CoinSkool

訂單簿斜率與深度指標:從委託簿結構提取短線價格壓力訊號

在量化交易的微結構分析中,委託簿的形狀反映了市場的供需彈性,深厚平坦的委託簿價格不易被推動,淺薄陡峭的委託簿則價格敏感。本文想談談如何計算訂單簿的斜率與深度指標,從委託簿的分布結構中提取短線價格壓力的訊號。

什麼是訂單簿斜率

訂單簿斜率衡量的是:當價格偏離最佳報價時,累積委託量增加的速度。斜率愈大,代表委託量集中在最佳報價附近,價格稍微偏離就會遇到大量流動性;斜率愈小,代表委託量分散在各個價位,價格偏離時需要吃掉的委託量相對較少。

以買方為例,假設 Best Bid 的價格為 P_0,對應的累積委託量為 Q_0,通常就是該價位的委託量。在價格 P_0 - ΔP 處,累積委託量為 Q(ΔP),即從 P_0 到 P_0 - ΔP 之間所有買單的總和。則買方委託簿在深度 ΔP 處的斜率定義為:

`Slope_bid(ΔP) = Q(ΔP) / ΔP`

類似地,賣方委託簿在深度 ΔP 處的斜率為:

`Slope_ask(ΔP) = Q(ΔP) / ΔP`

其中 Q(ΔP) 是從 Best Ask 到 Best Ask + ΔP 之間所有賣單的總和。

在實務中,價格是離散的,例如以 tick 為單位,因此斜率通常以每 tick 的累積委託量來衡量。例如,若從 Best Bid 往下數五個 tick,累積委託量為 500 張,則斜率為 100 張/tick。

什麼是訂單簿深度

訂單簿深度衡量的是:在距離最佳報價某個特定價格範圍內,總共有多少委託量。深度指標比斜率更直觀,它直接告訴你在當前價格的上下 X% 範圍內,有多少流動性可用。

深度指標的定義為:

`Depth(ΔP) = Q(ΔP)`

其中 Q(ΔP) 是在價格範圍 [P_best - ΔP, P_best] 內的累積買方委託量,或在 [P_best, P_best + ΔP] 內的累積賣方委託量。ΔP 的選擇通常以百分比表示,例如 0.1%、0.5% 或 1%。

深度指標與斜率指標之間的關係是:深度 = 斜率 × ΔP。兩者從不同角度描述同一件事,斜率描述的是增加一單位價格偏離所帶來的委託量增加,深度描述的是在特定價格偏離範圍內的總委託量。

訂單簿失衡指標

除了斜率與深度之外,另一個重要的微結構指標是訂單簿失衡。它衡量的是買方與賣方委託量的相對強弱。

最簡單的失衡指標是買賣深度比:

`Imbalance = (Depth_bid - Depth_ask) / (Depth_bid + Depth_ask)`

這個指標介於 -1 與 1 之間。正值代表買方深度大於賣方深度,市場有較強的買方支撐;負值代表賣方深度大於買方深度,市場有較強的賣方壓力。

更精細的失衡指標會考慮不同價位的權重。例如,靠近最佳報價的委託量給予較高的權重,遠離最佳報價的委託量給予較低的權重。這是因為靠近最佳報價的委託更有可能在短期內被執行,對價格的影響更直接。

如何從斜率與深度提取交易訊號

第一種是流動性壓力訊號

當買方深度顯著大於賣方深度時,Imbalance > 0,代表市場有較強的買方支撐,短期價格可能偏向上漲。反之,若賣方深度顯著大於買方深度,短期價格可能偏向下跌。這種訊號的時間尺度通常很短,從數秒到數分鐘。

第二種是流動性枯竭訊號

當委託簿的深度急劇下降時,代表流動性提供者正在撤出市場。這種情況通常發生在重大資訊即將公布之前,或市場波動率突然上升之時。流動性枯竭本身不預測價格方向,但它預示著價格波動即將放大。交易者可以據此調整部位規模或擴大停損範圍。

第三種是斜率變化訊號

當委託簿的斜率突然變陡時,代表流動性正在向最佳報價集中。這可能意味著市場參與者對當前價格有較強的共識,價格短期內不易被推動。當斜率突然變平時,代表流動性正在從最佳報價向外擴散,市場的供需彈性增加,價格可能更容易被推動。

第四種是委託簿形狀不對稱訊號

除了單純的深度失衡之外,委託簿的形狀本身也蘊含資訊。例如,若買方委託簿在最佳報價附近很厚、但往外迅速變薄,而賣方委託簿在最佳報價附近很薄、但往外迅速變厚,這種不對稱的形狀可能預示著價格即將向上突破,因為買方在近端有強力支撐,而賣方在近端的阻力較弱。

原文出處:voltima_quant (@voltima_quant) 於 Threads · 查看原文

V

作者

Voltima Quant

全職自營量化團隊|多年交易經驗
專注研究CTA擇時、多因子截面策略
標的涵蓋Crypto、港美股、期貨、期權
以科學系統化手段 於波動中尋找最優化交易機會

推薦閱讀

特質波動率異象:高風險為何換不到高報酬?

本文說明特質波動率異象:傳統理論認為高風險應有高報酬,但實證發現特質波動率高的股票長期報酬反而較低。文章將介紹如何用 Fama-French 模型把總波動率拆解為系統性與特質成分,並以低特質波動率做多、高特質波動率放空,建構特質波動率因子。

Voltima Quant2026/10/12

Kelly公式的隱藏陷阱:最優解為何站在破產懸崖邊

Kelly formula 的最優解其實站在破產邊界上:只要勝率高估一點,槓桿就會讓歸零機率不再是零。本文深入探討尾部風險如何讓最優解消失、共變異數矩陣反矩陣的不穩定,以及為何固定倍數 Kelly 不是好答案——真正的難題是在勝率與尾部形狀只能估的情況下,決定自己該離邊界多遠。

Voltima Quant2026/10/07

用成交特徵辨識機構與散戶:訂單流分析與預測訊號

本文探討如何從成交數據中提取特徵,區分機構與散戶的訂單流。機構交易規模大但拆單分散、具方向性與持續性;散戶交易規模小、易追價殺跌。透過大單佔比、Lee-Ready 演算法、訂單流不平衡、價格衝擊與時間聚集等特徵,可建構機構淨買入、散戶淨買入及加權 OFI 等可交易訊號,提升對價格壓力持續性的判斷。

Voltima Quant2026/10/06