第21章 市场操纵与价格发现：幌骗、分层、虚假订单与监管检测

说到价格发现，有个绕不开的话题——市场操纵。

我做了这么多年量化，见过太多人试图钻空子。说白了，他们就是想用虚假信息干扰价格，然后自己获利。今天咱们聊聊最常见的三种手法：幌骗、分层、虚假订单。

21.1 幌骗（Spoofing）——虚晃一枪

幌骗，英文叫Spoofing。什么意思呢？

就是挂一个大单在买一或卖一的位置，看起来像是要大量买入或卖出。但实际上，这个单子根本没打算成交。目的就是吓唬其他交易者，让他们以为市场方向要变了。

举个例子。我在2015年做过一个美股策略，当时就遇到过这种情况。某只股票盘口突然出现一个5000手的卖单，价格比当前卖一低了两分钱。很多散户一看，以为要大跌，纷纷跟着卖。结果呢？那个大单在成交前0.1秒撤掉了。价格反而被砸下去，庄家在低位接货。

嗯，这就是典型的幌骗。

21.2 分层（Layering）——层层设局

分层比幌骗更复杂一些。它不是挂一个单，而是挂多个单，形成多层价格阶梯。

你想想看，如果只在某个价位挂一个大单，太明显了。监管一看就知道有问题。但如果你在多个价位都挂单，看起来就像正常的流动性提供者。

我见过一个案例：某交易员在买一到买五分别挂了100手、200手、300手、400手、500手。看起来像是逐步建仓。但实际上，这些单子都是假的，目的就是制造买盘旺盛的假象，把价格推上去。

层级	价格	挂单量	真实意图
买一	10.00	100手	诱导
买二	9.99	200手	诱导
买三	9.98	300手	诱导
买四	9.97	400手	诱导
买五	9.96	500手	诱导

等价格真的被推上去，这些单子会全部撤掉，然后在高位卖出。

21.3 虚假订单（Phantom Orders）——幽灵单

虚假订单，说白了就是那些永远不会成交的单子。

有些交易者会挂一个超大单，比如10000手，但价格设得很离谱。比如当前价格是10块，他挂个9块的买单。这种单子永远不会成交，但会出现在盘口数据里，影响其他交易者的判断。

我记得有一次做回测，发现某个股票在收盘前5分钟，盘口突然出现一个巨大的买单。很多算法交易看到这个信号，以为有大资金进场，纷纷跟买。结果收盘后一看，那个单子根本没成交，就是用来骗人的。

21.4 监管与检测——怎么抓这些坏蛋？

监管机构也不是吃素的。这些年，CFTC（美国商品期货交易委员会）和SEC（美国证券交易委员会）抓了不少人。

检测方法主要有以下几种：

• 订单撤销率分析： 如果一个账户的撤单率超过95%，基本可以判定有问题。正常交易者的撤单率一般在30%-50%之间。
• 时间戳分析： 虚假订单通常会在成交前极短时间撤单。比如挂单后0.1秒就撤，这明显不正常。
• 价格关联分析： 如果某个账户的挂单总是出现在关键价位附近，而且频繁撤单，那就要小心了。
• 网络拓扑分析： 有些操纵者会用多个账户协同操作。监管会分析这些账户之间的网络关系。

21.5 如何用代码检测异常订单？

下面我给一个简单的Python示例，用来检测幌骗行为。

import pandas as pd
import numpy as np

def detect_spoofing(order_book, threshold=0.95):
    """
    检测幌骗行为
    :param order_book: DataFrame，包含订单数据
    :param threshold: 撤单率阈值
    :return: 可疑订单列表
    """
    suspicious = []
    
    for account_id, group in order_book.groupby('account_id'):
        total_orders = len(group)
        cancelled_orders = len(group[group['status'] == 'cancelled'])
        cancel_rate = cancelled_orders / total_orders
        
        if cancel_rate > threshold:
            suspicious.append({
                'account_id': account_id,
                'cancel_rate': cancel_rate,
                'total_orders': total_orders
            })
    
    return suspicious

# 示例数据
data = {
    'account_id': ['A001', 'A001', 'A001', 'A002', 'A002'],
    'price': [10.00, 10.01, 10.02, 10.00, 10.01],
    'quantity': [1000, 2000, 1500, 100, 200],
    'status': ['cancelled', 'cancelled', 'cancelled', 'filled', 'cancelled']
}

df = pd.DataFrame(data)
result = detect_spoofing(df)
print(result)

这个代码很简单，就是算每个账户的撤单率。如果超过95%，就标记为可疑。

当然，实际生产中要复杂得多。你还要考虑时间窗口、价格变动、订单大小等因素。

21.6 知识体系图

下面我用一张SVG图来总结本章的核心内容。

21.7 我的几点建议

做量化交易，合规是第一位的。我见过太多人因为一时贪心，最后被罚得倾家荡产。

几点建议送给你：

1. 不要碰红线： 幌骗、分层这些行为，一旦被抓，轻则罚款，重则坐牢。2015年，英国交易员Navinder Sarao就因为幌骗被判了7年。
2. 做好合规检查： 你的策略上线前，一定要做合规测试。看看撤单率、订单停留时间这些指标是否正常。
3. 关注监管动态： 各国的监管规则在变。比如美国2010年通过了《多德-弗兰克法案》，明确把幌骗列为违法行为。
4. 用技术保护自己： 我建议在交易系统中加入实时监控模块，一旦发现异常行为，自动报警或暂停交易。

好了，这一章就到这里。希望你能理解市场操纵的危害，也能学会如何保护自己。