1. 课程导入

在实盘交易系统中，策略逻辑正确并不等于交易结果可控。真正决定盈亏质量的，往往是订单从生成到成交之间的那段“看不见的链路”：行情到达是否及时、风控校验是否阻塞、柜台是否拒单、成交回报是否完整。很多团队在回测阶段表现优异，一旦接入实盘便出现滑点扩大、撤单失败、持仓与预期不一致等问题，根源通常不在策略本身，而在于缺乏对实盘延迟、拒单率与成交率的持续监控。

本课程围绕这三个核心指标展开，目标不是讲概念，而是建立一套可落地、可告警、可复盘的监控体系。本章作为导入，先回答三个问题：为什么要监控、要学到什么、按什么路线推进。

一、核心价值：为什么这三类指标决定实盘生死

实盘交易监控的本质，是把“交易是否按预期执行”从主观感受变成可量化事实。延迟、拒单率、成交率分别对应交易链路的三个关键断面：

• 延迟：从行情触发、策略计算、风控检查、报单发出到柜台确认的时间差。延迟过高会导致信号价格与成交价格偏离，尤其在高频或短周期策略中直接侵蚀收益。
• 拒单率：报单被柜台、交易所或风控拒绝的比例。拒单不仅意味着错过交易机会，还可能暴露资金、持仓、权限或参数配置问题。
• 成交率：有效报单最终成交的比例。成交率异常下降，可能来自流动性不足、报价偏离、撤单频繁或订单类型选择不当。

三者并非孤立指标。延迟升高会推高撤单率，进而影响成交率；拒单率上升会减少有效报单基数，使成交率统计失真。因此监控必须联动分析，而不是单看某一个数字。

二、学习目标：完成本课程后应具备的能力

本课程面向量化开发、交易运维、策略研究和风控人员。学习完成后，你应能够：

1. 理解实盘延迟的完整链路，能拆分行情、计算、风控、报单、回报各阶段耗时。
2. 设计拒单率与成交率的统计口径，区分正常拒单与异常拒单。
3. 搭建可运行的监控脚本或服务，采集日志、计算指标并输出告警。
4. 针对典型故障场景进行定位，例如行情堆积、柜台超时、报单被限流、部分成交未回报。
5. 建立复盘机制，把监控数据转化为参数调整和系统优化依据。

三、整体框架：从数据采集到告警复盘

本课程的整体框架分为五层：数据采集层、指标计算层、监控展示层、告警响应层和复盘优化层。数据采集层从交易网关、策略进程、风控模块和柜台回报中获取时间戳与订单状态；指标计算层按订单、按策略、按时间段聚合延迟、拒单率和成交率；监控展示层通过看板或日志呈现趋势；告警响应层在阈值越界时通知相关人员；复盘优化层则沉淀问题与改进项。

四、实战路线图：30章如何推进

课程按“认知—采集—计算—告警—排障—复盘”的路线推进。前几章建立指标定义与数据基础；中段进入代码实战，完成日志解析、延迟打点、拒单分类和成交率统计；后段聚焦告警阈值设计、典型故障排查和复盘模板。每一章都围绕一个可验证的交付物展开，避免只停留在理论。

五、常见误区与导入期提醒

# 订单事件表建议字段示例
order_id        # 订单唯一标识
strategy_id     # 策略标识
symbol          # 合约代码
event_type      # 事件类型：signal/risk_pass/order_sent/ack/reject/fill/cancel
event_time      # 事件时间戳（微秒）
price           # 价格
qty             # 数量
reject_reason   # 拒单原因，仅拒单事件填写
fill_qty        # 成交数量，仅成交事件填写