4、实时行情计算：最新价、成交量、成交额、涨跌幅、换手率、盘口深度
各位做市的朋友，咱们今天聊点硬核的。
实时行情计算，说白了就是给市场拍一张「即时快照」。你看到的那些跳动的数字，背后都有一套固定的算法。我刚开始做做市系统时，以为这些数据直接从交易所拿过来就行，后来才发现——拿过来的是原始数据，怎么算、怎么展示，才是咱们自己的功夫。
4.1 最新价与成交量
这两个指标是最基础的，但坑也不少。
最新价，就是最后一笔成交的价格。听起来简单对吧？但你要注意：
- 如果最后一笔是多笔撮合，取加权平均价？还是取最后一笔的单价？
- 我个人的习惯是：取最后一笔成交的单价，因为这样最直观，用户也最容易理解。
成交量，指的是某个时间段内成交的总手数。这里有个细节：
- 是累计量，还是增量？
- 做实时监控时，我一般展示「当日累计成交量」，同时保留「最近1分钟成交量」作为辅助指标。
核心公式：
最新价 = 最后一笔成交价格
成交量 = 当日累计成交手数
4.2 成交额与涨跌幅
成交额是成交量的「钱版」——把每笔成交的金额加起来。嗯，这里要注意单位换算，别把万元当成元。
涨跌幅，这个我踩过坑。
涨跌幅 = (当前价 - 昨收价) / 昨收价 × 100%
但问题是：如果昨收价是0呢？比如新股上市第一天。我曾经在测试环境里没处理这个边界情况，结果程序直接崩了。所以，一定要加个判断：
def calc_change_rate(current_price, prev_close):
if prev_close == 0:
return 0.0 # 或者返回 None，看业务需求
return (current_price - prev_close) / prev_close * 100小技巧：涨跌幅保留两位小数就够了，别学某些平台保留四位，用户看着眼晕。
4.3 换手率
换手率 = 成交量 / 流通股本 × 100%
这个指标反映的是「股票活跃度」。换手率高，说明买卖频繁，流动性好。
但你要注意：流通股本可能会变化（比如解禁、增发）。我建议每隔一段时间从数据库重新拉取流通股本数据，别缓存太久。
| 换手率范围 | 市场含义 |
|---|---|
| < 1% | 冷清，流动性差 |
| 1% - 5% | 正常交易 |
| 5% - 10% | 活跃，可能有行情 |
| > 10% | 极度活跃，注意风险 |
4.4 盘口深度
盘口深度，就是买卖挂单的「厚度」。你想想看，如果买一只有100手，卖一只有1000手，那价格往上走的阻力就大。
盘口深度通常展示五档或十档行情：
- 买一到买五：价格从高到低排列
- 卖一到卖五：价格从低到高排列
我一般会额外计算一个「盘口压力比」：
def depth_pressure(buy_volumes, sell_volumes):
total_buy = sum(buy_volumes)
total_sell = sum(sell_volumes)
if total_sell == 0:
return float('inf')
return total_buy / total_sell这个比值大于1，说明买方力量强；小于1，说明卖方占优。当然，这只是参考，别迷信。
注意：盘口数据变化极快，刷新频率建议不低于500ms一次。我曾经用1秒刷新一次，结果在行情剧烈波动时，用户看到的盘口总是「慢半拍」。
4.5 知识体系总览
下面这张图，是我自己梳理的实时行情计算逻辑。你看一眼，心里就有谱了。
4.6 实战中的坑与建议
最后，分享几个我踩过的坑：
- 数据对齐问题：不同指标的数据可能来自不同数据源，时间戳要对齐。我曾经因为毫秒级偏差，导致涨跌幅和最新价对不上。
- 缓存策略：盘口深度数据量大，别每次都全量更新。我一般用增量更新，只推送变化的部分。
- 异常处理：行情数据偶尔会断流。建议加个超时判断，超过3秒没收到数据，就显示「--」而不是保留旧数据。
一句话总结：实时行情计算，算法不难，难在稳定、准确、低延迟。多测试边界情况，多考虑异常场景，你的系统才能扛得住真实市场的考验。
公众号:蓝海资料掘金营，微信deep3321