第二章 市场微观结构：订单簿结构、限价单与市价单、买卖价差与市场深度
做高频做市，说白了就是在跟市场微观结构打交道。你想想看，我们每天盯着的那些跳动的价格、闪烁的挂单，背后其实有一套非常精密的规则在运转。这一章，我就带你把这些底层的零件拆开看看。
2.1 订单簿结构：市场的“实时账本”
每个交易所背后都有一本“账本”，记录着所有交易者想买想卖的价格和数量。这本账本，就是订单簿（Order Book）。
我个人习惯把订单簿想象成一个两层楼的超市货架。左边是买家（Bid），右边是卖家（Ask）。买家想低价进货，所以出价从高到低排列；卖家想高价出货，所以出价从低到高排列。中间的空隙，就是买卖双方的价格差距。
核心要点：订单簿的每一档价格，都对应着一个挂单队列。队列的长度，就是该价格上的流动性深度。
举个例子，一个典型的订单簿长这样：
| 买价 (Bid) | 买量 (Bid Size) | 卖价 (Ask) | 卖量 (Ask Size) |
|---|---|---|---|
| 100.10 | 500 | 100.15 | 300 |
| 100.09 | 800 | 100.16 | 700 |
| 100.08 | 1200 | 100.17 | 900 |
这里，最优买价是100.10，最优卖价是100.15。中间这0.05的差价，就是买卖价差。我在项目中遇到过，有些新手会把订单簿当成静态数据，其实它每毫秒都在变化。你看到的瞬间，可能下一秒就完全不同了。
2.2 限价单与市价单：两种“武器”
交易指令就两种：限价单和市价单。理解它们的区别，是做市的基础。
- 限价单（Limit Order）：你指定一个价格，只有市场达到这个价格才成交。说白了，就是“我只愿意在这个价买/卖，不到我不干”。它提供流动性，但可能无法立即成交。
- 市价单（Market Order）：你不指定价格，直接按当前最优价成交。说白了，就是“我现在就要，多少钱都行”。它消耗流动性，但成交速度快。
为什么会这样？因为限价单是“挂单”，市价单是“吃单”。做市商的核心工作，就是挂出限价单，等待市价单来吃。我们赚的就是这个“等待”的差价。
我的经验：我曾经在回测时发现，如果限价单挂得太死板，遇到大单冲击时，你的单子会被瞬间吃掉，然后价格就跑了。所以，限价单的挂单策略，一定要考虑市场冲击和订单簿的实时变化。
2.3 买卖价差与市场深度：流动性的“温度计”
买卖价差（Bid-Ask Spread）和市场深度（Market Depth），是衡量市场流动性的两个核心指标。
- 买卖价差：最优卖价减去最优买价。价差越小，说明市场越活跃，流动性越好。比如，大盘蓝筹股的价差可能只有0.01元，而冷门小盘股的价差可能高达0.10元。
- 市场深度：指在某个价格水平上，能成交的总数量。深度越大，说明市场越能承受大额订单而不引起价格剧烈波动。
你想想看，如果价差很大，你作为做市商，每笔交易的利润空间就大，但成交概率低。如果价差很小，利润薄，但成交快。这就是一个权衡。
避坑指南：我曾经在某个流动性极差的品种上做市，价差看着挺大，但深度极浅。结果一个市价单进来，直接把价格打穿了好几档，我的限价单全部被套。嗯，这里要注意：只看价差不看深度，是新手最容易犯的错误。
2.4 知识体系结构图
下面这张图，把本章的核心逻辑串起来了。你可以看到，订单簿是基础，限价单和市价单是操作工具，而价差和深度是衡量市场状态的指标。做市策略，就是在这三者之间找到平衡。
2.5 实战中的代码片段
光说不练假把式。下面这段Python代码，演示了如何从交易所的WebSocket流中解析订单簿数据。我个人习惯用字典来存储订单簿，因为更新和查询都很快。
import json
import asyncio
import websockets
# 模拟一个简单的订单簿类
class OrderBook:
def __init__(self):
self.bids = {} # 买价 -> 数量
self.asks = {} # 卖价 -> 数量
def update(self, side, price, size):
"""更新订单簿，side: 'bid' 或 'ask'"""
if side == 'bid':
if size == 0:
self.bids.pop(price, None) # 数量为0，删除该档位
else:
self.bids[price] = size
elif side == 'ask':
if size == 0:
self.asks.pop(price, None)
else:
self.asks[price] = size
def get_top(self, n=5):
"""获取最优的n档买卖盘口"""
sorted_bids = sorted(self.bids.items(), reverse=True)[:n]
sorted_asks = sorted(self.asks.items())[:n]
return sorted_bids, sorted_asks
# 模拟数据流处理
async def process_orderbook(ws_url):
async with websockets.connect(ws_url) as ws:
ob = OrderBook()
async for message in ws:
data = json.loads(message)
# 假设数据格式: {"side": "bid", "price": 100.10, "size": 500}
ob.update(data['side'], data['price'], data['size'])
# 这里可以添加你的做市逻辑
# 比如检查价差、计算最优挂单价格等
小提示：实际生产中，订单簿的更新频率极高。我建议用asyncio.Queue来做缓冲，避免处理速度跟不上数据流。另外，记得处理数据延迟和重连逻辑，这是高频交易里最容易出bug的地方。
好了，这一章的内容就到这里。市场微观结构是高频做市的“内功”，练好了，后面的招式才能发挥威力。记住，订单簿不是死的，它是活的，是市场情绪的实时投影。