第二章：订单簿数据噪声来源

做量化交易这些年，我踩过最大的坑，就是以为订单簿数据是「干净」的。

刚入行那会儿，我拿着原始数据直接跑策略，回测曲线漂亮得不行。结果一上实盘，直接被打脸。后来我才明白——订单簿数据里藏着各种各样的噪声，不处理干净，策略就是空中楼阁。

这一章，咱们就来聊聊噪声到底从哪来。

2.1 微观结构噪声

微观结构噪声，说白了就是交易机制本身带来的「毛刺」。

你想想看，订单簿不是连续流动的，它是离散的——每一笔报价、每一次成交，都是一个个独立的事件。这些事件之间，存在大量的随机波动。

我个人习惯把微观结构噪声分成三类：

• 买卖价差噪声：买一和卖一之间的价差，本身就是一种噪声。价差越大，信号越模糊。
• 报价跳动噪声：价格在买一和卖一之间来回跳，尤其是流动性差的品种，跳得你眼花。
• 订单簿深度波动：挂单量忽大忽小，有时候几秒钟内变化几十倍。

举个例子，你看下面这段代码，能直观感受到微观结构噪声的「威力」：

# 模拟微观结构噪声
import numpy as np

# 真实价格信号
true_price = 100.0 + np.cumsum(np.random.randn(1000) * 0.01)

# 微观结构噪声：买卖价差导致的随机跳动
noise = np.random.choice([-0.02, 0, 0.02], size=1000, p=[0.3, 0.4, 0.3])

# 观测到的价格 = 真实价格 + 噪声
observed_price = true_price + noise

# 你看，观测价格比真实价格多了多少毛刺
print(f"真实价格波动: {np.std(np.diff(true_price)):.4f}")
print(f"观测价格波动: {np.std(np.diff(observed_price)):.4f}")

2.2 跳跃与异常值

跳跃噪声，是订单簿数据里最「要命」的一种。

为什么？因为它不是随机波动，而是突然的、大幅的跳变。这种跳变往往来自：

1. 大单冲击：突然有人砸了一笔大单，价格瞬间跳了好几个档位。
2. 数据错误：交易所数据推送偶尔会出问题，比如价格少了一个小数点。
3. 流动性枯竭：某个价位上没人挂单，价格直接跳到下一个有挂单的位置。

识别跳跃噪声，我常用一个简单的方法——看价格变化是否超过N个标准差：

def detect_jumps(price_series, threshold=3):
    """
    检测价格序列中的跳跃噪声
    threshold: 标准差倍数阈值
    """
    returns = np.diff(price_series) / price_series[:-1]
    mean = np.mean(returns)
    std = np.std(returns)
    
    jump_indices = np.where(np.abs(returns - mean) > threshold * std)[0]
    return jump_indices

# 使用示例
jumps = detect_jumps(observed_price, threshold=4)
print(f"检测到 {len(jumps)} 个跳跃点")

2.3 买卖盘不平衡

买卖盘不平衡，这个我得多说两句。

很多人以为订单簿上的买量和卖量是「真实」的供需信号。其实不然——挂单可以随时撤掉，你看到的买一可能下一秒就没了。

买卖盘不平衡带来的噪声，主要体现在：

• 虚假挂单：有人挂大单但不成交，只是为了制造假象。
• 订单流不对称：买单和卖单的到达速度不一样，导致价格偏移。
• 深度分布不均：某个价位上挂单特别多，但其他价位很稀疏。

我习惯用一个指标来衡量买卖盘不平衡——订单簿斜率。它比单纯的买卖量比更稳定：

def order_book_slope(bids, asks, levels=5):
    """
    计算订单簿斜率
    bids: 买单价格和数量 [(price, volume), ...]
    asks: 卖单价格和数量 [(price, volume), ...]
    """
    bid_prices = np.array([b[0] for b in bids[:levels]])
    bid_volumes = np.array([b[1] for b in bids[:levels]])
    ask_prices = np.array([a[0] for a in asks[:levels]])
    ask_volumes = np.array([a[1] for a in asks[:levels]])
    
    # 买单斜率：价格越低，量越大
    bid_slope = np.polyfit(bid_prices, bid_volumes, 1)[0]
    # 卖单斜率：价格越高，量越大
    ask_slope = np.polyfit(ask_prices, ask_volumes, 1)[0]
    
    return bid_slope, ask_slope

2.4 数据采样频率的影响

采样频率这个问题，我纠结了很久。

你想想看，采样频率越高，数据越「真实」吗？不一定。高频采样会引入更多的微观结构噪声。采样频率太低，又会丢失重要的市场信息。

我做过一个对比实验，结果很有意思：

采样频率	噪声水平	信号保留度	适用场景
Tick级（每笔）	极高	100%	高频做市
1秒	高	~95%	高频趋势
10秒	中等	~80%	日内交易
1分钟	低	~60%	中低频策略

你看这个表，采样频率和噪声水平是正相关的。但信号保留度是负相关的。怎么选？

我个人习惯是：先高频采样，再降噪，最后重采样到目标频率。这样既保留了高频信息，又控制了噪声。

最后总结一下这章的核心：

订单簿噪声不是「有」或「没有」的问题，而是「多少」和「怎么处理」的问题。微观结构噪声、跳跃异常值、买卖盘不平衡、采样频率——这四个来源，你每处理一个，信号质量就提升一截。

下一章，我会讲具体的降噪方法。但在这之前，我建议你先把自己的数据拿出来，看看这四种噪声分别占多大比例。知己知彼，才能对症下药。