3. 数据源梳理与执行数据采集

交易执行质量评估报告的可信度，首先取决于数据底座的完整性。一份评估报告通常要回答三类问题：订单是否按预期到达市场、成交是否以合理价格和数量实现、执行过程相对基准的偏差来自哪里。要回答这些问题，仅靠单一成交表远远不够，必须把订单、成交、行情、时钟四类数据源放在同一条时间轴上对齐，才能还原真实的执行过程。本节围绕“识别数据源—设计采集方案—处理数据质量问题”这条主线展开，重点讲清楚实际工程中怎么做。

四类核心数据源的识别与字段要求

订单数据（Order）记录委托的完整生命周期，是执行评估的主线。关键字段包括：订单编号、账户或策略标识、标的代码、买卖方向、委托类型（限价/市价/算法单）、委托价格、委托数量、下单时间、交易所确认时间、撤单时间、订单状态（已报、部成、全成、已撤、废单）。订单数据决定了“意图”，没有它就无法判断执行是否符合预期。

成交数据（Trade/Fill）记录每一笔实际撮合结果，关键字段包括：成交编号、对应订单编号、成交时间、成交价格、成交数量、手续费、成交场所。成交数据是计算成交均价、滑点、成交率、部分成交比例的原始依据。需要注意，一笔订单可能对应多笔成交，订单与成交是一对多关系，采集时必须保留订单编号作为关联键。

行情数据（Market Data）提供评估基准。至少需要标的的逐笔成交或快照行情（最优买卖价、盘口深度）、以及评估基准价格（如到达价格 arrival price、VWAP、TWAP 区间价）。行情的时间精度和频率直接决定滑点计算的准确性，低频快照会掩盖短时间内的价格波动。

时钟数据（Clock）是常被忽视但极其关键的一环。订单时间、成交时间、行情时间往往来自不同系统，若时钟不同步，几毫秒到几秒的偏差就可能导致“成交价优于当时行情”这类虚假结论。采集时应记录各数据源的时间戳及其时区、时钟源（如 NTP 同步状态），为后续时间对齐提供依据。

采集方案的设计要点

识别数据源之后，要设计可落地的采集方案。实际工程中建议按“主键—粒度—频率—存储”四个维度确定方案。主键方面，订单表以订单编号为主键，成交表以成交编号为主键并保留订单编号外键，行情表以标的代码加时间戳为主键。粒度方面，订单和成交必须保留逐笔明细，不能只存日汇总；行情至少保留评估区间内的逐笔或秒级快照。频率方面，订单与成交建议实时或准实时落库，行情按评估需要选择逐笔或定时快照。存储方面，建议按交易日分区，保留原始层（ODS）与清洗层（DWD）两层，原始层不做任何修改，便于问题追溯。

一个常见的采集配置示例如下（示例参数，仅用于说明结构）：

# 采集任务配置示例（示意）
order_source:
  endpoint: oms.order_detail
  primary_key: order_id
  fields: [order_id, symbol, side, order_type, price, qty,
           order_time, ack_time, cancel_time, status]
  freq: realtime

trade_source:
  endpoint: oms.trade_detail
  primary_key: trade_id
  foreign_key: order_id
  fields: [trade_id, order_id, trade_time, price, qty, fee, venue]
  freq: realtime

market_source:
  endpoint: md.snapshot
  primary_key: [symbol, ts]
  fields: [symbol, ts, bid1, ask1, bid1_qty, ask1_qty, last]
  freq: 1s

clock_check:
  ntp_host: ntp.internal
  max_offset_ms: 50
  action: warn_and_log

数据缺失、重复与时间对齐的处理

缺失处理。先区分“真缺失”和“未发生”。例如订单没有撤单时间，可能是从未撤单，而非数据丢失，应结合订单状态判断。对确属缺失的字段，按影响程度分级：主键缺失（如成交编号为空）必须回源补采；价格或数量缺失可用同订单其他成交记录推算并标记来源；行情快照缺失可在评估区间内用相邻快照插值，但必须在报告中注明插值区间，避免把插值数据当作真实观测。

重复处理。重复通常来自消息重投或多次拉取。处理原则是按主键去重，保留最新版本或首次到达版本，并记录重复条数用于监控。若同一成交编号出现价格或数量不一致，说明上游存在修正，应以更新时间较晚的记录为准，同时保留修正历史。

时间对齐。这是最容易出错的一步。首先要统一时区（建议全部转为 UTC 或交易所本地时间并明确标注），其次统一时间精度（毫秒或微秒），最后处理时钟偏差。可用同一事件在两个系统中的时间戳估计偏差，例如订单在 OMS 的确认时间与交易所回报时间之差，若系统性偏大，说明某一侧时钟超前。对齐后，所有滑点、成交率计算都应基于同一时间基准，并在报告中写明基准定义。

采集完成后的自检

数据采集完成后，不要急于计算指标，先做一轮自检：抽查若干订单，确认其成交记录能完整关联；核对成交总量与订单委托量的守恒关系（成交量不超过委托量，撤单后不再有新增成交）；检查评估区间内行情时间戳是否连续；确认时钟偏差在阈值内。只有自检通过，后续的滑点、成交率、执行时长等指标才具备可信度。数据源梳理与采集看似是“准备工作”，实际上决定了整份执行质量评估报告的上限。