一、订单簿基础：什么是订单簿？限价单与市价单的区别

做量化交易的朋友，一定绕不开一个核心概念——订单簿。

说白了，订单簿就是交易所用来记录所有挂单的电子账本。它实时展示着当前市场上所有买方和卖方的报价意愿。我个人习惯把它理解成「市场的实时温度计」——你通过它，能感知到资金在哪个价位集结，多空双方在哪个位置博弈。

1.1 订单簿长什么样？

先看一个典型的订单簿结构。假设我们交易的是BTC/USDT，订单簿会分成两半：

• 买单（Bids）：左侧，按价格从高到低排列
• 卖单（Asks）：右侧，按价格从低到高排列

每一行包含三个关键字段：价格、数量、总金额。

买单价格	买单数量	卖单价格	卖单数量
100.50	1.2	100.60	0.8
100.40	3.0	100.70	2.1
100.30	5.5	100.80	4.3
100.20	7.0	100.90	6.0

看到这个表格，你可能会问：为什么买单从高到低排，卖单从低到高排？

嗯，这里有个逻辑：买单想买便宜货，所以出价最高的排在前面，优先成交。卖单想卖高价，所以出价最低的排在前面。这就是订单簿的「价格优先」原则。

1.2 限价单 vs 市价单

理解了订单簿的结构，我们来看两种最基础的订单类型。我在项目中遇到过不少新手把这两者搞混，结果吃了大亏。

限价单（Limit Order）

限价单，就是你指定一个价格，告诉交易所：「我只在这个价格或更好的价格成交」。比如你挂一个买入限价单，价格100.50，那只有当卖单价格≤100.50时才会成交。

• 优点：成交价格可控，不会滑点
• 缺点：可能无法成交，尤其是行情剧烈波动时
• 典型场景：做市策略、套利策略、挂单等待

市价单（Market Order）

市价单，就是你不指定价格，直接告诉交易所：「按当前最优价格立即成交」。比如你下了一个买入市价单，系统会从卖一价开始吃，卖一不够就吃卖二，直到你的数量全部成交。

• 优点：成交速度快，几乎100%成交
• 缺点：成交价格不确定，可能产生滑点
• 典型场景：止损、追涨、大单拆单

1.3 限价单与市价单的核心区别

我把两者的区别整理成一张表，方便你对照：

对比维度	限价单	市价单
价格控制	完全可控	不可控
成交确定性	低（可能不成交）	高（几乎必成交）
成交速度	慢（等待匹配）	快（立即执行）
滑点风险	无	有（流动性差时严重）
对订单簿影响	增加流动性	消耗流动性
典型策略	做市、套利	趋势跟踪、止损

1.4 订单簿的深度与价差

有了订单簿，我们就能计算两个关键指标：

• 买卖价差（Spread）：卖一价 - 买一价。价差越小，流动性越好。
• 市场深度（Depth）：某个价位附近的总挂单量。深度越厚，大单对价格的冲击越小。

举个例子，如果卖一价100.60，买一价100.50，那价差就是0.10。如果卖一到卖五的总量有100个BTC，那这个价位的深度就很厚。

1.5 订单簿的核心逻辑图

下面我用一张SVG图来展示订单簿的核心运作逻辑，包括限价单和市价单的交互过程：

1.6 实战中的订单簿应用

讲完了理论，说说我在实战中怎么用订单簿的。

第一，判断市场情绪。如果买单深度远大于卖单深度，说明买方意愿强，价格可能上涨。反之亦然。我经常在开盘前扫一眼订单簿的深度分布，心里就有个底。

第二，识别支撑阻力位。订单簿上挂单密集的价位，往往是重要的支撑或阻力。比如卖二到卖五有大量挂单，那价格很难突破这个区域。我曾经靠这个判断，在关键价位提前挂单，吃到了不少波段利润。

第三，检测大单动向。如果订单簿突然出现一笔大额挂单，比如卖一价突然多了100个BTC，那可能是大户在压价。这时候我会谨慎操作，避免被「钓鱼」。

1.7 代码示例：解析订单簿

最后，给一个简单的Python代码，演示如何解析订单簿数据。这是我在做策略回测时常用的工具函数：

class OrderBook:
    def __init__(self, bids: list, asks: list):
        # bids: [(price, qty), ...] 从高到低
        # asks: [(price, qty), ...] 从低到高
        self.bids = bids
        self.asks = asks
    
    def spread(self) -> float:
        """计算买卖价差"""
        if not self.bids or not self.asks:
            return float('inf')
        return self.asks[0][0] - self.bids[0][0]
    
    def depth(self, levels: int = 5) -> dict:
        """计算指定档位的市场深度"""
        bid_depth = sum(q for _, q in self.bids[:levels])
        ask_depth = sum(q for _, q in self.asks[:levels])
        return {'bid_depth': bid_depth, 'ask_depth': ask_depth}
    
    def imbalance(self) -> float:
        """计算订单簿不平衡度（正数表示买方强势）"""
        bid_vol = sum(q for _, q in self.bids[:10])
        ask_vol = sum(q for _, q in self.asks[:10])
        total = bid_vol + ask_vol
        if total == 0:
            return 0.0
        return (bid_vol - ask_vol) / total

# 使用示例
book = OrderBook(
    bids=[(100.50, 1.2), (100.40, 3.0), (100.30, 5.5)],
    asks=[(100.60, 0.8), (100.70, 2.1), (100.80, 4.3)]
)
print(f"价差: {book.spread():.2f}")
print(f"深度: {book.depth()}")
print(f"不平衡度: {book.imbalance():.3f}")

这段代码虽然简单，但已经能覆盖大部分订单簿分析需求。你可以在策略中实时调用这些函数，辅助决策。

---