3. 回测数据准备与清洗

限价单超时改价规则的回测，本质上是在历史行情上重放“挂单—等待—超时—撤单改价”这一决策循环。规则本身并不复杂，真正决定回测可信度的是输入数据：如果订单簿快照、逐笔成交和委托流水三类数据在时间、价格、数量上不能严丝合缝地对齐，那么超时判定、成交判定和改价触发都会出现系统性偏差。本节围绕“取什么、怎么对齐、怎么清洗、最终产出什么”展开，目标是得到一个可直接喂给回测引擎的输入数据集。

三类数据的分工与获取要点

回测需要三类原始数据，它们各自承担不同职责：

• 订单簿快照（L2 深度）：提供某一时刻买一至买 N、卖一至卖 N 的价格与数量，用于判断限价单挂在队列中的位置、估算排队量与成交概率，以及计算改价时的盘口参照。快照通常是定频的（如每 500ms 或每 3s 一档），需要记录快照时间戳、买卖档位价格与数量。
• 逐笔成交（Trade/Tick）：记录每一笔撮合的成交时间、成交价、成交量与主动方向（买方发起/卖方发起）。它是判断“限价单是否被成交”的最直接依据，也是估计超时窗口内价格是否穿越挂单价的关键。
• 委托流水（Order/委托明细）：记录报单、撤单、改单事件及其时间、价格、数量、方向与订单号。它用于还原真实的下单节奏，也用于校准“超时”的计时起点——超时应从委托被交易所确认（或本地发出）的时刻开始计，而不是从策略产生信号开始计。

获取时要注意三点：一是三类数据必须来自同一交易标的、同一交易日、同一时区；二是快照与逐笔成交应尽量来自同一数据源，避免不同厂商的撮合口径差异；三是委托流水若来自模拟盘或实盘导出，需确认时间字段是本地时间还是交易所时间，并保留原始字段不做覆盖。

时间戳对齐：统一到同一时间基准

时间戳对齐是清洗中最容易出错、也最影响结论的一步。常见问题包括：快照时间戳为“采集时刻”而非“交易所撮合时刻”；逐笔成交精确到毫秒而快照只到秒；委托流水使用本地时钟且存在网络延迟。处理原则是先定义统一基准，再做对齐。

建议统一采用交易所撮合时间（或数据源标注的交易所时间）作为唯一基准，精度统一到毫秒。对于只有秒级精度的快照，将其视为该秒内的“区间代表值”，在回测中按“快照时刻 ≤ 事件时刻 < 下一快照时刻”的区间归属规则使用，而不是简单取最近邻。对于委托流水，若只能拿到本地时间，应先用同一批订单的交易所回报时间做偏移估计，得到一个稳定的时钟偏差后再整体平移，而不是逐笔随意调整。

对齐后的数据应满足单调不减的时间序，并对同一时间戳的多条记录定义稳定排序：一般按“委托事件 → 逐笔成交 → 快照”的优先级处理，确保回测中“先看到成交、再看到快照”的因果顺序不被颠倒。

缺失值与异常值的识别与处理

缺失值在订单簿数据中非常普遍：某档位无挂单、快照间隔内无成交、委托流水缺少撤单回报等。处理时要区分“真缺失”和“业务上的空”。例如买五档数量为 0 可能是该档确实无挂单，应保留为 0 而不是删除；而整段快照缺失（如连续多个周期无数据）则属于采集中断，需要标记为不可用区间，回测在该区间内应暂停挂单或跳过改价判断，避免用错误盘口做决策。

异常值主要分三类：价格越界（如买一价高于卖一价、价格为 0 或远超涨跌停）、数量异常（如单档数量为负、数量级明显偏离历史分布）、时间异常（时间戳回退、重复、跨日）。对价格类异常，优先用相邻快照做交叉校验，无法修复的整条快照剔除；对数量异常，可结合逐笔成交累计量做一致性检查，偏差超过阈值（例如示例中设为 5%）则标记可疑；对时间异常，重复时间戳保留首条并记录，回退时间戳按排序后重新编号，跨日数据直接截断。

构建回测输入数据集

清洗完成后，需要把三类数据整合成回测引擎可直接消费的结构。推荐按“事件流 + 快照索引”的方式组织：事件流按时间排序，包含成交事件与委托事件；快照单独存为按时间索引的盘口序列，事件流中的每个事件携带其所属快照区间编号。这样回测在推进时间时，既能按事件精确触发成交与超时判断，又能随时取到当前有效盘口。

下面给出一个可直接参考的输入数据集字段设计（示例字段，实际可按引擎调整）：

整合时还要做一次“可回测性”检查：每个交易日的有效快照覆盖率是否达到阈值（示例可设为 95%）、事件流时间是否严格单调、每个委托事件是否都能找到其所属快照区间。检查不通过的数据日应单独列出，而不是混入总体回测结果。

完成上述步骤后，回测引擎拿到的就是一份“时间可对齐、盘口可取用、成交可判定、异常可追溯”的输入数据集。后续的超时判定与改价逻辑，都应建立在这份数据集之上，而不是在回测过程中临时拼接原始数据——否则规则表现将难以复现，也难以定位问题究竟来自规则本身还是数据口径。