3. 历史行情数据源解析

重建订单簿历史一致性，第一步不是写撮合代码，而是把数据源“读对”。同一只股票、同一个交易日，逐笔委托、逐笔成交、快照行情三类数据在字段含义、时间戳语义和更新机制上差异很大；如果混用或误读，重建出的订单簿会在价格档位、数量甚至买卖方向上系统性偏离真实市场。本节围绕这三类常见数据源，说明各自的关键字段、时间语义，以及它们对一致性重建的具体影响。

一、逐笔委托：订单簿的“增量来源”

逐笔委托（Order/Tick Order）记录的是每一笔新进入撮合系统的委托，以及部分市场中的撤单事件。典型字段包括：证券代码、委托时间、委托序号（交易所通道内的唯一递增编号）、买卖方向、委托价格、委托数量、订单类型（限价/市价/本方最优等）。在深交所等市场中，撤单也以独立记录出现，方向字段常以特定编码表示，需要按交易所文档映射，不能简单当作“卖方向委托”。

逐笔委托的核心价值在于它是订单簿的增量输入：一条限价买单意味着在对应价位增加数量，一条撤单意味着从原价位扣减数量。重建时通常维护“价格档位 → 总量”的聚合结构，或“订单号 → 剩余量”的明细结构。前者内存小但无法精确处理部分成交，后者更贴近真实订单簿但需要与逐笔成交做订单号关联。实际工程中，若数据源提供订单号且逐笔成交也带订单号，应优先采用明细结构，否则只能用聚合结构并接受一定误差。

二、逐笔成交：数量扣减与方向推断

逐笔成交（Trade/Tick Trade）记录每一笔撮合结果，典型字段包括：成交时间、成交序号、成交价格、成交数量、买卖方向标识（部分市场为主动方方向）、买方订单号与卖方订单号（部分市场提供）。逐笔成交本身不直接改变订单簿的“挂单结构”，但它对应着委托数量的扣减：一笔成交意味着买方订单和卖方订单各减少相应数量。

这里最容易出错的是方向语义。部分数据源的“买卖方向”表示主动成交方（即吃单方），而非挂单方；若用它去扣减订单簿，会把方向弄反。正确做法是：有订单号时按订单号扣减；无订单号时，结合成交价与当前买一/卖一判断主动方，再推断被吃掉的是哪一侧挂单。此外，逐笔成交与逐笔委托的序号体系可能不同，跨数据源关联必须依赖订单号或时间+价格+数量的启发式匹配，并记录匹配失败率作为一致性指标。

三、快照行情：定时切片与校验基准

快照行情（Snapshot）按固定频率（如每 3 秒）发布当前订单簿的切片，典型字段包括：快照时间、最新价、成交量、成交额、买一至买十/卖一至卖十的价格与数量、委托总量等。快照不是增量，而是某一时刻的“状态截面”，因此它天然适合作为重建结果的校验基准：在快照时间点上，将重建订单簿的前若干档与快照逐档比对，价格和数量都应一致（允许因发布延迟产生的少量偏差）。

快照的时间戳语义需要特别注意：它通常表示“快照生成时间”而非“数据生效时间”，且不同交易所对时间戳的精度（秒/毫秒）和时区约定不同。重建时应统一转换为同一时区与精度，并以“快照时间之前已处理的全部逐笔事件”作为对齐边界，避免把快照时间之后的事件提前计入。

四、时间戳语义：一致性的隐形杀手

三类数据源的时间戳往往不是同一含义：逐笔委托是“委托进入撮合系统的时间”，逐笔成交是“撮合完成时间”，快照是“切片生成时间”。在重建时，必须明确以哪条时间线排序。推荐做法是：以交易所发布的序号为主排序键，时间戳为辅；当序号缺失时，按时间戳排序并规定“同一时间戳内先委托后成交”的稳定顺序。若直接把三类数据按各自时间戳混排，可能出现“成交先于其对应委托被处理”的倒挂，导致扣减失败或负数量。

另一个细节是时间精度。若逐笔数据为毫秒、快照为秒，对齐快照边界时应取“快照时间 ≤ 当前处理时间”的最后一个快照，而不是四舍五入。时区上，统一转为交易所本地时间或 UTC 均可，但全流程必须一致，并在元数据中记录转换规则，便于复现。

五、更新机制差异与重建策略

逐笔委托与逐笔成交是事件流，适合“逐条应用”的增量重建；快照是状态流，适合“定时对齐”的校验。工程上常见的组合是：以逐笔委托构建初始订单簿，逐笔成交扣减数量，每到一个快照时间点做一次全档比对，若偏差超过阈值（例如某档数量偏差超过 1 手或价格档位错位），则记录异常并考虑用快照做局部重置。重置会引入“状态跳变”，因此必须记录重置点，保证回测中订单簿状态可追溯。

下面是一段示意性的对齐逻辑（示例参数，非实测结果）：

events = merge(order_ticks, trade_ticks, key=seq_no)   # 以序号为主键
book = OrderBook()
last_snap = None
for e in events:
    if e.time >= next_snapshot_time:
        snap = get_snapshot(next_snapshot_time)
        diff = compare(book.topN(10), snap.topN(10))
        if diff.max_qty_gap > 100 or diff.price_mismatch > 0:
            log_anomaly(snap.time, diff)
        last_snap = snap
    book.apply(e)   # 委托加量 / 撤单减量 / 成交扣减

判断重建是否可信，不能只看“跑通没报错”，而要看三类指标：快照比对的一致档位比例、负数量或越界扣减的出现次数、跨源订单号匹配失败率。三者共同构成数据源层面的质量画像，也是后续回测结论是否可靠的前提。