4. 订单簿动态特征：订单到达率、撤销率、成交率的统计建模
做量化交易这些年，我越来越觉得订单簿不是静态的快照，而是一个活生生的、不断在呼吸的系统。你盯着盘口看，价格在跳，挂单在变，这背后其实是三股力量在博弈：新订单不断涌进来，老订单被撤掉，还有一部分订单成交了。这三者的节奏，决定了市场的微观结构。
我个人习惯把订单簿的动态特征拆成三个核心指标：到达率、撤销率和成交率。说白了，就是搞清楚「来了多少」、「走了多少」和「成了多少」。你想想看，如果只盯着价格看，你永远不知道这波上涨是因为买盘真的在涌入，还是因为卖单被撤了造成的假象。
核心观点：订单簿的动态特征，是区分「真实流动性」和「虚假流动性」的关键。到达率反映市场参与热情，撤销率反映订单的耐心程度，成交率则直接告诉你市场的摩擦成本。
4.1 订单到达率的建模
订单到达率，就是单位时间内新挂单的数量。我在项目中遇到过一个问题：用简单的泊松过程去拟合，结果误差大得离谱。为什么？因为真实市场的订单到达是聚集性的——一波行情来了，订单像潮水一样涌进来；行情平淡时，半天没几个单子。
所以，我建议用自激励点过程（Hawkes Process）来建模。它的核心思想是：一个事件的发生，会提高后续事件发生的概率。这很符合直觉——一个大买单进来，往往会引发更多买单跟进。
# 一个简单的 Hawkes 过程模拟
import numpy as np
def simulate_hawkes(mu, alpha, beta, T):
"""
mu: 基础到达率
alpha: 自激励强度
beta: 衰减速度
T: 模拟时长
"""
events = []
t = 0
while t < T:
# 计算当前强度
lambda_t = mu + alpha * sum(np.exp(-beta * (t - s)) for s in events if t - s < 10)
# 生成下一个事件
u = np.random.uniform()
t += -np.log(u) / lambda_t
if t < T:
events.append(t)
return events这段代码虽然简单，但已经能捕捉到订单到达的「聚集效应」了。实际应用中，我还会加入日内季节性因子——早盘开盘和尾盘收盘时的到达率明显高于午盘。嗯，这里要注意，如果你直接用原始数据去拟合，季节性会掩盖掉真正的自激励效应。
实战技巧：拟合 Hawkes 模型时，建议先对数据做「日内时间规整化」，把不同时间段的到达率拉到同一基准上。我曾经因为没做这步，拟合出来的参数完全没法用。
4.2 撤销率的统计特征
撤销率，很多人不重视，觉得不就是撤单嘛。其实不然。撤销率的高低，直接反映了订单的「虚假程度」。我记得有一次分析某只小盘股，发现它的撤销率高达70%以上——也就是说，每挂10个单子，有7个是撤掉的。这种市场，你进去做高频交易，基本就是给交易所送手续费。
撤销率的建模，我推荐用生存分析的方法。把每个订单的存活时间看作一个随机变量，撤销就是「死亡事件」。常用的模型有：
- 指数分布：假设撤销率恒定，简单但不太准
- Weibull 分布：可以刻画撤销率随时间变化——比如刚挂单时容易撤，挂久了反而更可能留着
- Cox 比例风险模型：可以加入价格偏离度、订单大小等协变量
我个人比较喜欢 Weibull 分布。为什么？因为它有一个形状参数 k：
- k < 1：撤销率随时间递减（订单越老越不容易撤）
- k = 1：撤销率恒定（退化为指数分布）
- k > 1：撤销率随时间递增（订单越老越容易撤）
你想想看，这能告诉我们什么？如果 k < 1，说明市场参与者比较有耐心，挂单是经过深思熟虑的。如果 k > 1，说明大家都在玩「挂单试探」的游戏——先挂上去看看，不行就撤。
避坑指南：我曾经用生存分析建模撤销率时，忽略了「成交」这个竞争风险。订单被成交了，它就不再有机会被撤销。如果不做竞争风险处理，撤销率的估计会严重偏大。解决办法是用「累积发生率函数」替代传统的 Kaplan-Meier 估计。
4.3 成交率的条件建模
成交率，说白了就是你的订单挂上去，到底能不能成交。这取决于两个因素：一是你的订单价格好不好（价格优势），二是市场有没有足够的反向流动性。
我建议用逻辑回归或者随机森林来建模成交概率。特征可以包括：
| 特征类别 | 具体特征 | 说明 |
|---|---|---|
| 价格特征 | 价格偏离度、价差位置 | 离最优价格越近，成交概率越高 |
| 流动性特征 | 订单簿深度、宽度 | 深度越大，成交越容易 |
| 动态特征 | 近期到达率、撤销率 | 市场活跃时成交概率更高 |
| 时序特征 | 距上次成交时间、日内时段 | 不同时段成交率差异很大 |
这里有个坑，我踩过好几次。成交率模型很容易过拟合，因为成交事件本身是稀疏的——大部分订单其实都没成交。你想想看，如果100个订单里只有5个成交了，你用这5个正样本和95个负样本去训练，模型很容易学偏。
# 处理样本不平衡的简单方法
from sklearn.utils import class_weight
# 计算类别权重
weights = class_weight.compute_class_weight(
'balanced',
classes=[0, 1],
y=y_train
)
# 在模型训练时传入权重
model.fit(X_train, y_train, sample_weight=weights[y_train])我的经验：除了用类别权重，还可以考虑用「下采样」或「SMOTE过采样」。但我个人更推荐用「下采样」——把负样本随机抽到和正样本差不多数量。虽然会损失一些信息，但模型更稳健，不容易被噪声带偏。
4.4 三率联动的微观结构
到达率、撤销率、成交率不是孤立的。它们之间存在着复杂的反馈关系。我画了一张图来说明这个联动机制：
从这张图你能看到，三率之间形成了一个闭环。高到达率会同时推高撤销率和成交率——这取决于订单的性质。如果是「真实需求」驱动的到达，成交率会更高；如果是「试探性」的到达，撤销率会更高。
我在实盘中发现一个有意思的现象：当到达率突然飙升，但成交率没有同步跟上时，往往预示着价格即将反转。因为这说明大量订单只是在「试探」，并没有真正的成交意愿。一旦这些试探性订单被撤销，流动性会瞬间枯竭。
实战应用：我开发过一个「三率背离指标」——当到达率处于历史90%分位以上，但成交率处于30%分位以下时，触发反转预警。这个信号在股指期货上表现尤其好，胜率大概在65%左右。
4.5 建模中的常见陷阱
最后，我想聊聊建模过程中容易踩的坑。这些教训都是用真金白银换来的。
- 数据频率不匹配：到达率用毫秒级数据，成交率用秒级数据，结果模型完全对不上。我建议统一到同一时间尺度，比如都用100ms的桶。
- 忽略微观结构噪声：订单簿数据里有很多「乒乓单」——同一个账户在买卖两边来回挂撤。这些数据会严重扭曲到达率和撤销率的估计。我曾经写过一个过滤器，专门识别这种模式。
- 过度依赖历史参数：市场状态会变。今天拟合出来的参数，明天可能就失效了。我建议用滚动窗口的方式，每5分钟重新估计一次参数。
- 把相关性当因果：到达率和成交率正相关，不代表到达率「导致」了成交率。也可能是某个共同因素（比如新闻事件）同时推高了这两者。
血的教训：我曾经用全量数据训练了一个非常漂亮的撤销率模型，回测表现完美。结果一上实盘，直接崩了。后来才发现，我的训练数据里包含了「收盘集合竞价」时段——那个时段的撤销率几乎为零，因为不能撤单。模型学到了这个模式，但在连续竞价时段完全不适用。从那以后，我每次建模前都会先做「时段分割」，不同时段分别建模。
嗯，关于订单簿动态特征的统计建模，我就讲这么多。核心就三句话：到达率看聚集性，撤销率看生存时间，成交率看条件概率。三者联动起来看，才能看清市场的真实面貌。