刚开始做量化的时候，我也踩过一个很常见的坑：拿到 Tick 数据就直接进策略，结果回测表现和实盘感觉完全对不上。
后来回头看，问题并不在策略，而是 Tick 数据本身并不“干净”。
如果基础数据有问题，后面的逻辑写得再漂亮，结果也很难可信。
这篇主要记录一下我在实际项目中，对 Tick 数据做基础处理的一些经验，算是给刚入门的朋友一个参考。
Tick 数据里，常见但容易忽略的问题
即便是交易所推送的逐笔成交数据，在实际使用中也经常会遇到一些问题，比如：

• 重复 Tick：相同时间戳、价格、成交量被重复记录
• 异常价格：极端偏离当前行情，多半来自传输或解析异常
• 时间戳顺序混乱：Tick 没有严格按时间递增
• 字段不完整：有价格没成交量，或者反过来

这些问题在单条数据上看不明显，但一旦进入回测或统计分析，很容易放大影响。
所以在策略逻辑之前，我一般都会先做一层最基础的 Tick 清洗。
一个简单但实用的 Tick 清洗流程
下面这个示例，是我平时会用到的一种最基础处理方式，思路很简单：

import pandas as pd

def clean_ticks(raw_ticks):
    """
    对原始 Tick 数据做基础清洗
    raw_ticks: list[dict]，包含 timestamp / price / volume 等字段
    """
    df = pd.DataFrame(raw_ticks)

    # 确保时间顺序
    df = df.sort_values("timestamp").reset_index(drop=True)

    # 去重
    df = df.drop_duplicates()

    # 去掉关键字段为空的记录
    df = df.dropna(subset=["price", "volume"])

    # 过滤明显异常值（阈值需根据标的调整）
    df = df[(df["price"] > 0) & (df["volume"] > 0)]

    return df

这类处理并不复杂，但非常有必要。
很多“策略不稳定”的问题，最后都能追溯到数据层。
实际项目里，清洗规则一定要结合标的和交易制度调整，这里只是一个基础示例。
关于数据源本身的一点体会
在做这些基础处理时，我个人更倾向于使用字段定义清晰、时序比较稳定的实时数据源，这样可以少写很多防御性代码。
之前的一些项目里，我用过支持股票、外汇和加密资产实时推送的数据服务（例如 AllTick 的 WebSocket 行情），整体字段完整性和时间顺序比较稳定，对我来说更多是“省事”，而不是为了追求功能有多复杂。