1. 订单流分析导论

传统K线图把一段时间内的成交压缩成开、高、低、收四个价格和一根成交量柱，信息密度高但细节丢失严重。同样是“一根放量阳线”，可能是买方主动扫单一路推高价格，也可能是卖方在关键价位挂出巨量限价单、买方反复啃单后勉强收高——两者的后续走势往往截然不同。订单流分析（Order Flow Analysis）要做的，就是把这根K线“拆开”，还原成逐笔的主动买卖、挂单撤单与成交位置，从而判断当前价格是被谁推动的、推动的力度有多大、还能持续多久。

本节作为全课程的开篇，先厘清两个最核心的概念——订单流不平衡与价格压力，说明它们回答的是什么问题，再给出整门课的知识路线图，让后续每一章都能落到这张图上。

一、订单流不平衡：主动方与被动方的力量差

任何一笔成交都同时包含一个买方和一个卖方，成交量本身是中性的。真正带有方向信息的是谁主动成交：买方以卖一价（Ask）主动吃单，记为主动买（Aggressive Buy）；卖方以买一价（Bid）主动砸单，记为主动卖（Aggressive Sell）。订单流不平衡（Order Flow Imbalance, OFI）描述的就是在给定时间窗口或价格区间内，主动买与主动卖之间的净差额及其相对强度。

最直观的度量是成交量口径的净差：设窗口内主动买成交量为 V_buy，主动卖成交量为 V_sell，则

OFI_vol = V_buy − V_sell
OFI_ratio = (V_buy − V_sell) / (V_buy + V_sell)   ∈ [−1, +1]

举例来说（以下为教学示例参数，非实测数据）：某合约在10:00:00–10:00:30这30秒内，主动买成交 820 手、主动卖成交 540 手，则 OFI_vol = +280 手，OFI_ratio ≈ +0.206，说明买方主动性强于卖方，但优势并不极端。若把窗口切到逐笔级别，还能进一步观察不平衡是均匀分布还是集中在少数几笔大单上——后者往往意味着单一参与者行为，持续性判断要更谨慎。

更精细的口径会引入挂单变化：买一价挂单量增加、卖一价挂单量减少，即使没有成交，也代表买方意愿增强。业界常用的订单流不平衡指标会把“最优买价挂单增量 − 最优卖价挂单增量”与主动成交净差结合，形成对盘口压力的连续刻画。本课程后续会分别展开成交量口径与盘口口径两种算法。

二、价格压力：不平衡能否转化为价格位移

订单流不平衡是“因”，价格压力是“果”的一种可能表现。价格压力（Price Pressure）指当前不平衡状态对价格继续朝某方向移动所形成的推动力，它不只看不平衡的大小，还要看不平衡被吸收的情况。核心观察点是：主动买持续吃单，价格却推不动，说明卖一价上方有源源不断的限价卖单在承接，买方力量被吸收，价格压力实际偏空；反之，主动卖不断砸盘但价格跌不下去，说明下方有强承接，价格压力偏多。

因此价格压力至少包含三个维度：方向（净主动买卖的符号）、强度（不平衡比例、大单占比、连续性）、有效性（单位不平衡带来的价格位移，即“吃单效率”）。可以用一个简单的关系式辅助理解：

吃单效率 = 价格位移 / 主动成交净量
效率高 → 不平衡有效转化为价格压力
效率低 → 不平衡被吸收，警惕反向

仍用上面的示例：若那30秒内价格上涨了 2 个最小变动价位，而主动买净量 280 手，则效率约为 0.007 跳/手；若同样净量只推动 0.5 跳，效率明显偏低，需警惕上方抛压。这里的方向约定统一为：主动买为正、主动卖为负，价格上涨为正、下跌为负，全课程及图示均沿用此约定。

三、本节要回答的核心问题

把上面的逻辑收拢，订单流分析要持续回答四个问题：第一，当前窗口内谁在主动成交，净方向与净强度是多少？第二，这种不平衡是均匀分布还是由少数大单驱动？第三，不平衡是否有效转化为价格位移，还是被挂单吸收？第四，当不平衡与价格出现背离时，如何识别反转或延续信号？这四个问题贯穿全课程，也是构建价格压力特征时的四条主线。

需要强调的是，订单流不平衡不是预测工具，而是状态描述工具。它告诉你当下买卖力量的相对位置，但能否转化为价格、转化效率多高，取决于流动性、挂单结构和参与者类型。把不平衡直接等同于“要涨/要跌”，是最常见的误用。

四、课程路线图

本课程共30章，按“数据基础—指标构建—特征工程—策略应用—复盘验证”五个层次推进，各层之间是递进关系而非并列罗列：

• 数据基础层：逐笔成交与盘口快照的数据结构、主动买卖方向判定规则（成交价对比买一/卖一）、时间戳对齐与窗口切分、数据清洗中的常见陷阱。
• 指标构建层：成交量口径与盘口口径两类OFI算法、多窗口滚动计算、标准化与归一化处理、大单识别与集中度度量。
• 特征工程层：吃单效率、不平衡持续性、价格-不平衡背离度、吸收率等价格压力特征的构造方式与参数选择。
• 策略应用层：将特征用于方向判断、入场时机过滤、止损位设置，以及特征失效时的降级处理。
• 复盘验证层：特征有效性评估、样本内外对比、参数敏感性检查、典型误判案例归因。