请教高频策略中tick级数据清洗的最佳实践

怒放的理想

最近在开发一个基于盘口变动的高频策略，发现原始tick数据存在不少异常值。比如在非交易时段出现报价跳变，或者同一时间戳出现多个不同价格的成交记录。目前我们采用的方法是先过滤非交易时段数据，再对同一时间戳的成交价取中位数，但感觉这种方法可能会丢失重要信息。

想请教各位同行，在实盘环境中你们是如何处理这类问题的？是否有更优的异常值检测方法？特别是在处理期货主力合约切换时的数据衔接问题上，大家有什么经验可以分享吗？

未来的男神

我们实验室最近也在研究类似问题！我整理了20多篇异常检测的论文，包括基于孤立森林、局部离群因子和变分自编码器的方法。可以分享给你PDF合集，求交换一些实盘tick数据的处理经验！

另外我写了个基于滑动窗口分位数过滤的Python脚本，能自适应识别主力合约切换点。有人想要吗？可以用其他高频策略代码来换～