4. 逐笔成交数据校准

逐笔成交数据是 Level2 行情中最细粒度的交易记录，每一笔都对应交易所撮合主机的一次成交确认。该数据的质量直接决定回测与实盘信号的可信度。本节将详解逐笔成交的核心字段、常见异常模式以及标准校准流程。

4.1 逐笔成交数据字段详解

逐笔成交记录通常包含以下五个关键字段，它们共同构成一笔成交的完整描述：

4.2 常见数据异常

在实际生产环境中，逐笔成交数据常出现以下三类异常，若不处理将导致回测结果失真：

• 重复（Duplicate）：同一笔成交被推送两次或多次，表现为成交编号完全相同，但时间戳可能因网络延迟而略有差异。
• 缺失（Missing）：因网络丢包或行情网关故障，部分成交编号未被记录，导致序列中出现断层。
• 乱序（Out-of-Order）：由于多路传输或缓存抖动，后发生的成交先到达，表现为成交编号与时间戳均不单调递增。

4.3 校准方法

针对上述异常，标准校准流程分为三步：去重、排序、时间对齐。以下为各步骤的详细操作与代码示例。

4.3.1 去重

以成交编号为键，保留首次出现的记录，丢弃后续重复项。若数据量极大，可使用布隆过滤器或哈希集合进行内存优化。

# Python 示例：基于成交编号去重
import pandas as pd

def dedup_trades(df: pd.DataFrame) -> pd.DataFrame:
    """
    对逐笔成交数据按成交编号去重，保留首次出现。
    """
    # 按成交编号排序后去重，确保保留最早到达的记录
    df_sorted = df.sort_values('trade_id')
    df_deduped = df_sorted.drop_duplicates(subset='trade_id', keep='first')
    return df_deduped.reset_index(drop=True)

4.3.2 排序

去重后，按成交编号与时间戳进行双重排序。若成交编号本身已保证单调递增，则仅按编号排序即可；否则需以时间戳为主键、编号为次键排序。

# Python 示例：双重排序
def sort_trades(df: pd.DataFrame) -> pd.DataFrame:
    """
    按成交编号与时间戳排序，修复乱序。
    """
    df_sorted = df.sort_values(['trade_time', 'trade_id'])
    return df_sorted.reset_index(drop=True)

4.3.3 时间对齐

时间对齐用于修正因网络延迟导致的时间戳偏差，以及将成交时间与盘口快照时间统一到同一时间基准。常用方法包括：

• 线性插值：对缺失的微秒级时间戳，根据前后成交编号与时间戳进行线性插值。
• 快照锚定：以每秒或每 3 秒的快照时间为锚点，将成交时间对齐到最近的快照时间戳。
• 交易所基准校正：若已知交易所主机的时钟偏差，可整体平移时间戳。

# Python 示例：基于快照锚定的时间对齐
def align_trades_to_snapshot(trades: pd.DataFrame,
                             snapshots: pd.DataFrame) -> pd.DataFrame:
    """
    将逐笔成交时间对齐到最近的盘口快照时间。
    """
    # 使用 merge_asof 将成交时间匹配到最近的快照时间
    aligned = pd.merge_asof(
        trades.sort_values('trade_time'),
        snapshots[['snap_time']].sort_values('snap_time'),
        left_on='trade_time',
        right_on='snap_time',
        direction='nearest'
    )
    # 用快照时间覆盖原始成交时间
    aligned['trade_time'] = aligned['snap_time']
    aligned.drop(columns='snap_time', inplace=True)
    return aligned