标签： #成交方向分类

Lee-Ready 在高频碎片化市场里的死穴是逐笔：时间戳粒度不够、多场所归并乱序、报价陈旧，逐笔判方向的地基先塌。Easley-López de Prado-O'Hara (2012) 的 BVC 干脆放弃逐笔——把成交切成等成交量 bar，只看每根 bar 的价格变化，用标准化 ΔP 过一个 CDF 直接映射出这根 bar 里的买量占比：涨得越猛买单占比越高，跌得越猛卖单越多。20 万笔模拟实测：bar 级买量占比与真实值相关 0.80；把逐笔时间戳按块打乱模拟碎片化，Tick 规则相关性从 0.66 崩到 0.03，BVC 只从 0.78 缓降到 0.55——它根本不看逐笔顺序，只看 bar 端点。bar 大小是核心权衡：切太细噪声主导（100 根时 r=0.81 但误差大）、切太粗把日内反向流平均掉。诚实边界：BVC 给的是概率化的量占比不是逐笔标签、CDF 分布假设错了映射就歪、在报价干净的低频场景反而不如 Lee-Ready（中阶）。

微观结构里几乎所有模型——从 Roll、Glosten-Harris 到 Huang-Stoll 价差分解、订单流失衡、VPIN——都要先回答一个原始问题：这笔成交是买方主动还是卖方主动？可交易所的 tick 数据往往不标方向。Lee-Ready (1991) 给出了一套两步规则：报价规则（成交价高于中间价判为买、低于判为卖）先处理绝大多数价内成交，Tick 规则再救那些恰好打在中间价上的疑难成交。本文用 5 万笔模拟成交跑通完整算法，实测整体准确率 89.8%（价内成交 100%、价差内成交 80%），拆解误差全部来自中点成交与价格改善；再演示分类误差如何传导到下游订单流失衡信号（相关系数掉到 0.76），以及报价陈旧化如何快速侵蚀准确率——这正是 Lee-Ready 建议报价前移 5 秒的原因。诚实边界：错标率 10-15% 会污染所有下游模型、算法在不同市场结构下需重标定、高频碎片化市场中点滞后（中阶）。