一、订单簿基础：读懂市场的“挂单墙”
做量化交易这些年，我越来越觉得——订单簿就是市场的X光片。你盯着K线看，看到的是价格走过的路；你盯着订单簿看，看到的是市场参与者正在想什么。
说白了，订单簿就是交易所维护的一个实时挂单列表。谁想买、谁想卖、出什么价、挂多少量，全在上面。我刚开始做高频策略时，第一件事就是学会“读”订单簿。不夸张地说，读懂它，你才算真正进了量化交易的门。
什么是订单簿？
订单簿（Order Book），就是交易所用来记录所有未成交订单的电子账本。它分两边：
- 买单侧（Bid Side）——想买的人，出价从高到低排列
- 卖单侧（Ask Side）——想卖的人，出价从低到高排列
中间那个空隙，就是买卖双方的心理差距。嗯，这个差距有个专门的名字——价差（Spread）。
核心理解：订单簿不是历史数据，它是“此时此刻”的市场意愿集合。每一笔挂单背后，都是一个真实的人在决策。
限价单 vs 市价单
这两种订单类型，是订单簿的“建筑材料”。
限价单（Limit Order）——你指定价格，挂上去等成交。比如“我出100块买，不到这个价我不买”。这种单子会进入订单簿，成为流动性。
市价单（Market Order）——你不指定价格，直接按当前最优价成交。比如“我现在就要买，不管什么价”。这种单子会吃掉订单簿上的挂单，消耗流动性。
我在项目中遇到过一件事：有个策略用市价单频繁交易，结果在流动性差的时段，滑点直接吃掉了一半利润。从那以后，我对市价单的使用变得非常谨慎。
我的习惯：做高频策略时，我倾向于用限价单提供流动性，赚交易所的返佣。做中低频策略时，市价单更省心，但要算好滑点成本。
买卖盘口与价差
盘口（Order Book Depth），就是订单簿上各个价位的挂单量分布。你打开任何一个交易软件，看到的“买一、买二、买三”和“卖一、卖二、卖三”，就是盘口数据。
价差（Spread） = 卖一价 - 买一价
价差越小，说明市场流动性越好，交易成本越低。我记得有一次做比特币策略，价差在正常时段只有0.01%，但到了凌晨三点，价差能扩大到0.5%——这差距，足够让一个高频策略从盈利变成亏损。
| 盘口层级 | 含义 | 典型用途 |
|---|---|---|
| 买一 / 卖一 | 最优买入/卖出价 | 计算价差、判断即时流动性 |
| 买二~买五 / 卖二~卖五 | 次优价位挂单 | 分析支撑/阻力、判断深度 |
| 更深层级 | 远离当前价的挂单 | 大单分析、订单簿重构 |
订单簿的L1/L2/L3数据层级
交易所提供的数据，按详细程度分为三个层级。我刚开始做研究时，以为L1就够了，后来发现——远远不够。
L1（Level 1）——只给最优买卖价和成交量。说白了就是“买一、卖一”。适合看个大概，做不了精细分析。
L2（Level 2）——给出多个价位的挂单量。通常是前5档、10档甚至50档。这是大多数量化策略的标配数据。你可以看到价格上方的卖单压力，下方的买单支撑。
L3（Level 3）——全量数据，包含每一笔挂单的详细信息。谁挂的、什么时候挂的、有没有隐藏单。这是做市场微观结构分析的“核武器”。
注意：L3数据不是所有交易所都提供，而且费用极高。我建议初学者先从L2数据入手，把盘口分析做扎实了，再考虑升级。
你想想看，L1就像看天气预报只告诉你“今天30度”，L2告诉你“上午28度、下午32度、晚上25度”，L3则告诉你“每小时的湿度、风速、气压变化”。数据越细，你能看到的规律就越多。
知识体系总览
下面这张图，是我自己整理订单簿知识时画的框架。它帮你把本章内容串起来：
一个简单的订单簿快照
为了让你更直观地理解，我写了一段Python代码，模拟一个订单簿的快照：
# 模拟订单簿快照
order_book = {
'bids': [ # 买单侧，从高到低
(100.50, 200), # 买一：100.50，挂200股
(100.40, 150), # 买二：100.40，挂150股
(100.30, 300), # 买三：100.30，挂300股
(100.20, 100), # 买四：100.20，挂100股
(100.10, 250), # 买五：100.10，挂250股
],
'asks': [ # 卖单侧，从低到高
(100.60, 180), # 卖一：100.60，挂180股
(100.70, 220), # 卖二：100.70，挂220股
(100.80, 150), # 卖三：100.80，挂150股
(100.90, 300), # 卖四：100.90，挂300股
(101.00, 200), # 卖五：101.00，挂200股
]
}
# 计算价差
bid_price = order_book['bids'][0][0] # 100.50
ask_price = order_book['asks'][0][0] # 100.60
spread = ask_price - bid_price
print(f"当前价差: {spread:.2f}") # 输出: 0.10这段代码虽然简单，但它就是订单簿的“原子结构”。你想想看，如果我能实时拿到这样的数据，再结合时间戳，就能分析出很多有意思的东西——比如大单在哪个价位堆积、谁在偷偷撤单、市场深度在变化。
一个小技巧：我习惯把订单簿数据存成DataFrame格式，方便做时间序列分析。每100毫秒拍一张快照，一天下来就是86万张“市场照片”。
好了，订单簿的基础就讲到这里。记住一句话：订单簿是市场的“实时心电图”，学会看它，你就能感知到市场的呼吸和脉搏。