4. 市场微观结构：订单簿（Order Book）深度解析
做价差套利，尤其是高频那一套，你绕不开一个东西——订单簿。
说白了，订单簿就是交易所的「实时账本」。它记录了所有交易者挂出来的买单和卖单。我个人习惯把它看作市场的「心电图」，每一笔挂单、撤单、成交，都是市场情绪的跳动。
嗯，咱们今天就把这东西彻底拆开看看。
4.1 买卖盘口：Bid 和 Ask 的博弈
订单簿最核心的两个概念：Bid（买盘）和Ask（卖盘）。
- Bid：别人愿意出的最高买入价。说白了，就是「我最高出这个价买，谁卖给我？」
- Ask：别人愿意接受的最低卖出价。就是「我最低这个价卖，谁要？」
Bid 和 Ask 之间的差价，叫 Spread（价差）。这个数字越小，说明市场越活跃，流动性越好。
核心公式：
Spread = Ask_Price - Bid_Price
Mid_Price = (Ask_Price + Bid_Price) / 2
我在项目中遇到过一种情况：某个冷门币种，Spread 能大到几个百分点。你想想看，这种品种做套利，还没进场就被价差吃掉了利润。所以，Spread 是我们筛选品种的第一道门槛。
4.2 市场深度与流动性
光看 Spread 还不够。你得看 Depth（深度）。
市场深度，指的是在某个价格水平上，有多少挂单量。深度越厚，说明这个价位能承接的资金量越大。
举个例子：
| 价格 | 买盘量（Bid Volume） | 卖盘量（Ask Volume） |
|---|---|---|
| 100.00 | 500 | 200 |
| 99.99 | 800 | 150 |
| 99.98 | 1200 | 100 |
你看，在 100.00 这个价位，买盘有 500 手，卖盘只有 200 手。这说明什么？说明买方力量更强，价格有向上突破的倾向。
我自己的经验是：做套利，一定要避开深度薄的品种。曾经有一次，我在一个深度只有几十手的品种上做价差，结果一个大单砸下来，直接把我的挂单打穿，滑点损失惨重。嗯，从那以后，我给自己定了个规矩：买卖盘口前五档的总深度，至少是单笔交易量的 10 倍以上，才考虑进场。
避坑指南：
我曾经以为只看「盘口总量」就够了，后来发现不对。你得看「盘口分布」。如果所有深度都集中在第一档，后面几档稀稀拉拉，那这个流动性是「虚胖」的。真正健康的深度，应该是从第一档到第五档，逐层递减，但每一层都有足够的量。
4.3 Tick 数据与快照数据
做高频，数据是命根子。订单簿数据分两种：Tick 数据和快照数据。
4.3.1 Tick 数据
Tick 数据，也叫逐笔数据。它记录的是每一笔成交的详细信息：
- 成交价格
- 成交量
- 成交时间（精确到微秒甚至纳秒）
- 买卖方向（买方主动还是卖方主动）
说白了，Tick 数据就是市场的「原始录像带」。你回放它，就能看到每一笔交易是怎么发生的。
我个人习惯用 Tick 数据来做订单流分析。比如，连续出现大额主动买单，说明有大资金在吃货，价格大概率要涨。
4.3.2 快照数据
快照数据，是某一时刻订单簿的完整状态。它记录了所有档位的买卖挂单情况。
交易所通常每隔几毫秒或几十毫秒推送一次快照。快照数据的好处是：你能看到市场的全貌。但坏处是：它不连续。两次快照之间发生了什么，你不知道。
我的建议：
做价差套利，快照数据是基础，Tick 数据是进阶。
如果你刚开始做，先用快照数据搭建策略。等跑通了，再引入 Tick 数据做精细化优化。
4.4 知识体系结构图
下面这张图，是我自己梳理的订单簿知识体系。你一看就明白了：
4.5 实战：如何用 Python 解析订单簿快照
光说不练假把式。我给你看一段我实际用过的代码片段。这是从交易所 WebSocket 推送中解析订单簿快照的逻辑：
import json
from collections import defaultdict
class OrderBook:
def __init__(self):
self.bids = defaultdict(float) # 价格 -> 数量
self.asks = defaultdict(float)
def update_snapshot(self, data):
"""
更新订单簿快照
data 格式：{'bids': [[price, qty], ...], 'asks': [[price, qty], ...]}
"""
# 清空旧数据
self.bids.clear()
self.asks.clear()
# 更新买单
for price, qty in data['bids']:
if float(qty) > 0:
self.bids[float(price)] = float(qty)
# 更新卖单
for price, qty in data['asks']:
if float(qty) > 0:
self.asks[float(price)] = float(qty)
def get_top_n(self, n=5):
"""获取前 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
def get_spread(self):
"""计算当前价差"""
if not self.bids or not self.asks:
return None
best_bid = max(self.bids.keys())
best_ask = min(self.asks.keys())
return best_ask - best_bid
# 使用示例
ob = OrderBook()
sample_data = {
'bids': [['100.00', '500'], ['99.99', '800']],
'asks': [['100.01', '200'], ['100.02', '150']]
}
ob.update_snapshot(sample_data)
print(f"当前价差: {ob.get_spread():.4f}")
注意：
这段代码是简化版。实际生产中，你还要处理：
- 增量更新（只推送变化的部分，而不是全量快照）
- 数据校验（防止脏数据污染订单簿）
- 时间戳对齐（不同交易所的时钟可能不同步）
我曾经因为没做数据校验，导致订单簿里出现了一个「幽灵挂单」，策略跟着它跑了半天才发现问题。嗯，血的教训。
4.6 小结
订单簿这东西，看着简单，但里面的门道很深。你只要把买卖盘口、市场深度、Tick 和快照这几个概念吃透了，做价差套利就有了坚实的基础。
记住一句话：订单簿是市场的「底牌」。虽然你只能看到一部分，但足够你做出很多判断了。