Dataset Viewer
The dataset viewer is not available because its heuristics could not detect any supported data files. You can try uploading some data files, or configuring the data files location manually.
sponsor_flow_600809 中文核查说明
本仓库保存 600809.SH 的盘口行为研究代码和完整复盘输出。项目目标不是选股、荐股或预测明日涨跌，而是长期跟踪同一只股票，用 Level-2 盘口、逐笔成交、逐笔委托、盘口队列、日线和资金流上下文，识别“可能存在”的熟悉型盘口行为。
所有结论都应该读成“概率、分数、证据和解释”，不能读成确定事实。比如 sponsor_buy_prob 高，只表示这一分钟的盘口行为和“主动资金进攻买入”的英文概念 sponsor buy / aggressive sponsor flow 更相似，不等于“主力一定买入”，更不是买入建议。
目标完整运行
| 项目 | 值 |
|---|---|
| 股票 | 600809.SH |
| 区间 | 2023-01-01 到 2026-03-31 |
| 完整运行目录 | 完成后见 runs/20230101_20260331_<timestamp>/outputs/ |
| 分钟窗口数 | 以该目录下 run_manifest.json 为准 |
| 规则分数行数 | 以该目录下 run_manifest.json 为准 |
| 状态行数 | 以该目录下 run_manifest.json 为准 |
| 事件段数 | 以该目录下 run_manifest.json 为准 |
| regime 日数 | 以该目录下 run_manifest.json 为准 |
| 研究限制 | research only, no investment advice |
代码在 code/sponsor_flow_600809/。完整结果已经在 Hugging Face 上，不建议把原始 Level-2 数据全量拉到本地运行；本地只适合短区间抽样核查。
术语对照
| 中文说法 | English concept | 具体含义 | 人工核实时看什么 |
|---|---|---|---|
| 主力行为概率 | sponsor_*_prob |
盘口行为和某类大资金/机构化执行行为的相似度 | 分数是否由多条证据共同支持，而不是单一成交量放大 |
| 主动买入压力 | active buy pressure |
主动吃卖盘、成交在卖一或更高档位附近的压力 | 价格是否向上移动，ask 侧是否被连续消耗 |
| 主动卖出压力 | active sell pressure |
主动打买盘、成交在买一或更低档位附近的压力 | bid 侧是否被连续打掉，撤单是否增加 |
| TWAP 痕迹 | TWAP execution trace |
按接近固定时间间隔、接近固定数量持续执行 | inter_arrival_cv 和 order_size_cv 是否较低 |
| VWAP 痕迹 | VWAP execution trace |
参与率相对稳定，执行节奏跟随全市场成交量曲线 | participation_rate_cv 是否低，方向成交量与总成交量相关性是否高 |
| 冰山订单 | iceberg order |
可见挂单不大，但同价位反复成交后快速补单 | traded_to_visible_ratio、refill_count、same_price_trade_count |
| 护盘 | support / bid support |
买盘在关键价位反复承接，主动卖出后价格不容易跌破 | bid 深度、主动卖出量、补单、价格收回情况 |
| 压盘 | resistance / ask resistance |
卖盘在关键价位反复压制，主动买入后价格不容易突破 | ask 深度、主动买入量、补单、价格回落情况 |
| 扫单 | sweep |
短时间连续跨档主动成交 | 成交是否连续打穿多个价位，mid price 是否快速移动 |
| 吸收 | absorption |
大量主动成交被被动挂单承接，价格变化有限 | 主动成交很大但价格抗跌/滞涨，补单是否持续 |
| 启动迹象 | startup |
从平静盘口进入主动进攻状态的早期变化 | 成交量、OBI、spread、sweep、TWAP/VWAP、熟悉度异常是否同时增强 |
| 熟悉度画像 | familiarity profile |
用过去 20/60/120 日构造该股自己的日内行为基准 | 今天和历史同时间段的成交曲线、OBI、波动率距离 |
| 资金只打到中午 | morning-only flow |
10:00 后有方向性资金，但 11:30 前后衰减，下午延续弱 | morning_only_flow_prob 和证据 JSON |
| 资金打全天 | all-day flow |
10:00 后方向性和参与率延续到下午 | all_day_flow_prob，复盘模式可看下午数据 |
| 状态模型 | state model / HMM state |
用聚类和 HMM 平滑得到的分钟级盘口状态 | state_name、state_confidence 和对应规则分数 |
| 主力更换/环境切换 | regime change |
日级行为分布相对过去画像发生结构性漂移 | drift_score、drift_zscore、change_point_flag |
关键输出文件
| 路径 | English concept | 内容 |
|---|---|---|
outputs/features/window_features_1min.parquet |
minute feature table |
每行一个 1 分钟窗口，包含行情、盘口、成交、委托撤单、日线上下文和未来评估字段 |
outputs/features/familiarity_daily.parquet |
familiarity daily profile |
每天相对 20/60/120 日历史画像的异常程度 |
outputs/rule_scores/minute_rule_scores.parquet |
rule score table |
TWAP、VWAP、冰山、护盘、压盘、扫单、吸收、启动、综合概率等分钟分数 |
outputs/rule_scores/morning_fund_flow.parquet |
morning flow persistence |
10:00 后资金行为更像只打到中午还是打全天 |
outputs/states/minute_states.parquet |
minute state timeline |
每分钟的状态编号、自动命名、置信度、状态概率和综合概率 |
outputs/states/event_segments.parquet |
event segments |
把连续同类高置信状态合并成事件段，适合人工优先复核 |
outputs/regimes/daily_behavior.parquet |
daily behavior vector |
每日行为向量，用于 regime/drift 检测 |
outputs/regimes/daily_regime.parquet |
daily regime table |
每日漂移分数、变点标记、主导状态和解释 |
outputs/reports/evaluation.md |
evaluation report |
状态和事件的事后收益分布、路径、稳定性等评估 |
outputs/reports/daily/600809_YYYYMMDD.md |
daily review report |
单日复盘摘要、关键事件、证据和图表路径 |
outputs/charts/*.png |
review charts |
日内价格、VWAP、成交量、主动买卖差、OBI、规则分数、状态时间线 |
outputs/review_app/index.html |
static review app |
点击式人工核查页面，汇总日期、事件段、分钟表、证据 JSON 和字段解释 |
上表中的 outputs/ 指完整运行目录下的 runs/20230101_20260331_<timestamp>/outputs/。
点击式核查页面
完整结果附带一个轻量 HTML：
runs/20230101_20260331_<timestamp>/outputs/review_app/index.html
本地启动方式：
cd runs/20230101_20260331_<timestamp>/outputs
python -m http.server 8765 --directory review_app
然后打开 http://127.0.0.1:8765/。页面可以按日期、状态、drift_zscore、sponsor_buy_prob_p95、all_day_flow_prob 等排序，点击日期后查看：
- 日内图和日报路径；
- regime / morning flow / familiarity 摘要；
- 事件段
event_segments； - 每分钟状态和规则概率；
- 选中事件的
dominant_evidence和evidence_json； - 中文含义和 English concept 对照。
浏览器一般不能直接用 file:// 稳定加载 JSON，所以推荐用上面的 HTTP server 启动。
概率字段怎么读
| 字段 | English concept | 正确解读 | 不能这样解读 |
|---|---|---|---|
sponsor_buy_prob |
sponsor buy probability |
盘口证据更像主动资金进攻买入 | 不是买入信号，不表示未来一定涨 |
sponsor_sell_prob |
sponsor sell probability |
盘口证据更像主动资金进攻卖出 | 不是卖出信号，不表示未来一定跌 |
support_prob |
support probability |
买盘承接/护盘行为相似度较高 | 不表示价格一定守住 |
resistance_prob |
resistance probability |
卖盘压制/压盘行为相似度较高 | 不表示价格一定突破失败 |
accumulation_prob |
accumulation probability |
更像被动吸筹/承接：卖压不低但价格抗跌 | 不要求短期立刻上涨 |
distribution_prob |
distribution probability |
更像被动派发/卖方吸收：买入被上方卖盘消化 | 不能用未来收益反推实时规则 |
morning_only_flow_prob |
morning-only flow probability |
10:00 后资金行为到中午前后明显衰减 | 不是判断真实基金身份 |
all_day_flow_prob |
all-day flow probability |
10:00 后方向性和参与率延续到下午 | 复盘可看全天，盘中实时不能偷看下午 |
familiarity_anomaly_score |
familiarity anomaly score |
今天和该股长期熟悉画像差异大 | 不自动等于利好或利空 |
所有概率范围都是 0 到 1。人工复核时建议优先看 0.7 以上的事件段，但阈值不是交易阈值，只是减少核查工作量的排序工具。
规则分数怎么读
| 字段 | English concept | 高分通常意味着 | 主要证据 |
|---|---|---|---|
twap_buy_score / twap_sell_score |
TWAP score |
同方向订单节奏接近等时间、等数量 | 间隔变异系数、数量变异系数、持续时间、方向一致性 |
vwap_buy_score / vwap_sell_score |
VWAP score |
方向性成交参与率稳定，跟随总成交量节奏 | 参与率、参与率波动、方向成交量与总量相关性 |
iceberg_bid_score / iceberg_ask_score |
iceberg score |
某价位可见量不大但反复成交和补单 | 可见深度、累计成交、补单次数、成交/可见量比例 |
support_score |
support score |
bid 侧关键价位有承接和补单 | bid 深度、主动卖出、价位不破或收回 |
resistance_score |
resistance score |
ask 侧关键价位有压制和补单 | ask 深度、主动买入、价位不过或回落 |
sweep_buy_score / sweep_sell_score |
sweep score |
短时间主动成交跨档推进 | 连续成交、跨档数量、mid price 快速移动 |
absorption_bid_score / absorption_ask_score |
absorption score |
主动冲击被被动流动性吸收 | 大量主动卖出/买入、价格变化小、补单持续 |
startup_buy_score / startup_sell_score |
startup score |
从平静状态进入主动进攻状态 | 历史同分钟成交量异常、OBI 变化、spread 收敛、sweep 和执行痕迹增强 |
cancel_bid_pressure_score / cancel_ask_pressure_score |
cancel pressure score |
买盘或卖盘撤单压力异常 | 撤单量、撤单次数、大额撤单、撤单方向 |
状态名称对照
state_id 是模型内部编号，不应该直接解释。人工阅读时应看 state_name，它是根据该状态的统计特征自动命名出来的。
state_name |
English concept | 中文解释 |
|---|---|---|
normal |
normal state |
普通盘口状态，没有足够强的主力行为证据 |
accumulation |
accumulation state |
更像承接/吸筹状态，常伴随 bid 冰山、买方吸收或护盘 |
aggressive_buy |
aggressive buy state |
更像主动买入进攻，常伴随 sweep buy、VWAP/TWAP buy、OBI 转强 |
support |
support state |
更像关键价位护盘/承接 |
distribution |
distribution state |
更像卖方吸收/派发，上方供给消化主动买入 |
resistance |
resistance state |
更像关键价位压盘/阻力 |
high_noise |
high-noise state |
波动或噪声较高，证据不足以稳定归因 |
注意：这些名称不是 HMM 原始状态编号的硬编码含义，而是根据状态均值、规则分数、流动性和波动特征自动命名。
evidence_json 怎么核查
evidence_json 是人工复核最重要的字段。它应该回答：“为什么这个分数高？”
常见证据字段包括：
| 字段 | English concept | 含义 |
|---|---|---|
score |
score |
当前规则的最终分数 |
direction |
direction |
方向，常见为 buy、sell、bid、ask、neutral |
confidence |
confidence |
规则对该窗口解释的置信度 |
duration_seconds |
duration |
行为持续时间 |
direction_consistency |
direction consistency |
成交或订单方向一致性 |
inter_arrival_cv |
inter-arrival coefficient of variation |
订单间隔的相对波动，越低越像 TWAP |
order_size_cv |
order-size coefficient of variation |
订单数量的相对波动，越低越像等量执行 |
participation_rate_cv |
participation-rate coefficient of variation |
参与率波动，越低越像稳定 VWAP 执行 |
traded_to_visible_ratio |
traded-to-visible ratio |
同价位成交量相对可见挂单量的比例，冰山核查重点 |
refill_count |
refill count |
成交后补单次数 |
refill_latency_mean |
mean refill latency |
平均补单延迟 |
key_price |
key price level |
规则认为重要的价位 |
dominant_rules |
dominant rules |
对综合概率贡献最大的底层规则 |
读取示例：
import json
import pandas as pd
base = "runs/20230101_20260331_<timestamp>/outputs"
segments = pd.read_parquet(f"{base}/states/event_segments.parquet")
row = segments.sort_values("max_confidence", ascending=False).iloc[0]
print(row[["trade_date", "start_time", "end_time", "state_name", "max_confidence"]])
print(json.loads(row["dominant_evidence"]))
人工复核建议流程
- 先看
states/event_segments.parquet，按max_confidence或关心的state_name排序。 - 打开同一天的
outputs/reports/daily/600809_YYYYMMDD.md，看系统摘要和事件段。 - 打开
outputs/charts/intraday_YYYYMMDD.png，确认事件时间段是否对应价格、成交量、OBI、规则分数的同步变化。 - 回到
outputs/rule_scores/minute_rule_scores.parquet，查看该时间段的底层规则分数。 - 展开
evidence_json或dominant_evidence，确认高分来自哪些具体证据。 - 必要时回查原始 Level-2 数据集中的 quote/order/trade 明细，确认关键价位、补单、撤单、跨档成交是否真的存在。
- 最后再看
outputs/reports/evaluation.md的事后统计。这个步骤只能用于评估规则质量，不能倒过来参与规则解释。
几个容易误读的地方
future_ret_5m、future_ret_15m、future_ret_30m、future_ret_60m只能用于 evaluation，不能用于规则识别、训练特征或实时判断。all_day_flow_prob在默认复盘模式replay下可以使用下午数据；如果用于盘中实时模式realtime，不能偷看 13:00 之后的数据。normal和high_noise是正常输出。系统不应该强行把每一分钟解释成主力行为。regime change只表示行为分布变化，不表示趋势方向，也不表示收益承诺。- 高分事件需要人工核查多个证据是否一致；单一指标放大不应该直接解释为“主力”。
安装和运行
完整代码在 code/sponsor_flow_600809/。短区间本地 smoke test 可以运行：
cd code/sponsor_flow_600809
python -m venv .venv
. .venv/bin/activate
pip install -e '.[test,model]'
python scripts/build_features.py --config configs/default.yaml --start-date 2024-03-12 --end-date 2024-03-12
python scripts/run_rules.py --config configs/default.yaml
python scripts/train_states.py --config configs/default.yaml
python scripts/detect_regimes.py --config configs/default.yaml
python scripts/generate_daily_report.py --config configs/default.yaml --date 2024-03-12
全量区间不要在本地跑。全量运行应放到 Hugging Face Jobs 或其他远端 sandbox，并通过 HF_TOKEN 访问私有数据集。
研究免责声明
本项目仅用于数据分析和研究，不构成投资建议，不输出买卖建议，不生成交易信号，不承诺收益。任何分数、概率、状态名和图表都需要结合原始盘口、逐笔成交、逐笔委托和人工经验复核。
- Downloads last month
- 156