第二十五讲：订单簿数据源——主流交易所API、数据格式与数据清洗
做量化交易，数据就是你的弹药。订单簿数据更是重中之重。
我个人习惯把订单簿比作市场的「心电图」——每一笔挂单、撤单、成交，都是市场情绪的跳动。今天咱们就聊聊，怎么从交易所拿到这些数据，怎么读懂它们，以及怎么把脏数据洗干净。
一、主流交易所API概览
先说说我常用的几个交易所。说实话，每个交易所的API设计思路都不一样，踩过的坑也不少。
| 交易所 | REST API | WebSocket | 限频规则 |
|---|---|---|---|
| Binance | GET /api/v3/depth | wss://stream.binance.com:9443/ws | 1200次/分钟 |
| OKX | GET /api/v5/market/books | wss://ws.okx.com:8443/ws/v5/public | 20次/秒 |
| Bybit | GET /v5/market/orderbook | wss://stream.bybit.com/v5/public/linear | 50次/秒 |
嗯，这里要注意：Binance的限频虽然看着宽松，但它的深度快照有大小限制。我记得有一次做高频策略，拉100档深度，结果被限频了——后来才发现，Binance的深度数据分「快照」和「增量」两种模式。
二、数据格式解析
订单簿数据长什么样？说白了就是两个列表：买单（bids）和卖单（asks）。每个列表里是一堆价格-数量对。
举个例子，Binance返回的原始数据是这样的：
{
"lastUpdateId": 1027024,
"bids": [
["0.0024", "10"], // 价格，数量
["0.0023", "20"]
],
"asks": [
["0.0026", "15"],
["0.0027", "25"]
]
}你想想看，这个结构其实很直观。但坑在哪里？
- 价格和数量都是字符串——不是浮点数！我刚开始做的时候直接当float处理，结果精度丢失，亏了一笔小钱。
- 排序规则：买单按价格降序（价高者优先），卖单按价格升序（价低者优先）。
- 更新ID：这个字段很重要，用来判断数据是否连续。
核心要点：订单簿数据分为「快照」和「增量」两种。快照是全量数据，增量是变化数据。做实时策略时，必须把两者结合起来。
三、数据清洗实战
数据清洗，说白了就是「去伪存真」。我在项目中遇到过不少奇葩数据，比如价格为零、数量为负、时间戳乱跳……
下面是我常用的清洗流程：
- 去重：同一个价格点出现多次，只保留最新一条。
- 过滤异常：价格小于等于0、数量小于等于0的直接扔掉。
- 排序校验：检查买单是否降序、卖单是否升序。
- 时间戳对齐：不同交易所的时间戳格式不同，统一转成毫秒级Unix时间戳。
来看一段Python代码，这是我常用的清洗函数：
def clean_orderbook(raw_data):
"""
清洗订单簿数据
raw_data: 交易所返回的原始字典
"""
cleaned = {
'bids': [],
'asks': [],
'timestamp': int(time.time() * 1000)
}
# 清洗买单
for price_str, qty_str in raw_data.get('bids', []):
price = float(price_str)
qty = float(qty_str)
if price > 0 and qty > 0:
cleaned['bids'].append([price, qty])
# 清洗卖单
for price_str, qty_str in raw_data.get('asks', []):
price = float(price_str)
qty = float(qty_str)
if price > 0 and qty > 0:
cleaned['asks'].append([price, qty])
# 排序校验
cleaned['bids'].sort(key=lambda x: x[0], reverse=True)
cleaned['asks'].sort(key=lambda x: x[0])
return cleaned避坑指南：我曾经遇到过某个交易所的WebSocket推送数据，价格字段里居然混入了空格和换行符。后来我加了一层strip()处理，才彻底解决。
四、知识体系图
下面这张图，是我对订单簿数据源整个流程的理解。从交易所API到清洗后的可用数据，每一步都有讲究。
五、实战中的注意事项
最后，分享几个我踩过的坑：
- WebSocket断线重连：别指望连接永远稳定。我建议每次重连后，先拉一次快照，再订阅增量更新。
- 数据延迟：不同交易所的延迟不一样。Binance的WebSocket延迟通常在10-50ms，OKX稍高一些。做套利策略时，这个差异必须考虑进去。
- 存储策略：全量数据存起来太占空间。我个人习惯只存增量数据，需要时再重建快照。
小技巧：如果你用Python做数据清洗，推荐用decimal.Decimal代替float处理价格。虽然慢一点，但精度有保障。尤其是做高频策略时，小数点后第8位的差异都可能影响盈亏。
嗯，关于订单簿数据源，今天就聊到这儿。数据清洗这块，说白了就是「慢工出细活」。你花在清洗上的每一分钟，都会在后续的策略回测和实盘交易中回报给你。