4、锁单信号生成逻辑：基于价差的锁单信号、基于波动率的锁单信号、基于订单簿失衡的锁单信号、多因子信号融合
锁单信号，说白了就是决定「什么时候锁、什么时候解」的那道指令。信号质量直接决定了策略的生死。我见过太多人把信号搞得太复杂，结果延迟高得吓人，锁单反而成了亏损的源头。
今天我把四种主流信号生成逻辑拆开来讲。每种我都会结合实战中的坑来聊，希望能帮你少走弯路。
4.1 基于价差的锁单信号
这是最基础、也最直观的一种。核心逻辑很简单：当合约间的价差偏离正常范围时，触发锁单。
具体做法是这样的：
- 计算主力合约与次主力合约的实时价差
- 设定一个动态阈值（比如用过去N个Tick的价差均值±2倍标准差）
- 当价差突破上轨，触发锁单（做空价差）
- 当价差回归均值，解锁
我在项目中遇到过一个问题：直接用固定阈值，结果行情波动一变大，信号频繁触发，手续费都亏没了。后来我改用自适应阈值，效果好了很多。
核心要点：价差信号的关键在于阈值的选择。太窄容易误触发，太宽又抓不住机会。我个人习惯用滚动窗口的动态阈值，窗口大小根据品种流动性来调。
# 伪代码示例：基于价差的锁单信号
def generate_spread_signal(tick_data, window=100):
spread = tick_data['ask1'] - tick_data['bid1']
mean = rolling_mean(spread, window)
std = rolling_std(spread, window)
upper = mean + 2 * std
lower = mean - 2 * std
if spread > upper:
return 'LOCK_SHORT' # 锁空单
elif spread < lower:
return 'LOCK_LONG' # 锁多单
else:
return 'UNLOCK'4.2 基于波动率的锁单信号
波动率信号，说白了就是「市场太疯了，我先锁住再说」。这个逻辑在极端行情下特别有用。
我常用的波动率指标有两种：
- 瞬时波动率：用过去N个Tick的价格变化率计算
- 相对波动率：当前波动率与历史波动率的比值
嗯，这里要注意：波动率信号不能单独用，否则容易在震荡行情里反复锁单。我一般会加一个「波动率突变」的检测——只有当波动率在短时间内快速放大时，才触发锁单。
避坑指南：我曾经在螺纹钢上吃过亏。波动率信号太灵敏，结果一个乌龙指就把我锁住了，白白损失了手续费。后来我加了「连续确认」机制——连续两个Tick都满足条件才触发。
# 伪代码示例：基于波动率的锁单信号
def generate_volatility_signal(tick_data, lookback=20):
returns = compute_returns(tick_data['price'], lookback)
current_vol = np.std(returns[-5:]) # 短期波动率
hist_vol = np.std(returns) # 历史波动率
vol_ratio = current_vol / hist_vol
if vol_ratio > 3.0: # 波动率放大3倍
return 'LOCK'
else:
return 'UNLOCK'4.3 基于订单簿失衡的锁单信号
这个信号，说白了就是看买卖双方的「力量对比」。订单簿失衡严重时，往往意味着价格即将快速变动。
我常用的指标：
- 订单簿深度比：买一至买五的总量 / 卖一至卖五的总量
- 订单簿斜率：不同档位的挂单量变化趋势
- 订单簿压力指数：结合价格和挂单量的综合指标
你想想看，如果买一档挂了1000手，卖一档只有100手，这说明什么？说明买方在猛攻，价格大概率要往上走。这时候如果我的持仓方向相反，我就会考虑锁单。
注意：订单簿数据更新极快，信号计算必须高效。我建议用C++实现核心计算逻辑，Python只做信号聚合和决策。否则延迟会让你错过最佳锁单时机。
# 伪代码示例：基于订单簿失衡的锁单信号
def generate_orderbook_signal(orderbook):
bid_volume = sum(orderbook['bids'][i]['volume'] for i in range(5))
ask_volume = sum(orderbook['asks'][i]['volume'] for i in range(5))
imbalance_ratio = bid_volume / ask_volume
if imbalance_ratio > 2.0: # 买方力量是卖方2倍
return 'LOCK_LONG'
elif imbalance_ratio < 0.5: # 卖方力量是买方2倍
return 'LOCK_SHORT'
else:
return 'UNLOCK'4.4 多因子信号融合
单一信号都有缺陷。价差信号在趋势行情里容易失效，波动率信号在震荡行情里乱触发，订单簿信号又容易被大单欺骗。所以，我一般会把多个信号融合起来。
我常用的融合方式：
| 融合方法 | 原理 | 优缺点 |
|---|---|---|
| 加权投票 | 每个信号按权重投票，超过阈值则触发 | 简单，但权重难调 |
| 逻辑与/或 | 多个信号同时满足才触发（与），或任一满足即触发（或） | 与模式信号少但可靠，或模式信号多但易误触 |
| 机器学习融合 | 用历史数据训练模型，自动学习信号组合 | 效果好，但计算开销大 |
我个人习惯用加权投票，因为它在效果和计算开销之间取得了平衡。权重我会用历史回测数据来优化，而不是拍脑袋定。
实战经验：我在做股指期货时，把价差信号和订单簿信号做了「与」融合。价差偏离+订单簿失衡同时出现时，锁单的成功率从65%提升到了82%。代价是信号频率降低了40%，但整体收益反而更高了。
# 伪代码示例：多因子信号融合
def fuse_signals(spread_signal, vol_signal, orderbook_signal):
# 加权投票
score = 0
if spread_signal == 'LOCK':
score += 0.4
if vol_signal == 'LOCK':
score += 0.3
if orderbook_signal == 'LOCK':
score += 0.3
if score >= 0.7: # 总分超过0.7才触发
return 'LOCK'
else:
return 'UNLOCK'4.5 信号生成的整体流程
最后，我画了一张图来展示整个信号生成流程。你看完应该就清楚了。
从图上你能看到，三个信号并行计算，最后汇聚到融合模块。这样做的好处是：每个信号的计算互不干扰，可以用多线程并行处理，延迟更低。
我的建议：刚开始做的时候，别急着上多因子融合。先把单个信号调好，再慢慢加。我见过太多人一上来就搞复杂模型，结果出了问题都不知道是哪个信号导致的。
好了，锁单信号生成逻辑就讲到这里。每种信号都有它的适用场景，关键是要理解背后的原理，然后根据你的策略特点来选。下一节我们会聊信号生成后的执行环节，那又是另一门学问了。