3、盘口特征工程：买卖价差、订单簿斜率、订单簿不平衡度、成交量分布
盘口数据，说白了就是市场最原始的博弈痕迹。你盯着买卖十档的挂单，看到的不是数字，是交易员的情绪和策略。我个人习惯把盘口特征工程比作「给市场做CT扫描」——你得从这些杂乱的数据里，提取出真正能指导做市决策的指标。
这一章，我们重点拆解四个核心特征：买卖价差、订单簿斜率、订单簿不平衡度、成交量分布。嗯，每一个我都踩过坑，咱们一个一个说。
3.1 买卖价差（Bid-Ask Spread）
买卖价差是最基础的盘口特征。公式很简单：价差 = 卖一价 - 买一价。但你别小看它，这里面门道很深。
为什么价差重要？
价差直接决定了你的做市成本。你想想看，如果你在买一价买入，在卖一价卖出，中间这个差价就是你的毛利。价差越小，市场流动性越好，做市商越难赚钱；价差越大，流动性越差，但单笔利润也越高。
我在项目中遇到过一种情况：某个小币种价差突然从0.01 USDT扩大到0.05 USDT。当时我以为是流动性枯竭，差点撤单。后来一查，是有人挂了巨量卖单在卖二位置，把卖一给「吓」跑了。嗯，这里要注意：价差突变不一定代表流动性问题，也可能是大单在试探市场。
- 绝对价差：卖一价 - 买一价。适合判断当前交易成本。
- 相对价差：价差 / 中间价。适合跨品种、跨时间对比。
- 价差波动率：过去N笔价差的标准差。反映市场分歧程度。
3.2 订单簿斜率（Order Book Slope）
订单簿斜率，说白了就是看「挂单的陡峭程度」。你想象一下，买一到买十的价格和挂单量，连成一条线。这条线的斜率，就是订单簿斜率。
怎么算？
我个人习惯用线性回归去拟合价格-累计挂单量的关系。斜率越大，说明价格每变动一个单位，挂单量变化越剧烈——市场在这个价位附近有很强的支撑或阻力。
# 计算买单斜率（简化版）
def calc_bid_slope(bids):
# bids: [(price, volume), ...] 按价格降序
prices = [p for p, v in bids]
cum_vol = [sum(v for _, v in bids[:i+1]) for i in range(len(bids))]
# 用最小二乘法拟合
slope = np.polyfit(prices, cum_vol, 1)[0]
return slope
我曾经在ETH的订单簿上发现一个有趣现象：当买单斜率突然变陡，而卖单斜率变平缓时，价格大概率会在5分钟内上涨。为什么会这样？因为买方在密集建仓，卖方却在撤退——典型的吸筹信号。
3.3 订单簿不平衡度（Order Book Imbalance）
这个特征，我个人认为是四个里面最有预测能力的。公式：不平衡度 = (买一量 - 卖一量) / (买一量 + 卖一量)。取值范围[-1, 1]，正值表示买方强势，负值表示卖方强势。
你想想看，如果买一挂了100个BTC，卖一只有10个BTC，不平衡度是0.82。这说明什么？买方在抢筹，价格大概率要往上走。反过来也一样。
进阶用法：
- 多档不平衡度：计算前3档、前5档的不平衡度，看趋势是否一致。
- 加权不平衡度：按距离中间价的远近给权重，越近权重越高。
- 不平衡度变化率：过去10笔交易的不平衡度变化，判断动能是否衰竭。
3.4 成交量分布（Volume Profile）
成交量分布，不是看「成交了多少」，而是看「在什么价格成交了多少」。这个特征对做市商特别重要，因为它告诉你市场的「价值区域」在哪里。
核心概念：
| 指标 | 含义 | 做市应用 |
|---|---|---|
| POC（控制点） | 成交量最大的价格 | 做市报价的参考中心 |
| VA（价值区域） | 成交量占比70%的价格区间 | 在这个区间内做市，风险最低 |
| VAH/VAL | 价值区域的高/低点 | 突破VAH看多，跌破VAL看空 |
我个人习惯把成交量分布和订单簿斜率结合起来用。比如，当POC附近出现大斜率支撑，我会在这个位置加大做市仓位。因为市场已经用真金白银验证过这个价格是「合理」的。
3.5 四个特征的综合应用
单独看任何一个特征，都容易掉坑里。我习惯把这四个特征组合成一个「做市信号矩阵」：
# 伪代码：综合信号
def composite_signal(bid_ask_spread, slope_bid, slope_ask, imbalance, volume_profile):
score = 0
# 价差小，加分
if bid_ask_spread < 0.001:
score += 1
# 买单斜率大于卖单斜率，加分
if slope_bid > slope_ask:
score += 1
# 不平衡度偏正，加分
if imbalance > 0.3:
score += 1
# 当前价格在价值区域内，加分
if volume_profile['VAL'] < current_price < volume_profile['VAH']:
score += 1
return score
当综合得分大于等于3时，我才会考虑加大做市力度。得分低于2时，我会缩小报价宽度，甚至暂时离场观望。
好了，这四个特征，每一个单独拿出来都能写一篇文章。但做市决策不是靠单一指标，而是靠组合拳。你想想看，如果只看价差，你可能错过趋势；只看斜率，你可能被钓鱼单骗；只看不平衡度，你可能被对倒坑；只看成交量分布，你可能反应太慢。四个结合起来，才能构建一个相对稳健的做市策略。
嗯，特征工程这块，说到底就是「去伪存真」。盘口数据里90%都是噪音，你要做的，就是找到那10%的信号。