3. 逐笔成交数据字段详解

逐笔成交回放的质量，几乎完全取决于对原始字段语义的理解是否准确。很多回放结果“看起来能跑”，但成交归属错位、方向判断反了、时间顺序错乱，根源往往不是回放引擎写得不好，而是字段含义没吃透、脏数据没清掉。本节先把逐笔成交的核心字段逐个拆开讲清楚，再给出一套可落地的清洗与异常识别方法。

一、逐笔成交的核心字段及其语义

以常见的交易所逐笔成交数据为例，一条记录通常包含以下字段（不同数据源命名略有差异，但语义基本一致）：

这里要特别强调两个容易踩坑的点。第一，成交编号与时间戳不是一回事：同一毫秒内可能有多笔成交，时间戳相同但成交编号不同，排序必须以成交编号为准，时间戳只用于节奏控制。第二，方向字段是“主动方”而非“买卖双方”：一笔成交同时有买方和卖方，BSFlag 记录的是谁主动吃单。若数据源只给了买卖委托号，也可以通过“买方委托号大于卖方委托号”之类的规则推断主动方，但这类规则依赖撮合机制，必须验证后再用。

二、数据清洗：先定口径，再定规则

清洗不是简单删掉“看起来不对”的行，而是先明确口径，再逐条落地规则。回放场景下最需要统一的口径有三项：价格单位（元还是厘）、数量单位（股还是手）、方向编码（B/S 还是 1/2 还是 0/1）。这三项一旦不一致，后续所有统计都会系统性偏移，且很难从结果上察觉。

口径统一后，按以下顺序执行清洗，顺序本身很重要：

1. 主键去重：以成交编号为键去重。若同一编号出现多条且内容不同，说明数据源合并出错，应整组隔离而非随意保留一条。
2. 排序：按成交编号升序排列，而不是按时间戳。时间戳相同或轻微倒挂时，成交编号才是权威顺序。
3. 值域校验：价格必须落在当日涨跌停价之间（涨跌停价可由前收盘价与板块规则算出）；数量必须为正整数，且符合最小交易单位。
4. 方向映射：把原始编码统一映射为 B/S 两值，遇到未知编码直接隔离，不要默认成某一方向。
5. 时间校验：检查时间戳是否落在交易时段内、是否出现明显倒流（如后一条比前一条早超过阈值）。

三、异常值识别：四类高频问题与判断依据

逐笔成交的异常大致可归为四类，每类都有可操作的判断依据：

• 重复成交：成交编号重复。判断依据是主键唯一性，处理方式是整组隔离并记录重复次数。
• 价格越界：成交价高于涨停价或低于跌停价。常见于单位混用（厘当成元）或复权处理错误。判断依据是当日涨跌停区间，处理方式是先核对单位再决定修正或隔离。
• 数量异常：数量为 0、为负、或不是最小交易单位的整数倍。判断依据是交易规则，处理方式是隔离并回溯数据源。
• 委托号悬空：成交记录中的买方或卖方委托号，在委托表中找不到对应记录。这会直接导致回放时委托剩余量算错，必须作为重点异常标记。

其中“委托号悬空”最容易被忽视，却对回放影响最大。实操中可以用集合运算快速定位：把成交表中的买方委托号、卖方委托号分别与委托表中的委托号做差集，差集非空即说明存在悬空引用。发现悬空后，不要急着补一条假委托，而应先确认是委托表截断、还是成交表混入了其他交易日的数据。

四、一个可复用的清洗检查清单

把上面的规则固化成检查清单，每次回放前跑一遍，能挡掉绝大多数低级错误：

最后提醒一点：清洗的目标不是把数据“修得好看”，而是让每一条进入回放引擎的记录都可解释、可追溯。凡是经过修正的记录，都应保留原始值与修正原因；凡是无法解释的记录，宁可隔离也不要猜测填充。做到这一点，后续的委托同步与回放对账才有可靠的基础。