日内行情质量审计

在日内研究前检查标准化 OHLCV K 线的时间戳、缺口、OHLC 关系、价格与成交量。

解决什么问题

在日内研究前检查时间戳、缺失 K 线、OHLC 关系、非正价格、负成交量和交易日错配。缺口是待核查标记，不自动判定为停牌或数据错误。

与社区现有能力的边界：它识别数据异常，不自动删除成交，也不替代交易所最终裁定。

快速开始

python scripts/audit_bars.py --demo
python scripts/audit_bars.py --input your_data.csv --out report.json
python scripts/audit_bars.py --input your_data.csv --expected-seconds 300 --out report.json

安装方式：克隆本仓库，或把整个目录复制到 Agent 的 skills 目录；无需安装第三方 Python 包。PandaData 取数请配合 skill-pandadata-api。

工作流

1. 按交易所日历和时区规范时间
2. 检测重复、缺口和乱序
3. 验证 OHLCV 不变量
4. 将缺口与时段边界交给交易所日历或供应商证据复核

输入与输出

• 输入：包含 symbol、trading_date、session、timestamp、open、high、low、close、volume 的分钟/秒级 CSV。脚本按 symbol + trading_date + session 分组；合法跨自然日夜盘应显式使用 night、night_session、overnight 或 night_* session 标签。同组 ISO-8601 时间戳不得混用带时区和不带时区的格式。
• 输出：JSON 数据质量报告和逐时间戳问题清单。

运行参数

参数	类型/默认值	说明
--demo	开关	使用内置异常样例，与 --input 二选一
--input	CSV 路径	真实数据模式必填
--out	可选 JSON 路径	省略时输出到标准输出
--expected-seconds	正整数，默认 60	预期 K 线间隔；实际间隔超过 1.5 × 该值时标记缺口

--demo 与 --input 同时提供或同时缺失时，CLI 输出用法并以退出码 2 结束。非正的 --expected-seconds 或证据不足的输入会生成 insufficient-evidence JSON 报告。

数据来源

• 接入模式：直接接入，同时保留 CSV 离线输入。
• PandaData 方法：get_trade_cal、get_stock_min、get_stock_rt_min、get_index_min、get_future_min、get_future_detail。
• 真实 API 调用委托给兄弟 Skill pandadata-api；本 Skill 不复制账号认证逻辑。
• 详细覆盖范围、字段映射和降级规则见 references/pandadata-integration.md。
• 分钟接口不是逐笔成交或 Level-2 盘口；不能用它验证队列位置、撤单或逐笔撮合顺序。

仓库结构

skill-intraday-data-quality-auditor/
├── SKILL.md
├── README.md
├── README.en.md
├── .gitignore
├── LICENSE
├── requirements.txt
├── agents/
│   ├── cursor-rule.mdc
│   ├── openai.yaml
│   └── portable-loader.md
├── scripts/audit_bars.py
├── tests/test_audit_bars.py
├── validation/
│   ├── README.md
│   └── smoke.py
└── references/
    ├── methodology.md
    ├── output-contract.md
    └── pandadata-integration.md

研究边界

本 Skill 仅用于研究和教育，不提供买卖建议、收益承诺或自动交易。所有阈值、代理变量和数据缺口都应在报告中披露。