第二章：市场微观结构——订单簿深度解析、买卖盘口与价差、市场数据 Feeds（SIP/直连）

各位同学，欢迎来到第二章。

上一章我们聊了套利的基本逻辑，说白了就是「低买高卖」在不同交易所的变种。但真正动手做之前，有一道绕不过去的坎——你得先看懂市场到底在发生什么。

这一章，我们就来拆解市场的「微观结构」。我个人觉得，这是整个套利系统里最性感的部分。你想想看，每一笔订单、每一个报价，背后都是真金白银的博弈。读懂这些，你才算真正入了门。

2.1 订单簿：市场的「实时账本」

订单簿（Order Book）是什么？

简单说，它就是交易所用来记录所有未成交买卖订单的电子账本。每一笔挂单，无论是买还是卖，都会出现在这里。

我刚开始做量化时，总觉得订单簿就是一堆数字。后来有一次，我盯着盘口看了一下午，突然发现——这玩意儿其实是一张「战场地图」。买盘和卖盘在每一个价位上排兵布阵，谁强谁弱，一目了然。

2.1.1 订单簿的核心结构

一个标准的订单簿，通常包含以下信息：

价格（Price）	买盘数量（Bid Size）	卖盘数量（Ask Size）
100.05	0	1,200
100.04	0	800
100.03	500	0
100.02	1,000	0
100.01	2,000	0

你看，买盘（Bid）从低到高排列，卖盘（Ask）从高到低排列。中间那个缺口，就是买卖双方的交战地带。

价差越小，说明市场流动性越好。我见过一些冷门股票，价差能大到几毛钱，那种票做套利基本没戏。

2.2 买卖盘口与价差：读懂市场的「呼吸」

盘口（Level 2 数据）比订单簿更细。它展示了每一个价位上的挂单明细，包括做市商或交易所的标识。

为什么要看盘口？

举个例子。假设某只股票在交易所A的盘口是这样的：

• 买一：100.00， 500股
• 卖一：100.02， 300股

而在交易所B：

• 买一：100.01， 200股
• 卖一：100.03， 400股

你看，交易所A的卖一（100.02）比交易所B的买一（100.01）还低。理论上，你可以从A买入，到B卖出，赚取0.01美元的差价。但这里有个坑——你得考虑手续费和滑点。

2.3 市场数据 Feeds：SIP 与直连

做跨交易所套利，数据源是命根子。你拿到的数据质量，直接决定了你的策略能不能赚钱。

目前美股市场主流的市场数据获取方式有两种：SIP 和直连。

2.3.1 SIP（证券信息处理器）

SIP 是美国证券市场的官方数据整合系统。它负责收集所有交易所的报价和交易数据，然后统一发布。

优点：

• 数据全面，覆盖所有交易所
• 价格相对便宜

缺点：

• 有延迟。SIP 的数据是「整合后」的，通常比实际成交慢几十到几百毫秒
• 对于高频套利来说，这个延迟是致命的

我个人的建议是：如果你做的是中低频套利（比如持仓几秒到几分钟），SIP 完全够用。但如果你要抢毫秒级的价差，那必须上直连。

2.3.2 直连（Direct Feed）

直连就是直接从交易所获取数据。比如你直接连到纳斯达克（NASDAQ）或纽交所（NYSE）的服务器，拿到第一手报价。

优点：

• 延迟极低，通常在微秒级别
• 数据更原始，包含更多细节（比如订单类型、隐藏订单等）

缺点：

• 贵。每个交易所都要单独付费，而且通常要求你租用机柜或托管服务器
• 数据量大，处理起来更复杂

2.4 知识体系结构图

为了帮你理清思路，我画了一张图。这张图展示了本章的核心知识点和它们之间的关系。

2.5 实战代码示例：解析订单簿

光说不练假把式。我们来看看怎么用 Python 解析一个简单的订单簿。

import pandas as pd

# 模拟一个订单簿数据
order_book = {
    'bids': [
        {'price': 100.03, 'size': 500},
        {'price': 100.02, 'size': 1000},
        {'price': 100.01, 'size': 2000}
    ],
    'asks': [
        {'price': 100.04, 'size': 800},
        {'price': 100.05, 'size': 1200},
        {'price': 100.06, 'size': 600}
    ]
}

# 提取最佳买价和最佳卖价
best_bid = order_book['bids'][0]['price']
best_ask = order_book['asks'][0]['price']
spread = best_ask - best_bid

print(f"最佳买价: {best_bid}")
print(f"最佳卖价: {best_ask}")
print(f"价差: {spread}")

# 计算买卖盘口的总深度
total_bid_size = sum([bid['size'] for bid in order_book['bids']])
total_ask_size = sum([ask['size'] for ask in order_book['asks']])

print(f"买盘总深度: {total_bid_size}")
print(f"卖盘总深度: {total_ask_size}")

这段代码很简单，但它是所有套利策略的基础。你想想看，如果你能实时监控多个交易所的订单簿，然后找出价差最大的那一对，是不是就能赚钱了？

嗯，这一章的内容就到这里。记住，市场微观结构不是死知识，它是活的。你盯盘盯得越多，对它的感觉就越敏锐。下一章，我们会把这些知识串起来，开始搭建真正的套利系统。

---

公众号:蓝海数据掘金营，微信deep3321