订单簿重建：数据结构、增量更新与快照重建

做市商的核心工作，说白了就是跟订单簿打交道。你想想看，我们每天盯着盘口，看到的那些买一卖一、深度数据，背后都是订单簿在支撑。今天我就带你把这个底层逻辑彻底搞明白。

订单簿的数据结构设计

我个人习惯用字典来存储订单簿。为什么？因为订单簿本质上就是个价格到数量的映射。买盘和卖盘分开存，结构清晰，查询也快。

class OrderBook:
    def __init__(self):
        self.bids = {}  # 买盘: {price: volume}
        self.asks = {}  # 卖盘: {price: volume}
        self.timestamp = None
        self.last_update_id = None

这里有个细节要注意：价格用浮点数做key？千万别。我在项目中遇到过浮点数精度问题，两个看起来一样的价格，字典里却当成两个不同的key。我建议用整数，比如把价格乘以10000再存。

增量更新 vs 快照重建

交易所推送数据有两种方式：快照和增量。快照就是给你当前订单簿的全量数据，增量就是告诉你"刚才发生了什么变化"。

增量更新的逻辑其实很简单：

def apply_update(self, update):
    side = update['side']  # 'bid' or 'ask'
    price = update['price']
    volume = update['volume']
    
    if side == 'bid':
        if volume == 0:
            # 删除这个价格档位
            self.bids.pop(price, None)
        else:
            self.bids[price] = volume
    else:
        if volume == 0:
            self.asks.pop(price, None)
        else:
            self.asks[price] = volume

嗯，这里要注意：volume为0表示删除这个档位。这是交易所的通用约定，别搞反了。

快照重建的时机

为什么需要快照重建？因为增量更新可能会丢数据。网络抖动、程序重启、或者增量序列号对不上，都会导致订单簿状态不一致。

我一般这样设计重建策略：

• 每5分钟强制拉一次快照
• 检测到增量序列号跳跃时立即重建
• 程序启动时先拉快照再订阅增量

订单簿深度计算

深度计算，说白了就是算"在某个价格区间内，有多少买单和卖单"。

def calculate_depth(self, levels=10):
    bid_prices = sorted(self.bids.keys(), reverse=True)[:levels]
    ask_prices = sorted(self.asks.keys())[:levels]
    
    bid_depth = sum(self.bids[p] for p in bid_prices)
    ask_depth = sum(self.asks[p] for p in ask_prices)
    
    return {
        'bid_depth': bid_depth,
        'ask_depth': ask_depth,
        'bid_prices': bid_prices,
        'ask_prices': ask_prices
    }

这里有个小技巧：买盘按价格降序排列，卖盘按价格升序排列。这样取前N个就是离当前价格最近的档位。

买卖盘口分析

盘口分析不只是看买一卖一的价格差。我通常会关注这几个指标：

指标	计算方式	含义
买卖价差	ask_price_1 - bid_price_1	市场流动性最直接的体现
深度不平衡	(bid_depth - ask_depth) / (bid_depth + ask_depth)	正数表示买方力量强，负数反之
加权平均价格	Σ(price * volume) / Σvolume	大单成交的参考价格

举个例子，如果深度不平衡突然从0.2变成-0.3，说明卖压突然增大。这时候我可能会调整做市策略，减少买单挂单量。

订单簿的完整生命周期

让我用一张图来展示订单簿从初始化到持续更新的完整流程：

这张图把整个流程串起来了。你想想看，从初始化到持续运行，核心就是快照和增量的配合。一旦发现异常，马上回到快照那一步重新来。

性能优化建议

订单簿操作频率很高，性能优化很重要。我分享几个经验：

• 用OrderedDict：Python 3.7+的字典已经有序，但OrderedDict在频繁增删时性能更好
• 预分配内存：如果知道最大档位数，提前分配好内存空间
• 批量处理：增量更新可以攒一批再处理，减少锁竞争

嗯，订单簿重建这块内容就这些。核心就是数据结构要选对，增量更新和快照重建要配合好，深度计算和盘口分析要能落地到策略里。你把这些搞明白了，做市策略的基础就扎实了。

---

公众号:蓝海资料掘金营，微信deep3321