一、订单簿基础：限价单与市价单、买卖盘口、深度图解读、订单簿数据结构
做量化交易这些年，我见过太多人一上来就研究各种复杂策略，结果连订单簿都没搞明白。说实话，订单簿就是市场的「心电图」，看不懂它，你就是在闭着眼睛交易。
这一章，咱们把订单簿的底裤扒干净。从最基础的单子类型，到盘口数据怎么读，再到深度图背后的博弈逻辑，最后我会给你看订单簿在内存里到底长什么样。
1.1 限价单 vs 市价单：两种「下单姿势」
先问个问题：你想买比特币，现在卖一价是30000 USDT。你该怎么办？
两种选择：
- 市价单：不管价格，直接吃掉卖一的所有单子。成交价就是30000，但可能滑到30001、30002。
- 限价单：你挂一个29990的买单，等着别人来砸给你。成交价固定，但可能等很久，甚至永远成交不了。
我个人习惯把市价单叫「急性子单」，限价单叫「守株待兔单」。你想想看，做高频策略时，市价单是抢跑用的；做做市策略时，限价单才是你的武器。
核心区别一句话：市价单保证成交，不保证价格；限价单保证价格，不保证成交。
我在项目中遇到过一件事：有个学员用市价单做套利，结果遇到流动性枯竭，一笔单子滑了0.3%。嗯，0.3%在套利里基本等于白干。从那以后，我建议所有做套利的朋友，至少用「限价单+冰山委托」的组合。
1.2 买卖盘口：订单簿的「骨架」
打开任何一个交易所的深度图，你会看到左右两列数字。左边是买盘（Bid），右边是卖盘（Ask）。
举个例子，BTC/USDT的盘口可能是这样的：
| 买价 (Bid) | 买量 | 卖价 (Ask) | 卖量 |
|---|---|---|---|
| 30000 | 1.5 BTC | 30005 | 2.0 BTC |
| 29995 | 3.0 BTC | 30010 | 1.8 BTC |
| 29990 | 5.0 BTC | 30015 | 4.0 BTC |
这里有个关键概念叫「买卖价差」（Spread）。就是卖一价减去买一价，30005 - 30000 = 5 USDT。价差越小，说明市场流动性越好。我记得2017年比特币刚火的时候，价差经常几十美元，现在主流交易所基本稳定在1-2美元。
避坑指南：我曾经以为价差越小越好，直到有一次在某个小交易所做套利，价差只有0.1 USDT，但一成交才发现，手续费吃掉了一半利润。所以看价差时，一定要把手续费算进去。
1.3 深度图解读：订单簿的「肌肉」
深度图就是把所有买单和卖单按价格累加起来，画成两条曲线。左边是买盘累积，右边是卖盘累积。
怎么看深度图？我教你三个要点：
- 看斜率：曲线越陡，说明该价格附近堆积的单子越多，支撑或阻力越强。
- 看缺口：如果某个价格区间突然没有单子，那就是「流动性真空区」。价格一旦穿过这里，会像自由落体一样。
- 看深度：比如你想买100个BTC，看深度图就知道会不会把价格打穿。
为什么会这样？说白了，深度图就是市场参与者的「心理防线」。每个挂单背后都是一个活生生的人，或者一个算法。你想想看，当价格逼近某个密集挂单区时，挂单的人会不会撤单？这就是博弈。
下面是我手绘的一张订单簿结构图，帮你理清思路：
1.4 订单簿数据结构：内存里的「战场」
好了，现在咱们聊聊代码层面的事。订单簿在内存里到底怎么存的？
最经典的数据结构是「价格-数量映射表」，说白了就是一个有序字典。买盘按价格降序排列，卖盘按价格升序排列。
我一般用Python的sortedcontainers库来实现，或者直接用dict加list手动排序。给你看个简化版：
class OrderBook:
def __init__(self):
self.bids = {} # 买盘: {价格: 数量}
self.asks = {} # 卖盘: {价格: 数量}
self.bid_prices = [] # 排序后的买价列表
self.ask_prices = [] # 排序后的卖价列表
def update(self, side, price, size):
"""更新订单簿"""
if side == 'bid':
if size == 0:
# 数量为0表示撤单
self.bids.pop(price, None)
else:
self.bids[price] = size
# 重新排序
self.bid_prices = sorted(self.bids.keys(), reverse=True)
else:
if size == 0:
self.asks.pop(price, None)
else:
self.asks[price] = size
self.ask_prices = sorted(self.asks.keys())
def get_top_of_book(self):
"""获取最优买卖价"""
best_bid = self.bid_prices[0] if self.bid_prices else None
best_ask = self.ask_prices[0] if self.ask_prices else None
return best_bid, best_ask注意：实际生产环境中，订单簿更新频率极高（毫秒级）。我曾经用纯Python实现，结果每秒处理5000次更新就卡死了。后来改用C++或者用Redis的有序集合（ZSET），才扛住高频场景。
这里有个细节：交易所推送的订单簿数据，通常有两种格式：
- 增量更新：只推送变化的部分（推荐，带宽小）
- 全量快照：每隔一段时间推送整个订单簿（用于校验）
我个人习惯的做法是：维护一个本地订单簿，用增量更新实时修改，每隔10秒用全量快照做一次「对账」。嗯，这招帮我避免过好几次数据错乱的问题。
1.5 订单簿不平衡度：量化交易的「圣杯」？
终于聊到核心了。订单簿不平衡度（Order Book Imbalance），说白了就是看买盘和卖盘谁更强。
最简单的公式：
imbalance = (bid_volume - ask_volume) / (bid_volume + ask_volume)这个值在-1到1之间。正数表示买盘强，负数表示卖盘强。但说实话，只看总量太粗糙了。我一般会看不同价格深度的不平衡：
- 近端不平衡：只看买一卖一附近（反应短期博弈）
- 远端不平衡：看买五卖五甚至更深（反应中长期意图）
举个例子，如果近端买盘强但远端卖盘更强，说明什么？说明有人在近端拉高诱多，但远端已经挂好了卖单准备砸盘。这种「背离」信号，我用来做反转策略效果不错。
我的经验：不平衡度不是万能的。2019年我靠这个指标赚了不少，但2020年3月12日那天，市场暴跌时订单簿瞬间失效——因为所有人都撤单了，流动性直接消失。所以记住：任何指标都要结合市场环境看。
好了，这一章的内容就这些。订单簿是量化交易的「地基」，地基不稳，上面盖什么楼都得塌。下一章咱们会深入讲不平衡度的各种变体，以及怎么用它构建实盘策略。
公众号:蓝海资料掘金营，微信deep3321