第3章美股市场微观结构

第三章：美股市场微观结构——订单簿、数据层级与交易时间

做高频交易，说白了就是跟市场微观结构打交道。你如果不懂订单簿怎么运作，不知道Tick数据和分钟数据差在哪，那策略写得再漂亮也是空中楼阁。这一章，我带你把这些基础打扎实。

3.1 订单簿（Order Book）原理

订单簿是什么？就是交易所用来记录所有未成交买单和卖单的电子账本。你可以把它想象成一个实时更新的拍卖场——买家喊价，卖家要价，成交了就撤单。

我个人习惯把订单簿分成两个核心部分：

买盘（Bid Side）：按价格从高到低排列，最高价叫“最佳买价”（Best Bid）。
卖盘（Ask Side）：按价格从低到高排列，最低价叫“最佳卖价”（Best Ask）。

最佳买价和最佳卖价之间的差距，就是价差（Spread）。价差越小，流动性越好。我在做纳指ETF回测时发现，开盘后前30分钟的价差经常是收盘前的3倍以上——嗯，这时候做高频策略要格外小心。

  核心公式： 中间价 = (Best Bid + Best Ask) / 2

  这个中间价常被用作“公平价格”的参考，但注意——它不代表真实成交价。

订单簿的深度（Depth）也很关键。深度指的是每个价位上的挂单数量。举个例子：

卖盘（Ask）：
价格 100.05  数量 200
价格 100.04  数量 150
价格 100.03  数量 100
---
买盘（Bid）：
价格 100.02  数量 80
价格 100.01  数量 120
价格 100.00  数量 300

你看，100.02这个价位只有80股买单。如果你要卖出1000股，很可能把价格砸到100.00甚至更低。这就是为什么大单交易要考虑“市场冲击成本”。

避坑指南： 我曾经在回测中忽略了订单簿深度，直接用中间价模拟成交。结果实盘时滑点吃掉了我一半的利润。后来我养成了一个习惯——回测时至少模拟到第3档深度。

3.2 Tick数据与分钟数据的区别

这个问题，我几乎每次培训都会被问到。说白了，它们就是两种不同粒度的数据。

特性	Tick数据	分钟数据
记录方式	每笔交易或每次报价变动	每分钟聚合（开、高、低、收、量）
数据量	一天几百万条（高频股）	一天390条（美股常规交易）
信息含量	包含订单流、买卖方向	丢失了微观结构信息
存储成本	高（1只股票1年约10GB）	低（1只股票1年约100MB）

你想想看，分钟数据把1分钟内的所有交易压缩成了4个数字。这中间丢失了什么？举个例子：

这一分钟里，价格是先涨后跌，还是先跌后涨？——分钟数据看不出来。
大单是在开盘时砸的，还是收盘前拉的？——分钟数据也看不出来。
买卖订单的到达顺序是怎样的？——分钟数据更不可能告诉你。

我做过一个实验：同一个均值回归策略，用Tick数据回测年化收益18%，用分钟数据回测只有11%。为什么？因为分钟数据把很多微小的套利机会给“平均”掉了。

注意： 并不是所有策略都需要Tick数据。如果你的持仓周期超过30分钟，分钟数据完全够用。别为了追求精度而浪费存储和计算资源。

3.3 Level 1 / Level 2 数据

这两个术语，新手容易搞混。我简单解释一下：

Level 1 数据：只显示最佳买价和最佳卖价，以及当前最后一笔成交价。这是最基础的数据，大部分散户用的就是这个。

Level 2 数据：显示订单簿的多档深度。比如前10档的买盘和卖盘，甚至能看到每个价位的挂单量。做高频交易，Level 2是标配。

我记得刚入行时，公司为了省钱只买了Level 1数据。结果我们做的订单流策略（Order Flow Imbalance）完全跑不起来——因为Level 1根本看不到订单簿的变化过程。后来咬牙上了Level 2，策略才真正开始赚钱。

Level 2数据里有个很重要的指标叫订单簿不平衡（Order Book Imbalance）：

Imbalance = (Bid Volume - Ask Volume) / (Bid Volume + Ask Volume)

正值表示买盘强，负值表示卖盘强。
取值范围：-1 到 +1

这个指标在预测短期价格方向时非常有用。我习惯用前5档的挂单量来计算，效果比只用最佳价位好很多。

  实战经验： 当Imbalance超过0.7且价差突然缩小时，往往意味着大单即将进场。这时候我会提前调整仓位。

3.4 交易时间与节假日处理

美股的交易时间，比A股复杂得多。你得搞清楚这几个时间段：

盘前交易（Pre-market）：美东时间 4:00 - 9:30
常规交易（Regular）：美东时间 9:30 - 16:00
盘后交易（After-hours）：美东时间 16:00 - 20:00

注意，盘前和盘后的流动性很差，价差可能大到离谱。我见过有些股票盘前价差是常规交易时的10倍。所以我的策略默认只跑常规交易时段。

节假日处理更是坑多。美股不像A股那样固定休市，它有个专门的节假日日历。比如：

节日	休市情况
元旦	1月1日全天休市
马丁·路德·金纪念日	1月第三个周一全天休市
感恩节	11月第四个周四全天休市，周五提前收盘
圣诞节	12月25日全天休市

我曾经犯过一个低级错误：直接用Python的pandas_market_calendars库获取交易日历，结果没注意到感恩节后的周五是提前收盘（13:00就关了）。我的策略在14:00还在发单，全部被拒。从那以后，我每次回测前都会手动核对一遍节假日日历。

代码片段： 用Python获取美股交易日历

import pandas_market_calendars as mcal

# 获取纽交所日历
nyse = mcal.get_calendar('NYSE')
schedule = nyse.schedule(start_date='2024-01-01', end_date='2024-12-31')

# 检查某一天是否开市
print(nyse.valid_days(start_date='2024-11-28', end_date='2024-11-28'))

还有一个细节：夏令时和冬令时。美股交易时间在夏令时（3月第二个周日到11月第一个周日）是北京时间21:30开盘，冬令时则推迟到22:30。这个转换日期每年都变，千万别写死。

重要提醒： 节假日前后，市场波动往往异常。比如圣诞节前一周，成交量通常会萎缩30%-50%。这时候你的策略参数可能需要动态调整。

知识体系总览

下面这张图，我把本章的核心知识点串起来了。你可以把它当作一个快速索引：

订单簿、数据层级、交易时间——这三块是高频交易策略的基石。你只有把它们吃透了，才能在回测中避免那些“看起来很美、实盘就崩”的尴尬局面。

📚 课程目录

第三章：美股市场微观结构——订单簿、数据层级与交易时间

3.1 订单簿（Order Book）原理

3.2 Tick数据与分钟数据的区别

3.3 Level 1 / Level 2 数据

3.4 交易时间与节假日处理

知识体系总览