回测很好看，实盘复现不了。

规则只有一条：每个时刻只能用那时已经知道的数据。所以取的是时间戳不晚于 9:31:02 的最近一条，pandas 里是 merge_asof（默认就是往前找）。用插值，或者取之后最近的一条，都是在用未来的数据，回测会好看，实盘做不到。

最常见的踩坑是 bar 的标签。把逐笔按 1 分钟切成 bar，pandas resample("1min") 默认左闭、标签取左端：标着 9:31 的那根 bar，装的是 9:31:00 到 9:32:00 的成交。如果策略在 9:31 就用这根 bar，等于提前一分钟看到了数据。很多数据商的分钟线反过来，按结束时间标，9:31 那根装的是 9:30 到 9:31。C++ 切 bar 时，开闭和标签都要和研究侧用的数据一致，集合竞价和午休怎么切见第 4、5 节。

另一个选择是采样方式。按时间采样（每 3 秒、每 1 分钟）最常见；也有按成交量或笔数采样的，比如每成交 10 万股算一根 bar，活跃的时候 bar 多，冷清的时候 bar 少。C++ 的因子通常每条消息都更新，但输出要按研究侧的采样点取值。

7.3 增量计算：每来一条，只算变化的部分

痛点：

• 太慢：研究侧写一行 df["amount"].rolling("5min").sum()，pandas 对整列算一次；实盘每来一笔成交都要输出新值，5 分钟里可能有几千笔，每笔都重新加一遍来不及。
• 对不上：改成增量写法以后，窗口边界、开头几条、数值精度，很容易和 pandas 的默认行为不一样，而且差别只在开盘和窗口边上冒出来。

增量的做法是：新的一条加进来，掉出窗口的从头上减掉，每条消息的工作量和窗口大小无关。

#include <cstdint>
#include <deque>
#include <utility>

// 最近 W 毫秒内的成交额之和，窗口是 (t - W, t]，和 pandas rolling("5min") 默认的右闭一样
struct RollingSum {
    int64_t window_ms;
    std::deque<std::pair<int64_t, int64_t>> q;   // (时间戳, 金额)
    int64_t sum = 0;

    int64_t update(int64_t ts, int64_t amount) {
        q.emplace_back(ts, amount);
        sum += amount;
        while (q.front().first <= ts - window_ms) {   // 掉出窗口的，从头上减掉
            sum -= q.front().second;
            q.pop_front();
        }
        return sum;
    }
};

写法不难，和 pandas 对不上的地方在下面几处：

• 窗口边界。按时间的窗口，pandas 默认是左开右闭 $(t-W,\,t]$：正好 5 分钟前的那一条不算。C++ 里 <= 写成 <，就多算一条。
• 窗口开头。按条数的窗口 rolling(20)，不满 20 条时 pandas 输出 NaN；C++ 很容易直接输出前几条的结果。开盘头几条输出什么，要约定。
• 浮点误差。加一条、减一条，一天几百万次下来，浮点和会慢慢漂；pandas 的滚动求和内部做了误差补偿，两边会差在最后几位。价格和金额本来就是放大过的整数（第 5 节），用 int64_t 累加就完全精确。方差不要用“平方和减和的平方”，两个大数相减会丢精度，用 Welford 的增量公式。
• 最大最小值。最大值不能减掉，掉出窗口的那条如果正好是最大值，就得知道第二大的是谁。做法是单调队列：队列里只留“比后来者都大”的元素，每条消息平均 O(1)。
• 指数加权。ewm(alpha=a).mean() 默认 adjust=True，前面几条按归一化的权重算；C++ 常写的递推 $y_t = a\,x_t + (1-a)\,y_{t-1}$ 对应的是 adjust=False。两者开头差得多，越往后越接近。

所以把研究侧的因子改成增量版，第一件事是逐条对一遍：拿同一天的数据，C++ 每条输出和 pandas 那一列逐行比。差别集中在开头和边界上，看差在哪几行，基本就知道是上面哪一处。

8. 订单簿重建：用逐笔推出每一刻的盘口

• 快照太粗：快照约 3 秒一张。6.1 的盘口不均衡这类因子想逐笔更新，就得自己维护一本盘口，每来一条逐笔改一次。
• 错了没人告诉你：盘口重建错了，程序照样跑，因子照样出数。能拿来核对的只有交易所的快照，所以重建和对拍要一起做。

8.1 每类消息怎么改盘口

• 盘口里存什么：每个价位一个总量，再按编号记每笔挂单的方向、价格、剩余量。成交和撤单都要按编号找到原来那笔挂单（3.3）。
• 处理顺序：两路合成一条流，严格按序号处理（3.1），丢了就补，补不到就把这段标成不可信（3.2）。

1. 深圳

   • 逐笔委托（限价）：加一笔挂单，那个价位加上它的原始申报量。
   • 逐笔成交（F）：买卖两边的委托都扣掉成交量，扣到 0 就从盘口删掉。两边都要扣，因为深圳的逐笔委托把主动方也发了，它已经被加进了盘口。
   • 撤单（逐笔成交里的 4）：价格是 0，按不为 0 的那一边编号找到原委托，扣掉撤销量。
   • 市价单、本方最优单：委托里的价格字段不一定是它真正挂上去的价格。本方最优按当时己方的最优价挂，市价单剩下的部分各有各的处理规则。字段怎么填，以数据商的文档为准，再拿真实数据核一遍。
   • 中间会交叉：一笔能成交的限价单先加进盘口，紧跟着的几条成交才把它扣掉。这一串处理完，盘口就正常了，不要在一串的中间取盘口。

2. 上海

   • 新增（A）：加一笔挂单，量是进入订单簿的剩余量（第 2 节）。
   • 删除（D）：按订单号找到这笔挂单，删掉。
   • 成交：只扣被动方。主动方要么立即全部成交，逐笔委托里根本没有它；要么只把剩余量用 A 发出来，成交掉的那部分本来就没进盘口。内外盘标志 B 扣卖方，S 扣买方。
   • 集合竞价的成交（N）：两边都是竞价期间挂上去的，两边都扣。

3. 两市的差别归成一句

   • 深圳的盘口先加后扣，上海的盘口只加剩下的。深圳逐笔委托记“报了什么”，主动方也得先加再扣；上海记“挂上了什么”，主动方从来不在盘口里，成交只扣被动方。

8.2 和快照十档对拍

1. 对什么

   • 十档的价和量：自己的盘口取买卖各前十档，和快照逐档比价格和总量。
   • 累计成交量、成交额、成交笔数：把处理过的成交加起来，和快照里的累计值比。深圳先滤掉撤销记录（第 2 节）。这几个数一旦差了，差额会一直留着，很好认。

2. 在哪个时刻比

   • 难点：快照只带时间戳，不带逐笔的序号，看不出它是在哪一条逐笔之后生成的。
   • 做法：先把时间戳不晚于快照时间的逐笔处理完，再比。对不上时，在快照时间前后一小段里逐条往前推，只要其中有一个时刻十档全对上，就算对上。
   • 从连续竞价开始比：集合竞价期间只挂单不撮合，买一可以高于卖一，快照上是虚拟撮合的结果（第 4 节），不能按连续竞价的办法比。

8.3 对不上说明什么

• 只在快照时刻附近差一点，过一会儿自己对上：时间对齐的问题，盘口没错。
• 某一档一直多出一个固定的量：漏扣了一次。最常见的是深圳的撤单在逐笔成交里没处理，或者回查委托落空，也可能是丢包（3.2）。
• 买一高于卖一，而且一直不消失：成交没扣对。深圳常见于只扣了被动方、没扣主动方；把价格为 0 的市价卖单直接挂进盘口，也会出现一个价格为 0 的卖一。
• 累计成交量对不上：丢了成交，重复处理了断线重连后重发的数据（3.2），或者深圳没滤撤单。
• 对拍不过的那段时间，基于盘口的因子都不能用。和研究侧对因子之前，先看这段盘口有没有对上。