2. 盘口回放数据基础
做成交方向一致性检查，第一步不是写判断逻辑，而是把回放数据“看懂、对齐、洗干净”。盘口回放通常由三类数据拼成：逐笔成交记录每一笔撮合成交的价格、数量与成交方向标记；委托队列记录买卖盘各档位的挂单价格与数量，以及逐笔委托的增删变化；快照则是在固定时间间隔上对盘口状态的一次切片。三者时间粒度不同、字段含义不同，若不对齐就直接比对，很容易把“数据错位”误判成“方向异常”。
三类数据的结构与字段含义
逐笔成交是方向检查的主证据。典型字段包括：成交时间（精确到毫秒或微秒）、证券代码、成交价、成交量、成交编号、买卖方向标记（常见为 B/S 或 1/2，也有以主动方为口径的标记）。这里必须先明确一个约定：本课程统一采用“主动方口径”——成交方向指主动吃单的一方，标记为 B 表示买方主动成交（外盘），S 表示卖方主动成交（内盘）。若数据源采用“被动方口径”或“逐笔委托撮合口径”，必须先转换，否则后续一致性判断全部反向。
委托队列关注的是“挂单侧”。字段通常有：档位序号（买一、卖一……）、委托价格、委托数量、委托笔数，以及逐笔委托流中的委托编号、方向、价格、数量、委托类型（限价/市价）和到达时间。委托队列的价值在于还原成交发生前后的挂单环境：一笔大额主动买单成交前，卖一档位是否确实存在足够挂单？成交后卖一数量是否相应减少？这些是判断方向标记是否可信的重要旁证。
快照数据是“状态切片”，字段包括快照时间戳、最新价、买卖各档价格与数量、累计成交量、累计成交额、成交笔数等。快照的优点是结构规整、易于对齐；缺点是间隔固定（常见 3 秒或 500 毫秒），会丢失间隔内的细节。因此快照适合做宏观校验和状态锚点，不适合单独承担逐笔级方向判断。
时间对齐：先统一基准，再谈比对
三类数据最常出问题的地方是时间。逐笔成交的时间是“成交发生时刻”，委托流是“委托到达时刻”，快照是“切片时刻”，三者语义不同。对齐时建议按以下顺序处理：
- 统一时区与精度。把全部时间戳转换为同一时区，并统一到毫秒（若源数据为微秒则保留微秒，但三类数据必须一致）。常见错误是成交用本地时间、快照用 UTC，导致整体偏移数小时。
- 确定区间锚点。以快照时间戳为区间边界，把逐笔成交按成交时间归入对应区间，例如快照 10:00:00 与 10:00:03 之间的成交全部归入该区间。这样每笔成交都能找到“前后两个盘口状态”。
- 处理乱序与重复。逐笔数据可能因采集原因出现时间倒序，需按时间稳定排序；同一成交编号重复出现时只保留一条。
- 不跨区间强行匹配。若某笔成交时间恰好落在快照边界，按“左闭右开”规则归属，避免同一笔被两个区间重复统计。
举个教学示例（以下为合理假设的示例数据，非实测）：某标的快照间隔 3 秒，10:00:00 快照卖一价 10.02、卖一量 5000 手；10:00:03 快照卖一价 10.03、卖一量 3200 手。区间内逐笔成交共 6 笔，其中 4 笔标记为 B、成交价 10.02，合计 1800 手；2 笔标记为 S、成交价 10.02，合计 300 手。若卖一量从 5000 降至 3200，减少 1800 手，恰好等于 B 方向成交量，说明买方主动吃掉了卖一挂单，方向标记与队列变化相互印证。若减少量与 B 方向成交量明显不符，就应进入下一步排查，而不是直接判定方向错误。
清洗规则与判断依据
清洗不是“删得越多越好”，而是“删得有理、留得可查”。建议至少落实以下规则，并对每条被剔除记录保留原因码：
| 检查项 | 处理方式 | 判断依据 |
|---|---|---|
| 成交编号重复 | 保留首条，其余标记重复 | 同一编号不应出现两次 |
| 价格或数量 ≤ 0 | 剔除并记录 | 撮合成交不可能出现非正价格/数量 |
| 方向标记缺失/非法 | 单独列出，不参与统计 | 无法确定主动方，不能强行归类 |
| 集合竞价区间 | 标记隔离，不纳入连续竞价检查 | 竞价阶段撮合规则不同，方向含义不可比 |
| 停牌/无快照区间 | 整段隔离 | 缺少盘口锚点，无法做一致性比对 |
为方向检查准备的最小数据集
经过对齐与清洗，最终应得到一张以成交为主键的宽表：每行一笔成交，包含成交时间、成交价、成交量、方向标记，以及其所属快照区间的买一/卖一价量、成交前后的队列变化量。有了这张表，成交方向一致性检查才有稳定的输入——后续无论是比对方向标记与价格变动方向，还是比对方向标记与队列消耗方向，都能在同一时间基准上展开，避免把数据问题误读成盘口异常。