第四章：订单簿分析：Level 1/Level 2数据解读，买卖盘口与深度图
订单簿，说白了就是市场的「实时供需地图」。
我个人习惯把订单簿比作一个菜市场。Level 1数据告诉你「现在白菜多少钱一斤」，Level 2数据则告诉你「有多少人想买，有多少人想卖，他们各自出什么价」。嗯，这里面的门道，比大多数人想象的要深得多。
4.1 Level 1 vs Level 2：你能看到什么？
先搞清楚这两个概念。很多新手一上来就搞混。
| 数据层级 | 包含内容 | 典型用途 |
|---|---|---|
| Level 1 | 最新成交价、买一/卖一价、当日最高/最低、成交量 | 散户看盘、简单策略 |
| Level 2 | 全部买卖盘口的价位与挂单量、逐笔成交明细 | 高频交易、做市商、机构策略 |
Level 1就像你只看到海面上的浪花。Level 2则让你看到水面下的暗流涌动。我在项目中遇到过不少团队，只靠Level 1数据做高频策略，结果被市场深度变化打得措手不及。你想想看，如果只看买一卖一，你根本不知道下面还有多少「隐形弹药」。
核心区别： Level 1告诉你「现在什么价」，Level 2告诉你「这个价能成交多少」。
4.2 买卖盘口：读懂挂单的语言
买卖盘口，就是订单簿上每一档的价格和对应的挂单量。举个例子：
卖五：10.05 2000股
卖四：10.04 1500股
卖三：10.03 3000股
卖二：10.02 1000股
卖一：10.01 500股
-------------------
买一：10.00 800股
买二：9.99 1200股
买三：9.98 2500股
买四：9.97 1800股
买五：9.96 3000股这里有几个关键点，我建议你重点关注：
- 价差（Spread）： 买一和卖一之间的差距。价差越小，流动性越好。高频交易最喜欢价差窄的市场。
- 挂单量分布： 如果卖盘堆积如山，买盘稀稀拉拉，说明卖方压力大。反之亦然。
- 大单挂单： 突然出现一笔远超正常水平的挂单，往往是机构在「秀肌肉」。我曾经见过一个策略，专门盯着这种大单挂单的撤单行为来套利。
一个小技巧： 别只看当前档位。我个人习惯把前五档的挂单量加起来，算一个「累计深度」。这比单看某一档要靠谱得多。
4.3 深度图：把订单簿画出来
深度图，就是把订单簿的挂单量按价格累加，画成一条曲线。它能直观地告诉你：
- 在某个价格区间，到底有多少「弹药」在等着
- 价格突破某个点位后，会不会引发连锁反应
下面这张图，是我用SVG画的一个典型深度图结构。它展示了买卖双方的「力量对比」。
这张图里，红色区域代表买方深度，绿色区域代表卖方深度。两条曲线交汇的地方，就是当前成交价。如果红色区域比绿色区域厚实，说明买方力量更强，价格有上涨动力。反之亦然。
注意： 深度图是静态快照。市场是动态的，挂单随时可能撤掉。我曾经见过一个极端案例：某只股票深度图显示买盘非常厚实，结果一瞬间所有大单全部撤走，价格直接跳水。所以，别只看深度图，还要看挂单的「稳定性」。
4.4 实战：如何用订单簿数据做决策
光看懂数据还不够，你得知道怎么用。我分享几个实战中常用的思路：
- 检测虚假挂单（Spoofing）： 如果某个价位突然出现大单，但很快又撤掉，这很可能是有人在「演戏」。我的策略会标记这种行为，并在后续交易中避开这些价位。
- 寻找支撑/阻力位： 订单簿上挂单量特别大的价位，往往就是心理上的支撑位或阻力位。价格到了这些位置，要么被弹回，要么被突破。
- 计算订单簿失衡度： 一个简单的公式：(买盘总量 - 卖盘总量) / (买盘总量 + 卖盘总量)。正值表示买方占优，负值表示卖方占优。我个人习惯用这个指标作为入场信号的辅助判断。
避坑指南： 我曾经犯过一个错误——只看前五档的挂单量。后来发现，有些机构会把大单挂在更深的档位，然后通过算法逐步「喂单」到前面。所以，我建议你至少看十档，甚至全量数据。
4.5 代码示例：解析Level 2数据
下面是一个简单的Python代码片段，演示如何解析Level 2数据并计算买卖盘口失衡度。嗯，这里只展示核心逻辑，实际生产环境要复杂得多。
import json
def parse_order_book(raw_data):
"""
解析Level 2订单簿数据
raw_data: 从交易所API获取的原始JSON数据
"""
data = json.loads(raw_data)
bids = data['bids'] # 买盘，格式 [[价格, 数量], ...]
asks = data['asks'] # 卖盘，格式 [[价格, 数量], ...]
# 计算前五档的总挂单量
total_bid_volume = sum([float(bid[1]) for bid in bids[:5]])
total_ask_volume = sum([float(ask[1]) for ask in asks[:5]])
# 计算失衡度
if total_bid_volume + total_ask_volume > 0:
imbalance = (total_bid_volume - total_ask_volume) / (total_bid_volume + total_ask_volume)
else:
imbalance = 0
return {
'best_bid': bids[0][0] if bids else None,
'best_ask': asks[0][0] if asks else None,
'spread': float(asks[0][0]) - float(bids[0][0]) if bids and asks else None,
'imbalance': imbalance
}
# 使用示例
sample_data = '{"bids":[["10.00","800"],["9.99","1200"]],"asks":[["10.01","500"],["10.02","1000"]]}'
result = parse_order_book(sample_data)
print(f"失衡度: {result['imbalance']:.2f}")这段代码很简单，但它是很多高频策略的基础。你想想看，如果失衡度突然从0.1跳到0.8，说明买方力量急剧增强，这时候追涨的风险就相对小一些。当然，前提是你能确认这不是虚假挂单。
总结一下： 订单簿分析的核心，就是透过挂单数据，读懂市场参与者的「真实意图」。Level 2数据给了你一把手术刀，但怎么用，还得靠经验和判断力。
好了，这一章的内容就到这里。记住，数据是死的，人是活的。多复盘，多总结，你也能成为订单簿分析的高手。