2、订单簿数据结构：深度图解析、Level 1/2/3 数据区别、Tick级数据存储
订单簿这东西，说白了就是交易所的「挂单账本」。谁想买、谁想卖，价格多少、量多大，全记在上面。我刚开始做量化那会儿，觉得订单簿就是个价格列表，后来被市场狠狠教育了几次，才明白这里面门道深着呢。
今天咱们就把订单簿的数据结构拆开揉碎了讲。你想想看，如果你连对手盘的底牌都看不清楚，怎么敢说自己懂交易？
2.1 深度图解析：一眼看穿市场情绪
深度图，其实就是订单簿的可视化版本。我个人习惯把它叫做「市场情绪的X光片」。为什么这么说？因为买卖双方的挂单分布，直接反映了当前市场的供需博弈。
核心概念：深度图由两条曲线组成——红色代表卖单（Ask），绿色代表买单（Bid）。横轴是价格，纵轴是累计挂单量。
我在项目中遇到过这样一个场景：某币种深度图突然出现一个巨大的卖单墙，价格刚好卡在关键阻力位。很多散户一看就慌了，赶紧跟着砸盘。结果呢？那堵墙其实是做市商挂的假单，等价格砸下来，他们立马撤单反手做多。嗯，这就是典型的「挂单陷阱」。
深度图有几个关键特征值得关注：
- 深度斜率：斜率越陡，说明该价格区间流动性越差，价格容易滑点
- 缺口（Gap）：买卖价差突然拉大，往往是重大消息发布前的征兆
- 厚薄分布：买单厚实说明下方支撑强，卖单厚实说明上方压力大
说白了，深度图就是告诉你——现在市场上谁是「纸老虎」，谁是「真金白银」。
2.2 Level 1/2/3 数据区别：你的数据到底有多「深」？
很多新手问我：「老师，为什么不同平台看到的深度不一样？」其实原因很简单——你买的数据套餐不同。交易所把数据分成了三个等级，我管它叫「数据三兄弟」。
| 数据等级 | 包含内容 | 典型用途 | 数据量级 |
|---|---|---|---|
| Level 1 | 最优买卖价（Top of Book） | 散户看盘、简单策略 | 极低，每秒几次 |
| Level 2 | 多档位挂单（通常5-20档） | 专业交易、趋势判断 | 中等，每秒几十次 |
| Level 3 | 全量订单簿 + 逐笔委托 | 高频做市、量化建模 | 极高，每秒上千次 |
我个人习惯这样理解：Level 1 就像你看海面，只知道浪花多高；Level 2 能让你看到水面下几米有什么鱼群；Level 3 则是直接给你一张海底全息地图，连每颗沙砾的位置都标得清清楚楚。
我的经验：如果你做的是分钟级别的策略，Level 1 其实够用了。但如果你玩的是高频或者做市，没有 Level 3 数据，基本等于闭着眼睛开车。我曾经为了省点数据费，用 Level 2 跑做市策略，结果被对手盘精准狙击——人家能看到我的每一笔挂单，我却只能看到个大概。
2.3 Tick级数据存储：每一笔交易都是金子
Tick数据，就是市场最原始的「呼吸记录」。每一笔成交、每一次挂单变动，都算一个Tick。我见过最夸张的存储方案，一天就能产生几个GB的数据。
为什么会这样？因为Tick数据包含的信息太细了：
- 成交Tick：价格、数量、方向（买/卖）、时间戳（精确到微秒）
- 挂单Tick：挂单ID、价格、数量、操作类型（新增/撤销/成交）
- 深度Tick：当前所有档位的买卖挂单快照
嗯，这里要注意——存储Tick数据，最头疼的不是数据量，而是「时序对齐」。不同交易所的时间戳精度不一样，有的给毫秒，有的给微秒，甚至还有纳秒的。我踩过最大的坑，就是把两个交易所的Tick数据直接合并回测，结果发现信号延迟了整整200毫秒，策略收益直接从正变负。
避坑指南：我曾经用CSV存Tick数据，结果一个月的BTC数据就跑了30GB。后来改用列式存储（Parquet格式），压缩比直接干到10:1。另外，时间戳一定要用UTC，别用本地时间——别问我怎么知道的。
下面是一个简单的Tick数据存储结构示例，我一般用Python的字典来模拟：
# Tick数据存储结构（伪代码）
tick_data = {
"timestamp": 1700000000123456, # 微秒级时间戳
"symbol": "BTCUSDT",
"type": "trade", # trade / order / depth
"price": 50000.00,
"volume": 0.5,
"side": "buy", # buy / sell
"order_id": "abc123",
"exchange": "binance"
}
# 实际存储建议用 DataFrame
import pandas as pd
df = pd.DataFrame([tick_data])
df.to_parquet("tick_20240101.parquet", compression="snappy")你想想看，如果你能完整记录一个月的Tick数据，就等于拥有了市场的「完整记忆」。很多量化团队花大价钱买历史Tick数据，就是为了从中挖掘出那些肉眼看不到的规律——比如某只股票每次在Tick数据中出现「大单吃小单」的模式后，接下来5秒内大概率会反转。
核心总结：订单簿数据是量化交易的「原材料」。Level 1 让你看到结果，Level 2 让你看到过程，Level 3 让你看到每一个动作。而Tick数据，就是把这些动作一帧一帧地记录下来。没有这些数据，再牛逼的策略也是空中楼阁。
好了，这一章的内容就到这里。记住一句话：数据深度决定策略高度。你愿意花多少功夫在数据上，市场就会给你多少回报。
公众号:蓝海资料掘金营，微信deep3321