18、订单流与量化策略：基于Delta的策略设计、基于成交量分布的策略设计、订单流策略的回测框架

聊到订单流和量化策略的结合，我其实挺有感触的。早年做传统量化的时候，用的都是收盘价、均线这些滞后指标。后来接触了订单流，才发现——原来市场每分钟的博弈，都写在挂单和成交里了。

这一章，我们就来拆解三件事：怎么用Delta设计策略、怎么用成交量分布做决策、以及订单流策略的回测框架该怎么搭。嗯，都是实战中反复打磨出来的东西。

一、基于Delta的策略设计

Delta，说白了就是主动买卖的净差值。我习惯把它理解成「聪明钱的方向」。你想想看，如果大单一直在吃卖一，Delta肯定持续为正，那价格大概率要往上走。

但这里有个坑——单看Delta绝对值容易误判。我曾经在实盘里吃过亏，看到Delta飙到+5000就追进去，结果被挂单砸了个正着。后来才明白，Delta要和成交量、挂单厚度结合起来看。

1.1 Delta背离策略

这是我个人最常用的一个模式。价格创了新高，但Delta却走低了。这说明什么？说明上涨的动能其实在衰减，主动买盘跟不上了。

举个例子：

# 伪代码示例：Delta背离检测
if price > price_previous_high and delta < delta_previous_high:
    signal = "空头信号"
    # 准备做空
elif price < price_previous_low and delta > delta_previous_low:
    signal = "多头信号"
    # 准备做多

我在项目中遇到过好几次，这种背离信号在震荡市里特别准。但要注意——单边行情中背离可能持续钝化，别急着反向开仓。

1.2 Delta累积策略

另一种思路是看Delta的累积值。比如，开盘后30分钟累积Delta为正，且持续放大，那今天大概率是多头主导。

二、基于成交量分布的策略设计

成交量分布（Volume Profile），说白了就是看哪个价格区间成交最多。我个人觉得，这是订单流里最直观的工具——谁在哪个位置打架，一目了然。

2.1 价值区域策略

价值区域（VA，Value Area）是成交量分布的核心。通常包含70%的成交量。价格在VA内运行时，我一般不做方向性交易，只做高抛低吸。

但价格突破VA上沿或下沿时，机会就来了。我记得有一次，价格突破VA上沿后，成交量没有放大，反而萎缩了。这就是典型的「假突破」。我当时果断反向开仓，吃了波回调。

# 伪代码：价值区域突破策略
va_high = get_value_area_high()
va_low = get_value_area_low()

if price > va_high and volume < avg_volume:
    signal = "假突破，反向做空"
elif price < va_low and volume < avg_volume:
    signal = "假跌破，反向做多"

2.2 控制点策略

控制点（POC，Point of Control）是成交量最大的那个价格。它就像磁铁一样，价格远离POC时，总会被拉回来。

我常用的一个策略是：价格偏离POC超过2个标准差时，做回归交易。止损设在POC的另一侧。这个策略在股指期货上表现不错，但个股上要小心——流动性差的票，POC可能失真。

三、订单流策略的回测框架

回测订单流策略，和传统回测不太一样。你不能只用OHLC数据，得把逐笔成交、挂单快照都纳入进来。嗯，这里我踩过不少坑。

3.1 数据准备

订单流回测需要的数据，至少包括：

• 逐笔成交数据：时间、价格、成交量、买卖方向
• 挂单快照数据：每档价位的挂单量、挂单变化
• Level 2数据：如果有，更好

我建议用CSV或Parquet格式存储，按日期分文件。回测时按时间顺序逐笔回放。

3.2 回测引擎设计

核心逻辑其实不复杂：

class OrderFlowBacktester:
    def __init__(self, tick_data, orderbook_snapshots):
        self.tick_data = tick_data
        self.orderbook = orderbook_snapshots
        self.position = 0
        self.cash = 1000000
        
    def on_tick(self, tick):
        # 更新订单簿
        self.update_orderbook(tick)
        # 计算Delta、成交量分布等指标
        delta = self.calculate_delta(tick)
        # 策略逻辑
        signal = self.strategy(delta, self.orderbook)
        # 执行交易
        if signal == "buy":
            self.buy(tick.price, 100)
        elif signal == "sell":
            self.sell(tick.price, 100)
    
    def run(self):
        for tick in self.tick_data:
            self.on_tick(tick)

3.3 常见坑与避坑指南

• 未来函数：回测时用了未来的挂单数据。我曾经犯过这个错，回测曲线漂亮得不行，实盘一跑就崩。
• 数据对齐：成交数据和挂单数据的时间戳要对齐。差1毫秒，结果可能天差地别。
• 流动性过滤：订单流策略在流动性差的品种上容易失效。我习惯在回测中加入最小成交量过滤。

知识体系总览

下面这张图，是我自己梳理的订单流策略设计框架。你可以把它当作一个检查清单：

嗯，这张图基本概括了订单流策略设计的三个核心方向。我个人觉得，最难的不是策略本身，而是回测框架的搭建。数据清洗、对齐、回放，每一步都可能出问题。

最后说一句：订单流策略不是万能药。它适合高频、日内交易，但中长线持仓的话，还是得结合基本面。我见过太多人把订单流当圣杯，结果亏得底朝天。记住——工具再好，也得看用的人。