订单流失衡（OFI）是什么？如何理解盘口压力

限价订单簿记录当前可见的最佳买价、最佳卖价，以及各价格上的显示数量。OFI 不是一种订单类型，也不是交易所提供的特殊指令，而是研究者根据按顺序排列的市场数据，计算最佳报价如何变化的一项统计量。按照常见定义，正值表示测量窗口内的顶层变化净倾向于买方；负值表示卖方可见供给变化占优。这个数值不能指出参与者的身份或意图，也不能说明下一步价格会走向哪里。

只汇总已完成的成交并不足以计算 OFI。最佳买价上的显示数量增加，意味着买方队列变大；若数量因为撤单或成交而减少，队列就缩小。卖方一侧的符号方向相反：最佳卖价增加显示数量，会增加可见卖方供给；卖方队列减少则降低显示供给。最佳价格档位被改善，或被全部消耗后移到下一档，也可能对 OFI 有贡献。

两个时点的订单簿快照即使完全相同，也不能说明中间发生了相同的事件。一种情形可能是数量先挂出后撤掉；另一种情形可能是相同数量被成交消耗，随后又有新挂单补回。OFI 将窗口内的带符号事件贡献加总，因而用一个数字概括这段变化过程。但它不能替代原始消息流；分析者仍需明确哪些事件被纳入以及如何合并事件。

设事件 n 之后最佳买价及其显示数量分别为 Pᵇₙ 和 qᵇₙ；最佳卖价及其显示数量分别为 Pᵃₙ 和 qᵃₙ。1(条件) 表示条件成立时取 1，否则取 0。一种标准 OFI 定义将单个事件的贡献写为：

eₙ = 1(Pᵇₙ ≥ Pᵇₙ₋₁)qᵇₙ − 1(Pᵇₙ ≤ Pᵇₙ₋₁)qᵇₙ₋₁ − 1(Pᵃₙ ≤ Pᵃₙ₋₁)qᵃₙ + 1(Pᵃₙ ≥ Pᵃₙ₋₁)qᵃₙ₋₁

一个窗口的 OFI 是落在该窗口内的事件贡献之和：OFIₖ = Σ eₙ。最佳价格不变时，公式会简化为相关一侧的数量变化。最佳买价上的数量增加贡献为正，买方队列的数量减少贡献为负；最佳卖价上的数量增加贡献为负，卖方队列减少则贡献为正。

最佳价格发生变化时，只看数量差就不够了，价格档位的转换也会进入计算。例如，最佳买价上移意味着出现了更高的新买价；最佳卖价上移可能意味着旧的卖价档位已经被成交消耗或被撤掉。公式中的价格条件决定每一侧应使用旧数量还是新数量。因此，把来自不同时间源的数据拼接，或把同一时刻的消息排错顺序，即使后续加总算得很仔细，结果也可能不是正确的 OFI。

OFI 的符号规则不试图推断订单背后的意图。买方撤单会减少显示的买方数量，从而拉低 OFI，即使这并不是一笔卖出成交。卖方撤单则减少可见卖方供给，产生向上的贡献。这只是描述订单簿变化的统计规则，不能据此断定某个参与者正在主动冲击市场或操纵价格。

假设最小价格变动单位为 0.25，起始最佳买价是 100.00、显示数量为 10；最佳卖价是 100.25、显示数量为 8。数量单位取决于数据源，例如可能是合约张数。以下只是用于核对算法的假设算术示例，既非真实行情，也不是交易表现。

第一个事件中，最佳买价不变，买方队列增加 4 个单位，数量从 10 变为 14，所以贡献为 +4。第二个事件在同一买价撤掉 3 个单位，数量从 14 降至 11，贡献为 −3。第三个事件中，最佳卖价仍为 100.25，但卖方队列增加 4 个单位，数量从 8 增至 12。可见卖方供给增加，因此贡献为 −4。

第四个事件中，可以立即成交的买入订单消耗掉旧最佳卖价 100.25 上的全部 12 个单位。新的最佳卖价上移到 100.50，并显示 6 个单位。由于旧卖价上的数量全部消失且最佳卖价上移，这个事件按旧卖方数量计算，贡献为 +12。四个事件的总 OFI 为 +4 − 3 − 4 + 12 = +9 个数量单位。

最后一个事件之前，中间价是买卖价的平均数：(100.00 + 100.25) ÷ 2 = 100.125。事件之后，中间价为 (100.00 + 100.50) ÷ 2 = 100.25，变化 +0.125，恰好是本例 0.25 最小变动单位的一半。这个短序列中，正 OFI 和中间价上升同时出现，但四个事件不足以估计回归系数，也不能证明 OFI 导致了价格变化。示例的用途只是检查符号和算术是否一致。

真实数据流可能把一次订单簿变化拆成多条消息。研究者可以采用不同的合并规则，也可能按消息而不是按经济事件计算贡献。发布 OFI 数字时，应说明消息如何分组、相同时间戳的更新如何排序，以及窗口开始和结束时的订单簿状态如何确定。

一种简单的研究设计是把交易时段切成若干窗口，再比较每个窗口的 OFI 总量与中间价变动。示意性回归可以写成 Δmₖ = α + β·OFIₖ + εₖ。β 是在所选工具、价格字段、数据源、窗口长度和数量单位下估计的敏感度。换到其他市场时，系数不保证具有相同大小或相同符号。

Cont、Kukanov 和 Stoikov 使用纽约证券交易所 Trades and Quotes 数据中的 50 只美国股票，研究订单簿事件对价格的影响。他们报告，在较短时间窗口内，价格变化与 OFI 近似呈线性关系；估计直线的斜率随市场深度增加而下降。订单簿较薄时，相同数量的净事件可能比在深厚订单簿里引起更大的最佳报价变动，因为对手一侧显示的数量更少。这是特定样本和研究设计下的实证结果，并不是所有产品和时期都适用的普遍价格定律。Cont、Kukanov 与 Stoikov 的论文说明了数据范围与方法。

估计结果会受样本窗口和中间价定义影响。如果起始报价有延迟、交易时段之间存在较长空档，或者 OFI 使用合约数量而结果价格来自另一种合约单位，系数的含义就会改变。日内时段、最小价位、价差、波动性、参与者构成、消息延迟和市场状态也可能影响估计。若报告没有交代这些细节，直接比较两篇研究的系数可能没有意义。

不应把统计关系写成因果关系。新信息可能同时触发订单簿事件和价格更新；流动性提供者也可能针对共同风险调整报价。成交发生后，订单流方向还可能随价格变动而变化。历史样本里观察到的相关性本身不能证明它会在新时期延续，更不能单独说明 OFI 可用于预测。

静态队列失衡比较同一时点可见的最佳买方和卖方数量。一种常见比率为 (Qᵇ − Qᵃ) ÷ (Qᵇ + Qᵃ)；若数量非负且总和为正，结果介于 −1 与 +1 之间。它概括的是某一张订单簿快照中的相对规模。期货 Bid Size 与 Ask Size 指南解释了为什么单个快照本身不能预测价格方向。

OFI 则把选定窗口内的带符号变化加总。它的单位取决于数量单位和窗口长度；若没有另外定义并进行标准化，OFI 不一定落在 −1 到 +1 之间。举例来说，两张快照可能有完全相同的买卖比例，但前一秒里，一本订单簿通过新增限价单而扩大，另一本则因成交和撤单先缩小、后来又由新订单补回。最终快照相似，OFI 仍可能不同。

带符号成交量也是另一种指标。它会把已成交的交易分类为买方或卖方主动发起，再对成交数量求和，通常需要交易记录、报价记录及一个判定符号的方法。OFI 还会纳入未成交限价单的新增和撤销，以及最佳报价的变化。卖价成交并不代表整个时段的净订单流都偏向买方；买卖主动方分类也不会记录撤掉的订单。

Microprice（微价格）也常被误认为 OFI。某些方法根据当前买价、卖价和队列大小加权，计算一个用于短期分析的替代中间价；OFI 则汇总一段时间内的事件变化。Stoikov 的研究讨论高频 microprice 估计量，但那与 OFI 不是同一指标，也没有证明某个策略在所有市场环境中有效。Stoikov 的 microprice 研究介绍了这种不同的价格度量。

计算 OFI 需要从有序消息流中重建每个事件前后的最佳买卖价和显示数量。OHLCV K 线、总成交量或只有成交记录的数据，都没有记录最佳价格档位上挂单新增与撤销的先后顺序。Nasdaq TotalView-ITCH 这类直接行情流会定义增加、执行、删除和修改订单的消息。但该文档对应特定的 Nasdaq 产品，并不意味着各交易所使用相同字段。Nasdaq TotalView-ITCH 5.0 接口规格。

如果消息序号出现缺口、数据包丢失，或行情正在恢复，就应排除相关时间段，或明确标注，直到订单簿状态重新一致。漏掉一条撤单消息，会把已经撤出的数量留在簿上；漏掉一笔成交，则可能让已经成交的数量看起来仍在显示。之后再谨慎地应用统计公式，无法修复这种数据损坏。方法说明应列出订单簿状态在哪些时段被视为有效。

预先定义具体证券或合约、交易场所、数据源、时段、交易日期、时区、数量单位以及时间戳字段的含义。交易所事件时间、数据供应商处理消息的时间和用户接收数据的时间可能不同。合并多源数据时，表面上同时发生的更新可能按不同顺序到达。用单一场所的 OFI 对比多个场所合成的中间价，也意味着两种测量覆盖范围不一致。

Market by Price 数据可能提供最佳价格档位上的总数量变化；Market by Order 数据则提供更细的匿名订单消息。若 MBP 能完整准确地反映最佳档位总量，它可能足以支持某些 OFI 定义，但不会显示队列由哪些单笔订单组成。应查明 feed 的覆盖范围与数据恢复方式。期货订单簿与 Time and Sales 的区别有助于区分订单簿状态与已经成交的交易记录。

OFI 可以按日历时间窗口、固定数量的事件，或预先定义的报价更新来累计。一秒窗口与一千个事件的窗口并没有回答同一个问题。按事件数划分的窗口，在交易活跃时涵盖更短的日历时间；固定时长窗口每期包含的消息数则会变化。不能把不同窗口的原始 OFI 总量当作同一尺度直接比较。

以股数或合约数表示的未标准化总量，往往会随窗口变长而增加。除以事件数、窗口时长、典型深度或其他基准，可以让特定比较更容易，但同时也会改变指标定义和单位。深度很小时，按深度标准化还可能变得不稳定。应一并说明公式、事件分组规则、窗口、数量单位，以及深度接近零时的处理办法。

结果变量中间价的定义也要明确：它是某一个交易场所最佳买卖价的平均值、合并的 NBBO，还是数据供应商提供的另一种中间价字段？把单个场所的 OFI 与合成价格联系起来并非不可行，但这表示研究者将覆盖范围不同的两个量进行关联。开盘边界、休市、节假日、交易中断和最小价位调整，应在整个样本中采用一致的规则。

在开始分析前，先确定 OFI 窗口、中间价观察期限、标准化方法、时段边界处理方式以及需要排除的时期。如果看过结果后才改变这些决定，就不要把新分析说成原先预先设定的检验。比较市场或产品时，时间单位和数量的货币价值也应匹配；乘数不同的期货合约，其合约张数不能直接视为可比数量。

显示的订单簿不等于全部流动性。隐藏单和冰山单、内部化成交、场外交易、数据包的深度限制，以及各交易场所的规则，都可能没有出现在选定的 feed 中。显示数量被撤销或新增只说明观察到的变化，不会说明下单者为何这样做。数据延迟、消息丢失、顺序错误或订单簿恢复错误也会影响测量。

OFI 与后续价格变动的历史关系，可能随着深度、价差、最小价位、参与者竞争和交易状态而改变。与中间价的统计关系，不等于策略可以实现的收益。实际结果取决于入场价格、信号可用时间、延迟、部分成交、佣金、交易所费用、返佣、市场冲击与退出方式。在只有几个 tick 的时间范围内，这些项目可能与观察到的价格变动一样大。

Gould 与 Bonart 研究了 Nasdaq 股票的买卖队列比率与之后中间价变动之间的关系，并发现大 tick 与小 tick 股票的关系有所不同。这是特定样本下关于静态队列失衡的结果，并不能证明 OFI 在所有市场都有效或可盈利。论文应结合作者采用的数据范围和预测目标阅读。

研究 OFI 时应保留时间顺序，只使用相关消息到达后才实际可知的特征，并把交易成本纳入结果指标。如果同时查看大量窗口、市场、阈值或指标变体，最后只检验选出的定义并不能消除搜索过程的影响。每项结果都依赖证券、样本日期、数据源和指标定义；不能假定同一关系未来仍会存在。

有用的结论不应把 OFI 简化成一个“看涨”或“看跌”词语。例如，研究者可以说明，在特定股票和交易时段内，每一秒的最佳报价 OFI 总量与选定的同一窗口中间价变动呈何种关系，以及按市场深度分组时估计系数如何变化。即便是这样的表述，若没有数据覆盖范围、时间定义、窗口、价格变动定义和数量单位，也无法复现。

报告应记录所用 feed、交易场所、合约标识、时间戳字段、交易时段、订单簿重建和缺口处理规则、事件贡献公式、窗口、标准化方式、中间价定义、预测期限和不确定性指标。若合并多种产品，应说明权重分配方式，以及不同数量单位是否已换算到共同尺度。忽略这些内容时，汇总系数可能主要体现少数深度较大的产品或交易最活跃时段。

示例中的 10、8、14 等数字仅为展示计算而选取，不是 Nasdaq、CME、经纪商界面或历史回测的实测数据。Nasdaq 链接说明相应 ITCH feed 中消息的定义；研究论文说明作者如何从具体数据得出结论。这些来源都不会把假设数字变成交易建议或个人投资建议。