Limit order book 是所有买家和卖家会合的地方，也是所有竞价发生的地方。本质上讲，它就是所有的供给和需求。当我们看到 order book 的时候，我们就看到了所有市场参与者的决策和策略。如果说交易数据展示的是已经发生的情况，那么 order book 展示的则是交易者的意向。根据这一信息，可以预测短期的价格走势。
通过跟踪和分析 order book 能得到许多信息，例如：
找到有流动性的价格水平。某些价格水平能吸引大量的报价单，而这种报价单的集聚只有通过深度观察市场才能识别出来。当上述价格水平低于现价时，常常体现为支撑点；高于现价时，则会体现为阻力点。
通过观察买卖价差，推测在最近的未来会发生什么。
识别市场日内动量方向的转换，例如从强劲买盘到强劲卖盘的转换。
研究 order book 的变动与市场价格变化的关系。
我们利用市场深度数据还能观察策略的运行情况，例如：
价格触发策略，也就是基于价格变化自动改变交易方向的策略。
验证某些关键的技术面指标是否发生了突破，并且更好地识别出它是假突破还是真突破。
识别出是否有大玩家进场。
识别出零售行为。
使用 order book 的方法有很多。投机者（scalper）会使用 order book 中的信息来决定是做多还是做空；波段交易者（swing trader）或者崇尚技术分析的交易者可能会以此来论证他们宏观上的买入或卖出的决策。
处理 limit order book 时遭遇的挑战
量化分析师或交易员在跟 order book 打交道的时候，大多要面临下面这些挑战。
高频交易策略为了抢占先机，会在许多价格水平上挂限价单。通常这些挂单行为是由价格变化触发的。然后，随着市场价格接近委托单价格，大多数单子会被撤销。
并非所有的限价单都代表着真实的交易意向。有些交易者会通过挂单来操纵市场、创造流动性很强或很弱的假象。他们的手段包括“声东击西”（spoofing）和“阻塞交通”（quote stuffing）。
有时候，并非所有的交易委托单都会显示在 order book 上。许多交易所都有某些类型的隐藏的委托单。
了解微观结构
每个宏观事件都是微观事件的集合。许多时候，如果你能够理解微观结构，那么你就能更好地理解宏观现象。研究微观结构的好处是重大事件比较少，因此更容易解读市场参与者的行为及其意向。学习微观结构最好的方法是使用可视化工具，放大观察市场数据的基础组成部分。
如何将 order book 可视化
当年我们还在做高频交易策略的时候，就不得不面对这个问题了。我们当时想要更好地理解其他类型的市场参与者，还想知道当我们下单的时候市场会有何反应。我们决定把 order book 转化成热力图的形式，以每秒 25-40 帧的频率更新。这个热力图会记录并绘制 order book 的每个变化，把变化展示成不同灰度的阴影。阴影颜色越浅，意味着在对应的价格水平上等待交易的委托单越多，也就是说流动性越强；相反，阴影颜色越深，流动性就越弱。
这个热力图让我们清晰地看到整个 limit order book 和交易量如何随时间变化，从而让我们能够更快、更深刻地洞察市场机制。下面容我详细解释一下。常规的图表，例如柱状图，都是二维的（价格和时间）。当你使用热力图的时候，你就给图表增加了一个维度，因此你可以看到历史上每个时刻的每个价格下的委托单规模。此外，通过以40次/秒的高频率更新数据，你可以获得一个视频，让你查看变化的频率，“感受”到市场的加速度。
可视化能够让你看到你此前无法看到或理解的模式： 每个价格水平上的委托单规模如何随时间而变化？ 当价格接近某一价格线（支撑线或阻力线）时，这条线会如何移动？ 在这条价格线的下方或上方，是否有更强的支撑线或阻力线？ 在这条价格线附近的成交量是多少？ 在 order book 的另一侧发生了什么？是否存在一些区域，在这些区域里 order book 是不对称的？
价格反弹现象
在几个相邻的询价（ask）水平上聚集着大量的限价卖单。通常我们希望实时检验如下假设：如果价格达到这样的水平，那么之后价格会反弹（至少一小段时间）。以下是可以支持该假设的一些现象： 当价格接近这个水平时，卖家的数量：
a. 保持不变，或者
b. 变得更大（在这种情况下，有可能该水平上的交易还没有发生，价格就反弹了）
当这个价格水平上开始有委托单成交的时候：
a. 更多的卖家加入，而且/或者
b. 我们观察到隐藏的卖单正在被执行，它们的对手盘是市价买单。
order book 中的重大变化
在一瞬间，几张大额买单被取消，同时增加了几张大额卖单。随后是价格下跌。根据我们刚才我们放大观察到的情况，这些委托单很可能属于同一个交易者。
1、更大的透明度
组织和个人都需要更广泛和更准确的数据。你拥有的数据越多（例如来自不止一个交易所）以及细节越详尽，你就越能作出明智的决策。在我们观察市场的时候，我们已经发现了这些趋势。一个很好的例子是，即将推出的CME Market by Order数据，它提供了各个委托单排队位置及其数额。有了这一信息，交易员不再需要自己计算排队位置，从而可以作出更加明智的决策。
2、更多的数据分析和可视化
随着技术的进步，更多的数据被收集起来，被实时或按需传输（得益于更快的互联网），被普通的计算机分析和可视化（得益于更好的GPU）。与其他行业一样，金融行业将需要更好的数据分析和可视化应用程序。这些程序不仅可用于离线研究，还可实时使用，目的是作出更快更好的决策。
3、可视化工具的交互性、灵活性和模块化
可视化软件应该对数据源更加中立，并且能够聪明地展示各种来源的数据。另外，随着数据的增多，与之接触的方式也会更加灵活。例如，想象一下你可以使用自己的数据，自己选择参数并构建视频（就像在Excel中构建图表一样），使用自己的指标丰富这个视频，并决定是否要离线观看或实时观看。这些分析方式不仅可以服务于算法开发人员或者量化分析师，还可以服务于交易员和其他市场分析人员。
4、数据分析自动化
更多的数据也意味着更高的数据维度（不同的现象类型，数据异常，不同的工具，不同的时间尺度等）。如今的数据分析工作大多是在二维中完成的，但将来也可以在三维或四维上完成，从而增加用户的洞察力和竞争优势。然而，人的感知维度是有限的（例如3D视觉、音频等），因此有必要执行初步的自动数据分析，生成警报并将初步的结果中有意义的部分展示出来。
转载自微信