手册定位：模块四第 6 篇。前面都是日频，本篇进入盘口/高频——五档买卖盘、逐笔成交。这是短线/做市/博弈视角的数据底座。本篇讲怎么聚合逐笔、算 VWAP、盘口不平衡度。
数据来源复用 #01 实时行情（/hs/real/five/{代码} 五档、/hs/real/zbjy/{代码} 当天逐笔）。

1. 你将得到什么

• 从逐笔成交聚合出 VWAP、主动买卖量的代码；
• 从五档盘口算盘口不平衡度；
• 高频数据的存储与降采样思路；
• 高频处理的 4 个坑（时间戳、复权无关、容量、滑点）。

2. 取数约定（复用）

3. 数据来源（复用，不重复罗列）

详见 #01 实时行情接口手册（五档、逐笔端点）。

4. 核心模板函数（自包含可跑）

import pandas as pd
import numpy as np

_MOCK = True


def aggregate_ticks(ticks):
    df = pd.DataFrame(ticks, columns=["价", "量", "方向"])
    vwap = (df["价"] * df["量"]).sum() / df["量"].sum()
    net_buy = (df.loc[df["方向"] == 1, "量"].sum() - df.loc[df["方向"] == -1, "量"].sum())
    return vwap, net_buy


def book_imbalance(bids, asks):
    bid1 = bids[0][2]
    ask1 = asks[0][2]
    return (bid1 - ask1) / (bid1 + ask1 + 1e-9)


def run_check():
    ticks = [(10.0, 100, 1), (10.1, 200, 1), (9.9, 150, -1), (10.0, 50, -1)]
    vwap, nb = aggregate_ticks(ticks)
    imb = book_imbalance([[1, 10.0, 800]], [[1, 10.1, 500]])
    assert 9.9 <= vwap <= 10.1 and nb == 100
    assert abs(imb - 0.23) < 0.01
    print("校验通过 | VWAP=%.3f 净主动买量=%d 盘口不平衡=%.2f" % (vwap, nb, imb))
    return vwap, nb, imb


if __name__ == "__main__":
    run_check()

5. 跑通示例

vwap, nb, imb = run_check()
print("盘口解读:", "买盘强" if imb > 0 else "卖盘强", " 净主动买量:", nb)

6. 坑与注意事项

1. 时间戳：逐笔要按交易所时间排序，跨日/跨市场统一时区。
2. 复权无关：高频价格不含分红跳空，但要标记除权日避免异常量。
3. 数据容量：逐笔一天一只票几十万条，全市场存几年是 TB 级，要降采样。
4. 滑点：高频策略收益薄，回测必须按盘口厚度估计可成交量与滑点。

7. 小结与下一篇预告

盘口/高频数据底座就位。下一篇讲策略参数遍历与优化——网格、随机搜索。

下一篇预告：《【Python量化实战全攻略 #31】策略参数遍历与优化手册：网格、随机搜索（附代码）》

8. 免责声明

本文为高频数据处理示例，演示数据为虚构，不构成投资建议。

关于数据来源：本文盘口/逐笔所需的实时行情接口来自智兔数服（www.zhituapi.com）官方文档（详见本系列 #01），覆盖 200+ 已验证路径，注册可领免费 token 做研究测试。
更多实战手册见技术博客：zhituapi.com/blog.html。
本系列《Python量化实战全攻略》共 32 篇，下一篇讲参数优化。