订单簿失衡与微观价格详解

限价订单簿记录某一交易工具和交易场所中，各价格上符合条件的买卖订单。最优买价是显示的最高买价；最优卖价是显示的最低卖价。两者之差是报价价差。报价旁显示的数量，是当前所查看数据源在该价格上展示的数量。

数据源的范围很重要。屏幕可能只显示最优报价、多个价格档位，或某一个交易场所的订单簿。显示数量并不包含所有潜在兴趣，不保证该数量会保持不变，也不是已成交股票的记录。例如，Nasdaq规则手册将其深度数据流界定为Nasdaq Market Center中显示的订单和报价。SEC资料也区分基于订单的数据流与按价位汇总的订单簿，并说明要从基于订单的数据流重建已挂出的流动性，需应用新增、撤销、修改和成交事件。请参阅Nasdaq深度订单簿定义和SEC的订单簿报告方法。

计算前，写下工具或合约月份、交易场所或数据源覆盖范围、报价时间戳，以及数量单位是股、合约还是其他单位。某一交易场所队列算出的数值不应称为全市场供需平衡。期货订单簿价格与时间优先指南另行介绍交易场所规则如何把到达的订单分配给挂单。

令Qb为最优买价显示的数量，Qa为最优卖价显示的数量。常见的标准化指标为：

I = (Qb - Qa) / (Qb + Qa)

当数量非负且总量大于零时，I介于-1和+1之间。零表示两侧显示数量相同。正值表示买方显示数量较多；负值表示卖方显示数量较多。如果买方显示90股、卖方显示30股，则I = (90 - 30) / (90 + 30) = 0.50。结果表示这个快照中的买方队列较大。它不表示买方刚才多成交了多少，也不保证90股会留在队列中，更不表示下一次价格变动一定向上。

期货买入数量与卖出数量对比指南介绍了期货报价中类似的比较。标准化数值要与原始数量分开看：90比30和9,000比3,000都等于0.50，但显示深度和潜在执行背景差别很大。如果一侧缺失、总量为零、数据源已过时，或报价锁定、交叉，常规双边计算可能没有意义；应将其视为数据质量或市场状态问题，而不是硬把它解释成信号。

不同资料对指标的定义可能不同。有些资料使用买方占比Qb / (Qb + Qa)，取值范围为0到1。90比30的例子中，该占比为0.75，而上面的中心化公式结果为+0.50。Gould和Bonart在研究中区分了这两种归一化方式；比较数值前要先核对公式。

普通中间价不考虑报价数量：m = (Pb + Pa) / 2，其中Pb是最优买价，Pa是最优卖价。加权中间价会提高与较大队列相对一侧价格的权重：

w = (Pa × Qb + Pb × Qa) / (Qb + Qa)

令s = Pa - Pb，并使用上面的失衡指标，同一计算也可以写为w = m + (s / 2) × I。这种形式清楚呈现调整方向和幅度。两侧队列相等时，I为零，加权中间价就等于普通中间价。买方数量较大时，估值高于中间价、朝卖价移动；卖方数量较大时，估值低于中间价、朝买价移动。只要两侧显示数量非负，调整幅度不会超过报价价差的一半。

这种加权方式起初可能令人觉得反直觉。较大的买方队列不会把估值拉向买价；相反，它会提高卖价的权重。这是一种用于反映限价订单簿模型中队列失衡与随后中间价变化关系的约定。该数值是根据报价构造的估计，不是买方或卖方新提交的报价。

假设最优买价为$99.98，显示90股；最优卖价为$100.02，显示30股。中间价是$100.00，价差为$0.04，队列失衡为+0.50。加权中间价为：

($100.02 × 90 + $99.98 × 30) / 120 = $100.01

简式也得到相同结果：$100.00 + ($0.04 / 2 × 0.50) = $100.01。如果价格保持不变，但数量反转为买价30股、卖价90股，中间价仍是$100.00，加权中间价则变为$99.99。这两美分的变动完全来自数量输入，不需要中间价成交或报价变化。

因此，有用的图表或日志应同时显示普通中间价、价差、两侧队列数量、失衡、加权中间价和时间戳。只记录加权值会掩盖变化究竟来自价格、数量、价差扩大，还是数据源更新。本节后的插图只是概念示意：买方队列较大时，加权标记移动，而中心中间价保持不变。图中标记不是实际数据或预测。

日常用语中，“微观价格”有时指刚才计算的加权中间价。在研究中，这个术语通常更具体，指基于订单簿信息对未来或有效中间价的估计。Sasha Stoikov的论文根据一系列未来中间价期望来定义微观价格，并利用观测到的价差和失衡状态估计中间价调整。这需要历史高频数据和拟合出的关系；上面基于两个报价的算术只是较简单的加权中间价基准，不是完整的研究估计。要区分二者，请阅读作者的微观价格论文。

这一区别会影响代码、回测和报告。根据公式实际使用的数据来命名：如果只用了当前最优价格和数量，就称为“最优档加权中间价”；只有确实实施了所述模型和估计流程，才称为“微观价格估计”。即使结果精确到一分钱，也可能只是噪声。若没有说明所用数据、模型、目标周期和验证方法，就不应称为公允价值。

队列失衡是某一时点的状态：比较当时显示的数量。订单流失衡（OFI）则是一个序列指标，追踪订单到达、成交消耗流动性、挂单撤销或修改时，最优报价处供需如何变化。如果买价显示90股、卖价显示30股，仅凭队列比率无法得知买价的90股是刚刚新增、已持续一段时间，还是在成交后不断补充。

Cont、Kukanov和Stoikov研究了50只美国股票的订单簿事件，并报告OFI与短时间价格变化之间存在关系，而且其斜率随市场深度增加而反向变化。这是特定数据集上的事件流结果，不是单个数量快照能预测盈利交易的证明。Gould和Bonart研究了10只Nasdaq股票的队列失衡与下一次中间价方向。他们的分类结果在最小变动价位较大和较小的股票之间有所不同。两项研究都没有把正失衡变成普遍规则；方向分类本身也没有考虑跨越价差、费用、队列位置、延迟或未成交。参阅Cont、Kukanov和Stoikov的研究及Gould与Bonart的研究。

两个订单簿屏幕可能出现分歧，但这不表示其中一个就是“整个市场”。一个可能是单一交易场所深度，另一个是合并后的最佳买卖报价，还有一个可能经过延迟或抽样。全深度数据产品可以增加更多价格档位，却仍只覆盖其命名的执行场所。隐藏数量或储备数量可能不会显示为公开数量。快照形成后、订单抵达交易场所前，队列也可能已经变化。Nasdaq深度数据定义和SEC订单簿方法说明都强调了这些边界；应检查确切的数据产品，不要假设每个平台展示相同的订单簿。

只有在工具、买卖方向约定、交易场所覆盖、交易时段、时间戳和单位相同的情况下才比较数值。如果一个数据源报告股数，另一个报告整手、合约或汇总深度，应先转换到一致单位。不要把一个时点的买价与较后一次更新的卖方数量组合。期货要记录确切合约月份和对应市场；期权合约数也不等于标的股票敞口。输入条件不一致时，计算结果在数学上可能成立，却没有一致的市场含义。

用于人工观察时，先确认双边报价有效并检查价差。用同一个同步快照计算队列失衡和加权中间价，再观察该状态是否持续，或是否随着报价和成交更新而消失。把它与近期中间价变化和已发生的订单流比较；不要把价格阶梯的颜色或大小当成买方或卖方意图的证明。期货买卖价差与滑点指南说明，参考值与实际订单可成交的价格并不是一回事。

建立模型时，先定义预测目标：下一次中间价变动、固定周期内的变动、成交概率或执行成本是不同结果。保留样本外时期，考虑最小变动价位和价差，并计入费用、返佣、队列优先级、延迟、部分成交、撤单和跨价差成本。按标的、交易场所、交易时段和市场环境进行检验；与只使用中间价或价差的基准比较。如果失衡只能分类极小的下一跳，却无法覆盖执行成本，那么统计相关性还不是可用优势。

它的实际用途范围不大，却有帮助：队列加权参考价可为某个报价快照增加背景，并帮助构造短周期价格压力的研究问题。它不会替你选择交易方向、保证订单成交或取代清晰的执行基准。请记录所用公式和数据源，让他人可以复现结果。