01
订单簿基础概念
什么是订单簿？买卖盘口、深度、价差的基本定义。
核心入门
02
市场数据结构
Level 1、Level 2、Level 3数据的区别与适用场景。
数据分层
03
撮合引擎原理
限价单、市价单的撮合逻辑与价格优先、时间优先原则。
撮合核心
04
订单簿快照与增量
全量快照(Snapshot)与增量更新(Incremental)的机制。
机制增量
05
WebSocket实时数据流
如何订阅交易所的实时行情流，心跳维持与重连机制。
网络实时
06
数据解析与清洗
处理原始JSON数据，处理缺失值、异常值与乱序数据。
清洗预处理
07
订单簿重建算法
基于增量流重建完整订单簿的经典算法(CRUD模型)。
算法重建
08
价格档位管理
如何管理不同精度的价格档位，Tick Size与最小变动单位。
精度档位
09
订单簿深度聚合
按价格区间聚合深度，计算累计挂单量。
聚合深度
10
价差与市场深度分析
计算买卖价差、市场深度、深度不平衡指标。
指标价差
11
订单簿斜率
计算买卖盘口的斜率，判断市场支撑与阻力。
斜率技术
12
订单簿事件驱动架构
基于事件驱动(Event-Driven)的订单簿更新框架。
架构事件
13
内存数据结构优化
使用红黑树、跳表或有序字典管理订单簿。
数据结构性能
14
高性能计算
使用NumPy、Numba加速订单簿计算。
加速计算
15
订单簿可视化
使用Matplotlib/Plotly绘制动态深度图与热力图。
可视化图表
16
订单簿特征工程
从订单簿中提取特征用于机器学习模型。
特征ML
17
订单簿预测模型
使用LSTM/Transformer预测短期价格变动。
深度学习预测
18
订单簿模拟器
构建模拟撮合引擎，回放历史数据测试策略。
模拟回测
19
订单簿套利策略
基于多交易所订单簿的价差套利逻辑。
套利策略
20
订单簿做市策略
基于订单簿动态调整报价的做市算法。
做市算法
21
订单簿冲击成本模型
估算大额订单对市场的冲击成本。
冲击成本
22
订单簿流动性度量
Amihud指标、Kyle Lambda等流动性度量方法。
流动性度量
23
订单簿微观结构模型
Glosten-Milgrom模型、Kyle模型简介。
微观结构理论
24
订单簿数据存储
使用Parquet/Arrow格式高效存储历史订单簿数据。
存储格式
25
订单簿回测框架
构建支持订单簿的回测系统，模拟限价单成交。
回测框架
26
订单簿实时监控系统
构建基于Grafana的实时订单簿监控仪表盘。
监控Grafana
27
订单簿异常检测
检测闪电崩盘、虚假挂单等异常行为。
异常安全
28
订单簿与Tick级数据
处理逐笔成交数据与订单簿的关联分析。
Tick逐笔
29
订单簿跨市场分析
不同交易市场(币安、OKX、Coinbase)订单簿对比。
跨市场对比
30
订单簿实战项目
从零搭建一个完整的订单簿重建与分析系统。
实战项目