| name | intraday-data-quality-auditor |
| description | Use when normalized intraday OHLCV bars must be checked for duplicate or non-monotonic timestamps, missing intervals, invalid price relationships, non-positive prices, negative volume, or trading-date mismatches before research or backtesting. |
| license | GPL-3.0-only |
| metadata | {"organization":"QuantSkills","organization_url":"https://github.com/quantskills","repository":"skill-intraday-data-quality-auditor","repository_url":"https://github.com/quantskills/skill-intraday-data-quality-auditor","project_type":"skill","collection":"intraday-data-quality","creator":"adennng","creator_url":"https://github.com/adennng","maintainer":"adennng","maintainer_url":"https://github.com/adennng"} |
| quantSkills | {"project_type":"skill","category":"tooling","tags":["intraday","data-quality","ohlcv","market-data","pandadata"],"platforms":["claude-code","codex","openclaw","cursor"],"language":"zh-en","status":"draft","validation_level":"runnable","maintainer_type":"community","requires":["skill-pandadata-api"],"summary_zh":"审计标准化日内 OHLCV 行情的时间戳、缺口、价格不变量、成交量和交易日一致性。","summary_en":"Audit normalized intraday OHLCV bars for timestamp, gap, price-invariant, volume, and trading-date defects.","license":"GPL-3.0-only"} |
日内行情质量审计
把输入研究制品当作需要验证的证据，而不是默认可信的结果。先冻结口径，再运行确定性检查，最后把“已证实的问题”和“缺失证据”分开报告。
核心工作流
- 按交易所日历和时区规范时间
- 检测重复、缺口和乱序
- 验证 OHLCV 不变量
- 将缺口标记为待核查，不把计划休市、停牌或竞价边界直接判定为错误
- 运行
python scripts/audit_bars.py --demo 做离线烟雾测试；处理真实数据时用 --input <csv> --out <report.json>。
- 按
references/output-contract.md 输出机器可读 JSON 和简洁中文结论。
运行参数
--demo：无值开关，使用内置异常样例，与 --input 二选一。--input <csv>：待审计 CSV 路径；未使用 --demo 时必填。--out <json>：可选输出路径；省略时将 JSON 写到标准输出。--expected-seconds <int>：预期 K 线间隔秒数，默认 60，必须大于 0。相邻时间戳间隔超过该值的 1.5 倍时标记 missing_bar_gap。
正常运行时生成 references/output-contract.md 定义的 JSON 报告。--demo 与 --input 必须且只能提供一个；两者同时提供或同时缺失属于 CLI 用法错误，程序按 argparse 约定输出用法并以退出码 2 结束。--expected-seconds 非正或输入证据不足时，JSON 报告状态为 insufficient-evidence，不输出伪“通过”。
输入契约
包含 symbol、trading_date、session、timestamp、open、high、low、close、volume 的分钟/秒级 OHLCV CSV。session 必须由交易所时段规则或期货合约 trading_hours 显式生成，不能只凭时间间隔猜测。同一 symbol + trading_date + session 组内的 ISO-8601 时间戳必须统一使用带时区偏移或不带时区偏移的格式；混用时输出 insufficient-evidence。本脚本不接收逐笔成交或 Level-2 队列数据。
字段名不一致时先显式建立映射，不要猜测。缺少关键字段时停止定量结论，并列出补数清单。
输出契约
JSON 数据质量报告和逐时间戳问题清单。
读取 references/output-contract.md 获取统一的证据等级、结论状态和报告字段。输出至少包含：输入规模、参数/假设、逐项发现、限制和下一步修复。
方法与证据
在修改阈值、公式或解释前读取 references/methodology.md。保留数据版本、时区、样本窗、随机种子和所有降级项，使另一位研究员可以复现结果。
数据源策略
- 用户已提供规范 CSV 时直接使用，不重复调用外部数据源。
- 缺少市场数据且任务落在 PandaData 覆盖范围时，先读取
references/pandadata-integration.md，再使用兄弟 Skill pandadata-api 查询：get_trade_cal、get_stock_min、get_stock_rt_min、get_index_min、get_future_min、get_future_detail。
- 本 Skill 的分析脚本保持离线、确定性；PandaData 负责取数，字段标准化后再交给脚本，避免把认证、供应商响应和分析逻辑耦合。
- 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。
与 QuantSkills 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。
使用边界
- 只用于量化研究、数据质量和风险分析，不构成投资建议。
- 不把缺失证据写成“通过”，不把启发式异常写成已证实违规。
- 不自动下单，不修改原始数据；把修复结果写到新文件。
