7. 订单簿不平衡：买卖盘失衡指标、订单簿斜率、净订单流与价格变动
各位同学，今天我们来聊聊订单簿不平衡。说白了，就是看买卖双方谁更「用力」。我在实盘交易中，经常盯着这个指标——它比单纯看价格涨跌，更能提前嗅到市场的风向。
7.1 买卖盘失衡指标
先问个问题：为什么有时候价格没动，但盘口上买一卖一挂单量差了好几倍？这就是失衡。我习惯用几个简单指标来量化它。
7.1.1 订单簿不平衡指标 OBI
OBI 是最直观的指标。公式很简单：
OBI = (买盘总量 - 卖盘总量) / (买盘总量 + 卖盘总量)取值范围在 -1 到 1 之间。正值表示买方强势，负值表示卖方占优。嗯，这里要注意：
避坑指南： 我曾经只盯着 OBI 做单，结果吃了大亏。有一次 OBI 高达 0.8，我果断追多，结果价格瞬间跳水。后来复盘发现，那是主力在挂单撤单制造假象。所以 OBI 必须结合其他指标一起看。
7.1.2 加权不平衡指标
光看总量不够，不同价位的挂单「分量」不一样。我一般用价格加权：
加权不平衡 = Σ(买价_i × 买量_i) - Σ(卖价_i × 卖量_i)这个指标能反映资金的实际流向。举个例子：
| 价位 | 买量 | 卖量 |
|---|---|---|
| 100.00 | 500 | 200 |
| 100.01 | 300 | 400 |
| 100.02 | 100 | 600 |
你看，虽然买盘总量 900 大于卖盘 1200，但卖盘集中在高价区，说明卖方在主动压价。加权不平衡就能捕捉到这种细节。
7.2 订单簿斜率
斜率这个概念，说白了就是看订单簿的「陡峭程度」。我把它理解为市场的「弹性储备」。
7.2.1 斜率计算
我个人习惯用线性回归来拟合订单簿的累积量曲线：
斜率 = Δ价格 / Δ累积量斜率越大，说明价格对订单流越敏感。你想想看，如果斜率很小，意味着即使有大单砸进来，价格也不会波动太大——这就是深度好的表现。
实战经验： 我在做高频策略时，会把斜率作为风控指标。当斜率突然变陡，我会降低仓位。因为这意味着市场变得「脆弱」，一个小订单就能引发价格剧烈波动。
7.2.2 买卖盘斜率对比
我通常会同时计算买盘斜率和卖盘斜率：
- 买盘斜率 > 卖盘斜率：买方深度更好，价格下跌时支撑强
- 卖盘斜率 > 买盘斜率：卖方深度更好，价格上涨时阻力大
- 斜率突然趋平：可能是大资金在布局，需要警惕
7.3 净订单流与价格变动
净订单流，就是主动买单减去主动卖单。这个指标跟价格变动的关系，是我研究最久的一块。
7.3.1 订单流不平衡
公式：
净订单流 = 主动买单量 - 主动卖单量正值表示买方主动，负值表示卖方主动。但这里有个坑：
我曾经踩过的坑： 净订单流为正，价格却下跌。为什么？因为大单在拆单！一个 1000 手的买单拆成 100 个 10 手的小单，净订单流显示买方强势，但实际是主力在偷偷出货。所以我现在会结合订单簿斜率一起看。
7.3.2 价格冲击模型
经典的 Kyle 模型告诉我们：
ΔP = λ × Q其中 λ 是价格冲击系数，Q 是净订单流。λ 越大，说明市场越「脆弱」。我在实盘中会用滚动窗口来估计 λ：
import numpy as np
def estimate_lambda(price_changes, order_flow, window=100):
# 滚动回归
lambdas = []
for i in range(window, len(price_changes)):
x = order_flow[i-window:i]
y = price_changes[i-window:i]
# 简单线性回归
lambda_est = np.sum(x * y) / np.sum(x ** 2)
lambdas.append(lambda_est)
return lambdas
小技巧： 当 λ 突然变大时，我会暂停所有策略。因为这意味着市场深度在恶化，任何订单都可能引发剧烈波动。等 λ 恢复正常再进场。
7.4 知识体系总览
下面这张图，是我自己总结的订单簿不平衡分析框架：
这三个维度——买卖盘失衡指标、订单簿斜率、净订单流——就像三脚架，缺一个都不稳。我建议你在实盘中至少同时监控两个维度，才能做出靠谱的判断。
核心要点：
- OBI 看方向，斜率看深度，净订单流看力度
- 三个指标共振时，信号最可靠
- 指标背离时，往往是行情反转的前兆
好了，这一章的内容就到这里。记住，订单簿不平衡分析不是万能药，但它能让你比大多数人更早看到市场的真实面貌。多练练，你会爱上这种「透视」的感觉。