2、失衡信号定义：订单簿失衡的数学定义、计算公式、阈值设定
好，咱们直接进入正题。
订单簿失衡，英文叫 Order Book Imbalance，简称 OBI。这玩意儿说白了，就是看买单和卖单谁更「猛」。如果买单堆得又厚又高，卖单稀稀拉拉，那价格大概率要往上走。反过来，卖单压顶，买单疲软，那价格就得往下掉。
听起来很简单对吧？但实际落地的时候，坑不少。我刚开始做高频策略那会儿，就吃过亏——以为失衡就是简单的「买一量减卖一量」，结果回测曲线漂亮得不行，实盘一跑就亏。为什么？因为定义太粗糙了。
2.1 数学定义：从直觉到公式
我们先给失衡信号一个严谨的数学定义。我个人习惯用这个公式：
OBI = (V_bid - V_ask) / (V_bid + V_ask)其中：
- V_bid：买方挂单的总量（可以是某一档，也可以是前几档的加权和）
- V_ask：卖方挂单的总量（同理）
这个公式的值域在 [-1, 1] 之间。正数表示买方占优，负数表示卖方占优。0 表示均衡。
你可能会问：为什么不用简单的减法？比如 V_bid - V_ask？
嗯，这里要注意。减法的问题是——它没有归一化。比如某只股票买一挂了 1000 手，卖一挂了 800 手，差值是 200。另一只股票买一挂了 100 手，卖一挂了 80 手，差值只有 20。但这两者的「失衡程度」其实是一样的，都是 20% 的优势。用除法归一化之后，两者都是 0.111，这才有可比性。
核心要点：OBI 是一个归一化的比值，不是绝对差值。这样才能跨品种、跨时间对比。
2.2 计算公式的变种：深度加权
上面那个公式用的是「第一档」的挂单量。但实际交易中，大资金往往不会只盯着第一档。我记得有一次做 BTC 的订单簿策略，发现第一档经常被「钓鱼单」刷来刷去，信号噪音特别大。
后来我改用深度加权公式：
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，通常按距离递减。比如：
| 档位 | 权重（示例） | 说明 |
|---|---|---|
| 第1档 | 1.0 | 最靠近成交价，最重要 |
| 第2档 | 0.8 | 次重要 |
| 第3档 | 0.6 | 逐渐衰减 |
| 第4档 | 0.4 | 远距离，影响力弱 |
| 第5档 | 0.2 | 边缘信号 |
这样算出来的 OBI 更平滑，也更真实。我曾经对比过两种公式在 A 股 300 只股票上的表现，加权版的夏普比率平均高出 0.3 左右。当然，这跟品种也有关系，你自己可以试试。
2.3 阈值设定：多少才算「失衡」？
公式有了，下一个问题：OBI 算出来是 0.3，这算失衡吗？0.5 呢？0.8 呢？
阈值设定没有标准答案。我个人的经验是分三步走：
- 统计历史分布：把过去 30 天的 OBI 数据拉出来，画个直方图。看看 90% 分位数在哪，95% 在哪。
- 设定基础阈值：一般取 90% 分位数作为「轻度失衡」，95% 作为「重度失衡」。比如某只股票，90% 分位数是 0.4，那 OBI > 0.4 就算失衡。
- 动态调整：市场波动率变化时，阈值也要跟着变。我习惯用滚动窗口，比如过去 20 个交易日的滚动分位数。
小技巧：不要用固定阈值。比如你设 OBI > 0.5 就算失衡，结果某天市场突然放量，所有股票的 OBI 都飙到 0.7 以上，那你的信号就全废了。用动态分位数，自适应能力强很多。
2.4 避坑指南：我曾经踩过的三个坑
讲到这里，我得说说我当年踩过的坑，希望能帮你省点时间。
坑一：只看第一档。 我之前说过，第一档容易被操纵。有些做市商会故意在买一挂大单，然后撤单，制造虚假的买方强势。如果你只看第一档，很容易被耍。建议至少看前三档，或者用加权版本。
坑二：忽略时间衰减。 订单簿是动态的。一个挂单如果挂了 10 分钟还没成交，它的「诚意」就值得怀疑。我后来在公式里加了一个时间衰减因子——挂单时间越长，权重越低。效果立竿见影，假信号少了很多。
坑三：阈值设得太死。 我记得有一次做回测，把阈值设在 0.6，结果整个回测期只触发了 3 次信号。样本太少，统计意义都不大。后来我把阈值降到 0.3，信号数量多了 10 倍，虽然胜率降了一点，但总收益反而更高。阈值这东西，要在灵敏度和特异性之间找平衡。
警告：阈值设定不要过度优化。用历史数据调出来的最优阈值，到了未来可能完全失效。建议留一部分样本做「样本外验证」，别全信回测结果。
2.5 核心逻辑框架图
下面这张图，我把整个失衡信号的定义、计算、阈值设定串起来了。你可以保存下来，写代码的时候对照着看。
这张图里，我特意加了一条反馈回路——阈值不是一成不变的。每次信号生成之后，都要根据实际成交情况去调整阈值参数。说白了，这是一个自适应系统。
2.6 实战中的注意事项
最后，再啰嗦几句实战中的细节：
- 数据频率：订单簿数据通常是毫秒级的。如果你做的是 tick 级策略，OBI 可以每笔 tick 都算一次。如果是分钟级策略，建议用快照数据，比如每秒拍一张订单簿快照。
- 品种差异：股票和加密货币的订单簿行为完全不同。股票市场有涨跌停板，加密货币没有。我建议你针对不同品种单独调参。
- 滑点影响：失衡信号越强，说明市场越「拥挤」。这时候你进场，滑点可能很大。我一般会在信号触发后，用限价单而不是市价单，减少冲击成本。
一句话总结：OBI 的核心是「归一化比值 + 动态阈值 + 深度加权」。别搞复杂了，先把这三样做对，再谈优化。
公众号:蓝海资料掘金营，微信deep3321