用 Python 实时解析 L2 行情：从逐笔数据到主力意图的完整链路

做股票数据本地化之后，我花了大概 3 个月时间，把整套 L2 实时监控 + 主力意图识别的链路从 0 到 1 搭了出来。这篇文章把这个链路完整记录下来，重点不是"怎么写代码"（代码网上一堆），而是"为什么这么设计"和"踩过哪些坑"。

一、整体架构

整个系统分 4 层：数据接入层、清洗聚合层、特征计算层、信号输出层。

数据接入层负责从本地数据引擎拉取原始 tick 和 L2 指标。我用的是 ig50 本地数据引擎，覆盖了 A 股 5000 多只票的 200 多个数据集。这里用到的接口主要有 3 个：

1. 逐笔成交：time/real/trace/onebyone/{dm}，返回每只票当日的每一笔成交。返回的是 JSON 数组，每个元素的字段包括 cjsj（成交时间，格式 HHMMSSssssss）、cjjg（成交价格，浮点）、cjl（成交量，整数，单位手）、jyzd（交易方向，0 中性/1 买入/2 卖出）。
2. 十档盘口：time/real/trace/level10/{dm}，返回买一到买十、卖一到卖十的挂单价格和量。同样是 JSON。
3. L2 指标：time/real/trace/l2sign/{dm}，返回大单比率、小单比率、撤单比率、委托净额、DDX、DDY、DDZ 等十几个指标。返回的是单个 JSON 对象。

数据接入层的设计要点是异步批量拉取。一只票一天有几万笔 tick，5000 只票一天有几亿笔，串行拉肯定不现实。我用了 Python 的 asyncio + aiohttp，自己实现了一个简单的连接池，把每只票的拉取任务并发起来，本地数据引擎内网响应大概是 1-3 毫秒一个请求，20 并发的话 5000 只票全部拉完大概 5-8 分钟。

二、清洗聚合层

拿到的原始 tick 是"逐笔成交记录"，不是"K 线"。所以第二层要做的是"把 tick 聚合成 1 分钟 K 线 + 5 分钟 K 线 + 30 分钟 K 线"，同时做几件事：

1. 过滤中性单：jyzd=0 的成交是"开盘集合竞价"或"不区分方向的成交"，过滤掉。
2. 区分大小单：单笔成交金额 = cjjg * cjl * 100，超过 100 万算大单，10 万到 100 万算中单，10 万以下算小单。
3. 计算主动性买卖：主动买入 = jyzd=2 的成交金额合计，主动卖出 = jyzd=1 的成交金额合计。注意 jyzd 的定义在不同数据源里不一样，我用的是 ig50 的定义（1=买入，2=卖出，0=中性）。
4. 聚合到分钟级：每分钟计算一次，得到 OHLCV + 主动买入金额 + 主动卖出金额 + 大单买入金额 + 大单卖出金额 + 小单买入金额 + 小单卖出金额。

聚合的代码很简单，用 pandas 的 resample 就行。重点是要注意"集合竞价"的处理——9:25-9:30 的集合竞价成交应该合并到 9:30 那根 K 线里，而不是单独成一根。

三、特征计算层

第三层是"主力意图识别"的核心。我基于分钟级 K 线计算了几个特征，这几个特征对短期主力意图的识别效果最好。

特征 1：主力净流入比率

公式：主力净流入 = 大单买入金额 - 大单卖出金额，主力净流入比率 = 主力净流入 / 当日总成交金额。

这个比率超过 5% 算"强势吸筹"，超过 10% 算"强烈吸筹"。负向同理。

特征 2：撤单比率

撤单比率需要从 L2 指标接口（time/real/trace/l2sign/{dm}）直接拿，这个值 ig50 已经算好了。撤单比率超过 60% 算"假挂单嫌疑"，超过 80% 算"高度疑似诱多/诱空"。

特征 3：价格弹性

公式：价格弹性 = 当根 K 线振幅 / 当根 K 线成交量，单位是"每万元成交对应的振幅"。这个值越大，说明"少量成交就能拉动价格"，是主力高度控盘的标志。

特征 4：买卖盘不平衡

从十档盘口（time/real/trace/level10/{dm}）计算买一到买十的总挂单量和卖一到卖十的总挂单量，不平衡 = (买总 - 卖总) / (买总 + 卖总)。这个值超过 +30% 算"买盘主导"，低于 -30% 算"卖盘主导"。

特征 5：连续性指标

主力意图很少是"一次性"的，需要看连续性。具体是计算过去 5 分钟、10 分钟、30 分钟的"主力净流入"累计值。如果累计值持续放大，说明主力意图明确；如果累计值波动很大，说明多空博弈激烈。

四、信号输出层

第四层是把上面这些特征组合成"主力意图信号"。我设了 3 类信号：

信号 A：吸筹信号

触发条件：主力净流入比率 > 5% 连续 10 分钟，且价格弹性 < 0.5，且卖盘不平衡 < -10%。

含义：主力在低位持续买入，且不是用少量资金拉价（说明控盘度高），且卖盘压力大但被主力吸收。

信号 B：出货信号

触发条件：主力净流入比率 < -5% 连续 10 分钟，且撤单比率 > 60%，且买盘挂单虚高（挂单未成交占比 > 70%）。

含义：主力在高位持续卖出，且挂单是"诱多"的假单。

信号 C：洗盘信号

触发条件：股价下跌 3-5 个点，但主力净流入比率 > 0（下跌中主力在吸筹），且小单卖出占比 > 40%（散户割肉）。

含义：主力借下跌洗盘，吸筹散户割肉筹码。

五、踩过的坑

这套系统跑了大概 3 个月，我踩过几个坑，记下来给后来人参考：

坑 1：L2 指标不要只看瞬时值

L2 指标（撤单比率、DDX 等）的瞬时值波动很大，可能 1 分钟内从 30% 跳到 70% 再跳回 40%。一定要用滑动窗口（我用的是 5 分钟滑动平均）做平滑。

坑 2：十档盘口的"挂单"不是真实买盘

十档盘口的挂单随时会被撤掉，瞬时挂单和真实买盘是两回事。我后来用"近 5 分钟平均挂单"代替"瞬时挂单"，信号稳定性大幅提升。

坑 3：tick 数据要做时间戳对齐

不同数据源给的 tick 时间戳格式可能不一样（有的精确到毫秒，有的精确到微秒），做跨数据源对比时一定要做时间戳对齐。我用 pandas 的 pd.to_datetime 统一转成 datetime64[ns]。

坑 4：特征阈值不能写死

我最初把"主力净流入比率 > 5%“写成了硬阈值，结果在不同市况下（牛市/熊市/震荡市）效果差异很大。后来改成"近 20 个交易日的滚动分位数”，超过 80% 分位数才算"强势吸筹"。

六、性能优化

整套系统在本地跑，单只票从拉数据到出信号大概 200-300 毫秒。5000 只票全市场批量跑大概 30 秒。瓶颈在 L2 指标接口的并发能力，把并发数从 20 调到 50 之后快了 3 倍，但 CPU 占用也上去了。

如果要做实时监控，建议用"增量拉取"——每分钟只拉最新 1 分钟的 tick 和 L2 指标，而不是重新拉全量数据。增量拉取的单次响应时间可以压到 50 毫秒以内。

七、最后说几句

这套系统上线之后，最大的变化不是"赚了多少"，是"心里踏实了"。以前看盘软件上的 K 线只能告诉你"发生了什么"，这套系统能告诉你"为什么发生"和"接下来可能发生什么"。

主力意图识别这件事，没有银弹，特征和阈值都要根据你自己的回测结果调。但只要你能拿到逐笔成交、十档盘口、L2 指标这 3 类数据，剩下的就是工程实现的问题。

参考接口：

• 逐笔成交：time/real/trace/onebyone/{dm}，字段 cjsj/cjjg/cjl/jyzd
• 十档盘口：time/real/trace/level10/{dm}
• L2 指标：time/real/trace/l2sign/{dm}，字段 ddx/ddy/ddz/撤单比率
• 实时行情：time/real/{dm}
• 历史 K 线：time/history/trade/{dm}/{level}

gitee开源地址
github开源地址