3. 市场微观结构：订单簿与盘口数据
做高频交易回测，有个东西绕不开——市场微观结构。
说白了，就是市场在极短时间内是怎么运作的。你想想看，我们平时看到的K线图，一分钟一根，里面其实藏了成千上万笔交易。这些交易的细节，才是高频交易真正要啃的骨头。
我个人习惯，把这块内容分成三个层次来讲：订单簿原理、盘口数据级别、以及Tick和快照的区别。咱们一个一个来。
3.1 订单簿（Order Book）原理
订单簿是什么？你可以把它想象成一个实时更新的“买卖挂单大列表”。
买方想低价买，挂个买单。卖方想高价卖，挂个卖单。这些单子按价格排队，就形成了订单簿。
我在项目中遇到过一个问题：刚开始做回测时，我只用了成交数据，忽略了订单簿。结果策略在模拟里赚得飞起，实盘一跑就亏。为什么？因为订单簿里的挂单深度，直接影响你的成交速度和滑点。
- 买盘（Bid）：最高买入价，价格从高到低排列
- 卖盘（Ask）：最低卖出价，价格从低到高排列
- 价差（Spread）：卖一价 - 买一价，流动性越好的品种价差越小
- 深度（Depth）：每个价位上的挂单数量
嗯，这里要注意：订单簿是动态的。每一秒都有新单进来，也有旧单撤掉。你的策略如果只看最后成交价，等于闭着眼睛开车。
下面这张图，是我自己画的一个简化版订单簿结构。你可以直观感受一下买卖双方是怎么“对峙”的。
3.2 买卖盘口数据：Level 1 / 2 / 3
盘口数据分三个级别。很多新手搞不清，我简单说一下。
Level 1（最基础）
只包含最优买卖价和对应的数量。也就是买一和卖一。
大多数免费行情接口给的就是这个。做简单策略够用，但做高频？差得远。
Level 2（常用）
包含多个价位的买卖挂单。一般是前5档或前10档。
比如上面那张图里，买一到买五、卖一到卖五，就是典型的 Level 2 数据。
有了这个，你才能判断市场的真实深度。举个例子：
// 一个简单的 Level 2 数据结构示例
struct Level2Data {
double bid_prices[10]; // 买价，从高到低
int bid_sizes[10]; // 对应数量
double ask_prices[10]; // 卖价，从低到高
int ask_sizes[10]; // 对应数量
int64_t timestamp; // 时间戳，纳秒级
};Level 3（最详细）
这个级别能看到每个订单的详细信息。包括订单ID、下单时间、隐藏数量等。
说实话，Level 3 数据一般只有交易所内部或者做市商才能拿到。我做高频交易这么多年，真正用到 Level 3 的场景其实不多。除非你在做订单流分析或者抢单策略。
3.3 Tick级数据与快照数据
这块容易混淆。我分开讲。
Tick级数据
每一笔成交或每一次订单簿变化，都算一个Tick。
说白了，Tick数据就是“发生了什么就记录什么”。比如：
- 有人以100.10买了100股 → 记录一条Tick
- 有人撤单了 → 记录一条Tick
- 有人挂了新单 → 记录一条Tick
我在项目中遇到过一个问题：用Tick数据做回测，数据量太大，回测跑不动。后来我改用快照数据，速度上去了，但精度下降了。这是个取舍问题。
快照数据
每隔固定时间（比如100毫秒）拍一张订单簿的照片。
快照里包含当前时刻的完整订单簿状态。它不记录中间发生了什么，只记录最终结果。
| 对比维度 | Tick数据 | 快照数据 |
|---|---|---|
| 数据量 | 极大（每笔事件都记录） | 较小（固定间隔采样） |
| 精度 | 高（无信息丢失） | 低（可能错过中间变化） |
| 回测速度 | 慢 | 快 |
| 适用场景 | 高频策略、订单流分析 | 中低频策略、趋势跟踪 |
| 存储成本 | 高 | 低 |
做高频回测，优先用Tick数据。但如果你只是验证策略逻辑，快照数据也够用。
我曾经犯过一个错：用1秒快照数据回测一个高频做市策略，结果回测曲线漂亮得不行。实盘一跑，直接亏了5%。为什么？因为快照错过了中间几百次订单簿变化，策略的成交逻辑完全不对。
3.4 实际应用中的注意事项
最后说几个实战中容易踩的坑。
- 时间同步问题：不同数据源的时间戳可能不一致。我建议统一用交易所的纳秒级时间戳。
- 数据清洗：原始数据里经常有错误。比如卖价低于买价，这种数据要过滤掉。
- 回放速度：Tick数据回放时，要控制速度。我一般用事件驱动的方式，而不是按时间轴硬跑。
- 内存管理：一天的Tick数据可能占几个G。用内存映射文件或者数据库来管理。
嗯，关于市场微观结构这块，今天就先聊这么多。记住一句话：你的回测精度，取决于你对订单簿的理解深度。别想着跳过基础直接上策略，那是在给自己挖坑。
公众号:蓝海资料掘金营，微信deep3321