第2章市场微观结构

市场微观结构：订单簿深度、买卖价差、流动性分层与滑点计算

各位同学，今天我们来聊聊做市引擎最底层的那些事儿——市场微观结构。

说实话，我刚开始做量化那会儿，觉得策略就是找规律、写代码、跑回测。直到有一次实盘，我的做市单被市场瞬间吃掉，滑点直接吞掉了两周的利润。嗯，从那以后我才真正明白：不理解微观结构，做市就是闭着眼睛开车。

一、订单簿深度：市场的真实面貌

订单簿是什么？说白了，就是所有挂在交易所上的买单和卖单的集合。每一档价格上挂了多少钱，一目了然。

我个人习惯把订单簿分成三个区域来看：

近端流动性：距离当前价格最近的3-5档，这是做市商的主战场
中段流动性：5-20档，机构大单和套利者常在这里埋伏
远端流动性：20档以外，通常是止损单和长期限价单

你想想看，如果近端只有薄薄一层，中段突然变厚，这说明什么？说明有大户在等着接货或者砸盘。我在做BTC永续合约时遇到过好几次这种情况，每次都是行情反转的前兆。

  核心指标：订单簿深度 = 各档位挂单量的加权和。深度越厚，市场越能承受大额交易而不产生剧烈价格波动。

二、买卖价差：做市商的利润来源

买卖价差（Bid-Ask Spread），就是买一价和卖一价之间的差值。做市商赚的就是这个差价。

但这里有个坑——名义价差和实际价差是两码事。

名义价差就是买一卖一的价格差。但实际交易中，你挂单不一定能立刻成交，中间可能隔着好几档。我建议用加权平均价差来评估真实成本：

def weighted_spread(order_book, depth=5):
    """
    计算加权平均价差
    order_book: 订单簿数据，包含bids和asks
    depth: 考虑几档深度
    """
    bids = order_book['bids'][:depth]
    asks = order_book['asks'][:depth]
    
    bid_volume = sum([b[1] for b in bids])
    ask_volume = sum([a[1] for a in asks])
    
    bid_price = sum([b[0]*b[1] for b in bids]) / bid_volume
    ask_price = sum([a[0]*a[1] for a in asks]) / ask_volume
    
    return ask_price - bid_price

这段代码我用了好几年，简单但实用。它告诉你：如果你想吃掉前5档的所有流动性，实际要付出的价差是多少。

三、流动性分层：谁在跟你做对手盘？

流动性不是均匀分布的。我把它分成三个层次：

层次	特征	典型参与者
第一层	高频做市商，挂单薄、撤单快	量化基金、专业做市商
第二层	中频交易者，挂单较厚、停留时间长	套利者、趋势交易者
第三层	低频大单，隐藏在远端	机构投资者、矿工

为什么会分层？因为不同参与者的交易目标和时间尺度不一样。高频做市商可能几秒钟就撤单，而机构的大单可能挂一整天。

我的经验：做跨交易所套利时，一定要识别出第一层流动性。那些高频做市商的单子撤得飞快，你还没反应过来，价格已经变了。我曾经因为没注意这个，在OKX和Binance之间做套利，结果单子被高频做市商抢跑，亏了一笔。

四、滑点计算：从理论到实战

滑点，就是预期成交价和实际成交价之间的差值。做市策略最怕的就是滑点，因为它直接吃掉你的利润。

滑点主要来自三个方面：

市场冲击：你的单子太大，吃掉了多档流动性
延迟：从下单到成交，价格已经变了
对手盘行为：有人在你前面抢单

我常用的滑点计算模型是这样的：

def slippage_estimate(order_book, trade_volume):
    """
    估算给定交易量的滑点
    order_book: 订单簿
    trade_volume: 交易量（正数为买入，负数为卖出）
    """
    if trade_volume > 0:
        # 买入，从asks侧吃单
        levels = order_book['asks']
        side = 'asks'
    else:
        # 卖出，从bids侧吃单
        levels = order_book['bids']
        side = 'bids'
    
    remaining = abs(trade_volume)
    total_cost = 0
    executed_volume = 0
    
    for price, volume in levels:
        if remaining <= 0:
            break
        take = min(remaining, volume)
        total_cost += take * price
        executed_volume += take
        remaining -= take
    
    if executed_volume < abs(trade_volume):
        # 流动性不足，用最后一档价格估算剩余部分
        total_cost += remaining * levels[-1][0]
        executed_volume += remaining
    
    avg_price = total_cost / executed_volume
    mid_price = (order_book['bids'][0][0] + order_book['asks'][0][0]) / 2
    
    slippage = abs(avg_price - mid_price) / mid_price * 10000  # 返回bp
    
    return slippage

注意：这个模型假设你能按订单簿上的价格成交。实际上，在高频交易中，你看到的订单簿可能已经过时了。我建议在计算滑点时额外加一个安全边际，比如10%-20%。

五、知识体系总览

下面这张图是我自己整理的，把本章的核心逻辑串起来了：

这张图我画了好几次才满意。你看，四个要素是相互关联的：订单簿深度影响价差，流动性分层决定滑点大小，而滑点又反过来影响你做市的报价策略。

实战建议：刚开始做跨交易所套利时，别急着上大仓位。先花一周时间，每天记录各个交易所的订单簿深度和价差变化。我当年就是这么干的，后来发现不同交易所的流动性分层差异很大——比如Binance的近端流动性比OKX厚30%左右，但撤单速度也快一倍。

好了，这一章的内容就到这里。记住一句话：微观结构不是理论，是你每天都要面对的现实。下次实盘前，先跑一遍滑点计算代码，看看你的策略到底能承受多大的交易量。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录

市场微观结构：订单簿深度、买卖价差、流动性分层与滑点计算

一、订单簿深度：市场的真实面貌

二、买卖价差：做市商的利润来源

三、流动性分层：谁在跟你做对手盘？

四、滑点计算：从理论到实战

五、知识体系总览