3、快照数据结构解析：Level2快照数据字段详解

Level2 行情快照是交易所每隔固定时间（通常为 3 秒或 5 秒）发布的当前市场全貌数据。与 Level1 相比，Level2 快照提供了更深的委托队列、更细的统计指标以及更精确的逐笔撮合信息。理解每个字段的含义、计算方式和业务逻辑，是进行策略推演的基础。

3.1 核心行情字段

以下字段是每笔快照中最基础、最常用的数据项，直接反映当前市场的价格与成交状态。

3.2 委托队列字段（买卖十档）

Level2 快照最显著的优势在于提供了买卖各 10 档的委托价格与委托量，而 Level1 通常只提供 5 档或 3 档。这为分析市场深度和订单簿形态提供了数据基础。

3.2.1 委买委卖与买卖十档

• 委买（Bid）： 买方委托队列，按价格从高到低排列（最高买价排第一档）。
• 委卖（Ask）： 卖方委托队列，按价格从低到高排列（最低卖价排第一档）。
• 买卖十档： 分别展示买一到买十、卖一到卖十的价格和委托量。

以下是一个典型的买卖十档数据结构示例：

{
  "bid_prices": [10.05, 10.04, 10.03, 10.02, 10.01, 10.00, 9.99, 9.98, 9.97, 9.96],
  "bid_volumes": [1500, 2300, 1800, 3200, 2100, 4500, 1200, 800, 600, 400],
  "ask_prices": [10.06, 10.07, 10.08, 10.09, 10.10, 10.11, 10.12, 10.13, 10.14, 10.15],
  "ask_volumes": [1200, 1900, 2500, 1100, 3000, 800, 600, 500, 300, 200]
}

3.2.2 买卖十档的深度分析

通过买卖十档的委托量分布，可以计算以下关键指标：

• 买卖盘口厚度： 各档位委托量的总和，反映市场承接能力。
• 委托量斜率： 相邻档位委托量的变化率，判断支撑/压力强度。
• 价差分布： 买卖第一档之间的价差（Spread），衡量流动性。

3.3 统计与衍生字段

除了基础行情和委托队列，Level2 快照还包含一些经过交易所计算的统计字段，这些字段对策略推演具有重要参考价值。

3.4 快照数据结构总览

为了更直观地理解各字段之间的层级关系，下图展示了 Level2 快照数据的完整结构：

3.5 加权均价的策略意义

加权均价（VWAP）是机构交易者最关注的指标之一，它代表了市场参与者的平均持仓成本。在策略推演中，加权均价有以下应用：

• 价格回归效应： 当最新价大幅偏离加权均价时，价格有向加权均价回归的倾向，可用于均值回归策略。
• 趋势确认： 在上升趋势中，价格应始终运行在加权均价之上；若跌破加权均价，可能意味着趋势转弱。
• 算法交易基准： 机构常以加权均价作为交易执行成本的基准，追求低于加权均价的买入和高于加权均价的卖出。

3.6 总买总卖与委比的实战解读

总买总卖和委比是衡量市场即时买卖意愿的重要指标，但需要结合具体场景解读：

3.7 快照数据字段的代码解析示例

以下 Python 代码展示了如何解析一个 Level2 快照 JSON 数据，并提取关键字段用于策略计算：

import json

# 模拟一个 Level2 快照数据
snapshot = {
    "code": "600519",
    "timestamp": 1630000000,
    "latest_price": 1850.00,
    "volume": 1250000,
    "amount": 2312500000.00,
    "open": 1840.00,
    "high": 1865.00,
    "low": 1835.00,
    "pre_close": 1845.00,
    "bid_prices": [1849.99, 1849.98, 1849.97, 1849.96, 1849.95],
    "bid_volumes": [500, 800, 1200, 600, 900],
    "ask_prices": [1850.01, 1850.02, 1850.03, 1850.04, 1850.05],
    "ask_volumes": [400, 700, 1000, 500, 800]
}

# 计算加权均价
vwap = snapshot["amount"] / snapshot["volume"] if snapshot["volume"] > 0 else 0

# 计算总买总卖
total_bid = sum(snapshot["bid_volumes"])
total_ask = sum(snapshot["ask_volumes"])

# 计算委比
if total_bid + total_ask > 0:
    ratio = (total_bid - total_ask) / (total_bid + total_ask) * 100
else:
    ratio = 0

# 输出策略信号
print(f"最新价: {snapshot['latest_price']}")
print(f"加权均价: {vwap:.2f}")
print(f"总买: {total_bid}, 总卖: {total_ask}")
print(f"委比: {ratio:.2f}%")

# 判断价格偏离
deviation = (snapshot['latest_price'] - vwap) / vwap * 100
if deviation > 1.0:
    print("信号: 价格高于加权均价1%以上，注意回调风险")
elif deviation < -1.0:
    print("信号: 价格低于加权均价1%以上，关注反弹机会")
else:
    print("信号: 价格在加权均价附近，正常波动")