2. 数据质量排障

交易执行成本估计的输入几乎全部来自成交回报（Fill）与订单事件（Order Event）。一旦成交数据本身存在缺失、重复或时间戳错误，后续的到达价格基准、VWAP 基准、滑点、实现价差（Implementation Shortfall）分解都会系统性失真。本节不讨论估计模型本身，而是聚焦“脏数据如何污染成本数字”，并给出一套可复现的排查与修复路径。

三类缺陷如何扭曲成本估计

成交缺失最直接的后果是成交量被低估。假设某笔母单分 5 次成交，实际共买入 10000 股，但回报中丢失了其中一笔 3000 股，则计算出的成交均价会偏向剩余 4 笔的价格分布，且成交量加权基准（如当日 VWAP）的分母被缩小。更隐蔽的是，缺失往往不是随机的——交易所断线、FIX 会话重连、部分成交（Partial Fill）回报被覆盖，都会让缺失集中在特定时段或特定价格档位，从而产生方向性偏差。

成交重复则相反，会把同一笔成交计两次，导致成交量虚增、均价被同一价格重复加权。常见来源包括：回报重传（Resend Request 后的重放）、撮合与清算两路数据同时入库、以及以“成交编号 + 日期”为主键缺失时的幂等失效。重复数据对 Implementation Shortfall 的影响尤其大，因为分母（总成交量）被放大，单位成本被稀释，容易让执行质量看起来“比实际更好”。

时间戳错误破坏的是“价格基准对齐”。成本估计需要把每笔成交映射到决策时刻、下单时刻或某个基准窗口（如开盘后 30 分钟 VWAP）。若时间戳存在时区错位（UTC 与本地时间混用）、精度不足（只到秒）、或时钟漂移，成交就会被归入错误的窗口，基准价与成交价错配，滑点符号甚至可能反转。典型症状是：某日成本估计突然出现大量“负滑点”，而逐笔核对后发现成交被整体平移了 8 小时。

案例：一笔母单的成本估计被“重复 + 时区”双重污染

某日一笔买入母单，目标 20000 股，交易时段为 09:30–11:30。原始成交明细入库后，成本估计模块给出的成交均价为 24.812 元，当日基准 VWAP 为 24.850 元，显示“负滑点 −0.038 元”，即执行优于基准。但交易员凭经验判断当日盘面偏强，负滑点不合常理，于是发起数据核查。

第一步做成交量对账：订单回报中的累计成交量为 20000 股，而成交明细表按成交编号汇总后为 23000 股，差额 +3000 股，说明存在重复。进一步按成交编号分组，发现编号 F20240612-00871 出现 2 次，成交量各 1500 股，来源字段分别为 MATCH 与 CLEAR，即撮合与清算两路数据同时入库，且入库表未设唯一约束。

第二步检查时间戳：剩余明细中有 6 笔的时间落在 17:31–17:45，明显超出交易时段。核对后发现这些记录的时间字段为 UTC，而其余记录为本地时间（UTC+8），入库时未统一。这 6 笔实际对应上午 09:31–09:45 的成交，被错误地排除在上午基准窗口之外，导致基准 VWAP 计算时少计了这部分成交量。

修复动作分三步执行：其一，以 成交编号 + 交易日 为唯一键去重，保留 MATCH 来源、删除 CLEAR 重复记录，共删除 1 条、涉及 1500 股；其二，将时间字段统一转换为 UTC 后按本地时区重新标注，6 笔记录回填至正确时段；其三，重新计算成本。修复后成交明细合计 20000 股，与订单累计成交量一致；成交均价变为 24.874 元，相对基准 VWAP 24.850 元为 正滑点 +0.024 元，与当日偏强盘面一致，符号恢复正常。

可复用的排查顺序与判断依据

面对成本估计异常，建议固定按“量—重—时”顺序排查，因为三者的证据链是递进的：先确认总量是否闭合，再确认记录是否唯一，最后确认时间是否可对齐。若跳过量的对账直接去重，可能把真实的部分成交误删；若先修时间再对账，时间错位会让对账口径本身失效。

最后需要强调，修复不是终点，防复发才是。工程上应把唯一键约束、时区强制转换、成交量日终对账做成入库前的硬校验，并保留每次修复的删除条数、补录条数与时间校正量，形成可审计的数据质量日志。只有成交数据在量、重、时三个维度都闭合，成本估计的数字才具备解释力，否则再精细的模型也只是在错误输入上做运算。