1. 课程导入与实战目标
在任何一个报价驱动的市场里，交易者最先看到、也最容易被忽略的数字，往往就是买一价与卖一价之间的那道缝隙——买卖价差（Bid-Ask Spread）。它既是流动性供给方收取的“过路费”，也是衡量市场摩擦最直接的体温计。本课程要解决的核心问题不是“价差是什么”，而是：当价差在真实行情中突然变宽、持续变宽、或在特定时点反复变宽时，我们如何用可复现的方法把它识别出来，并判断它属于正常波动还是值得警惕的异常扩大。
一、买卖价差的基本定义与参照约定
设某时刻订单簿最优买价为 Bid，最优卖价为 Ask，则绝对价差定义为 Spread = Ask − Bid，相对价差（也称百分比价差）定义为 Spread% = (Ask − Bid) / Mid × 100%，其中中间价 Mid = (Ask + Bid) / 2。本课程全文统一采用“卖价减买价”为正方向，因此价差恒为非负；若行情数据中出现负价差，说明买卖价发生交叉，属于数据质量或撮合异常，需要单独标记而不是当作负的“窄价差”处理。
为什么必须同时看绝对价差和相对价差？因为二者回答的问题不同。绝对价差以价格单位计量，直接对应“每买卖一单位资产要付出多少成本”，适合评估固定手数的交易成本；相对价差以中间价为基准归一化，使不同价位、不同标的、不同时间段的价差可以横向比较。举例来说（以下为教学示例参数，非实测数据）：某标的买价 99.98、卖价 100.02，绝对价差 0.04，中间价 100.00，相对价差 0.04%；另一标的买价 9.98、卖价 10.02，绝对价差同为 0.04，但相对价差达到 0.40%。若只看绝对价差，会误以为两者流动性相当，实际上后者的单位成本是前者的十倍。这就是本课程坚持“双口径并行”的原因。
二、异常扩大的典型场景
价差扩大本身是市场常态，真正需要识别的是“异常”二字。结合真实市场数据的常见形态，可以归纳为几类高发场景：
- 开盘与收盘时段扩张：集合竞价转连续竞价、临近收盘流动性撤离，价差常出现规律性抬升，属于可预期的结构性扩大。
- 信息冲击型扩张：财报发布、宏观数据公布、突发新闻前后，做市方为规避逆向选择风险主动拉宽报价，价差在事件窗口内陡增。
- 流动性枯竭型扩张：某一侧挂单被快速消耗而补充不足，买一或卖一被“打穿”，价差被动跳变，常伴随盘口深度骤降。
- 波动率联动型扩张：标的自身波动放大时，做市商提高报价保护，价差与波动率同向变化。
- 数据与机制异常：行情延迟、撮合故障、停牌复牌、涨跌停封板导致单侧报价缺失，价差表现为极端值或不可计算。
这五类场景的应对方式完全不同：前两类多为“预期内、可容忍”，第三、四类需要结合深度与波动率联合判断，第五类则应先做数据清洗再谈统计。因此，识别异常扩大的第一步不是设阈值，而是先分清“扩大的性质”。
三、为什么“异常扩大”不能只靠一个阈值
很多初学者会直接设一个固定阈值，比如“相对价差超过 0.5% 就算异常”。这种做法在单一标的、单一交易时段内或许勉强可用，但放到真实市场数据上很快失效。原因有三：其一，不同标的的正常价差水平差异巨大，大盘蓝筹与中小盘标的的基线可能相差数倍；其二，同一标的在开盘、午间、收盘的价差分布本身就不平稳，用全天均值做基准会把开盘的正常扩张误判为异常；其三，价差是右偏分布，极端值频繁出现，用均值和标准差构造的阈值容易被少数尖峰拉偏。
因此本课程采用的思路是“分时段基线 + 稳健统计量 + 持续性约束”。具体而言：先按交易时段（如开盘后 15 分钟、连续竞价主时段、收盘前 15 分钟）分别建立价差基线；基线中心使用中位数而非均值，离散度使用分位数间距（如 IQR）而非标准差；判定异常时不仅看单点偏离，还要求偏离在连续若干个快照上持续存在，以过滤瞬时噪声。这套方法不追求数学上的复杂，而追求在真实数据上可复现、可解释。
四、学习路径与实战目标
本课程以真实市场数据为对象，围绕“识别异常扩大”这一核心任务展开，整体路径可以概括为四个递进层次：
- 看得懂：掌握买卖价差的定义、双口径计算与订单簿含义，能读懂盘口数字背后的流动性信息。
- 算得准：完成行情数据清洗、价差序列构造、分时段基线建模，得到可信的偏离度指标。
- 判得清：结合阈值、持续性与深度、波动率等交叉信息，区分正常扩张与异常扩大，并给出场景归因。
- 用得上：把识别结果落到可执行的监控规则、告警清单与复盘记录中，形成可迭代的实战闭环。
需要特别说明的是，本课程中出现的所有价格、价差、阈值和统计结果，除明确标注为实测外，均为教学示例或合理假设，目的是演示计算过程与判断逻辑，读者不应将其视为对任何真实标的的实测结论。真正重要的是方法：当你拿到一份陌生的行情数据时，知道先校验什么、再计算什么、最后如何下判断。
到这里，本课程的问题边界已经清晰：我们关心的不是价差的绝对大小，而是它在特定时段、特定场景下相对自身基线的偏离程度，以及这种偏离是否持续、是否伴随其他市场特征的同步变化。接下来的章节将沿着“数据准备—指标构造—基线建模—异常判定—场景归因—实战复盘”的顺序逐步展开，每一节都会给出可操作的计算过程与判断依据。