限价订单簿动态：价格优先与时间优先，以及你的排队位置

订单簿不是一张静态列表，是一条队列。撮合引擎怎么排序、你排在第几，决定了谁先成交、谁付点差、谁只能干瞪眼。

第 5 篇 · 共 12 篇约 8 分钟

市面上大部分讲交易的文章会把订单簿描述成一张静态列表：买价在一边，卖价在另一边，点差夹在中间。给入门看看可以。但真正重要的东西全被漏掉了。

订单簿本质上是个队列。每一笔挂着的限价单都排在一个价格上，你的单子能不能成交，取决于三件事：你排在哪儿；你排队的时候别人在干什么；撮合引擎认不认为有人跟你交叉。这三件事贯穿全文——最后你会看到，它们合起来把”挂单还是吃单”变成一道可以算期望值的题，而且算出来的答案经常让人不舒服。

交易所运行的两条铁律

每家现代交易所（NYSE、Nasdaq、Cboe、CME、Binance、Coinbase、EBS，甚至那些号称”没有订单簿”的暗池）都跑在同一套规则下。价格优先：最优价格先成交，100.02 美元的买单排在所有 100.01 美元的买单前面。时间优先：同一个价格上，先到的单子先成交，先进先出。（NYSE 历史上有过例外，当时由场内经纪人酌情分配，但合并行情看起来还是 FIFO。）

Harris 把这两条叫做交易所的交易规则（Harris，《Trading and Exchanges》，第 4 章）。听起来像废话，其实不是——因为确实有交易所打破其中一条。按比例成交（pro-rata）市场（部分期货交易所，历史上 CME 的某些品种）在同一价格上按挂单量比例分配成交，而不是按时间：你挂 10 手、别人挂 30 手，每笔进来的市价单你都只吃到 25%。还有少见的数量优先（同价偏好大单）和混合制（盘口按比例、盘口下方 FIFO）。

如果你交易的是一个 pro-rata 产品，整个思维框架都得换：你不该追求排到队列最前面，而应该在 touch 上挂一个大单。本文后面不展开这条支线，因为主流的股票和加密交易所都是纯价格-时间制。但请记住，“订单簿到处都这样”是一句谎话。

一笔挂单的五要素

一笔挂着没动的限价单有五个属性决定它的命运：方向（买或卖）、价格（持有人能接受的最差价格）、数量、到达时间（进系统的时刻，也就是 FIFO 时间戳）、订单 ID（交易所分配的标识符，用来处理冲突和追踪单子的一生）。

当一笔可成交订单（marketable order）到达——买价 ≥ 最优卖价，或卖价 ≤ 最优买价——撮合引擎就从对面那侧的最优价格开始往外逐层吃单，每个价格层内部按时间顺序吃。一句话讲完撮合算法；Harris 整本第 4 章就是把这句话展开。

排队位置的数学

假设你在 100.00 美元挂了一笔买单，加入了一个队列。100.00 这条上排在你前面一共有 $Q$ 股，你自己的单量是 $q$ 。对面吃单事件以每秒 $\lambda$ 次的速率到达（每个事件是别人的市价卖单打到买价上，消掉队列里的一些量）。

你的期望成交时间是：

E[T_{\text{fill}}] = \frac{Q + q}{\lambda \cdot p_{\text{price\_still\_at\_100}}}

其中 $p_{\text{price\_still\_at\_100}}$ 是你等待期间 100.00 始终是最优买价的概率。这个概率是麻烦的部分。你干等的时候，价格可能跑掉：有人扫掉卖一，新的最优买价变成 100.01，这时候哪怕你到得早，也已经落在新价格层的后面了。

想给这个概率一个粗算，把中间价建模成波动率为 $\sigma$ 的随机游走。在水平期 $h$ 内，中间价向任一方向移动超过半个点差的概率大致是：

p_{\text{cancel}} \approx 2 \Phi\!\left(-\frac{\delta/2}{\sigma\sqrt{h}}\right)

其中 $\delta$ 是以价格单位衡量的点差， $\Phi$ 是标准正态 CDF（系数 2 就是”两个方向都算”）。为什么两个方向都算坏事？往上走，你永远成交不了、眼看行情跑掉；往下走，你倒是成交了——在下跌途中接了货，这叫逆向选择，第 4 篇细讲。这个信封背面的估算告诉你：点差宽且波动低，你等到天荒地老；点差窄且波动高，你要么撤单要么被行情碾过去。

实操要点：行情快的时候，排队位置是一种会衰减的资产。每多等一秒，条件成交概率都在下降。

订单交叉时会发生什么

看个具体的。一笔买单以 100.02 美元到达。订单簿如下：

ASK  $100.02  | 500 shares
ASK  $100.03  | 800 shares
BID  $100.01  | 200 shares
BID  $100.00  | 1200 shares

你这笔 100.02 的买单是可成交的——它等于或高于最优卖价。撮合引擎立即把它和挂在 100.02 的 500 股撮合，你用 100.02 美元买到 500 股（如果你下的量超过 500，剩下的按 100.03 继续吃）。

挂在 100.01 的 200 股买单不参与成交。它们站错了边。撮合引擎不关心 100.01 < 100.02 这个逻辑关系；它只关心买是买、卖是卖，必须买价够到卖价才能撮。

但如果有人下了一笔可成交的限价卖单，价格 100.01 呢？这单会和 100.01 的买价交叉（100.01 ≤ 100.01），在 100.01 成交 200 股。剩余量呢？它的限价是 100.01，够不到下一层 100.00 的买价，于是剩余量以 100.01 挂回簿上的卖侧，成为新的最优卖价。这个行为叫扫单（sweeping）：可成交订单逐价格层扫过去，扫到自己限价够不到的那层为止，未成交的残余以限价挂回簿上。一笔可成交的限价单，机制上就是”市价单 + 残余限价单”，这也是 fill-or-kill 这类指令必须在进入时就指明全成或全撤的原因。（Harris，第 4 章，关于订单的生命周期。）

防自成交的边界情况

现代交易所会跟踪你自家的挂单，拒绝自己跟自己撮合。如果你在簿上挂着一笔 100.00 美元的买单，然后又下了一笔 100.01 美元的买单，撮合引擎要么撤销你老的 100.00 单、把新的挂上去（替换行为），要么拒绝跟自己的单成交、把新单排在后面，要么直接把新单拒掉。各家交易所做法不一样。

这是执行算法里很多诡异行为的根源。如果你见过 TWAP 的某个子单莫名”跳过”，多半是因为算法在下可成交买单的时候，同一父单的一笔限价卖单还挂在簿上。

排队位置本身是种资产

这一点散户基本不会去想。你在队列里的位置是一种资产。 不上你的资产负债表，但它有经济价值：这个价值等于你能拿到的价格与排在更后面的人会拿到的价格之差。如果买价上你排第 10 名、点差 0.01 美元，那比起排第 1000 名的人，你大概相当于握着一跳的”插队补偿”——当最优买价被打掉、你的单子成为新的最优买价时，你就拿到了一格价格改善。

这就是 maker-taker 收费结构存在的原因。交易所给挂单方（簿上的限价单）返佣，向吃单方（拿走流动性的市价单）收费；maker 返佣是对排队风险的部分补偿。股票市场上 maker 返佣很小（每股不到一分钱），加密市场大得多——Binance 历史上给过 0.01%–0.02% 的 maker 返佣，对高频策略是真金白银。

你做做市策略的话，应该清楚自己在每一 tick 的期望排队位置和每秒期望成交率。这条线的数学在 Harris 第 13 章和学术文献里都有（参见 Parlour，“Price Dynamics in Limit Order Markets”，1998；Handa、Schwartz、Tiwari，2003）。

实操中如何估算成交概率

把前面两个量（队列消耗速度、价格漂移风险）拼在一起，就是一个还算合理的成交概率估算器：

import numpy as np
from scipy.stats import norm

def fill_probability(queue_ahead, my_size, events_per_sec, vol_per_sec,
                     spread, horizon_sec):
    """
    在点差收窄或价格反向之前，
    挂在 touch 的限价单成交的概率。
    """
    # 前方队列清空所需期望时间
    eta = (queue_ahead + my_size) / max(events_per_sec, 1e-9)

    # 中间价在 eta 秒内上移半 tick 的概率
    # (假设点差不变、touch 失效)
    drift_std = vol_per_sec * np.sqrt(eta)
    prob_uptick = norm.cdf(spread / 2 / max(drift_std, 1e-9))

    return float(np.clip(1.0 - prob_uptick, 0.0, 1.0))


# 玩具示例：前 500 股、自己挂 100、4 单/秒、
# vol = 0.005 $/sqrt(s)、点差 0.02、水平期 60 秒
print(fill_probability(500, 100, 4, 0.005, 0.02, 60))

跑一下你会看到，对典型的短水平期参数，成交概率大概落在 30–80% 之间。这不是研究级的模型——要做研究你得上 Hawkes 过程模拟事件到达、用跳跃扩散模拟中间价——但主要直觉它都覆盖了。

为什么排队位置决定策略选择

同一个量，在不同水平期上的重要性天差地别。你做长线投资，排队位置就是噪音：市价单成交、付几个基点的点差，你根本不在乎。你做高频做市，排队位置就是一切：共置、更快的撤改、抢占盘口，巨大的工程投入全是为了往队列前面挪，因为排队位置的每一微秒都是期望盈亏。

零售和机构的执行算法处在中间，必须做选择：被动挂单（吃限价、赚点差、承担不成交风险），还是主动吃单（市价单、付点差、保证成交）？答案取决于父单紧急程度、簿上深度、波动率、时间段。这就是执行算法存在的根本原因——后面讲 Almgren-Chriss、VWAP 和 implementation shortfall 的文章，全部可以读成这一句话的展开：每一笔执行决策，本质上都是排队位置决策。

撤单的隐形代价

你在成交之前撤销一笔限价单，没人收你费。但你付出了别的东西：信息。撤得很快，市场可能推断出你丢了优势（或者根本没等到成交）。高频做市商会把撤单率当作毒性（toxicity）信号盯着。Harris 第 13 章关于 dealer 行为那部分专门讨论这个——它也是纯粹”挂单祈祷”策略总被逆向选择的原因之一。

真账本里的真数字

来点真实量级的数字。你在买价上挂 200 股买单。买价 100.00，卖价 100.01。前方队列 800 股。接下来 60 秒里，你看到 12 笔市价卖单打在买价上（每笔消掉队列里一些量），另有 4 笔挂单撤掉。现实的队列消耗事件率 $\lambda \approx 0.27$ /秒。

不算价格漂移，期望等待时间：

E[T_{\text{fill}}] \approx \frac{800 + 200}{0.27} \approx 3700 \text{ 秒}

差不多一个小时。一小时里价格大概率不会老实待着。如果日波动 0.02 美元、交易日 6.5 小时，每秒波动率约 $0.02/\sqrt{23400} \approx 0.00013$ 美元；一小时的典型漂移是 $0.00013 \times \sqrt{3600} \approx 0.0078$ 美元，而半点差只有 0.005 美元。中间价在一小时内向任一方向移动超过半点差的概率：

p_{\text{against}} = 2 \cdot \Phi\!\left(-\frac{0.005}{0.0078}\right) \approx 2 \cdot \Phi(-0.64) \approx 0.52

而两个方向都不是好事：往上你白等，往下你在接刀。你大约只有 48% 的机会在价格还没跑之前干净成交。抛硬币。0.0002 美元的 maker 返佣（股票的常见水平）或 0.002%（加密的常见水平），值不值这个赔率？单笔看几乎不值。挂单的每股期望收益：

E[\text{payoff per share}] = 0.48 \cdot (\text{midprice} - \text{your\_price}) + 0.52 \cdot (\text{midprice} - \text{your\_price} - \text{adverse})

其中 adverse 是价格跑掉时你多亏的半点差甚至更多。这个期望值经常落在零附近或略负——裸做市流血就是这么流的。怎么把它做成正的（用报价偏移管理库存和逆向选择），是 Avellaneda-Stoikov 那篇的主题。

Arithmion SDK 对簿干了什么

如果你用 Arithmion 跑执行算法回测，模拟器必须建模排队位置才能给出真实的成交。arithmion.microstructure 里的 OrderBookSimulator 为每笔挂单维护按订单 ID 的时间戳，在每个价格层内按 FIFO 撮合可成交订单，这是基线。想更真实，可以启用撤改竞速（进来的撤单可能”晚了”，因为同价的市价单已经开始撮合）、部分扫层后的优先权保留（市价单扫过一层时，剩余挂单保留原时间优先权）、以及逐单延迟（每笔订单带自己的时间戳，按到达顺序撮合）。

这就是学术回测和现实回测的差距。多数散户回测假设你想成交就能成交——看完这篇你知道，那是幻想：订单簿是队列，排队位置就是资产，而大多数回测把这份资产当成了免费的。

参考文献

Harris, L. Trading and Exchanges: Market Microstructure for Practitioners. Oxford University Press, 2003. 第 4 章（交易规则、订单类型与撮合），第 13 章（dealer 行为）。ISBN: 978-0-19-514470-3.
Parlour, C. “Price Dynamics in Limit Order Markets.” Journal of Financial Economics, 1998.
Handa, P., Schwartz, R., Tiwari, S. “Quote Setting and Price Formation in an Order Driven Market.” Journal of Financial Markets, 2003.