數據斷層比你想像中更常見：我用港股API抓行情，如何確保每一筆tick都可靠？

作為一個以數據支撐觀點的財經內容創作者，我沒有辦法接受自己的圖表只是「大概正確」。讀者信任我，是因為我提供的數字經得起比對。但當WebSocket連線顯示正常、程式也持續接收訊息時，要如何發現那些無聲無息的數據缺口？這篇文章就來分享我自己的做法，以及這些方法如何幫助我提升內容品質。

內容創作遇到的真實痛點：連線正常，數據卻不完整

即時行情數據通常透過長連線持續傳輸，每一筆tick都帶有時間戳記，理論上可以完美重建分時走勢、成交統計。但網路傳輸從來不是理想狀態。短暫延遲、連線抖動、甚至本機處理速度不足，都可能造成一小段數據在「連線看似健康」的狀態下消失。

我追蹤某隻港股時，就看過這樣的情況：

系統看到的只是「暫停了12秒」，但市場在那12秒內可能已經累積了大量成交。如果我不做任何檢查，直接拿這些數據畫K線或計算指標，誤差就會悄悄滲入我的文章裡。

我需要的數據，不只是「有在更新」

作為一個需要頻繁引用即時行情的創作者，我對數據源有幾個明確要求：

• 連續性：不能有靜默的缺口，否則日內圖形會失真。

• 原始性：最好能拿到原始tick，而不是已經被聚合過的資料，這樣我才能自行驗證。

• 可檢查性：數據本身要提供足夠的資訊（例如時間戳、序號），讓我能用簡單的方法偵測異常。

市面上有些港股API只回報「連線中」，但不等於數據完整。我需要的是能讓我自己把關的接口。

用時間戳找出可疑的缺失區間

最直接的方法，就是檢查每筆tick之間的時間差。我會保留每筆數據的原始時間戳，然後比較相鄰兩筆的間隔。如果間隔明顯超過正常範圍，就記錄為疑似缺失區間。

下面是我用在數據接收端的Python邏輯：

last_time = None


def check_data(timestamp):
    global last_time

    if last_time:
        gap = timestamp - last_time

        if gap > 5:
            print("偵測到數據間隔:", gap)

    last_time = timestamp

實際使用時，這個閾值不能一刀切。交易活躍的藍籌股可能每秒都有報價，但成交清淡的小型股可能十幾秒才有一筆tick。我會先觀察個股的歷史報價頻率，再動態調整判斷標準，避免誤報。

加上序號與心跳，讓偵測更可靠

除了時間戳，訊息序號也是很好的輔助。如果行情推送中包含遞增的編號，直接看編號是否連續就能快速定位缺失。例如收到：

• 20001

• 20002

• 20003

• 20007

中間缺少的20004到20006就一目了然。如果接口沒有提供序號，我也會加上心跳檢查：定時查看最新行情時間，如果長時間沒有更新，就記錄狀態並觸發重新訂閱。這個方法簡單有效，很適合我這種非專業開發者。

整合到我的日常工作流程

我的習慣是把接收和驗證拆開處理。接收模組只負責收數據，驗證模組則持續檢查有沒有異常。最近我使用AllTick的WebSocket行情訂閱來取得港股tick，它提供的原始數據讓我可以很方便地加上自己的檢查邏輯。下面是我在訊息回調中實際使用的程式碼片段：

import websocket
import json


last_timestamp = None


def on_message(ws, message):
    global last_timestamp

    data = json.loads(message)

    timestamp = int(data["timestamp"])

    if last_timestamp:
        gap = timestamp - last_timestamp

        if gap > 5000:
            print("可能存在缺失:", gap)

    last_timestamp = timestamp

    print(
        data["symbol"],
        data["price"]
    )


ws = websocket.WebSocketApp(
    "wss://api.alltick.co/stock/websocket",
    on_message=on_message
)


ws.run_forever()

一旦發現異常區間，我會把時間範圍記錄下來，之後透過歷史接口補齊缺失的數據。這樣我的圖表就能建立在完整的資料上，而不是一份有洞的拼圖。

數據復原：別讓補資料變成另一種污染

發現缺失只是第一步，補回數據同樣關鍵。如果復原做得不好，反而可能造成二次傷害。我自己的流程是：

1. 精確記錄缺失區間的開始與結束時間。

2. 重新請求該時間範圍的歷史tick數據。

3. 檢查補回的數據是否與既有紀錄連續。

4. 寫入前先查重，避免重複資料影響成交量與K線計算。

重複寫入和缺失一樣可怕。補資料時稍微不注意，就可能讓成交量憑空多出一截，或是讓K線高低點偏移。所以我把復原流程看得跟偵測一樣重要。

數據完整性，是內容品質的底線

說到底，使用港股API搭建即時行情系統，不能只看接口有沒有回傳數據。真正可靠的數據源，必須讓我能驗證每一次推送是否連續、時間是否準確。對一個靠數據說話的內容創作者來說，這些細節決定了文章的專業度。

我開始做這些檢查之後，文章中的圖表與交易所數據的吻合度明顯提升，讀者也回饋說分析「感覺更踏實了」。數據完整性不該是開發者才關心的技術細節，而是我們這些產出內容的人，對自己作品的基本要求。如果你也依賴即時行情寫作，不妨從時間戳檢查開始，為自己的內容加一道保險。