---
license: mit
task_categories:
- time-series-forecasting
tags:
- finance
- a-share
- level-2
- main-force
- position-tracking
pretty_name: Cross-Day Main Force Position Inference for 600809.SH
---

# Cross-Day Main Force Position Inference for 600809.SH

跨日主力行为指纹追踪——不追踪"谁"，追踪"某种行为模式在增强还是衰减"。

## 数据

- 股票: `600809.SH` (山西汾酒)
- 覆盖区间: 2023-01-01 ~ 2026-03-31
- 数据源: [a-share-l2-600809](https://huggingface.co/datasets/kangkangchen/a-share-l2-600809)

## 核心方法

上交所 L2 order_id 每日重置，无法跨日追踪同一账户。本方案利用**行为指纹**跨日匹配：

1. **被动单提取**: 利用 `active_buy → ask_order_id`, `active_sell → bid_order_id` 语义，每日提取 top 150 被动挂单的行为特征
2. **日级聚类**: OPTICS 密度聚类，发现"主力行为模式"
3. **跨日匹配**: 匈牙利算法 + T→T+1/T+2 多窗口匹配
4. **实体追踪**: 匹配对连成实体链，追踪金额/方向趋势
5. **仓位推断**: 聚合活跃实体，计算日级主力仓位方向

详细设计见 [DESIGN.md](./DESIGN.md)。

## 输出文件

| 文件 | 内容 |
|---|---|
| `entity_timeline.parquet` | 每个实体的完整生命周期（first_seen, last_seen, dominant_side, amount_growth 等）|
| `cluster_registry.parquet` | 每日每个簇到实体的映射 |
| `signals/position_signal_daily.parquet` | **日级仓位推断信号**（核心输出） |
| `matches/match_pairs.parquet` | 跨日匹配记录 |
| `tracker_state.pkl` | 完整追踪器状态（可加载继续处理新日） |
| `reports/summary.json` | 汇总统计 |

## 信号字段说明

`position_signal_daily.parquet` 核心字段：

| 字段 | 含义 |
|---|---|
| `date` | 交易日 YYYYMMDD |
| `score` | 仓位方向原始分（正值=吸筹倾向，负值=出货倾向） |
| `score_z` | 滚动 20 日 z-score 归一化后的分值 |
| `bid_entities` | 当日活跃的买方实体数 |
| `ask_entities` | 当日活跃的卖方实体数 |
| `n_active_entities` | 当日活跃实体总数 |
| `n_total_entities` | 历史累计发现的实体总数 |
| `accumulation_entities` | 正在扩张的买方实体 ID 列表 |
| `distribution_entities` | 正在扩张的卖方实体 ID 列表 |

**重要**: 所有分数和概率都应读成"证据强度"，不是交易信号，不是买卖建议。

## 如何使用（加载模型处理新日）

### 1. 加载已训练的追踪器

```python
import sys
sys.path.insert(0, 'src/')
from src.tracking.entity_tracker import EntityTracker

# 加载追踪器状态
tracker = EntityTracker.load_state("tracker_state.pkl")
print(f"Loaded: {len(tracker.entities)} entities")
print(f"Last date: {max(tracker._processed_dates)}")
```

### 2. 处理新交易日

```python
import sys
sys.path.insert(0, 'src/')
from scripts.inference import process_new_day

# 处理单个新日
signal = process_new_day(tracker, 20260401)
print(f"Score: {signal['score']:.4f}, bid={signal['bid_entities']}, ask={signal['ask_entities']}")
```

### 3. 批量推理

```bash
python scripts/inference.py   --date 20260401,20260402,20260403   --tracker outputs/tracker_state.pkl   --save-state
```

### 4. 查看实体详情

```python
import pandas as pd
entities = pd.read_parquet("entity_timeline.parquet")

# 最活跃的买方实体
entities[entities['dominant_side'] == 'bid'].nlargest(10, 'active_days')

# 按金额增长排
entities.nlargest(10, 'amount_growth')
```

## 信号解读指南

1. **score_z > 1.5**: 当日买方实体扩张显著强于卖方，可能有吸筹行为
2. **score_z < -1.5**: 卖方实体扩张显著强于买方，可能有出货行为
3. **bid_entities 持续 > ask_entities + 3**: 多日买方实体占优，可能处于吸筹阶段
4. **实体集中新生/退出**: 旧实体批量退出 + 新实体批量出现 = 主力换防事件

⚠️ 信号需要结合盘口复盘（价格、成交量、OBI 变化）验证，不可单独使用。

## 校验

与 Tushare `moneyflow_dc_daily` 主力净流入对比，确认推断方向不严重矛盾：

```bash
python scripts/validate_with_moneyflow.py   --signal outputs/signals/position_signal_daily.parquet
```

## 限制

- 仅 600809.SH 单只股票
- 不预测涨跌，只输出行为仓位方向
- 每日仅 150 个候选被动单，可能遗漏小主力
- 主力换防事件的识别依赖匹配阈值调优
- 需要至少 10 个交易日的历史才能产生有意义信号

## 研究声明

本项目仅供研究学习，不构成投资建议。所有分数、信号和实体标签都需要结合原始盘口数据和人工经验复核。