1. 订单簿基础：限价单与市价单、买卖盘口、订单簿数据结构
大家好，欢迎来到《订单簿微观结构与算法交易》的第一章。
说实话，订单簿这东西，看着简单，但坑特别多。我刚开始做量化的时候，以为订单簿不就是一堆买单卖单嘛，结果第一次实盘就被盘口数据给坑了——嗯，这事后面再细说。
这一章，咱们把订单簿最核心的三个东西讲清楚：订单类型、盘口结构、数据怎么存。你把这些搞明白了，后面讲做市、讲套利、讲高频策略，你才能听得懂。
1.1 限价单 vs 市价单：两种最基本的玩法
先问个问题：你想买100股茅台，你怎么办？
两种选择：
- 市价单（Market Order）：不管价格，立马成交。你下单的时候，系统直接按当前最优卖价给你吃掉。
- 限价单（Limit Order）：你指定一个价格，比如1500块。只有有人愿意1500卖给你，才成交。否则就挂在那等。
我个人习惯，做策略的时候，市价单用来抢流动性，限价单用来提供流动性。你想想看，如果你做高频，市价单就是你的子弹，打出去就要见血；限价单呢，更像是钓鱼，挂在那等鱼上钩。
核心区别一句话：
- 市价单：成交优先，价格不确定（可能滑点）
- 限价单：价格确定，成交不确定（可能不成交）
我在项目中遇到过一件事：有个同事用市价单做回测，回测里每次都按最优价成交，结果实盘一跑，滑点直接吃掉2个tick，策略直接亏钱。后来我帮他改成限价单+被动挂单，虽然成交率低了点，但每笔交易的成本稳定多了。
避坑指南： 我曾经在回测里忽略了一个细节——市价单在流动性不足的时候，会吃掉多个档位的订单。比如你买1000手，卖一只有200手，剩下的800手会继续吃卖二、卖三……价格越吃越高。这个叫「冰山效应」，后面我们会专门讲。
1.2 买卖盘口：订单簿的「脸面」
订单簿长什么样？说白了，就是一张表，左边是买单，右边是卖单。
举个例子，某时刻的盘口数据：
| 买价 | 买量 | 卖价 | 卖量 |
|---|---|---|---|
| 1500.10 | 200 | 1500.20 | 150 |
| 1500.00 | 500 | 1500.30 | 300 |
| 1499.90 | 800 | 1500.40 | 600 |
| 1499.80 | 1200 | 1500.50 | 900 |
这里面有几个关键概念：
- 最优买价（Bid）：当前愿意出的最高买入价，这里是1500.10
- 最优卖价（Ask）：当前愿意卖的最低卖出价，这里是1500.20
- 买卖价差（Spread）：Ask - Bid = 0.10，这就是你来回交易一次的成本
- 盘口深度（Depth）：每个价位上的挂单量，比如买一挂了200手
你想想看，如果价差只有0.01，说明流动性好；如果价差有1块钱，说明这个品种没人玩，你一进去就是被收割的命。
个人经验： 我一般看盘口，第一眼先看价差，第二眼看买一卖一的挂单量。如果买一只有10手，卖一有1000手，那说明卖方压力大，价格可能要跌。这个叫「订单簿不平衡」，后面章节会专门讲怎么量化。
1.3 订单簿数据结构：怎么存才高效？
好了，现在你知道订单簿长什么样了。但问题是——计算机里怎么存？
你想想看，每秒可能有几千笔订单进来，有的撤单，有的改价，有的成交。如果存得不好，你的策略还没算完，行情已经变了。
我常用的数据结构有两种：
1.3.1 数组/列表（适合小规模）
最简单的方式，用两个列表分别存买单和卖单，按价格排序。
# 伪代码示例
bids = [(1500.10, 200), (1500.00, 500), (1499.90, 800)]
asks = [(1500.20, 150), (1500.30, 300), (1500.40, 600)]
# 获取最优买卖价
best_bid = bids[0][0] # 1500.10
best_ask = asks[0][0] # 1500.20
spread = best_ask - best_bid
这种方式的优点是简单，缺点是插入和删除慢。如果你每秒处理几百笔订单，还行；但如果是高频场景，每秒几万笔，那就扛不住了。
1.3.2 红黑树/有序字典（适合高频）
真正的高频系统，一般用红黑树（Red-Black Tree）或者跳表（Skip List）。Python里可以用 sortedcontainers 库，或者自己实现一个。
from sortedcontainers import SortedDict
# 买单：价格从高到低排序
bids = SortedDict({1500.10: 200, 1500.00: 500, 1499.90: 800})
# 卖单：价格从低到高排序
asks = SortedDict({1500.20: 150, 1500.30: 300, 1500.40: 600})
# 获取最优买卖价
best_bid = bids.peekitem(-1)[0] # 最后一个元素，最高价
best_ask = asks.peekitem(0)[0] # 第一个元素，最低价
红黑树的插入、删除、查找都是 O(log n)，比列表的 O(n) 快得多。我在做期货高频策略的时候，用的就是这种结构。
注意： 别用Python自带的dict来存订单簿，因为dict是无序的。你每次都要排序，性能直接爆炸。我曾经见过一个新手，用dict存盘口，然后每次更新都sort一遍，回测跑了一晚上没跑完……
1.4 订单簿的微观结构：一张图看懂
下面这张图，是我自己画的，把订单簿的核心结构展示出来。你看一眼，基本就全明白了。
这张图里，左边是买单，价格从高到低排列；右边是卖单，价格从低到高排列。中间那个空隙，就是价差。你想想看，如果价差为0，那就是成交了。
1.5 实战中的订单簿更新逻辑
最后，咱们聊聊订单簿怎么更新。真实行情里，你会收到三种消息：
- 新增订单：有人挂了一个新单子，插入到对应位置
- 撤单：有人把挂着的单子撤了，删除对应记录
- 成交：买卖双方匹配成功，从订单簿里移除
我一般用事件驱动的方式来处理：
class OrderBook:
def __init__(self):
self.bids = SortedDict() # 买单
self.asks = SortedDict() # 卖单
def update(self, side, price, volume):
"""side: 'buy' 或 'sell', volume=0 表示撤单"""
if side == 'buy':
if volume == 0:
del self.bids[price]
else:
self.bids[price] = volume
elif side == 'sell':
if volume == 0:
del self.asks[price]
else:
self.asks[price] = volume
def best_bid(self):
return self.bids.peekitem(-1) if self.bids else None
def best_ask(self):
return self.asks.peekitem(0) if self.asks else None
小技巧： 我习惯在更新订单簿的时候，顺便记录一下时间戳。这样后面做回测的时候，可以精确到微秒级别，分析订单簿的微观变化。这个在讲「订单簿重建」的时候会详细展开。
好了，这一章的内容就到这里。订单簿的基础，说白了就是：知道怎么挂单、怎么看盘口、怎么存数据。你把这些搞熟了，后面讲做市策略、讲套利逻辑，你才能跟得上。
记住一句话：订单簿是市场的「心电图」。读懂了它，你就读懂了市场。