深度图解析：深度图的构建、累积深度曲线、买卖压力指标
好，咱们接着聊订单簿深度。上一章我们讲了原始数据长什么样，这一章，我们来动手把它变成一张能看懂、能分析的图——深度图。
说实话，我刚入行那会儿，盯着订单簿的原始数据看，眼睛都快瞎了。几千条买单卖单堆在一起，根本看不出市场到底在哪个位置有支撑、哪个位置有阻力。后来我师父甩给我一张深度图，我一看就明白了——原来数据可视化这么重要。
一、深度图的构建：从原始数据到可视化
深度图，说白了就是把订单簿里的限价单，按价格从低到高（或从高到低）排列，然后累加成交量，画成一条曲线。
构建过程其实很简单，就三步：
- 提取数据：从订单簿的快照中拿到所有买单和卖单的
[价格, 数量]对。 - 排序：买单按价格从高到低排（因为买单是出价，越高的越优先成交），卖单按价格从低到高排。
- 累积：从最优价格开始，依次累加每个价格档位的成交量。
我习惯用Python来做这件事，代码大概长这样：
import pandas as pd
import numpy as np
def build_depth(bids, asks, levels=100):
"""
bids: [[price, volume], ...] 买单数据
asks: [[price, volume], ...] 卖单数据
"""
# 买单：从高到低排序，累积成交量
bids_sorted = sorted(bids, key=lambda x: -x[0])
bid_prices = [b[0] for b in bids_sorted[:levels]]
bid_volumes = np.cumsum([b[1] for b in bids_sorted[:levels]])
# 卖单：从低到高排序，累积成交量
asks_sorted = sorted(asks, key=lambda x: x[0])
ask_prices = [a[0] for a in asks_sorted[:levels]]
ask_volumes = np.cumsum([a[1] for a in asks_sorted[:levels]])
return bid_prices, bid_volumes, ask_prices, ask_volumes嗯，这里要注意一点：深度图的横轴是价格，纵轴是累积成交量。买单曲线从左到右是价格递减，卖单曲线从左到右是价格递增。两条曲线在中间交汇的地方，就是当前的市场价格。
关键点：深度图的形状直接反映了市场的流动性分布。陡峭的区域说明流动性差，一点点成交量就能把价格推得很远；平缓的区域说明流动性好，大单也能被消化。
二、累积深度曲线：看穿市场的真实厚度
累积深度曲线，其实就是深度图本身。但我想强调一个更实用的用法——按固定金额或固定数量来切分。
举个例子。你想想看，如果你要买入100个BTC，你不能只看最优卖单的价格。你得把从最优卖单开始，一直到能凑够100个BTC的所有卖单都吃掉。这个过程中，平均成交价是多少？滑点有多大？
这就是累积深度曲线的价值所在。我们可以这样算：
def calc_market_impact(ask_prices, ask_volumes, target_volume):
"""
计算买入 target_volume 的市场冲击成本
"""
cum_volume = 0
total_cost = 0
for price, vol in zip(ask_prices, ask_volumes):
if cum_volume + vol <= target_volume:
total_cost += price * vol
cum_volume += vol
else:
remaining = target_volume - cum_volume
total_cost += price * remaining
cum_volume = target_volume
break
avg_price = total_cost / target_volume
impact = (avg_price / ask_prices[0] - 1) * 100 # 百分比
return avg_price, impact我在做高频做市商策略时，经常用这个函数来估算订单簿的「真实深度」。有时候表面上看卖单挂了很多，但仔细一算，大部分都是散户的几手小单，真正的大单藏在后面。累积曲线能帮你把这些「虚胖」的流动性过滤掉。
我的小技巧：我习惯把累积深度曲线画成「百分比形式」——横轴显示价格偏离当前价的百分比，纵轴显示累积成交量。这样不同价格的品种之间可以直接对比。
三、买卖压力指标：量化多空力量对比
光看图还不够，我们需要一个数字来量化「现在买方强还是卖方强」。这就是买卖压力指标。
最常用的指标有两个：
| 指标名称 | 计算公式 | 含义 |
|---|---|---|
| 订单簿不平衡 (OBI) | (买盘总量 - 卖盘总量) / (买盘总量 + 卖盘总量) | 正值表示买方占优，负值表示卖方占优 |
| 深度加权压力 (DWP) | ∑(买价×买量) / ∑(卖价×卖量) | 考虑了价格权重，更精确 |
我个人更常用的是深度加权压力。为什么？因为OBI太容易被操纵了。我曾经见过一个做市商，在卖单侧挂了一大堆小单，把OBI指标拉得很低，诱导散户做空，然后他偷偷在下面吃单。如果你只看OBI，就被骗了。
DWP的计算方式考虑了价格因素——同样数量的买单，挂在靠近市价的位置，权重更高；挂在远离市价的位置，权重更低。这样更真实。
def depth_weighted_pressure(bids, asks, depth=10):
"""
计算深度加权买卖压力
"""
# 取前depth档
top_bids = sorted(bids, key=lambda x: -x[0])[:depth]
top_asks = sorted(asks, key=lambda x: x[0])[:depth]
bid_pressure = sum(p * v for p, v in top_bids)
ask_pressure = sum(p * v for p, v in top_asks)
return bid_pressure / ask_pressure if ask_pressure != 0 else None避坑指南：我曾经在回测中直接用DWP指标做交易信号，结果发现它在横盘震荡市里频繁假信号。后来我加了一个阈值——只有当DWP大于1.05或小于0.95时才触发交易，效果好了很多。记住，任何单一指标都有局限性。
四、一张图看懂本章知识体系
下面这张SVG图，把深度图的核心逻辑串起来了：
你看，从原始数据到深度图，再到累积曲线和压力指标，其实是一个层层递进的过程。我刚开始做的时候，总想一步到位，直接拿指标去跑策略，结果吃了不少亏。后来才明白，先把图看明白，再谈量化指标，这才是正确的路径。
总结一下：深度图是订单簿的「X光片」，累积深度曲线是「CT扫描」，买卖压力指标是「诊断报告」。三者结合，你才能对市场的流动性状况有一个完整的判断。
好了，这一章就到这里。下一章我们会聊一个更实战的话题——如何用深度数据预测短期价格走势。到时候我会分享一些我踩过的坑和总结的经验。
公众号:蓝海资料掘金营，微信deep3321