第1章：限价单簿的统计特性

做量化这些年，我越来越觉得限价单簿这东西，就像市场的脉搏。你盯着它跳，能感受到买卖双方的博弈。今天咱们就来聊聊它的统计特性——订单簿的形状、价差分布，还有订单到达过程。

1.1 订单簿的形状：市场的骨架

订单簿的形状，说白了就是买卖双方挂单的分布情况。我刚开始做高频策略时，总觉得这玩意儿就是一堆数字堆在一起。后来发现，形状里藏着大秘密。

常见的形状有几种：

• 平坦型：买卖双方挂单均匀分布，市场流动性好。我见过一些大盘股，比如茅台，盘口经常是这种形状。
• 陡峭型：靠近最优价的地方挂单密集，远离的稀疏。这说明市场参与者对当前价格比较认可，不愿意挂太远的单子。
• 缺口型：某个价位附近突然没单了。嗯，这往往是重大消息要出来的前兆。我曾经在2015年股灾时见过这种形状，那感觉就像暴风雨前的宁静。

为什么会形成不同的形状？其实跟市场参与者的行为有关。做市商喜欢在最优价附近挂单赚价差，散户则喜欢挂远一点等运气。你想想看，这两种力量叠加起来，形状自然就多样了。

1.2 价差分布：流动性的温度计

价差，就是最优买价和最优卖价之间的差距。这东西越小，说明流动性越好，交易成本越低。

我统计过一些数据，发现价差分布有几个特点：

市场状态	价差特征	典型场景
正常交易	价差稳定，波动小	大部分时间
高波动期	价差突然扩大	财报发布、突发事件
低流动性	价差持续偏大	小盘股、夜盘

价差分布通常不是正态的，而是右偏的。什么意思？就是大部分时间价差很小，偶尔会突然变大。我曾经在回测时忽略了这个特性，结果实盘时遇到价差突然扩大，策略亏了不少。从那以后，我都在策略里加了一个价差预警模块。

1.3 订单到达过程：市场的呼吸

订单到达，就是新订单进入市场的节奏。这玩意儿不是均匀的，而是有规律的随机过程。

1.3.1 泊松过程：最基础的模型

泊松过程假设订单到达是独立的、随机的。说白了，就是每个时刻订单到达的概率都一样，跟之前来了多少单没关系。

数学上，泊松过程的到达间隔服从指数分布：

P(τ > t) = e^(-λt)

其中λ是到达率，τ是间隔时间。

我刚开始做订单流分析时，就用泊松过程来建模。结果发现，在平静的市场里还行，一到波动大的时候就完全不准了。为什么？因为订单到达其实是有聚集效应的——大单来了之后，往往会跟着更多订单。

1.3.2 自激过程：更真实的模型

自激过程（也叫霍克斯过程）考虑了订单之间的相互影响。它的核心思想是：一个订单的到来，会增加后续订单到达的概率。

数学表达式长这样：

λ(t) = μ + ∫ α·e^(-β(t-s)) dN(s)

其中μ是基础到达率，α是自激强度，β是衰减速度。

这个模型在实战中表现好得多。我记得有一次做股指期货的订单流分析，用泊松过程拟合出来的结果跟实际差了30%以上，换成自激过程后误差降到了5%以内。

1.4 知识体系总览

下面这张图，是我自己总结的限价单簿统计特性知识框架。你可以把它当作一个地图，方便后续深入学习。

这张图把三个核心知识点串起来了。订单簿形状是静态的骨架，价差分布是动态的温度计，订单到达过程则是背后的驱动力。三者结合起来，才能完整理解限价单簿的行为。

好了，这一章的内容就到这儿。记住，限价单簿不是死的数据，它是活的、有生命的。你盯着它看久了，能感觉到市场的呼吸。