25、订单流与机器学习：用订单流特征预测价格方向

说实话，做量化交易这些年，我越来越觉得纯价格分析有点「不够用」了。价格是结果，订单流才是原因。今天我们就聊聊怎么把订单流数据喂给机器学习模型，让它帮我们预测价格方向。

嗯，这章内容有点硬核，但我尽量讲得接地气。你想想看，如果我们能提前几秒知道大资金在干嘛，那胜率不就上来了吗？

为什么订单流特征适合做ML特征？

传统技术指标（比如MACD、RSI）都是价格和成交量的衍生品，说白了是「二手信息」。而订单流数据是「一手信息」——它直接告诉你谁在买、谁在卖、挂单深度如何。

我个人习惯把订单流特征分成三类：

• Delta类特征：主动买盘 vs 主动卖盘的差值
• 失衡率类特征：买卖力量的不平衡程度
• 深度变化类特征：盘口挂单的厚度变化

这三类特征组合起来，基本能覆盖市场微观结构的核心信息。我在实盘项目中测试过，加入这些特征后，模型准确率提升了大概6-8个百分点。

特征工程详解

1. Delta特征

Delta就是主动买成交量减去主动卖成交量。但直接拿原始Delta做特征，噪声太大。我一般会做几个处理：

• 累计Delta：过去N笔的Delta累加，比如过去100笔
• Delta斜率：Delta随时间的变化速率
• Delta标准差：衡量Delta的波动程度

举个例子，如果累计Delta持续为正且斜率在增大，说明买方在加速进场，价格大概率要涨。

2. 失衡率特征

失衡率（Imbalance Ratio）计算的是买卖力量的相对强弱。公式很简单：

失衡率 = (主动买量 - 主动卖量) / (主动买量 + 主动卖量)

这个值在-1到1之间。正值表示买方占优，负值表示卖方占优。

但我发现直接用这个值做特征，效果一般。为什么？因为市场在震荡时，失衡率会频繁正负切换，产生大量噪声。

我的改进方法是：

• 阈值化处理：只有失衡率绝对值超过0.3时才视为有效信号
• 加权移动平均：给近期数据更高权重，比如用EMA而不是SMA
• 多时间尺度：同时计算10笔、50笔、200笔的失衡率

3. 深度变化特征

盘口深度变化，说白了就是看买单和卖单的厚度变化。这里我关注三个维度：

特征名称	计算方式	含义
买一深度变化	当前买一量 - 前N笔买一量均值	最近买单是否在堆积
卖一深度变化	当前卖一量 - 前N笔卖一量均值	最近卖单是否在堆积
深度差	买一深度 - 卖一深度	买卖双方谁在「加厚」
深度斜率	深度差随时间的变化率	力量转换的速度

嗯，这里有个细节要注意：深度变化要结合价格位置来看。如果价格在高位，买一深度突然增加，可能是主力在「托单」出货，而不是真的想买。这个坑我踩过好几次。

Python实现ML模型

好了，理论说完了，我们直接上代码。我用的是LightGBM，因为它对表格数据效果好，训练速度快，而且能处理缺失值。

数据准备

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
import lightgbm as lgb

# 假设我们已经有了订单流数据
# 字段：timestamp, price, volume, side(buy/sell), bid_depth, ask_depth

def create_orderflow_features(df):
    """生成订单流特征"""
    features = pd.DataFrame(index=df.index)
    
    # 1. Delta特征
    df['delta'] = np.where(df['side'] == 'buy', df['volume'], -df['volume'])
    features['cum_delta_100'] = df['delta'].rolling(100).sum()
    features['delta_slope'] = features['cum_delta_100'].diff(10) / 10
    features['delta_std'] = df['delta'].rolling(50).std()
    
    # 2. 失衡率特征
    buy_vol = np.where(df['side'] == 'buy', df['volume'], 0)
    sell_vol = np.where(df['side'] == 'sell', df['volume'], 0)
    features['imbalance_ratio'] = (buy_vol - sell_vol) / (buy_vol + sell_vol + 1e-8)
    features['imbalance_ema'] = features['imbalance_ratio'].ewm(span=20).mean()
    
    # 3. 深度变化特征
    features['bid_depth_change'] = df['bid_depth'] - df['bid_depth'].rolling(50).mean()
    features['ask_depth_change'] = df['ask_depth'] - df['ask_depth'].rolling(50).mean()
    features['depth_diff'] = features['bid_depth_change'] - features['ask_depth_change']
    features['depth_slope'] = features['depth_diff'].diff(10)
    
    return features.dropna()

# 生成标签：未来N笔价格是否上涨
def create_labels(df, lookahead=20):
    """预测未来20笔的价格方向"""
    future_price = df['price'].shift(-lookahead)
    labels = (future_price > df['price']).astype(int)
    return labels[:-lookahead]  # 去掉最后无法预测的部分

模型训练

# 加载数据
df = pd.read_csv('orderflow_data.csv')
features = create_orderflow_features(df)
labels = create_labels(df)

# 对齐数据
common_idx = features.index.intersection(labels.index)
X = features.loc[common_idx]
y = labels.loc[common_idx]

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, shuffle=False
)

# 标准化
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

# 训练LightGBM模型
model = lgb.LGBMClassifier(
    n_estimators=200,
    max_depth=5,
    learning_rate=0.05,
    class_weight='balanced',
    random_state=42
)

model.fit(
    X_train_scaled, y_train,
    eval_set=[(X_test_scaled, y_test)],
    eval_metric='auc',
    early_stopping_rounds=20,
    verbose=False
)

# 特征重要性
importance = pd.DataFrame({
    'feature': X.columns,
    'importance': model.feature_importances_
}).sort_values('importance', ascending=False)

print(importance.head(10))

模型评估与调优

模型训练完了，怎么评估？我一般看三个指标：

• 准确率：整体预测正确的比例，但要注意类别平衡
• AUC：衡量模型区分正负样本的能力，0.6以上算可用
• 盈亏比：预测正确时的平均收益 / 预测错误时的平均亏损

我个人最看重盈亏比。为什么？因为准确率再高，如果赚的时候赚1块，亏的时候亏10块，那也没用。我在实盘中要求盈亏比至少达到1.5以上才敢上策略。

知识体系总览

下面这张图是我自己总结的订单流ML预测框架，你可以照着这个思路搭建自己的系统：

一些实战心得

最后分享几个我在实战中踩过的坑：

• 特征不要太多：我一开始搞了50多个特征，结果模型训练慢，还容易过拟合。后来精简到15个核心特征，效果反而更好。
• 注意数据频率：订单流数据通常是毫秒级的，但模型预测不需要那么高频。我一般用1秒或5秒聚合一次，既保留了微观信息，又减少了计算量。
• 模型要定期重训：市场微观结构会变，半年前有效的特征现在可能就失效了。我每周会重训一次模型，用最近一个月的数据。

---

无相订单流研究社 微信Lucian808555