2. Tick数据结构解析：Level1/Level2行情Tick字段详解

高频交易与风控系统的基石是Tick数据。不同交易所、不同数据等级（Level1/Level2）的Tick结构存在显著差异。本章将逐字段拆解Tick数据包，明确每个字段在坏账率监控中的实际用途。

2.1 Level1 vs Level2 行情核心差异

2.2 Tick核心字段详解

一个标准的Level2 Tick数据包通常包含以下字段组。每个字段在坏账率计算中都有明确的角色。

2.2.1 时间戳字段

• Exchange Timestamp（交易所时间戳）：撮合引擎生成时间，精度微秒/纳秒。用于计算订单延迟、成交间隔、流动性突变时间点。
• Received Timestamp（接收时间戳）：本地网关收到数据的时间。用于评估网络延迟、数据乱序、重复包。
• Sequence Number（序列号）：交易所或网关分配的递增序号。用于检测丢包、乱序、重复推送。

2.2.2 价格字段

• Last Price（最新成交价）：最后一笔成交价格。用于计算实时价差、价格突变。
• Bid Price[1..N]（买盘价格）：各档位买入价格。Level2可提供全档位。
• Ask Price[1..N]（卖盘价格）：各档位卖出价格。
• Open / High / Low / Close（开盘/最高/最低/收盘）：用于计算日内价格区间，辅助判断价格是否异常。

2.2.3 成交量与持仓量字段

• Volume（累计成交量）：当日累计成交合约/股数。用于计算换手率、成交量突变。
• Turnover（成交额）：当日累计成交金额。
• Open Interest（持仓量）：期货/期权未平仓合约数。持仓量异常增减常伴随对倒或逼仓。
• Bid Volume[1..N] / Ask Volume[1..N]（各档位委托量）：Level2核心字段，用于计算订单簿不平衡、虚假挂单。

2.2.4 买卖盘口（Order Book）字段

• Bid/Ask Queue（委托队列）：每个价格档位上的委托单明细（部分交易所提供）。用于识别大单撤单、冰山订单。
• Trade Direction（成交方向）：主动买/主动卖标记。用于计算资金流向、识别对倒。
• Trade Flag（成交标记）：是否为FOK（Fill or Kill）、FAK（Fill and Kill）等特殊订单。特殊订单占比过高可能暗示操纵。

2.3 Tick数据结构示意图

下图展示了一个标准Level2 Tick数据包在内存中的字段布局，以及各字段在坏账率监控中的角色映射。

2.4 Tick数据坏账率计算流程

基于上述字段，坏账率监控的典型处理流程如下：

1. 数据接入：接收Level2 Tick流，解析各字段到结构化对象。
2. 字段校验：检查时间戳单调性、价格非负、成交量非负、序列号连续性。
3. 坏账判定：对每个Tick，根据预设规则（如价格超过前收盘±10%、成交量突增100倍、时间戳间隔>500ms）标记坏账。
4. 坏账聚合：按时间窗口（1分钟/5分钟/1小时）统计坏账Tick数，计算坏账率。
5. 告警输出：当坏账率超过阈值（如>0.1%）时，触发风控告警。

2.5 常见坏账场景与对应字段

2.6 代码示例：Tick字段解析与坏账标记

以下Python代码演示如何解析一个简化的Level2 Tick字典，并执行基础坏账判定。

import time
from typing import Dict, List

class TickValidator:
    """Tick数据坏账校验器"""
    
    def __init__(self, price_threshold: float = 0.1, vol_multiplier: float = 100.0):
        self.last_timestamp = 0
        self.last_seq = 0
        self.price_threshold = price_threshold  # 价格变动阈值（比例）
        self.vol_multiplier = vol_multiplier    # 成交量暴增倍数
        self.volume_history: List[float] = []
    
    def validate_tick(self, tick: Dict) -> Dict:
        """
        校验单个Tick，返回坏账标记和类型
        :param tick: 包含字段的字典
        :return: {'is_bad': bool, 'bad_type': str, 'reason': str}
        """
        result = {'is_bad': False, 'bad_type': '', 'reason': ''}
        
        # 1. 时间戳校验
        ts = tick.get('exchange_timestamp', 0)
        seq = tick.get('seq_num', 0)
        if ts < self.last_timestamp:
            result['is_bad'] = True
            result['bad_type'] = 'TIME_BAD'
            result['reason'] = '时间戳回退'
            return result
        if seq <= self.last_seq:
            result['is_bad'] = True
            result['bad_type'] = 'TIME_BAD'
            result['reason'] = '序列号不递增'
            return result
        self.last_timestamp = ts
        self.last_seq = seq
        
        # 2. 价格校验
        price = tick.get('last_price', 0)
        if price <= 0:
            result['is_bad'] = True
            result['bad_type'] = 'PRICE_BAD'
            result['reason'] = '价格非正'
            return result
        
        # 3. 成交量校验
        volume = tick.get('volume', 0)
        if volume > 0 and len(self.volume_history) >= 10:
            avg_vol = sum(self.volume_history[-10:]) / 10
            if volume > avg_vol * self.vol_multiplier:
                result['is_bad'] = True
                result['bad_type'] = 'VOL_BAD'
                result['reason'] = f'成交量暴增: {volume} vs 均值 {avg_vol:.2f}'
                return result
        self.volume_history.append(volume)
        
        # 4. 盘口校验
        bid = tick.get('bid_price_1', 0)
        ask = tick.get('ask_price_1', 0)
        if bid > 0 and ask > 0 and bid > ask:
            result['is_bad'] = True
            result['bad_type'] = 'ORDER_BOOK_BAD'
            result['reason'] = '盘口倒挂'
            return result
        
        return result

# 使用示例
validator = TickValidator()
sample_tick = {
    'exchange_timestamp': int(time.time() * 1_000_000),
    'seq_num': 1001,
    'last_price': 5000.0,
    'volume': 10,
    'bid_price_1': 4999.5,
    'ask_price_1': 5000.5
}
result = validator.validate_tick(sample_tick)
print(f"坏账标记: {result['is_bad']}, 类型: {result['bad_type']}, 原因: {result['reason']}")

2.7 本章小结

• Level2 Tick数据包含时间戳、价格、成交量、盘口四大字段组，每个组都对应特定的坏账风险。
• 坏账率监控的核心是逐字段校验 + 聚合统计，Level2的细粒度数据让秒级异常无处遁形。
• 时间戳回退、价格异常、成交量暴增、盘口倒挂是最常见的四种坏账类型。
• 代码实现时需注意性能，高频场景下校验逻辑必须接近零开销。