2. 订单簿微观结构：限价单与市价单、买卖价差、订单簿深度与弹性

做市商这行，说白了就是跟订单簿打交道。你每天盯着的那个不断跳动的数字列表，就是你的战场。我刚开始做市的时候，总觉得订单簿就是一堆买单卖单堆在那，后来被市场狠狠教育了几次，才真正理解它的微观结构有多重要。

今天咱们就聊聊订单簿的四个核心要素：限价单、市价单、买卖价差，还有深度和弹性。这些东西搞明白了，你才知道自己的库存风险到底在哪。

2.1 限价单与市价单：两种基本武器

做市商手里就两种订单类型，限价单和市价单。听起来简单，但用起来门道很多。

限价单（Limit Order），就是你指定一个价格，挂在那等人来吃。比如BTC当前价格30000，你挂个29950的买单，那就等着价格跌下来成交。限价单提供流动性，但存在不成交的风险——价格没到你的价位，你就只能干瞪眼。

市价单（Market Order），就是不管三七二十一，按当前最优价格立刻成交。你想买，就直接吃掉卖一价。市价单消耗流动性，但保证成交——代价是你要承受滑点。

我个人习惯把限价单比作钓鱼，市价单比作直接去菜市场买鱼。钓鱼可能等半天没收获，但价格好；直接买贵点，但马上能吃到。

我在项目中遇到过一件事：有个新手做市商，为了抢成交量，大量使用市价单吃单。结果一天下来，手续费加上滑点，把赚的价差全赔进去了。嗯，这里要注意——市价单是工具，不是玩具。

2.2 买卖价差：做市商的饭碗

买卖价差（Bid-Ask Spread），就是买一价和卖一价之间的差额。说白了，这就是做市商的利润来源。你低价买，高价卖，中间的差价就是你的收入。

但价差不是固定的。它受几个因素影响：

• 流动性：交易量大的品种，价差通常小。比如BTC/USDT，主流交易所价差可能只有0.01%。
• 波动性：市场波动大的时候，做市商不敢挂太近的价，价差会扩大。
• 竞争程度：做市商越多，价差越薄。这是个内卷的行业。

举个例子，假设某股票当前买一价10.00，卖一价10.02，价差就是0.02元。如果你做市，每成交一个来回，理论上赚0.02元。但别忘了手续费和库存风险，实际利润要打折扣。

2.3 订单簿深度：你的安全垫

订单簿深度，指的是不同价格水平上的挂单量。深度好的市场，你吃个几百万的单子，价格几乎不动。深度差的市场，几十万就能把价格打穿。

深度通常用深度图来展示。横轴是价格，纵轴是累计挂单量。你想想看，如果买一价下面密密麻麻全是买单，那价格就很难跌下去。反过来，卖一价上面堆满卖单，上涨也费劲。

我做市的时候，最怕的就是深度不足。有一次做一个小币种的做市，订单簿上买一只有几百个币，结果一个大户砸了5000个币的市价单，直接把价格砸穿了3%。我的库存瞬间亏损。从那以后，我给自己定了个规矩：深度不足的品种，坚决不做市。

2.4 订单簿弹性：市场的恢复能力

弹性（Resilience），指的是订单簿被大单冲击后，恢复到正常状态的速度。弹性好的市场，大单吃完后，新的限价单会迅速补上来，价差很快恢复正常。弹性差的市场，大单吃完后，订单簿就像被掏空了一样，半天恢复不过来。

弹性可以用一个简单的指标衡量：恢复时间。从大单成交到订单簿恢复到冲击前80%的深度，这个时间越短，弹性越好。

我记得有一次做ETH的做市，一个巨量市价单把卖一到卖五全吃了。但不到3秒钟，新的卖单就涌了进来，价差只扩大了0.02%就恢复了。这就是弹性好的典型表现。

反过来，如果一个大单吃完后，订单簿空了十几秒，价差扩大了好几倍，那你就要小心了——市场可能处于脆弱状态，随时可能继续波动。

2.5 知识体系结构图

下面这张图，把订单簿微观结构的核心逻辑串起来了。你可以看到，限价单和市价单是基础，它们决定了价差和深度，而弹性则是整个系统的动态特性。

2.6 实战中的订单簿分析

光讲理论没用，咱们得能动手。下面是我常用的一个订单簿分析代码片段，用来计算价差和深度指标。

import pandas as pd
import numpy as np

def analyze_orderbook(bids, asks):
    """
    分析订单簿的核心指标
    bids: [[price, volume], ...] 买单列表
    asks: [[price, volume], ...] 卖单列表
    """
    # 买卖价差
    best_bid = bids[0][0]
    best_ask = asks[0][0]
    spread = best_ask - best_bid
    spread_bps = spread / best_bid * 10000  # 以基点表示
    
    # 前5档深度
    bid_depth_5 = sum([v for p, v in bids[:5]])
    ask_depth_5 = sum([v for p, v in asks[:5]])
    
    # 深度不平衡指标
    depth_imbalance = (bid_depth_5 - ask_depth_5) / (bid_depth_5 + ask_depth_5)
    
    # 价格冲击成本（吃100个单位的成本）
    def market_impact(volume, side='buy'):
        remaining = volume
        cost = 0
        if side == 'buy':
            for price, vol in asks:
                if remaining <= 0:
                    break
                trade_vol = min(remaining, vol)
                cost += trade_vol * price
                remaining -= trade_vol
        else:
            for price, vol in bids:
                if remaining <= 0:
                    break
                trade_vol = min(remaining, vol)
                cost += trade_vol * price
                remaining -= trade_vol
        avg_price = cost / volume
        return avg_price
    
    impact_buy = market_impact(100, 'buy')
    impact_sell = market_impact(100, 'sell')
    
    return {
        'spread': spread,
        'spread_bps': spread_bps,
        'bid_depth_5': bid_depth_5,
        'ask_depth_5': ask_depth_5,
        'depth_imbalance': depth_imbalance,
        'impact_buy': impact_buy,
        'impact_sell': impact_sell
    }

# 示例数据
bids = [[100.0, 50], [99.9, 100], [99.8, 150], [99.7, 200], [99.6, 250]]
asks = [[100.1, 50], [100.2, 100], [100.3, 150], [100.4, 200], [100.5, 250]]

result = analyze_orderbook(bids, asks)
print(f"价差: {result['spread_bps']:.2f} bps")
print(f"买五档深度: {result['bid_depth_5']}, 卖五档深度: {result['ask_depth_5']}")
print(f"深度不平衡: {result['depth_imbalance']:.2%}")

这段代码我用了好几年，每次接入新交易所都会跑一遍，看看订单簿的健康状况。你想想看，如果深度不平衡指标超过0.3，说明买单明显多于卖单，价格可能短期偏强。这时候我会调整做市策略，多挂一些卖单。

好了，订单簿微观结构就聊到这。这些东西看着基础，但真正吃透了，你就能从订单簿的跳动中读出市场的情绪和风险。做市商不是靠运气赚钱，是靠对微观结构的深刻理解。