一、美股Level 2数据:订单流的“显微镜”
做订单流交易,Level 2数据就是你的眼睛。我刚开始接触美股交易时,用的还是Level 1数据——只能看到当前最优的买一卖一。说实话,那就像隔着毛玻璃看比赛,根本看不清场内发生了什么。
Level 2数据,说白了就是能看到整个订单簿的深度。它展示了所有挂单的价格和数量,从最优价格一直延伸到几十档之外。我个人习惯把Level 2数据比作“订单流的显微镜”——它能让你看到资金在哪些价位集结,哪些价位正在被攻击。
Level 2的核心字段
美股Level 2数据通常包含以下关键信息:
| 字段 | 说明 | 我的用法 |
|---|---|---|
| MPID | 市场参与者标识符 | 识别谁在挂单,比如机构还是做市商 |
| 价格 | 挂单价格 | 观察关键价位的挂单密度 |
| 数量 | 挂单股数 | 判断支撑/阻力强度 |
| 时间戳 | 纳秒级时间 | 分析订单到达顺序和速度 |
| Side | 买单或卖单 | 判断买卖力量对比 |
Level 2数据如何驱动订单流策略
有了Level 2数据,我们可以做很多事:
- 识别大单痕迹:当某个价位突然出现大单,然后迅速被吃掉,这往往是机构在行动。我习惯用这个信号作为入场参考。
- 判断订单失衡:如果买盘深度明显大于卖盘,但价格不涨,说明有人在压盘。反之亦然。
- 捕捉冰山订单:有些大单会拆成小单挂在不同价位。通过Level 2的MPID和时间戳,可以拼凑出全貌。
二、NYSE与纳斯达克:订单流的两大“江湖”
美股市场不是铁板一块。NYSE和纳斯达克,这两大交易所的订单流特点完全不同。我刚开始做跨交易所策略时,就吃过这个亏——把纳斯达克的逻辑直接套到NYSE上,结果亏得一塌糊涂。
NYSE:传统拍卖型市场
NYSE本质上是个拍卖市场。它有指定的做市商(DMM),负责维护订单簿的公平有序。我个人觉得NYSE的订单流更“稳重”:
- DMM干预:当订单簿出现极端不平衡时,DMM会介入,提供流动性。这在纳斯达克是没有的。
- 订单类型丰富:NYSE支持很多特殊订单类型,比如“D-Quote”(显示报价)、“e-Quotes”(电子报价)。这些会影响你看到的Level 2数据。
- 延迟较高:相比纳斯达克,NYSE的撮合速度稍慢。但它的订单质量更高,虚假挂单更少。
纳斯达克:全电子化市场
纳斯达克是纯电子撮合,没有人工干预。它的订单流特点是:
- 速度至上:撮合速度极快,纳秒级延迟。高频交易的天堂。
- 订单类型复杂:纳斯达克有几十种订单类型,包括“隐藏订单”、“立即或取消”(IOC)、“全部或全无”(AON)等。
- 虚假挂单多:因为速度快,很多订单是“试探性”的——挂上去看看市场反应,然后迅速撤单。
三、暗池与ATS:订单流的“水下世界”
你以为你看到的Level 2数据就是全部?错了。还有大量的订单流在暗池和ATS(另类交易系统)中完成。这些交易不显示在公开订单簿上,所以叫“暗池”。
我刚开始做订单流分析时,完全忽略了暗池。直到有一次,我发现公开订单簿上买盘很强,但价格就是不涨。后来一查,原来暗池里有人在大量卖出。嗯,从那以后我再也不敢忽视暗池了。
暗池的类型
| 类型 | 代表 | 特点 |
|---|---|---|
| 经纪商内部撮合 | MS Pool、UBS ATS | 经纪商把客户订单内部撮合,不送交易所 |
| 独立暗池 | Liquidnet、Posit | 专门为机构大单设计的暗池 |
| 交易所附属暗池 | NYSE Dark、Nasdaq BX | 交易所自己运营的暗池 |
暗池对订单流的影响
暗池的存在,让订单流分析变得更复杂。你想想看,公开订单簿上看到的买卖力量,可能只是冰山一角。暗池里的订单流,往往代表着真正的机构意图。
我总结了几条经验:
- 关注暗池成交量占比:如果某只股票的暗池成交量突然飙升,说明机构在行动。这时候公开订单簿的信号可能失真。
- 识别暗池价格发现:有些暗池会定期发布“指示性价格”,这比公开市场的价格更有参考价值。
- 利用暗池数据做验证:当公开订单簿和暗池数据方向一致时,信号的可信度极高。
四、订单流交易系统的数据架构
讲了这么多理论,我们来点实际的。一个能处理美股Level 2数据、兼顾NYSE/纳斯达克特点、还能接入暗池数据的订单流系统,该怎么设计?
我画了一张架构图,展示核心的数据流:
关键设计要点
在实际构建中,有几个地方特别容易出问题:
- 数据对齐:NYSE和纳斯达克的时间戳格式不同,暗池数据又有自己的时间。必须统一对齐到纳秒级,否则分析结果会错位。
- 增量更新:Level 2数据是增量推送的,不是全量快照。你的系统必须能处理“增加”、“删除”、“修改”三种操作,实时维护订单簿。
- 暗池数据延迟:暗池数据通常比公开市场晚几毫秒到几秒。我习惯给暗池数据打上“延迟标签”,在策略中降低其权重。
好了,这一章的内容就到这里。下一章我们会深入订单流策略的具体实现,包括如何用Python搭建一个实时的订单流分析引擎。到时候我会分享一些我踩过的坑,保证让你少走弯路。