开盘前那段时间我通常不怎么盯价格，而是更关注盘口跳动的密度变化。美股在流动性还没完全展开的时候，订单簿会出现一种很“松”的状态，挂单看起来很多，但真实成交力量并不均衡。这个阶段如果盯得久，会发现价格不是被推出来的，更像是被“抽走平衡”之后自然滑动。

订单簿不平衡到底在看什么

订单簿不平衡（Order Book Imbalance）说白了就是买卖双方在深度上的力量差。买一到买五和卖一到卖五的总量如果长期偏向一侧，短线价格更容易被带动。

但我更在意的是持续状态，而不是某一瞬间的数值。很多时候单点不平衡只是噪声，真正有意义的是连续几个tick都保持同方向偏移，这种结构才会对价格形成推动。

表达上可以压缩成一个很直接的关系：

• bid_volume：买方深度

• ask_volume：卖方深度

• imbalance = (bid - ask) / (bid + ask)

数值本身不复杂，复杂的是它在时间轴上的稳定性。

数据从哪里来决定了信号质量

做这类策略最容易踩空的一点是数据来源不够细。很多美股数据api只给成交或者K线，盘口深度被压缩之后，所谓的不平衡就变成了“看起来合理但没有交易意义”的指标。

我后来直接用WebSocket去接tick级别数据，把每一次盘口更新当成状态变化，而不是采样点。这样才能看到挂单是怎么被吃掉、补回、再被打穿的过程，而不是最后那条K线的结果。

以 AllTick API 为例，通过WebSocket订阅可以拿到实时交易与盘口流：

这一步的意义不在代码，而在于把市场从“结果视角”拉回到“过程视角”。

信号怎么变成交易动作

订单簿不平衡如果直接用来下单，很容易被噪声带偏，所以我做了一层很轻的过滤。只有在同一方向持续占优，同时成交没有明显衰减，才会认为结构在成立。

这个过程里不需要复杂模型，反而是简单规则更稳定。短线里真正重要的不是预测方向，而是确认“是否正在发生推进”。

执行上我会给一个时间窗口，比如30到90秒，如果信号持续存在就保持观察状态，一旦结构回到均衡区间就退出，不去等它走完。

回测和真实之间的落差

用K线去回测订单簿策略基本会失真，这一点很快就能感觉出来。K线把很多微观变化压平之后，信号会显得过于干净，回测曲线也会更漂亮，但实际交易完全不是同一个东西。

我做回测时直接用tick级别数据重建订单簿状态，每一次更新都模拟一次撮合变化。计算量更大，但能看到滑点、延迟、以及成交失败这些真实情况。

成本在这里影响非常直接，哪怕微小的手续费差异，长期都会把策略从可用推向不可用。

跑出来之后看到的结构

策略跑一段时间后，表现不是均匀的，而是集中在少数市场阶段。开盘波动大时信号更容易成立，盘中平稳阶段基本会变钝甚至失效。

单个标的表现也不稳定，换成多个标的做信号叠加之后，曲线反而更平滑一些。说明订单簿不平衡更像局部结构信号，而不是全局规律。

整个过程中，美股数据api只是把市场结构展开的工具，真正起作用的还是数据是否真实反映了微观变化。如果这一层不对，后面做再多计算也只是对噪声建模。