3. 市场微观结构：订单簿、买卖价差、市场深度、流动性
好，咱们进入第三章。这一章聊的是量化交易的「底层硬件」——市场微观结构。
你可能觉得K线图、技术指标才是交易的核心。但我跟你说，真正决定你能否赚钱的，往往是订单簿里那几档价格的微妙变化。我早年做高频策略时，吃过不少亏，后来才明白：不理解微观结构，你的策略就像在沙子上盖楼。
3.1 订单簿：市场的实时心跳
订单簿是什么？说白了，就是所有交易者挂出来的「买单」和「卖单」的集合。交易所把它按价格排序，摆在你面前。
举个例子，假设现在某股票的最新成交价是100元。订单簿可能长这样：
| 卖单（Ask） | 价格 | 买单（Bid） |
|---|---|---|
| 200股 | 100.05 | |
| 500股 | 100.02 | |
| 100.00 | 300股 | |
| 99.98 | 800股 | |
| 99.95 | 1000股 |
左边是卖单，右边是买单。价格从中间向两边扩散。最上面的买单叫「买一」，最下面的卖单叫「卖一」。它们之间的差距，就是咱们接下来要聊的买卖价差。
核心要点：订单簿不是静态的。它每毫秒都在变化。你的策略必须能处理这种「流式数据」。
3.2 买卖价差：你的隐形交易成本
买卖价差（Bid-Ask Spread），就是买一价和卖一价之间的差值。比如上面例子中，买一是100.00，卖一是100.02，价差就是0.02元。
为什么这东西重要？因为它是你交易时「直接付出的成本」。你想想看，如果你市价买入，你按卖一价成交；如果你市价卖出，你按买一价成交。这一来一回，价差就被你「吃」掉了。
我做过一个统计：对于流动性好的股票，价差可能只有0.01元；但对于一些冷门股，价差能到0.10元甚至更高。如果你每天交易100万股，光价差成本就能差出10万元。嗯，这可不是小数目。
我的经验：在回测时，很多人只考虑佣金和滑点，却忽略了价差。我曾经有个策略回测年化30%，实盘一跑只有15%。后来一查，就是价差吃掉了一半利润。从那以后，我回测时都会把价差作为固定成本算进去。
3.3 市场深度：你能吃下多少单？
市场深度，指的是订单簿上各个价位的挂单数量。它告诉你：如果你想买1000股，会不会把价格打飞？
还是用上面的例子。如果你想买1000股，按市价买，你会先吃掉卖一的200股（100.02元），再吃掉卖二的500股（100.05元），最后还需要300股，就得去卖三（假设是100.08元）那里拿。最终你的平均成交价是：
平均成交价 = (200*100.02 + 500*100.05 + 300*100.08) / 1000
= 100.053 元比当前的卖一价100.02高了0.033元。这就是「冲击成本」。市场深度越浅，冲击成本越大。
避坑指南：我曾经在某个小市值股票上挂了一笔大单，结果直接把价格拉高了2%。等我反应过来，已经亏了好几万。记住：你的订单本身就在改变市场深度。大单一定要拆单，或者用算法交易慢慢吃。
3.4 流动性：市场的血液
流动性是个综合概念。它包含了价差、深度、以及成交速度。一个流动性好的市场，你可以在不显著影响价格的情况下，快速买卖大量股票。
衡量流动性有几个常用指标：
- 价差宽度：价差越小，流动性越好
- 深度：前几档的挂单量越大，流动性越好
- 成交时间：订单从挂出到成交的平均时间越短，流动性越好
- Amihud非流动性指标：用「日收益率绝对值 / 日成交额」来衡量。值越大，流动性越差
我个人习惯用Python实时计算这些指标。下面是一个简单的示例：
import pandas as pd
import numpy as np
def calculate_liquidity(order_book):
"""
计算当前订单簿的流动性指标
order_book: 包含bid_price, bid_size, ask_price, ask_size的DataFrame
"""
# 买卖价差
spread = order_book['ask_price'].iloc[0] - order_book['bid_price'].iloc[0]
# 市场深度（前5档总挂单量）
bid_depth = order_book['bid_size'].head(5).sum()
ask_depth = order_book['ask_size'].head(5).sum()
total_depth = bid_depth + ask_depth
# 流动性评分（价差越小、深度越大，评分越高）
liquidity_score = total_depth / (spread + 0.0001) # 防止除零
return {
'spread': spread,
'bid_depth': bid_depth,
'ask_depth': ask_depth,
'liquidity_score': liquidity_score
}
# 示例数据
data = pd.DataFrame({
'bid_price': [100.00, 99.98, 99.95],
'bid_size': [300, 800, 1000],
'ask_price': [100.02, 100.05, 100.08],
'ask_size': [200, 500, 300]
})
result = calculate_liquidity(data)
print(f"价差: {result['spread']:.4f}")
print(f"流动性评分: {result['liquidity_score']:.2f}")这个函数虽然简单，但在实盘监控中非常实用。我把它挂在交易系统里，一旦流动性评分低于某个阈值，就自动暂停交易。
3.5 知识体系总览
为了让你更直观地理解这些概念之间的关系，我画了一张图：
这张图把四个概念串起来了。订单簿是基础，价差和深度是它的两个核心属性，流动性则是更高层次的综合评估。你想想看，不理解这些，你怎么敢说自己懂交易？
一句话总结：订单簿是市场的「心电图」，价差是「心跳声」，深度是「血管粗细」，流动性是「血液质量」。四者缺一不可。
好了，这一章就到这里。记住：微观结构不是理论，是你每天实盘都要面对的现实。下次写策略时，先问问自己：我的订单会怎么影响订单簿？我的成本到底是多少？
公众号:蓝海资料掘金营，微信deep3321