用途
OHLCV Processing 用于交易分析前的市场数据准备。其核心理念是“垃圾进、垃圾出”：单根异常K线就可能触发错误信号、污染指标计算、产生误导性的回测结果。该技能覆盖从校验、清洗、重采样、归一化到多源合并的完整数据准备管道，尤其针对加密市场数据的混乱特性设计。
主要能力
数据校验：列名标准化（统一为小写 open/high/low/close/volume，并支持 vol、v、o、h、l、c 等常见别名重命名）；结构校验（确保 DatetimeIndex 为 UTC、排序、去重、类型强制转换）；不可能K线检测（high < low、high < open、high < close、low > open、low > close、负价格、负成交量）。
缺口处理：基于预期频率检测缺失时间戳；支持前向填充（ffill，生成平盘K线、成交量置零）或时间插值（interpolate），并可设置最大连续填充根数，超出则保留为 NaN；同时标记哪些K线是被填充的。
异常检测：价格尖峰检测（收益率超过滚动标准差阈值）；零成交量检测；复合异常标记，将尖峰、零成交量、不可能K线合并为统一异常标志列。
重采样：按标准 OHLCV 规则（open 取 first、high 取 max、low 取 min、close 取 last、volume 取 sum）将数据聚合到更粗的时间周期；提供常用时间周期阶梯（1min、5min、15min、1h、4h、1D）；支持 VWAP 计算。
归一化：支持收益率（returns）、对数收益率（log_returns）、最小-最大缩放（minmax）、Z 分数（zscore）四种方法。
多源合并：使用 merge_asof 按时间容差对齐两个数据源，逐根K线优先采用成交量更高的来源，并记录来源标记。
时区处理：统一以 UTC 存储和处理，仅在展示时转换。
数据质量报告：输出总K线数、日期范围、缺失值、零成交量K线、不可能K线、重复时间戳、负价格、完整度百分比等摘要。
使用方式
- 安装依赖：
uv pip install pandas numpy httpx - 采用标准 OHLCV DataFrame 格式：DatetimeIndex 为 UTC、列名为小写 open/high/low/close/volume、按时间戳升序、无重复时间戳。
- 调用完整处理管道：依次执行 standardize_columns、validate_ohlcv、handle_gaps、detect_and_flag_anomalies。
- 按需调用单项功能：重采样、归一化、多源合并、质量报告等。
技能附带脚本：scripts/process_ohlcv.py（完整处理管道：校验、清洗、重采样、归一化并输出异常报告，可用 --demo 运行合成数据）；scripts/merge_sources.py（多源合并，含冲突解决与差异报告，可用 --demo 运行）。参考文档：references/data_quality.md（异常类型、检测方法、修正策略、加密特有数据问题）、references/resampling_guide.md（重采样规则、时间周期用例、部分K线处理、VWAP 重采样、多周期对齐）。
适用场景
适用于加密交易数据的预处理，包括：为技术指标计算准备干净数据、为回测准备一致的历史数据、将细粒度数据聚合到多时间周期、合并来自不同聚合器的行情数据、生成数据质量审计报告。
限制
资料未提供该技能的具体收费、价格、平台支持范围或性能指标。缺口填充的最大根数、异常检测的窗口与阈值等参数需使用者根据数据自行设定。多源合并的冲突解决策略为“优先高成交量来源”，可能不适用于所有场景。