做短周期行情的时候，我发现盘口变化比价格更敏感。有一次盯着 BTC-USDT 的盘口，价格几乎没动，但买盘累积量突然集中在一个价位，随后价格就跟着小幅上冲。这让我意识到，如果能快速算出买卖盘的累积量阈值，会对观察市场力量非常有用。

用加密货币实时api获取深度数据后，很多人只看最优买卖价，但实际策略里，我更关心整个盘口的力量分布。累积量阈值其实就是把挂单数量累加到某个设定门槛，看看哪一侧力量占优，这能帮助判断支撑或压力点。

深度数据是什么样的

WebSocket 推送的深度数据大致长这样：

字段	说明
price	挂单价格
quantity	该档挂单量
side	买/卖（bid/ask）

每条快照一般返回前 20 档买卖盘。关键不是某一档的量，而是整档累积起来的力量。

累积量阈值怎么计算

我的做法很直接：

买盘从高到低排序，卖盘从低到高排序
从最优档开始累加数量
累加到设定阈值，记录对应价格

举个例子，阈值设 100 BTC，买盘前五档量分别是 30、25、20、15、10：

累加到 30 → 30
加上 25 → 55
加上 20 → 75
加上 15 → 90
加上 10 → 100 → 达到阈值

临界价格就是第五档的价。卖盘逻辑类似，从最低卖价开始累加。

在代码里实现

我通常用 Python 操作，顺便调试逻辑。用 AllTick API 拿实时数据做例子：

import websocket
import json

def on_message (ws, message):
data = json.loads(message)
bids = data[ 'bids' ] # [[price, quantity], ...]
asks = data[ 'asks' ] # [[price, quantity], ...]

def calc_threshold (levels, threshold):
total = 0
for price, qty in levels:
total += qty
if total >= threshold:
return price, total
# 阈值没达到，返回最后一档价格
return levels[ -1 ][ 0 ], total

# 买盘从高到低累加
bid_price, bid_volume = calc_threshold(sorted(bids, key= lambda x: -x[ 0 ]), 100 )
# 卖盘从低到高累加
ask_price, ask_volume = calc_threshold(sorted(asks, key= lambda x: x[ 0 ]), 100 )

print( f"买盘临界价: {bid_price} , 卖盘临界价: {ask_price} " )

ws = websocket.WebSocketApp( "wss://api.alltick.co/realtime" , >
ws.run_forever()

这里加了一个小注释，提醒自己实际行情可能有缺档或延迟，要做防御处理。实际交易中，不同交易所返回字段可能略有差异，这种“真实场景思考”很重要。

阈值选择的思路

阈值不要一成不变，要看交易对流动性。低流动性交易对，阈值太高可能永远达不到；高流动性交易对，阈值太低可能频繁触发。

我通常先观察一个时间窗口的盘口量，用平均值或中位数做参考，再动态调整阈值。阈值本身不是信号，只是辅助判断，用它结合成交量和价格变化，才能更准确理解盘口力量。

一些实战经验

封装函数：把累积量计算封装成函数，支持不同交易对和阈值，这样回测或实盘调用更方便
数据清洗：WebSocket 推送数据可能缺档或顺序不一，要先排序、再累加
观察周期：短周期行情里，阈值临界价格变化可以提示市场力量集中情况
不确定性：不同市场深度差异很大，阈值只是参考，策略需要结合其他指标

通过这种方式，我在观察盘口时不会只盯着价格，能够更直观地感受到市场力量。累积量阈值让策略判断更稳，也让操作更踏实。

ITPub博客

加密货币实时api返回的深度数据中，如何计算买卖盘口的累积量阈值？

深度数据是什么样的

累积量阈值怎么计算

在代码里实现

阈值选择的思路

一些实战经验

最新文章