3、订单簿数据结构：Level1/Level2数据解析、买卖盘口数据结构、Tick数据与K线数据
做市策略回测，说白了就是模拟真实市场环境。而模拟的根基，就是数据。你想想看，如果连订单簿长什么样都搞不清楚，那回测出来的结果基本就是空中楼阁。今天我们就来聊聊订单簿数据结构，这是做市商策略的「地基」。
3.1 Level1与Level2数据：你到底需要多深的「水」？
很多新手一上来就问：「我要不要买Level2数据？」我的回答是：看你的策略类型。做市商策略，我个人建议至少用Level2。
Level1数据，就是大家常见的行情快照。它只告诉你当前最优的买一、卖一价格和数量。说白了，就是「水面上的冰山一角」。
Level2数据，也叫深度行情。它展示了买卖盘口多个价位的挂单情况。比如买一到买十，卖一到卖十，甚至更多。我在项目中遇到过，有些交易所的Level2能给你50档深度。
核心区别：
- Level1：只告诉你「现在有人想用10块钱买，有人想用10.01卖」
- Level2：告诉你「从9.9到10.1之间，每个价位有多少人等着买卖」
为什么会这样？因为做市商需要感知市场的「压力」。比如你在卖一挂了100手，突然卖二到卖五都堆了上千手，你就要小心了——这可能是大资金在压盘。
3.2 买卖盘口数据结构：订单簿的「骨架」
订单簿（Order Book）的数据结构其实不复杂。它本质上就是两个有序列表：一个买盘（Bids），一个卖盘（Asks）。
买盘按价格从高到低排列，卖盘按价格从低到高排列。每个条目包含价格和数量。嗯，这里要注意：不同交易所的字段名可能不一样，但核心逻辑是一样的。
// 一个典型的订单簿数据结构（伪代码）
{
"bids": [
[100.00, 500], // 价格100，数量500
[99.99, 1200],
[99.98, 800]
],
"asks": [
[100.01, 300],
[100.02, 1500],
[100.03, 600]
]
}我建议你在回测时，把订单簿维护成一个「快照+增量」的模式。什么意思呢？就是每次收到新的行情数据，不是全量替换，而是增量更新。这样可以大幅减少内存开销。
个人经验：我曾经在回测一个高频做市策略时，直接用全量快照更新订单簿，结果内存爆了。后来改成增量更新，内存占用直接降了80%。
3.3 Tick数据与K线数据：时间维度的「显微镜」与「望远镜」
Tick数据，就是每一笔成交的原始记录。它包含成交时间、价格、数量、买卖方向等。做市商策略回测，Tick数据是首选。为什么？因为它保留了市场的微观结构。
K线数据，是把Tick数据按时间窗口聚合后的结果。比如1分钟K线，就是把1分钟内的所有Tick数据，压缩成开、高、低、收、量五个数字。
| 数据类型 | 精度 | 数据量 | 适用场景 |
|---|---|---|---|
| Tick数据 | 每笔成交 | 极大（一天可能几百万条） | 高频做市、订单簿重建 |
| K线数据 | 分钟/小时/日 | 较小 | 趋势分析、中低频策略 |
你想想看，如果你用K线数据回测做市策略，会有什么问题？K线把价格波动「平均化」了，你根本看不到订单簿的瞬间变化。比如一个策略在Tick级别能赚0.01的价差，但在K线级别可能完全看不出来。
避坑指南：我曾经用1分钟K线回测一个做市策略，回测结果年化收益30%，实盘一跑直接亏成狗。后来发现，K线数据把很多微小的价差机会给「平滑」掉了。所以做市策略回测，尽量用Tick数据。
3.4 知识体系结构图
下面这张图，是我自己整理的数据结构关系。你可以把它当作一个「地图」，方便理解各个数据组件之间的联系。
3.5 实战建议：如何选择数据源？
我个人习惯是：
- 策略开发阶段：先用K线数据快速验证策略逻辑是否合理。这一步跑得很快，能帮你筛掉明显不靠谱的想法。
- 策略精调阶段：切换到Tick数据，重建订单簿，模拟真实的撮合过程。这一步慢，但准。
- 实盘前验证：用Level2数据做一次完整的回测，看看策略在深度变化时的表现。
说白了，数据的选择决定了你回测的「分辨率」。分辨率太低，你可能会错过关键细节；分辨率太高，计算成本又吃不消。找到平衡点，才是做市策略回测的关键。
小技巧：如果你没有Tick数据，可以用K线数据结合一些随机模型来「模拟」Tick级别的波动。虽然不完美，但总比没有强。我早期做回测时就这么干过，效果还行。
公众号:蓝海资料掘金营，微信deep3321