2026/6/8 · 量化交易 · 第 2 / 6 讲

五、市场微观结构

订单簿、Maker/Taker、资金费率、做市商模型、VPIN、清算瀑布与执行质量——CEX 量化必备。

市场微观结构研究价格如何在市场参与者的交互中形成，是 CEX 量化策略开发的必备基础知识。

订单簿（Order Book）

订单簿是交易所维护的所有挂单列表，分为两侧：

买单（Bid）：按价格从高到低排列，最高买价为 Best Bid
卖单（Ask）：按价格从低到高排列，最低卖价为 Best Ask
买卖价差（Spread）= Best Ask - Best Bid，是立即成交的隐性成本

订单簿深度（Depth）反映市场的流动性：挂单量越大，单笔大额交易对价格的冲击越小。

订单簿快照解读

卖单（Ask）	价格	买单（Bid）
0.5 BTC	60,050
1.2 BTC	60,020
	60,000	2.0 BTC
	59,980	0.8 BTC
	59,950	3.5 BTC

Spread = 60,020 - 60,000 = 20 USDT（0.033%）
买 1 BTC：以 60,020 全部成交（不穿透）
买 2 BTC：1.2 BTC @ 60,020 + 0.8 BTC @ 60,050，平均成交价 60,032（价格冲击）

订单簿深度与流动性

深度衡量：统计最优报价 ±0.1%、±0.5%、±1% 范围内的挂单量，反映不同规模订单的容纳能力。流动性差的市场特征：

Spread 宽（> 0.1%）
单档挂单量少
大单成交后价格快速移动

订单流不平衡（Order Flow Imbalance, OFI）

OFI = \frac{\Delta Q^{bid} - \Delta Q^{ask}}{|\Delta Q^{bid}| + |\Delta Q^{ask}|}

其中 $\Delta Q^{bid}$ 为单位时间内买方订单簿数量变化， $\Delta Q^{ask}$ 为卖方变化：OFI > 0 表示买方压力更强，价格短期上涨概率更高；OFI < 0 则相反。OFI 是高频策略中重要的预测因子，在毫秒到秒级时间窗口内有显著预测能力。

OFI 的注意事项：市场高压情况下，做市商会快速撤单（Queue cancellation）而非实际成交，导致 OFI 信号被噪声污染。高质量的 OFI 需要区分「挂单变化·平抣成交」，而非直接用订单簿快照的数量差做 OFI。

Maker 与 Taker

Maker（挂单方）：挂限价单进入订单簿等待成交，为市场提供流动性，通常享受更低手续费（甚至负手续费）
Taker（吃单方）：直接以市价单成交已有挂单，消耗流动性，手续费较高

在 CEX 量化中，策略的 Maker/Taker 比例直接影响手续费成本，做市策略通常追求 100% Maker。

价格冲击（Market Impact）

当单笔成交量超过订单簿某档挂单量时，会吃掉多个价格档位，导致实际成交价格比预期更差。资金量越大，价格冲击越显著，策略容量受到限制（见第二章「策略容量」节）。

资金费率（Funding Rate）

永续合约特有机制，每隔固定时间（通常 8 小时）根据合约价格与现货价格的偏差，多空双方互相支付费用。

资金费率为正 → 多头支付空头 → 合约价格高于现货
资金费率为负 → 空头支付多头 → 合约价格低于现货
资金费率是期现套利策略的核心收益来源

资金费率计算公式

FR = Clamp\!\left(Premium + Clamp(IR - Premium,\ -0.05\%,\ 0.05\%),\ -0.75\%,\ 0.75\%\right)

其中 $Premium = (P_{perp} - P_{spot}) / P_{spot}$ ， $IR$ 为利率分量（逆回资金投入率，通常赴零）。

年化资金费率 = 8小时费率 × 3 × 365（以 Binance 每日 3 次为例）。

资金费率的市场含义

资金费率	市场情绪	策略含义
> 0.1%（8h）	过度贪婪	多头拥挤，注意回调风险
0.01%~0.05%	正常偏多	中性
0%	均衡	中性
< 0	偏空或恐慌	空头拥挤，注意反弹

资金费率的不对称性：布林带策略认为资金费率中性是错误的。牛市中持续的正资金费率意味着空头持续支付，这会强制空头平仓并进一步推高价格；熊市中持续为负则强制多头平仓并进一步压低价格。资金费率的方向本身就包含了市场的趋势信息。

深入：做市商行为模型（Avellaneda-Stoikov Model）

理解做市商的行为模式，能够帮助量化策略更好地理解对手盘和流动性环境。

模型核心需求

做市商面临两个核心时题：

库存风险（Inventory Risk）：持有非零库存时，价格走势不利可能造成损失。库存越大，风险扦露越高。
逆选择风险（Adverse Selection）：有信息交易者（Informed Traders）知道价格将要运动的方向，他们会优先与做市商成交（在价格走高前用 Ask 价买入），不断优化做市商的报价。

Avellaneda-Stoikov 公式

模型的核心结果是两个报价公式：

保留价（Reservation Price）——做市商忍耐库存风险后所愿意指定的中间价：

r = s - q \cdot \gamma \cdot \sigma^2 \cdot (T - t)

其中 $s$ 为当前中间价， $q$ 为当前库存（持有量，做空为负）， $\gamma$ 为风险厌恶系数， $\sigma^2$ 为价格方差， $(T-t)$ 为剩余时间。

最优报价差（Optimal Spread）：

\delta^{ask} + \delta^{bid} = \gamma \sigma^2 (T-t) + \frac{2}{\gamma} \ln\!\left(1 + \frac{\gamma}{\kappa}\right)

其中 $\kappa$ 为订单到达强度参数。

直观解读：

库存 q > 0（持有过多）：保留价 r < 市场价 s，即做市商会主动压低 Ask 价去卖出库存，而适度抬高 Bid 价
库存 q < 0（持有过少）：相反，主动抬高 Bid 价拿货进仓
尾盘前爆大报价差：$(T-t) to 0$ 时，风险厌恶龟缩，做市商择加大报价差来进一步减少库存风险暴露

对量化策略的启示：即使不做做市策略，理解 Avellaneda-Stoikov 模型也有助于认识：为何在某些时刻市场深度会突然丢失（做市商工具库存超过阈值时会收紧报价）、为何大单的实际滑点远高于订单簿的理论值。

订单流毒性与 VPIN

逆选择风险的直观理解

实际上，市场中存在有信息交易者（Informed Traders），他们的交易显露了价格将要运动的信息。当有信息交易者活跃时，做市商和被动仓位者多成交一笔，就多一笔逆选择损失。

**订单流毒性（Order Flow Toxicity）**是指订单流中有信息交易者成分的占比。毒性越高，做市商选择拉大报价差、降低挂单深度或直接退出市场。订单流毒性的强弱直接决定了市场实际能承容多少交易。

VPIN（Volume-synchronized Probability of Informed Trading）

VPIN 由 Easley et al.（2012）提出，是评估订单流毒性的主要指标。其核心思想是：用一系列固定的「成交量桶（Volume Bucket）」替代固定时间间隔，并在每个桶中估计主动买入和主动卖出的比例。

VPIN = \frac{1}{n} \sum_{\tau=1}^{n} \frac{|V_\tau^B - V_\tau^S|}{V_\tau}

其中 $V_\tau^B$ 、 $V_\tau^S$ 分别为第 $\tau$ 个桶中的主动买入和卖出量， $V_\tau = V_\tau^B + V_\tau^S$ 。

VPIN 的直观含义：若买卖均衡，|V^B - V^S| 趋近于 0，VPIN 低（毒性低）。若买方压倒性地远大于卖方，VPIN 高（可能有大量有信息购买行为）。

实战应用：VPIN 当作流动性危机的预警指标。当 VPIN 持续升高并超过历史分位数 80% 分位时，提示高信息密度的交易活动正在发生，市场流动性可能即将收紧、滑点急剧上升，高频策略应考虑降低成交频率或暂时回避。

逐笔数据分析（Tick Data Analysis）

交易方向标识（Trade Sign）

逐笔数据中每笔成交需要判断是「主动买入」还是「主动卖出」——这不能直接从 CEX 数据获得，需要判断算法。最常用的是 Lee-Ready 算法：

\text{Sign}_t = \begin{cases} +1 & \text{成交价} \geq \text{Best Ask} \\ -1 & \text{成交价} \leq \text{Best Bid} \\ \text{Sign}_{t-1} & \text{其他（tick test）} \end{cases}

即：成交在 Ask 一侧为主动买入，在 Bid 一侧为主动卖出，在价差内则继承上一笔的方向。

加密 CEX 的高频数据中，大量成交发生在价差内（做市商与做市商之间），此时 tick test 局限性较大。更精确的方法是结合 WebSocket 订单簿更新流来底层判断。

Bid-Ask Bounce

Bid-Ask Bounce 是指在无任何真实价格运动的情况下，仅由于成交在 Bid 和 Ask 之间来回切换而产生的表观价格波动。高频对齐回测中如果直接用成交价计算收益，而不考虑 Bid-Ask Bounce，会平白产生逍交擦费等和的虚假回测收益。

估算 Bid-Ask Bounce 的影响：每次成交需要越过上 Spread，所以单笔有效收益 = 真实价格变化 - Spread。对于高频策略，常要求 $\text{E}[\Delta P] > \text{Spread}/2$ 才有盈利空间。

钉形（Pin Bar）与层发成交识别

Pin Bar（长影线 K 线）在逐笔层面的表现往往是价格尝试穿越关键水平、遇到大量挂单抵抗后快速反射的结果。在逐笔层面演化过程如下：

价格接近大量挂单的价位，到达率（Order arrival rate）升高
大量 Taker 吃单，临时消耗订单簿深度
做市商快速补单（或防守挑战者入场），价格反射
K 线上展现为长影线

识别此类模式有助于识别订单簿中的大量防守挂单位置，其对分类为市场支撑/阻力位的功能有重要认识价值。

加密市场特有：清算驱动行情机制

清算驱动行情的形成过程

加密衍生品市场（尤其永续合约）的高杠杆特性，使得清算驱动行情成为重要的驱动因素：

价格下跌到部分多头仓位的清算价，交易所自动市价卖出这些仓位（市价单 Taker）
大量市价卖单吸尽 Ask 一侧订单簿深度，价格快速下行
价格下跌触发进一步的删单（做市商撤回买单），订单簿更稀薄
清算量越大，价格下行幅度越大，且可能触发更多层级的清算

公开清算信息的策略意义

加密市场的一个独特性质是：清算数据是公开的。交易所（Binance、OKX 等）会实时公布合约的强平数据，包括：强平价、仓位角度和强平山簿各个价位的汇总数据。

清算热力图（Liquidation Heatmap）：将各价位的权益（背后的几个百分点现价变化会导致强平的仓位资金量）展示为热力图。Coinglass 等平台提供了此类信息的可视化。

策略应用：

避免在清算密集区附近建仓：大规模清算聚集的价位往往是价格骑躺的跨度，在此建仓选择差
清算块作为趋势信号确认：大规模多头清算配合价格强弹反，展示强支撑；大规模空头清算后展现强阻力
尾盘前减仓：在已知大量清算那个价位的尾盘前提前平仓，避免被清算瀑布夹带

清算驱动行情与正常行情的区分

特征	清算驱动行情	正常趋势行情
成因	演算污染强平	信息/资金流走向
波动特征	瀑布式急蒌，漠不迎	相对平滑，有逐段强弱
持续时间	通常极短（分钟~小时）	可能持续多天
进入清算带后	灵敏反弹或尾盘深幅	继续趋势
订单簿特征	Bid侧奇空，深度急剥	两侧均受影响

深入：成交量分析

VWAP（成交量加权平均价格）

VWAP = \frac{\sum_i (V_i \times P_i)}{\sum_i V_i}

VWAP 代表市场参与者的平均成本。价格在 VWAP 上方视为多方主导，下方视为空方主导。

执行算法应用：机构大单常以 VWAP 为目标价格，将大订单拆分成小订单分批执行（VWAP 算法），减少市场冲击。

TWAP（时间加权平均价格）

TWAP = $\sum_i P_i / N$

在固定时间间隔内均匀执行，不考虑成交量。适合对价格冲击不敏感的场景。

成交量异常检测

成交量突然放大（如超过 20 日均值 3 倍以上）通常预示重大信息释放或大资金入场，是趋势信号的重要确认因子。

深入：执行质量与滑点控制

执行算法分类

市价单（Market Order）：立即成交，Taker 费率，有滑点
限价单（Limit Order）：指定价格挂单，Maker 费率，可能无法成交
冰山单（Iceberg Order）：大单拆分多笔限价单，减少对盘口的信息暴露
追单（Chase）：限价单未成交时动态调整价格追逐最优报价

滑点的实测方法

回测与实盘对比时，统计每笔交易的实际成交价格与信号触发时的理论价格之差：

\text{平均滑点} = \frac{\sum |\text{实际成交价} - \text{信号价格}|}{\text{成交量}}

持续监控平均滑点，若明显高于回测假设，说明策略容量可能已超过当前市场流动性上限。

时间与延迟（Latency）

在高频和套利策略中，网络延迟（latency）直接决定竞争力
CEX 提供 WebSocket 推送行情，比 REST API 轮询延迟低得多
同一地域的服务器托管（Co-location）可进一步降低延迟

延迟的定量影响：在策略预期信号恢复时间（如 5 秒）内，延迟 τ 秒的执行价格偏差约为 $\sigma \times \sqrt{\tau/T_0}$ 。这对于趋势策略影响较小，对于套利和高频策略则可能是致命的。