企业官网建设流程全解析

这是"股小仙"系列第二篇。系列目标：从零搭建一套交易流水驱动的个人持仓分析系统。上一篇定了数据底座（券商流水入库），本篇进入系统的心脏——买卖匹配引擎：给每一笔卖出找到它对应的买入，算出每一层仓位的真实盈亏。全文基于 500 行 Python 实现逐段拆解，最后指出代码里两个真实的坑（其中一个是我写的时候埋的，半年后才被真实数据踩中）。

一、为什么"净额持仓"不够，必须做匹配

券商给的持仓是净额：Σ买入 - Σ卖出 = 当前持仓。但做策略分析要回答的问题是过程性的：

• “我这 3000 股里，哪 1000 股是周一买的（T+1 锁定）？”
• “今天卖掉的 500 股，成本是哪笔买入？赚了多少？”
• “有没有那笔卖出，其实卖亏了（卖价低于某笔买价）？”

净额算术回答不了任何一个。必须把每笔卖出拆开，指认它消耗的是哪几笔买入——这就是匹配引擎做的事。

二、总体设计：为什么是两轮而不是一轮

直接拍脑袋的方案是一轮匹配完事，但实战中存在一类交易——违规操作：策略说"价差 ≥ 0.10 元才能卖"，而真实流水里就是存在卖价只比买价高 0.03 的卖出（手滑、误操作、或者当时就是想跑）。这些交易真实发生了，持仓必须反映它们，但它们不该混进"策略收益"的统计里。

所以设计成两轮：

第一轮（策略合规匹配）：只按策略规则配对 → 产出"策略收益" 第二轮（违规强制匹配）：第一轮剩下的卖出，强制配对 → 产出"事实持仓"

两轮的输出合起来才是完整持仓，分开看才有"策略执行质量"这个维度。

三、第一轮：合规匹配逐段拆解

3.1 数据结构与最小价差

buy_positions=[{'buy_idx':idx,'datetime':row['datetime'],'price':row['成交价格'],'remaining':row['成交数量'],# 剩余可配数量——匹配的本质是消耗它'matched_records':[]},...]

每笔买入建模为一个可消耗的池：remaining从原始数量开始，每被一笔卖出匹配掉一部分就减一部分。减到 0，这笔买入"耗尽"。

卖出侧的关键参数是最小价差：

min_diff=0.0ifsell_qty<500else0.10

这行是策略的翻译：小单（<500 股）是网格自动执行的，只要不亏（价差 > 0）就认；大单（≥500 股）是手动决策，必须赚够 0.10 元/股才认。为什么用数量而不是金额区分？因为网格单的特征恰恰是"股数固定、金额小"，数量是最稳定的判别特征。

3.2 候选构建：三个硬约束

对每笔卖出，扫描所有买入池，筛出候选：

forbpinbuy_positions:ifbp['remaining']<=0:continue# 约束1：池已耗尽pd_val=round(sell_price-bp['price'],4)ifbp['datetime']<sell_datetimeandpd_val>=min_diff:candidates.append({...})# 约束2：时间序 约束3：最小价差

三个约束里最容易被忽略的是时间序（bp['datetime'] < sell_datetime）：买入必须严格早于卖出。它看起来显然，但流水数据里同日多笔交易的秒级时间戳经常为 0（券商导出只到分），靠它做严格判断会出幺蛾子——后面讲坑的时候会回到这里。

3.3 贪心排序：(price_diff, time_diff)的双重含义

candidates.sort(key=lambdax:(x['price_diff'],x['time_diff']))best=candidates[0]match_qty=min(remaining,best['remaining'])

匹配策略是贪心：价差最小者优先，价差相同时间最近者优先。

为什么价差最小优先而不是最大优先？两个理由：

1. 策略语义：网格的哲学是"刚达标就兑现"。把卖单配给"刚好达到兑现线"的买入，让浮盈更多的仓位继续留在场上——这正是网格操盘者的实际意图；
2. 统计诚实：如果按价差最大优先，每笔卖出都会去认领成本最低的买入，策略收益会被系统性高估。最小优先是保守口径。

第二排序键time_diff（持有时间最短优先）配合同样逻辑：同等条件下优先"快进快出"的仓位，让长持仓位沉淀。

3.4 部分成交循环

一笔卖出 1000 股，可能要消耗三个买入池（500 + 300 + 200）：

whileremaining>0:candidates=[...]# 每轮重建候选（remaining 已变化的池要刷新）ifnotcandidates:break# 没有合规候选了 → 剩余部分流去第二轮best=candidates[0]match_qty=min(remaining,best['remaining'])...remaining-=match_qty

注意while内每轮重建候选列表——上一轮匹配后各池的remaining变了，且耗尽的池要退出。个人数据量（几千笔）下这个 O(卖出数 × 买入数) 的全量重扫毫无压力；如果是机构级流水，这里要换成堆或平衡树，但对个人系统，简单正确比精巧快更重要。

四、第二轮：违规匹配与"损害最小"原则

第一轮剩下的卖出（remaining > 0的部分）进第二轮强制匹配：

# 关键差异：价差最大优先（含负价差）candidates.sort(key=lambdax:-x['price_diff'])

排序方向反过来了。第一轮最小优先是策略视角（保守统计收益），第二轮最大优先是损害控制视角：这笔违规卖出已经发生了，把它配给"成本最低的买入池"，认亏最少的那一对。如果反过来配给高成本池，会把一笔小失误放大成大额账面亏损，扭曲对"这次手滑到底亏了多少"的判断。

第二轮不设min_diff门槛、允许负价差——事实不挑食。

五、两个真实的坑

坑一：幂等键撞车（我埋的）

第二轮开始时要算"这笔卖出已被第一轮匹配了多少"：

key=(m['sell_date'],m['sell_time'],m['sell_price'],m['sell_qty'])sell_matched[key]=sell_matched.get(key,0)+m['match_qty']

用（日期，时间，价格，数量）四元组当卖出记录的身份证。看起来稳，直到有一天真实流水里出现同一秒、同价格、同数量的两笔卖出——比如一笔大单被交易所拆成两笔完全相同的成交回报。两笔卖出共享同一个 key，第一轮的匹配量被重复计入，第二轮就少配甚至漏配。

修法很直接：流水入库时就给每笔交易分配全局自增 id，用 id 做键。这个坑在测试数据里永远不会出现（模拟数据不会生成"完全相同的两笔交易"），只有真实数据会教会你什么叫身份证。

坑二：秒级时间戳为零

券商导出的流水时间很多只精确到分，秒是00。同一分钟内先买后卖的两笔，datetime相等，严格小于判断bp['datetime'] < sell_datetime为假——同分钟的"买完立刻卖"全部匹配失败，全流去第二轮变成"违规"。

目前的缓解是按"同分钟内按流水原始顺序"补序（券商导出通常是时序的），但这是对数据格式的假设。根本解法还是入库时做时序校验和编号。

六、输出契约

两轮跑完，引擎输出三样东西，契约长这样：

{"matched":[{"buy_date":"...","sell_date":"...","price_diff":0.12,"match_qty":500,"profit":60.0,"is_small":true}],"violations":[{"price_diff":-0.05,"profit":-25.0,...}],"positions":[{"buy_date":"...","remaining":1200,"matched_records":[...]}]}

下游一切分析——可卖/不可卖、网格层健康、策略执行质量（违规率、违规亏损占比）——全部建立在这三个结构上。下一篇写网格层健康检测：怎么用positions里的层分布判断"网格还活着吗"。

系列导航

• 篇一：数据底座——券商流水的字段清洗与入库
• 篇二（本篇）：买卖匹配引擎
• 篇三：网格层健康检测与波段买入计划
• 篇四：用真实流水回测网格参数