[转载] 使用日期数据校验tick数据有效性

在分析数据过程中，数据有效性非常重要，所谓garbage in garbage out，数据正确性得不到保证，结果的可信度就要打折扣。聚宽提供了很多数据api方便调用，其中tick数据包含了低粒度（秒级）数据成交的快照，具有较大的微观数据分析价值，但tick数据量大，由于各种原因（服务器，网络等）导致数据出现问题的几率偏大，但通常日级的数据可信度较高，所以我们可以用日级数据来检验下tick数据的有效性。例如针对一个个股600769.XSHG，我们可以取到它的tick数据，通过get_tick函数

df_tick=jd.get_ticks('600769.XSHG',start_dt='2018-07-02',end_dt='2018-07-10',count=None)

我们现在要检验这个tick数据的正确性，我们可以通过取日数据 

df_day = jd.get_price('600769.XSHG',start_date='2018-07-02',end_date='2018-07-10',fq=None)

然后将tick数据按日重采样 

d1 = df_tick.price.resample('1D').mean()
d1.dropna(inplace=True)
d2 = pd.concat([d1, df_day.close], join='inner', axis=1)
d3 = d2[abs(d2.price / d2.close - 1) > 0.15].index.astype(str).tolist()

 如果tick数据的平均价格和日数据的收盘价价差在15%以上，就认为tick数据有问题，另外还可使用成交量来验证数据

d1 = df_tick.volume.resample('1D').sum()
d1.dropna(inplace=True)
d2 = pd.concat([d1, df_day.volume], join='inner', axis=1)
d3 = d2[abs(d2.volume / d2.volume - 1) > 0.1].index.astype(str).tolist()

 如果通过tick统计的成交量和日数据中的成交量有10%以上的差异，同样认为tick数据存在错误，通过这两种方式，可以大体的对tick数据初步验证，为后续模型的正确性做个预防。