2. 订单簿不平衡度：数学定义与直观理解
好，咱们进入正题。订单簿不平衡度，英文叫 Order Book Imbalance，简称 OBI。这东西说白了，就是衡量「买方和卖方谁更着急」的一个指标。
我刚开始做高频策略的时候，其实不太重视这个指标。总觉得价格才是王道，订单簿那些挂单都是虚的。直到有一次，我在回测一个均值回归策略时，发现信号总是在大单出现后失效。后来一查，原来是订单簿不平衡度已经提前发出了警告。嗯，从那以后，我就把 OBI 纳入了我的核心特征集。
2.1 数学定义
先看最基础的形式。假设在某个时刻 t，订单簿上有买一档的挂单量 V_bid，卖一档的挂单量 V_ask。那么最简单的 OBI 定义为：
OBI = (V_bid - V_ask) / (V_bid + V_ask)这个值在 -1 到 1 之间波动。正数表示买方力量强，负数表示卖方力量强。0 表示两边势均力敌。
你想想看，如果买一档挂了 1000 手，卖一档只挂了 200 手，那 OBI 就是 (1000-200)/(1000+200) = 0.67。这说明买方明显更积极，价格大概率要往上走。
但这里有个坑。我在项目中遇到过，有些品种的买卖价差特别大，比如某些冷门币种。这时候只看第一档就不太靠谱了。所以我个人习惯用多档加权的方式：
OBI_weighted = (Σ w_i * V_bid_i - Σ w_i * V_ask_i) / (Σ w_i * V_bid_i + Σ w_i * V_ask_i)其中 w_i 是第 i 档的权重，通常按距离当前价格的远近递减。比如第 1 档权重 1.0，第 2 档 0.8，第 3 档 0.6，以此类推。
核心要点： OBI 的本质是衡量订单簿两侧的「压力差」。正压力差 = 买方占优，负压力差 = 卖方占优。
2.2 直观理解
怎么理解这个指标？我打个比方。
想象一下菜市场。买一档就是那些举着钞票喊「我要买」的人，卖一档就是那些举着菜喊「我要卖」的人。如果买的人多、卖的人少，价格自然要涨。反过来，卖的人多、买的人少，价格就得跌。
OBI 就是把这个场景量化了。它告诉你：
- OBI > 0.5：买方极度亢奋，价格可能快速拉升
- OBI 在 0.2 ~ 0.5：买方占优，但不算极端
- OBI 在 -0.2 ~ 0.2：市场比较均衡，方向不明
- OBI 在 -0.5 ~ -0.2：卖方占优，偏空
- OBI < -0.5：卖方恐慌性抛售，价格可能跳水
当然，这些阈值不是固定的。不同品种、不同时间尺度，阈值会有差异。我建议你拿到数据后先做一下分布统计，看看 OBI 在什么区间内信号最有效。
小技巧： 如果你发现 OBI 突然从 0.3 跳到 0.8，但价格没怎么动，这往往意味着有大单在悄悄吃货。这时候跟进，胜率很高。
2.3 多档位扩展
刚才说了，只看第一档有时候不够。我一般会看前 5 档甚至前 10 档。为什么呢？
举个例子。假设买一档只有 100 手，但买二档到买五档加起来有 5000 手。这说明什么？说明买方在下面筑了一道厚墙。价格就算跌破了买一档，也很难继续往下砸。这时候只看第一档 OBI 可能是负的，但实际市场并不弱。
所以，我常用的一个变体是「累积不平衡度」：
OBI_cumulative = (Σ V_bid_i - Σ V_ask_i) / (Σ V_bid_i + Σ V_ask_i)这里的 i 从 1 到 N，N 是你选择的档位数。我个人习惯用 N=5，因为再往后的档位流动性太差，噪音太大。
| 档位数 | 适用场景 | 优缺点 |
|---|---|---|
| 1 档 | 高频交易，毫秒级 | 反应快，但容易被虚假挂单欺骗 |
| 3 档 | 中高频，秒级 | 平衡了速度和准确性 |
| 5 档 | 日内交易，分钟级 | 稳定性好，但有一定延迟 |
| 10 档 | 低频策略，小时级 | 噪音最小，但信号滞后明显 |
注意： 有些交易所会显示「冰山订单」，即只显示一部分挂单量。这时候你看到的订单簿是不完整的。我曾经因为这个吃过亏，回测时 OBI 信号很漂亮，实盘一跑就崩。后来加了冰山订单检测逻辑才稳住。
2.4 时间维度上的平滑
订单簿数据变化极快。一秒钟可能更新几百次。如果直接用原始 OBI 做信号，噪音会非常大。
我建议做一下平滑处理。最简单的就是用移动平均：
OBI_smooth(t) = α * OBI(t) + (1-α) * OBI_smooth(t-1)α 是平滑系数，一般取 0.1 ~ 0.3。α 越小，平滑效果越强，但信号也越滞后。
还有一种做法是取一段时间内的中位数。比如过去 10 个 tick 的 OBI 中位数。这样能有效剔除极端值。
我个人更倾向于用指数加权移动平均（EWMA），因为它对近期数据更敏感，同时又能过滤掉高频噪音。
2.5 知识体系总览
下面这张图总结了 OBI 的核心逻辑和扩展方向：
从这张图可以看出来，OBI 虽然定义简单，但扩展空间很大。你可以根据不同的交易频率和品种特性，选择合适的变体。
2.6 实战中的注意事项
最后，分享几个我在实战中踩过的坑：
- 虚假挂单：有些做市商会挂大单诱导散户，然后瞬间撤单。这时候 OBI 会突然变大，但价格并不动。我一般会结合「挂单存活时间」来过滤，比如只统计那些挂了超过 100 毫秒的订单。
- 数据对齐：买一档和卖一档的数据不是同时更新的。如果你拿到的数据有 1 毫秒的时间差，计算出的 OBI 可能完全失真。建议用同一时间戳的快照数据。
- 极端行情：在闪崩或暴涨时，订单簿会瞬间被吃掉好几档。这时候 OBI 会剧烈波动。我建议在极端行情下暂停使用 OBI 信号，或者加一个波动率过滤器。
一句话总结： OBI 是个好指标，但别迷信它。它告诉你的是「当前谁在主导」，而不是「未来一定会怎样」。结合其他特征一起用，效果会好很多。
好了，关于 OBI 的定义和直观理解就讲到这里。下一节我们会深入代码实现，看看怎么从原始订单簿数据中高效计算 OBI，以及如何用它构建交易信号。
公众号:蓝海资料掘金营，微信deep3321