第二章 金融市场微观结构：订单簿与市场深度
做统计套利这些年，我越来越觉得，不懂微观结构就像开车不看仪表盘。你策略再牛，订单簿上的暗流也能把你掀翻。今天咱们就聊聊这个底层的东西——市场微观结构。
2.1 订单簿与市场深度
订单簿是什么？说白了，就是所有买卖挂单的实时清单。买一、买二、卖一、卖二……这些价格和数量堆在一起，就构成了市场的骨架。
我个人习惯把订单簿想象成一个多层蛋糕。买方在下面托着，卖方在上面压着。蛋糕越厚，市场越稳。这个厚度，就是市场深度。
市场深度：在某个价格水平上，能成交的订单总量。深度越大，大单冲击越小。
举个例子。假设某股票当前价格100元，买一挂了1000股，卖一挂了800股。这时候你砸一个5000股的卖单，会怎么样？
嗯，卖一那800股瞬间被吃掉，价格跌到买二的价位。这就是深度不够的后果。我在项目中遇到过这种情况，一个套利信号刚出来，我这边还没填完单，价格已经滑了三个档位。利润？全给流动性买单了。
所以，看订单簿不能只看最优报价。你得看整个深度分布。我一般会拉一个累计深度曲线，看看在5档、10档、甚至20档内，到底有多少对手盘。
2.2 买卖价差与交易成本
买卖价差，就是买一和卖一之间的差价。这个差价，是你每笔交易必须付出的隐性成本。
你想想看，你买入的那一刻，价格已经比中间价高了半个价差。卖出时又低半个价差。一进一出，一个完整的价差就没了。如果价差是0.01元，你交易10万股，光这一项就损失1000元。
| 市场类型 | 典型价差 | 交易成本影响 |
|---|---|---|
| 大盘蓝筹股 | 0.01-0.03元 | 低，适合高频套利 |
| 中小盘股 | 0.05-0.15元 | 中等，需考虑滑点 |
| 冷门股/ETF | 0.20元以上 | 高，套利空间被压缩 |
我曾经吃过这个亏。做一对统计套利，两个标的价差看起来有0.5%的利润空间。结果一算，买卖价差加上佣金，实际利润只剩0.1%。忙活半天，还不够手续费。从那以后，我每次回测都会把价差成本算进去，而且是按实际订单簿数据算，不是用收盘价估算。
注意：价差不是固定的。开盘和收盘时价差通常较大，盘中流动性好的时候价差会收窄。做套利策略，最好避开开盘前15分钟和收盘前15分钟。
2.3 流动性对套利的影响
流动性，就是市场承接大单的能力。流动性好的市场，你进出都方便。流动性差的市场，你进去容易，出来难。
做统计套利，流动性是生死线。为什么？因为套利策略通常需要同时开仓和平仓。如果一边流动性好，一边流动性差，你的腿就瘸了。
我记得有一次做跨品种套利。螺纹钢和热卷，理论上价差应该收敛。我这边螺纹钢的仓位很快就建好了，但热卷那边挂单稀稀拉拉，我挂了半天才成交一半。等全部建完仓，价差已经变了。结果？本来该赚的钱，变成了亏损。
流动性指标我常用这几个：
- 买卖价差：越小越好
- 订单簿深度：前5档总量越大越好
- 成交频率：每秒成交笔数，越高越好
- 大单冲击成本：模拟一个标准单量，看价格滑多少
我个人习惯在策略上线前，先跑一个流动性测试。用历史订单簿数据，模拟你的交易量，看看平均滑点是多少。如果滑点超过预期利润的30%，这个策略就得重新考虑。
2.4 高频数据的特点与处理
高频数据，就是Tick级数据。每一笔成交、每一次挂单变动，都记录下来。数据量巨大，一天的数据可能顶得上传统数据的几年。
高频数据有几个特点：
- 非均匀时间间隔：交易密集时，一秒几十笔；冷清时，几分钟没动静
- 噪声大：很多微小波动是随机噪声，不是信号
- 存在微观结构噪声：比如买卖价差反弹、订单簿的短暂失衡
处理高频数据，我踩过不少坑。最典型的一个——数据对齐。不同股票的交易时间戳不是完全对齐的。你拿A股票的10:00:00.000的成交价，和B股票10:00:00.000的成交价比，可能A的成交发生在10:00:00.000，B的成交发生在10:00:00.005。这5毫秒的偏差，在套利策略里就是致命的。
我的做法：用时间加权平均价格，或者用最新报价数据，而不是成交数据。报价数据更新更频繁，时间戳也更可靠。
还有一个常见问题——数据清洗。高频数据里经常有错误数据，比如价格突然跳到离谱的位置，或者成交量异常大。我一般会用以下规则过滤：
# 简单的数据清洗规则
def clean_tick_data(df):
# 价格不能为负
df = df[df['price'] > 0]
# 价格不能超过前收盘价的±20%
df = df[abs(df['price'] - prev_close) / prev_close < 0.2]
# 成交量不能为0
df = df[df['volume'] > 0]
# 去除重复时间戳
df = df.drop_duplicates(subset=['timestamp'])
return df
嗯，这里要注意。过滤规则不能太严，否则会丢失真实的市场异动。也不能太松，否则噪声会污染你的信号。我一般会根据历史数据的分布，动态调整阈值。
最后，说说高频数据的存储。一天的数据可能几个GB，用CSV存？别闹了。我建议用列式存储格式，比如Parquet或者HDF5。压缩率高，读取速度快。而且最好按日期分区，方便回测时只加载需要的数据。
核心总结：订单簿是市场的骨架，价差是隐形成本，流动性是套利的生命线，高频数据是精细化的基础。这四个点，每一个都能决定你的策略是赚钱还是亏钱。
好了，这一章的内容就这些。记住，市场微观结构不是理论，是实战中每天都要面对的现实。你越早理解它，你的策略就越不容易翻车。