3. 盘口量比突变的滚动检测

为什么量比突变不能直接等同于异常

买一量与卖一量的比值（下称“一档量比”）在盘口中会因大单挂出、撤单、成交消耗而快速跳动。若用固定阈值（如量比 > 3 即报警），正常的大额挂单和撤单会被大量误报。本例采用滚动窗口 + 稳健Z分数：用中位数与MAD估计局部基线，对量比的对数做标准化，只有当突变幅度显著偏离近期波动水平、且盘口深度结构同步变化时才标记为候选异常。

指标构造与稳健Z分数计算

设第 t 个快照的买一量为 Vb1、卖一量为 Va1，一档量比定义为 r_t = Vb1 / Va1。量比是右偏的正值，直接做Z分数会被极端值拉偏，因此先取对数 x_t = ln(r_t)，再在长度为 W 的滚动窗口内计算中位数 med 与中位绝对偏差 MAD = median(|x_i − med|)，稳健Z分数为：

z_t = 0.6745 · (x_t − med_t) / MAD_t

常数 0.6745 使 MAD 在正态假设下与标准差一致。当 MAD_t 过小（盘口长期静止）时需设下限 MAD_min，否则微小波动会被放大成巨大Z值。判定候选突变的条件为 |z_t| ≥ Z_th（本例取 3.5），并要求该点前后各 1 个快照不连续触发，以抑制单点毛刺。

可运行的检测实现

import math
from statistics import median

W = 30            # 滚动窗口长度（快照数）
Z_TH = 3.5        # 稳健Z分数阈值
MAD_MIN = 1e-3    # MAD下限，防止静止盘口放大噪声

def robust_z_series(ratios, w=W, z_th=Z_TH, mad_min=MAD_MIN):
    """ratios: 一档量比序列 r_t。返回每个点的 (z, 是否候选突变)。"""
    xs = [math.log(max(r, 1e-9)) for r in ratios]
    out = []
    for t in range(len(xs)):
        lo = max(0, t - w + 1)
        win = xs[lo:t + 1]
        if len(win) < 5:                 # 窗口不足，暂不判定
            out.append((0.0, False))
            continue
        med = median(win)
        mad = median([abs(v - med) for v in win])
        mad = max(mad, mad_min)
        z = 0.6745 * (xs[t] - med) / mad
        out.append((z, abs(z) >= z_th))
    # 抑制单点毛刺：要求前后各一点也超阈
    flags = [f for _, f in out]
    confirmed = []
    for t, (z, f) in enumerate(out):
        prev = flags[t - 1] if t > 0 else False
        nxt = flags[t + 1] if t + 1 < len(flags) else False
        confirmed.append((z, f and (prev or nxt)))
    return confirmed

# 教学示例：前段平稳，第 20 点买一量骤增（大单挂出）
ratios = [1.0, 1.1, 0.9, 1.05, 0.95, 1.0, 1.08, 0.92, 1.02, 0.98,
          1.0, 1.03, 0.97, 1.01, 0.99, 1.0, 1.04, 0.96, 1.02, 1.0,
          6.5, 6.2, 1.1, 1.0, 0.98, 1.02, 1.0, 0.99, 1.01, 1.0]
res = robust_z_series(ratios)
for i, (z, hit) in enumerate(res):
    if hit:
        print(f"t={i:2d}  z={z:+.2f}  候选突变")

示例数据中第 20、21 点量比跳到 6.5 与 6.2，其余在 1.0 附近。运行后这两点会因 |z| 远超 3.5 且相邻点同时超阈而被标记为候选突变。注意这只是候选——它可能只是买一挂出大单，需要下一步的深度校验来区分。

用盘口深度变化区分“真异常”与“正常大单挂撤”

候选点出现后，比较突变前后各 3 个快照的盘口深度特征：

• 单侧深度变化率：ΔVb1 / Vb1_prev 与 ΔVa1 / Va1_prev。正常大单挂出通常只改变单侧，另一侧几乎不动。
• 撤单占比：若买一量骤降且伴随买一价上移，多为撤单；若买一量骤增且价格未动，多为新挂单。
• 多档深度一致性：真异常（如流动性抽离）往往二至五档同步变薄，而单档大单只影响一档。

判读规则：候选突变点若仅单侧一档变化、多档深度基本稳定，判为“正常大单挂撤”，不报警；若多档深度同步异动或双侧同时收缩，判为确认异常。这样可把大量正常大单从报警中剔除。

结果验证与判读清单

验证时建议抽取 20 个候选点人工回看原始快照：记录突变方向、单双侧、涉及档位数与后续 1 分钟内价格变动，形成误报归因表，再据此微调 Z_th 与深度校验条件。