1. 课程导入

在真实交易系统中，行情数据往往并非来自单一通道：交易所直连、第三方数据商、券商内部转发、备用灾备链路可能同时存在。多源行情交叉校验与差异修复，正是解决“同一时刻、同一标的、不同来源价格不一致”这一核心问题的工程方法。本课程面向量化开发、交易系统运维、数据质量工程师与风控技术人员，帮助你把零散的比对脚本升级为可观测、可定位、可修复的生产级能力。

一、学习目标：从“能比对”到“能修复”

本课程不是简单教大家写一个 diff 脚本，而是建立一套完整的数据质量闭环。学完后，你应当能够独立完成以下任务：

• 建立校验基线：明确以哪个源为基准、哪些字段参与比对、时间戳如何对齐，避免“拿苹果比橘子”。
• 识别差异类型：区分延迟差异、缺失差异、价格跳变、成交量口径差异与字段映射错误。
• 定位根因：通过日志、序列号、快照与增量关系，判断问题出在采集、传输、解析还是落库环节。
• 执行修复策略：根据业务场景选择丢弃、插值、回补、切换主源或人工介入。
• 沉淀监控指标：把差异率、修复成功率、平均修复时延纳入日常看板。

二、核心价值：为什么多源校验是交易系统的“免疫系统”

单源行情一旦异常，策略可能基于错误价格下单，造成直接亏损。多源交叉校验的价值体现在三个层面：

1. 风险拦截：在错误价格进入策略前将其标记为可疑，触发熔断或降级。
2. 可用性提升：当主源中断时，可依据备用源快速切换，减少行情空白窗口。
3. 数据资产可信：为回测、归因分析和合规审计提供可追溯的数据质量证据。

下面这张图展示了多源行情从采集到修复的典型数据流与判断关系，也是本课程后续章节反复引用的总览模型。

三、整体知识框架：四层能力模型

课程内容按“数据层—检测层—修复层—运营层”四层展开，每层都有明确的输入、输出与验收标准。

层级	核心问题	关键方法	产出物
数据层	多源数据如何对齐？	时间戳归一、字段映射、序列号对齐	统一行情快照表
检测层	差异如何被发现？	阈值比对、容忍窗口、统计基线	差异事件清单
修复层	差异如何处理？	主源切换、插值回补、重放修复	修复记录与审计日志
运营层	如何持续保障？	指标监控、告警分级、复盘机制	质量看板与改进项

四、实战路线图：从环境搭建到生产闭环

为了让学习路径清晰，我们把 30 章内容映射为五个阶段。每个阶段都有可运行的代码与可验证的结果。

1. 阶段一：环境与数据准备。搭建本地多源模拟环境，生成带延迟与噪声的行情流。
2. 阶段二：对齐与检测。实现时间对齐、字段归一与差异检测引擎。
3. 阶段三：根因定位。通过日志与序列号追踪，区分采集、传输、解析三类问题。
4. 阶段四：修复策略。实现主源切换、缺失回补与异常价格拦截。
5. 阶段五：监控与复盘。建立指标看板，完成一次完整的故障复盘。

五、常见误区与提前复盘

初学者最容易踩的坑，往往不是代码写错，而是对“差异”的理解过于简单。以下三个误区需要提前警惕：

• 误区一：所有差异都是错误。不同数据商对成交量口径、集合竞价处理方式不同，部分差异属于正常业务差异，需要建立白名单或容忍规则。
• 误区二：只比对最新价。只比最新价会漏掉盘口深度、成交量与时间戳异常，应至少覆盖价格、量、时间三类字段。
• 误区三：修复后不记录。没有审计日志的修复等于“黑箱操作”，一旦策略亏损将无法归因。

下面是一段最小化的差异检测伪代码，帮助你在进入后续章节前建立直观感受：

def cross_check(primary, backup, tolerance=0.001):
    diff = []
    for symbol in primary:
        p = primary[symbol]
        b = backup.get(symbol)
        if b is None:
            diff.append((symbol, "MISSING", p))
            continue
        if abs(p.price - b.price) / p.price > tolerance:
            diff.append((symbol, "PRICE", p.price, b.price))
        if p.volume != b.volume:
            diff.append((symbol, "VOLUME", p.volume, b.volume))
    return diff

这段代码只做最基础的比对，真实系统还需要处理时间对齐、序列号连续性与多源投票。但它的结构已经体现了本课程的核心思想：先对齐，再比对；先分类，再修复；先记录，再行动。掌握这一主线，后续每一章都会围绕它逐步加深。