订单簿数据结构：价格优先与时间优先原则
做量化交易这些年，我见过不少新手一上来就急着写策略，结果连订单簿都搞不清楚。说白了，订单簿就是市场的「记账本」——谁想买、谁想卖、什么价格、多少量，全记在上面。今天咱们就把这个记账本的结构彻底讲透。
价格优先与时间优先原则
交易所撮合订单，靠的就是这两条铁律。我刚开始接触时觉得很简单，后来在实盘中发现，很多坑都出在对这个原则的理解不够深。
价格优先：买方出价高的优先成交，卖方出价低的优先成交。这很好理解——你出100块买，别人出99块，那肯定先满足你。
时间优先：价格相同时，先挂单的先成交。嗯，这里要注意：时间优先只在同一价格层级内有效。
举个实际例子：假设当前买一价是10.00元，挂单量1000股。你挂10.01元买入500股，另一个交易员也挂10.01元买入300股，但比你晚0.1秒。那么你的500股会先成交，他的300股排在你后面。
我曾经在回测中忽略了这个细节，结果策略在模拟中表现完美，实盘却频频滑点。后来一查，原来是订单簿的排队逻辑没写对。
订单簿的增删改查操作
订单簿本质上就是一个动态数据结构。我们需要支持四种基本操作：
- 增加订单：新订单进入队列
- 删除订单：撤单或成交后移除
- 修改订单：改价格或数量（实际是撤单+重新挂单）
- 查询订单：查看当前最优买卖价、深度等
这里有个坑：修改订单在交易所层面通常不是直接改，而是先撤单再重新挂单。这意味着你的时间优先级会丢失。我见过有人写策略时直接修改订单，结果排队位置变了，成交率大幅下降。
使用Python字典与列表模拟订单簿
好了，理论说完了，咱们直接上代码。我个人习惯用字典来存储价格层级，用列表来管理同一价格下的订单队列。
class OrderBook:
def __init__(self):
# 买盘：价格从高到低排序
self.bids = {} # 价格 -> 订单队列
self.bid_prices = [] # 维护价格顺序
# 卖盘：价格从低到高排序
self.asks = {}
self.ask_prices = []
def add_order(self, side, price, quantity, order_id):
"""增加订单"""
book = self.bids if side == 'buy' else self.asks
prices = self.bid_prices if side == 'buy' else self.ask_prices
if price not in book:
book[price] = []
prices.append(price)
# 买盘降序，卖盘升序
prices.sort(reverse=(side == 'buy'))
book[price].append({
'id': order_id,
'price': price,
'quantity': quantity,
'timestamp': time.time()
})
def remove_order(self, side, price, order_id):
"""删除订单"""
book = self.bids if side == 'buy' else self.asks
if price in book:
book[price] = [o for o in book[price] if o['id'] != order_id]
if not book[price]:
del book[price]
prices = self.bid_prices if side == 'buy' else self.ask_prices
prices.remove(price)
def get_best_price(self, side):
"""查询最优价格"""
prices = self.bid_prices if side == 'buy' else self.ask_prices
if not prices:
return None
return prices[0]
def get_depth(self, levels=5):
"""获取深度数据"""
bids_depth = []
for price in self.bid_prices[:levels]:
total_qty = sum(o['quantity'] for o in self.bids[price])
bids_depth.append((price, total_qty))
asks_depth = []
for price in self.ask_prices[:levels]:
total_qty = sum(o['quantity'] for o in self.asks[price])
asks_depth.append((price, total_qty))
return {'bids': bids_depth, 'asks': asks_depth}
这段代码虽然简单，但已经能跑通基本的订单簿逻辑了。我在实际项目中，还会加上成交撮合的逻辑，不过那是后面章节的内容。
小技巧：生产环境中，建议用双向链表或跳表来维护价格层级，而不是用列表排序。列表排序在订单量大的时候性能会急剧下降。我曾在一次压力测试中，用列表排序处理10万笔订单，结果跑了3分钟还没跑完。
订单簿的核心结构图
下面这张图展示了订单簿的完整结构。你可以看到买盘和卖盘是如何组织的，以及价格优先和时间优先是如何体现在数据结构中的。
注意：上面的代码示例是教学用的简化版本。在实际的高频交易场景中，订单簿的更新速度可能达到每秒数万次，这时候Python的字典和列表就不够用了。我建议你至少用collections.deque来管理订单队列，或者直接上C++扩展。
说实话，订单簿的数据结构看起来简单，但真正用好它需要理解市场微观结构。比如，为什么有些交易员喜欢在买一价挂大单？为什么撤单率高的股票往往流动性差？这些问题的答案，都藏在订单簿的增删改查里。
好了，这一章的内容就到这里。记住：订单簿是市场的脉搏，读懂它，你就能听懂市场在说什么。