一、订单簿结构：限价订单簿（LOB）的构成
做量化交易这些年，我接触最多的数据结构就是限价订单簿（LOB）。说白了，它就是交易所用来记录所有未成交订单的电子账本。你想想看，每一笔买卖委托都在这里排队，等着被撮合。
LOB的核心由两部分组成：买盘（Bid）和卖盘（Ask）。买盘按价格从高到低排列，卖盘按价格从低到高排列。中间那个价格差，就是我们常说的「价差」（Spread）。
关键点：LOB不是静态的，它每时每刻都在变化。新订单进来、旧订单撤单、成交发生，都会改变它的状态。
我在项目中遇到过一个问题：刚开始做高频策略时，我以为LOB只是简单的价格队列。后来发现，每个价格档位背后还藏着订单数量、订单类型、时间戳等信息。忽略这些细节，策略很容易出问题。
1.1 订单簿的层级与价格档位
订单簿的层级，其实就是价格档位。每个价格档位对应一个价格水平，上面挂着所有愿意以这个价格买卖的订单。
举个例子，假设某股票当前最优买价是100.00元，挂了1000股；最优卖价是100.01元，挂了800股。那么：
- 第一档买盘：价格100.00，数量1000
- 第一档卖盘：价格100.01，数量800
- 价差：0.01元
为什么要有多个层级？因为市场深度很重要。我记得有一次做回测，只看最优报价，结果实盘时发现大单进来直接把价格打穿了。嗯，从那以后我养成了看至少5档深度的习惯。
我的建议：做流动性分析时，别只看最优价。把前10档的挂单量加起来，才能判断真正的市场深度。
价格档位的粒度，不同市场不一样。A股最小变动单位是0.01元，美股是0.01美元（部分股票可以到0.0001）。这个细节会影响你的订单簿建模精度。
1.2 订单簿的快照与增量更新
订单簿的数据有两种获取方式：快照和增量更新。
快照（Snapshot）就是某一时刻订单簿的完整状态。它包含所有价格档位的买卖挂单。快照的优点是信息完整，缺点是数据量大。如果你每秒拉一次快照，带宽和存储都扛不住。
增量更新（Incremental Update）只记录变化的部分。比如「价格100.00的买盘增加了200股」，或者「价格100.01的卖盘全部撤单」。增量更新数据量小，但需要维护一个本地订单簿，把增量一条条应用上去。
注意：增量更新依赖顺序。如果漏掉一条，或者顺序乱了，本地订单簿就会和交易所不一致。我曾经因为网络丢包，导致本地订单簿差了1000股，策略直接开仓错误。后来我加了序列号校验和重连机制，才解决这个问题。
实际应用中，通常是两者结合：先拉一次快照作为基准，然后持续接收增量更新。每隔一段时间（比如每10分钟）再拉一次快照做同步，防止误差累积。
下面这张图展示了订单簿的结构和更新流程：
说到代码实现，我习惯用Python来模拟订单簿。下面是一个简单的订单簿类，支持快照和增量更新：
class OrderBook:
def __init__(self):
self.bids = {} # 买盘：价格 -> 数量
self.asks = {} # 卖盘：价格 -> 数量
self.sequence = 0 # 序列号，用于校验
def apply_snapshot(self, snapshot):
"""应用快照，重置订单簿"""
self.bids = {level['price']: level['size']
for level in snapshot['bids']}
self.asks = {level['price']: level['size']
for level in snapshot['asks']}
self.sequence = snapshot['sequence']
def apply_update(self, update):
"""应用增量更新"""
# 检查序列号连续性
if update['sequence'] != self.sequence + 1:
print(f"警告：序列号不连续，期望{self.sequence+1}，收到{update['sequence']}")
return False
# 处理买盘更新
for change in update['bid_changes']:
price, size = change['price'], change['size']
if size == 0:
self.bids.pop(price, None) # 撤单
else:
self.bids[price] = size # 新增或修改
# 处理卖盘更新
for change in update['ask_changes']:
price, size = change['price'], change['size']
if size == 0:
self.asks.pop(price, None)
else:
self.asks[price] = size
self.sequence = update['sequence']
return True
def get_top_n(self, n=5):
"""获取前N档买卖盘"""
sorted_bids = sorted(self.bids.items(), reverse=True)[:n]
sorted_asks = sorted(self.asks.items())[:n]
return sorted_bids, sorted_asks避坑指南：我曾经在增量更新时忘了处理size=0的情况，结果撤单的订单还留在订单簿里，导致策略误判市场深度。后来我加了个断言，每次更新后检查总订单数是否合理。
订单簿的快照和增量更新，说白了就是「全量同步」和「增量同步」的区别。全量同步保证一致性，增量同步保证效率。两者配合使用，才能既快又准。
我个人习惯在本地维护一个订单簿缓存，每收到一条增量就更新一次。同时每隔5分钟拉一次快照做校验。如果发现偏差超过阈值，就触发重连和全量同步。这样既保证了实时性，又防止了误差累积。
你想想看，如果只依赖快照，每秒拉一次，带宽压力大不说，还容易错过中间的变化。如果只依赖增量，一旦断连或丢包，本地数据就废了。所以，两者结合才是最佳实践。