2. 行情数据基础

做多源行情交叉校验，第一步不是写比对脚本，而是把“行情数据”本身拆解清楚。只有明确每类数据的产生机制、字段语义、时间口径和复权规则，才能判断两个数据源之间的差异究竟是真实市场差异，还是口径不一致造成的假差异。本节围绕行情数据类型、常见字段、时间戳、复权、快照与逐笔、多市场差异及数据源特点展开，为后续校验与修复建立统一的语义基线。

一、核心原理：行情数据的四种基本形态

从数据产生机制看，行情数据可分为四类：快照（Snapshot）、逐笔成交（Trade/Tick）、逐笔委托（Order）和衍生指标（K线、指标值）。快照是交易所在固定时间间隔（如A股3秒、港股实时、部分源为毫秒级聚合）对盘口买卖档位与最新价的一次“拍照”；逐笔成交记录每一笔撮合成交；逐笔委托记录每一笔报单与撤单；K线则是由前两者按时间窗口聚合而成。

理解这一层，才能理解为什么两个数据源的“最新价”可能不同：一个来自快照的最新成交价，另一个来自逐笔成交的最后一笔，二者在时间切片上天然存在毫秒到秒级的偏移。校验时必须先对齐数据形态，再对齐时间窗口，最后才比较数值。

二、常见字段与时间戳口径

主流行情字段通常包括：证券代码、交易所、最新价、昨收、开盘、最高、最低、成交量、成交额、买卖五档/十档价格与数量、成交笔数、交易状态等。字段名称在不同数据源中差异很大，例如“最新价”可能叫 last、last_price、trade_price、close（盘中误用），必须建立字段映射表。

时间戳是差异的高发区，常见有四种口径：

• 交易所时间（Exchange Time）：交易所撮合系统打上的时间，最权威。
• 采集时间（Capture Time）：数据商服务器收到报文的时间，含网络延迟。
• 本地接收时间（Local Time）：客户端落库时间，受本地时钟与队列影响。
• 业务时间（Business Time）：如K线所属的分钟/日切时间，用于聚合对齐。

校验时应优先使用交易所时间；若数据源不提供，则需评估采集时间与交易所时间的偏差分布，必要时做时钟校准。下面是一个字段映射与时间口径配置示例：

{
  "source": "vendor_a",
  "field_map": {
    "symbol": "code",
    "last": "last_price",
    "volume": "trade_volume",
    "bid1": "bid_price_1"
  },
  "time_field": "exchange_time",
  "time_format": "yyyy-MM-dd HH:mm:ss.SSS",
  "timezone": "Asia/Shanghai"
}

三、复权、快照与逐笔：三个最容易踩坑的点

复权主要影响日线及以上周期。前复权、后复权、不复权在同一只股票除权日附近会产生显著价格差异。多源校验时，若一方用前复权、另一方用不复权，除权日当天会出现“价格跳变”式差异，这不是数据错误，而是口径不同。修复策略是统一复权方式，或在比对前用复权因子还原为不复权价格。

快照与逐笔的差异常表现为：快照的成交量是累计值，逐笔成交量是单笔值；快照的买卖档位是瞬时状态，逐笔委托是事件流。用逐笔累加去核对快照累计量时，必须注意撤单、集合竞价、盘后固定价格交易等特殊时段的处理规则。

四、多市场差异与数据源特点

不同市场的交易机制直接决定行情数据的形态与校验重点。A股有集合竞价、连续竞价、涨跌停与停牌；港股有收市竞价、暗盘；有盘前盘后、做市商报价与多交易所合并；期货有夜盘与主力合约切换。这些机制会导致同一时刻不同数据源的“最新价”含义不同。

数据源方面，交易所直连行情最权威但接入成本高；券商柜台行情稳定但可能做过滤；第三方数据商覆盖广但存在清洗与延迟；开源或免费源便于测试但字段缺失多。校验时应根据业务目标选择“基准源”，通常以交易所或权威数据商为基准，其余源作为待校验对象。

五、案例与复盘：一次“最新价不一致”的排查

某策略团队发现A股某标的两数据源最新价相差0.01元，持续数分钟。初步怀疑数据源错误，但排查后发现：源A使用快照最新价，源B使用逐笔成交最后一笔；在成交稀疏时段，快照最新价可能停留在上一笔，而逐笔源已更新到更晚的一笔。二者时间切片不同，属于假差异。修复方式是将两源都归一到“同一时间窗口内的最后一笔逐笔成交价”，差异随即消失。

这个案例说明：多源校验的价值不在于“找出不同”，而在于区分差异性质。建议建立如下排查顺序：

1. 确认数据形态是否一致（快照/逐笔/K线）。
2. 确认时间戳口径与时区是否一致。
3. 确认复权方式与除权日处理是否一致。
4. 确认字段映射与单位（手/股、元/分）是否一致。
5. 以上都一致后，再判定为真实差异，进入告警与修复流程。

掌握本节内容后，你已经具备判断“差异是否真实”的基础能力。下一阶段的工作，是把这些口径规则转化为可执行的校验配置与修复策略，让多源行情在统一语义下真正可比、可信、可用。