2. 市场微观结构
各位，咱们今天聊点实在的。高频交易这行当，说白了就是跟市场微观结构打交道。你如果不懂订单簿，不懂盘口，那就像开车不看仪表盘——迟早要出事。
我个人习惯，每次开始一个新策略之前，第一件事就是先把目标品种的微观结构摸透。为什么？因为价格波动只是表象，真正的博弈全藏在订单簿里。
限价订单簿（LOB）——市场的“记账本”
限价订单簿，英文叫 Limit Order Book，简称 LOB。你可以把它想象成一个巨大的记账本，上面记录着所有交易者挂出来的买卖意愿。
每一笔限价订单，都包含三个要素：方向（买还是卖）、价格、数量。系统把这些订单按价格排序，买盘从高到低，卖盘从低到高，就形成了我们看到的订单簿。
核心要点：订单簿不是静态的。它每时每刻都在变化——有人挂单，有人撤单，有人成交。高频交易的核心，就是捕捉这些变化中的规律。
我在项目中遇到过一件事，印象很深。有一次我们跑一个套利策略，回测数据漂亮得不行，结果一上实盘就亏钱。查了半天，发现是订单簿的更新延迟问题。回测用的是 tick 级数据，但实盘里订单簿的 snapshot 和增量更新之间有微小的时差，就是这点时差，让我们的策略一直在吃哑巴亏。
买卖盘口——最直观的博弈前线
盘口，就是订单簿最顶层的几档数据。买一、卖一、买二、卖二……这些数字，是市场最直接的博弈信号。
举个例子，你看一个股票的盘口：
| 档位 | 买价 | 买量 | 卖价 | 卖量 |
|---|---|---|---|---|
| 1 | 100.01 | 500 | 100.02 | 300 |
| 2 | 100.00 | 1200 | 100.03 | 800 |
| 3 | 99.99 | 2000 | 100.04 | 1500 |
看到没？买一和卖一之间的差价，就是 spread。这个 spread 越小，说明市场流动性越好。买一挂了 500 手，卖一只有 300 手——这说明什么？说明卖方有点犹豫，或者买方在试探。
你想想看，如果卖一突然从 300 手变成 3000 手，价格还没变，那大概率是有人在压盘。这时候你冲进去买，可能就被套住了。
我的经验：别只看买一卖一。我习惯把前五档的挂单量加起来看。如果买盘前五档总量远大于卖盘前五档，但价格就是不涨，那多半是有人在下面托单，实际意图可能是出货。
市场深度——你能吃下多少“货”
市场深度，衡量的是你在某个价格水平上能成交多少量。深度越大，大单对价格的冲击就越小。
怎么算？很简单。比如你想买 10000 股，从卖一往下吃：
- 卖一 100.02 有 300 股，吃掉
- 卖二 100.03 有 800 股，吃掉
- 卖三 100.04 有 1500 股，吃掉
- ……一直吃到凑够 10000 股为止
最后成交的加权平均价，就是你的实际买入成本。这个成本跟当前卖一价的差距，就是 市场冲击成本。
我曾经犯过一个错误。当时做一个统计套利策略，觉得某个价差偏离了 3 个标准差，机会难得，直接一把梭进去。结果因为市场深度不够，我的单子把价格推回去了，等于是自己把套利空间给填平了。嗯，从那以后，我所有策略都加了深度检查。
订单簿的三种状态
做高频交易，你得学会“读”订单簿的状态。我一般把它分成三种：
- 均衡状态：买卖盘口力量相当，spread 稳定，订单簿呈“金字塔”形状——离最优价越远，挂单量越大。
- 失衡状态：某一侧明显厚实，另一侧单薄。比如买盘堆积如山，卖盘稀稀拉拉。这时候价格大概率要往上走。
- 稀疏状态：订单簿很“空”，几档之间差距大，spread 宽。这种情况通常出现在流动性差的品种或非交易活跃时段，进去容易，出来难。
注意：订单簿的状态是动态变化的。均衡可能瞬间变成失衡，因为一个大单撤单或进场。高频策略必须能实时感知这种变化，而不是每隔几秒刷新一次。
知识体系总览
下面这张图，是我自己整理的市场微观结构知识框架。你看一眼，心里就有数了。
用 Python 看一眼订单簿
光说不练假把式。咱们用 Python 拉一下真实的订单簿数据看看。这里以币安的 BTC/USDT 为例：
import requests
import json
# 获取币安 BTC/USDT 订单簿
url = "https://api.binance.com/api/v3/depth"
params = {"symbol": "BTCUSDT", "limit": 10}
resp = requests.get(url, params=params)
data = resp.json()
print("买盘（Bids）：")
for bid in data["bids"][:5]:
print(f" 价格: {bid[0]}, 数量: {bid[1]}")
print("\n卖盘（Asks）：")
for ask in data["asks"][:5]:
print(f" 价格: {ask[0]}, 数量: {ask[1]}")
# 计算买卖盘口总量
total_bid_vol = sum(float(b[1]) for b in data["bids"])
total_ask_vol = sum(float(a[1]) for a in data["asks"])
print(f"\n买盘总量: {total_bid_vol:.4f}")
print(f"卖盘总量: {total_ask_vol:.4f}")
print(f"买卖比: {total_bid_vol/total_ask_vol:.4f}")这段代码很简单，但很实用。你跑一下就能看到当前市场的盘口情况。我一般会在策略启动前先跑一遍这个，看看市场深度够不够，spread 大不大。
小技巧：别只看一次 snapshot。我习惯连续拉 10 次，每次间隔 100 毫秒，观察订单簿的变化速度。如果变化剧烈，说明有人在搞事情，这时候策略参数要调得更保守一些。
避坑指南
最后，分享几个我踩过的坑：
- 别迷信盘口数据：有些大资金会挂假单，挂上去又撤掉，就是为了误导你。我见过最夸张的，有人在买一挂了 5000 个比特币，然后一秒内全撤了。
- 注意数据源延迟：交易所的 REST API 通常有几百毫秒的延迟。做高频交易，必须用 WebSocket 的增量数据流。
- 深度不是万能的：有些品种深度看起来很厚，但都是散户的单子，一有风吹草动全撤了。真正的深度，要看那些长期不动的“冰山订单”。
嗯，今天就先聊到这儿。市场微观结构这东西，越挖越深。你先把订单簿、盘口、深度这三个概念吃透，后面讲订单流、成交量分布的时候，你才能跟得上。