订单簿斜率信号：用挂单密度预测短期价格方向

问题：盘口第一档之外的九档，到底有没有信息#

盘口不平衡（order book imbalance）是微观结构里最经典的短期方向信号：买一量远大于卖一量，下一笔价格变动大概率向上。这个信号人尽皆知，也因此衰减得厉害。

自然的追问是：第一档之外的挂单有没有增量信息？ 十档行情摆在那里，大部分人只用了第一行。

一个优雅的观察角度是把订单簿看成一个形状而不是几个数字。大量实证研究发现，限价订单簿的挂单量随档位深度大致按指数衰减：

其中 $k$ 是距最优价的档位数，$\kappa$ 是衰减斜率。斜率小 = 深档挂单还很厚 = 这一侧的耐心资金多。于是方向信号可以定义为买卖两侧斜率之差：卖盘衰减快（$\kappa_a$ 大）而买盘衰减慢（$\kappa_b$ 小），意味着买方队伍深、卖方队伍浅，价格倾向上行。

这个信号比一档不平衡好在哪？它用了十档的全部形状信息，且对单档的噪声（一笔大单挂上又撤掉）天然钝感——OLS 拟合斜率相当于对十档做了加权平均。本文用受控模拟把它和两个经典对照掰一掰手腕，然后算一笔大多数论文不爱算的账：交易成本。

实验设计：把压力变量埋进盘口形状#

模拟 60000 个盘口快照（5 秒一张，约一个月）。核心是一个潜在压力变量 $x_t$（AR(1)，自相关 0.995，对应约 2 分钟半衰期的压力持续性），它同时驱动两件事：

1. 盘口形状：$\kappa_b = \kappa_0 e^{-\beta x}$，$\kappa_a = \kappa_0 e^{+\beta x}$——买压大时买盘衰减慢、卖盘衰减快；
2. 未来价格：下一快照 mid 收益的漂移项 $\propto x$。

每档挂单量再乘上对数正态噪声（σ=0.35），模拟真实盘口的脏数据：

import numpy as np

rng = np.random.default_rng(7)
T, L = 60000, 10                    # 6万快照，10档
phi = 0.995                          # 压力变量的持续性
x = np.zeros(T)
for t in range(1, T):
    x[t] = phi * x[t-1] + np.sqrt(1 - phi**2) * rng.standard_normal()

kappa0, beta_k, A0 = 0.35, 0.18, 800.0
kgrid = np.arange(1, L + 1)
kap_b = kappa0 * np.exp(-beta_k * x)          # 买压大 -> 买盘衰减慢
kap_a = kappa0 * np.exp(+beta_k * x)
Qb = A0 * np.exp(-kap_b[:, None] * kgrid) * rng.lognormal(0, 0.35, (T, L))
Qa = A0 * np.exp(-kap_a[:, None] * kgrid) * rng.lognormal(0, 0.35, (T, L))

# mid 价：漂移与 x 相关，每快照噪声 1.8bp
ret = 0.030e-4 * x + 1.8e-4 * rng.standard_normal(T)
mid = 20.0 * np.exp(np.cumsum(ret))

两种压力状态下的盘口长这样：

左图买压状态：绿色买盘从 B1 到 B10 衰减平缓，红色卖盘迅速变薄；右图反之。关键在于这个不对称分布在全部十档上——只看第一档，你只采样了形状的一个点。

信号构造：对 log 深度做 OLS#

对每张快照，把十档挂单量取对数，对档位序号回归，斜率的相反数就是 $\hat\kappa$。全部快照可以向量化一次算完：

def slope_est(Q):
    """log Q_k = a - kappa*k 的 OLS 斜率，向量化处理全部快照"""
    lq = np.log(Q)                     # (T, L)
    k = kgrid - kgrid.mean()           # 中心化的档位序号
    return -(lq @ k) / (k @ k)         # (T,)

kb_hat = slope_est(Qb)
ka_hat = slope_est(Qa)
slope_sig = ka_hat - kb_hat            # >0: 卖盘衰减快 -> 看涨

两个对照信号，都是文献里的常客：

# 对照1：一档不平衡（经典 OBI）
imb1 = (Qb[:, 0] - Qa[:, 0]) / (Qb[:, 0] + Qa[:, 0])
# 对照2：五档总量不平衡
d5b, d5a = Qb[:, :5].sum(1), Qa[:, :5].sum(1)
imb5 = (d5b - d5a) / (d5b + d5a)

结果一：斜率信号全面压过两个对照#

三个信号对未来 mid 收益的 IC，预测步长从 1 快照（5 秒）扫到 160 快照（约 13 分钟）：

三个观察：

第一，斜率信号在每个视界上都是第一名。 20 快照视界 IC 5.44%，是一档不平衡的近 5 倍。一档不平衡惨败的原因在模拟设定里看得很清楚：单档挂单量乘了 σ=0.35 的对数正态噪声，一个点的信噪比天然低；斜率估计用十个点做回归，噪声被平均掉了大半。这正是真实盘口的写照——第一档是撤单博弈最激烈、噪声最大的档位。

第二，五档总量不平衡追得很近（4.34% vs 5.44%），说明大部分增量信息来自「用了更多档」，小部分来自「用了形状」。 如果你的行情源只有五档，简单的量不平衡已经能吃到八成效果；斜率参数化的额外好处是输出一个有物理含义、跨股票可比的量纲（$\kappa$ 不受挂单量绝对水平影响）。

第三，IC 随视界拉长而上升，这不是信号「越放越香」，而是压力变量半衰期约 2 分钟——比 5 秒长得多，信号对累计收益的预测自然随视界增长，直到压力本身衰减为止。160 快照（13 分钟）已接近这个上限。

十分位单调性检查（100 秒视界）：

斜率信号从 D1 到 D10 干净单调，首尾分位差约 3bp / 100 秒。看起来很美——直到你想用 taker 单去吃它。

结果二：毛信号 0.2bp，半价差 2.5bp#

策略：信号 z 值超过 ±1 时建立方向仓位，持有 20 快照，每次仓位变化支付一次单边成本。扫描成本从 0 到 6bp：

而这只 20 元股票、1 分钱最小报价单位的半价差就是 2.5bp——是斜率信号盈亏平衡成本的 2.5 倍，是每笔毛收益的 12 倍。

结论冷酷但必须直说：IC 5.44%、十分位完美单调的信号，用市价单交易在 100 秒视界上是结构性亏损的。 不是执行不够好，不是参数没调优——是毛信号量级（零点几个 bp）和过路费量级（几个 bp）差了一个数量级。这就是微观结构信号的普遍宿命：预测力是真的，可交易性是假的。

那这类信号的价值在哪？三个真实用途：

1. Maker 侧的挂单决策。 做市商不付价差、赚价差。斜率信号告诉你哪一侧该挂得激进、哪一侧该退后一档——它不需要跨越价差，只需要在你反正要挂单的前提下优化位置。0.2bp 的边际改善乘以巨大的成交量，就是做市利润的重要来源。
2. 执行算法的时机微调。 母单要在 30 分钟内买完 10 万股，切片的下单时机可以参考斜率信号：信号看涨时提前吃、看跌时多等等。信号不产生 alpha，它减少实现差价（implementation shortfall）。
3. 和慢信号叠加改变激进度。 日频策略今天反正要买入某只股票，微观信号决定这一单用 taker 还是 maker、现在下还是等五分钟。信号的价值通过「省下的成本」变现，而不是通过独立回转交易。

一个容易忽略的估计细节：对数回归的加权问题#

对 $\log Q_k$ 做 OLS 隐含假设各档的对数噪声同方差。真实盘口远端档位挂单量小、相对噪声大，且可能出现零挂单（log 直接爆炸）。工程上的处理：

lq = np.log(np.maximum(Q, 1.0))        # 下限保护，1 手起
w = np.sqrt(np.arange(L, 0, -1))       # 近档加权：噪声小的档位权重大
# 加权 OLS：k、lq 先乘 sqrt(w) 再回归

另一个方案是干脆放弃参数化，用深度加权平均档位（每一侧挂单量的质心）代替斜率——质心对分布形状的假设更弱，对零挂单档位也稳健。模拟中两者高度相关（这里形状真是指数），但真实盘口在整数价位、大单支撑位附近有挂单尖峰，指数假设会被破坏，质心版本往往更稳。

已知偏差#

按老规矩，把模拟与真实的差距摆在明处：

1. 没有撤单博弈和幌骗（spoofing）。 模拟的挂单噪声是无恶意的对数正态；真实盘口的深档大单可能是从不打算成交的幌单，斜率信号恰好是幌骗者最想操纵的统计量。实盘使用需要配合挂单存活时间过滤（只统计挂龄超过若干百毫秒的量）。
2. 5 秒快照抹掉了事件序列。 快照之间的挂撤单顺序、成交侵蚀速度都是信息，事件驱动（event-by-event）的处理能提取更多，但工程成本完全不同。
3. 压力变量直接驱动价格漂移，等于假设「盘口形状与未来收益的相关」这个命题为真。模拟能回答的是「如果形状有信息，斜率估计比一档不平衡多提取多少」，不能回答「真实市场的形状有没有信息」——后者只能拿真实 L2 数据验证，且答案随市场、随年份漂移。

结论#

三句话带走：

1. 盘口深档有真实增量信息，参数化成斜率是提取它的稳健方式——20 快照 IC 从一档的 1.13% 升到 5.44%，噪声平均是主要功臣，五档总量不平衡能吃到八成效果。
2. 预测力 ≠ 可交易性。 每笔毛收益 0.2bp 对半价差 2.5bp，taker 策略无解。评估任何微观结构信号，先把毛收益和价差放在同一张表里，再决定要不要继续。
3. 这类信号的正确变现渠道是执行层：maker 挂单位置、母单切片时机、慢信号的激进度调节。它省成本，不赚 alpha——把它放对位置，0.2bp 也是钱；放错位置，5.44% 的 IC 也是亏损。

订单簿是市场上最贵的免费数据：人人都收得到十档行情，但从第一档之外读出信息、并且诚实计算这信息值几个 bp 的人，永远是少数。