这篇文章的名字叫高频因子没有秘密，一是因为orderbook上每个因子的逻辑都很清晰，解释性很强，二是因为在很短的时间窗口内，影响价格变动的因素是有限的。
我们拿到的高频数据主要有两种形式，一是像商品期货上固定时间间隔的切片数据，这种数据是对行情的抓拍，你看不到交易明细，只能看到每隔500ms的快照数据：二是像数字货币这种逐笔数据，这种数据记录了每一笔成交，每一次orderbook上的报价变动，是最为细致的高频数据：和其他因子的开发流程一样，高频因子的开发也分三步走：3.评估品种的特性，判断这个因子适不适合用在这个品种上今天写2个经典的高频因子。第一个是订单簿不平衡，这是个最常见的高频因子，它的逻辑是找到订单簿哪一侧的阻力更小，价格会朝着阻力更小的那一侧运动。一般来说某一侧的挂单量越多，这一侧就越能承载市场的冲击，也就是说越不容易被打穿。而挂单量显著少的那一侧，会有更大的可能性被吃掉，然后推动价格的变化。现在我们来设计这个因子，记得前面说过因子的设计要秉承一个原则，就是这个因子一定要和未来收益率挂钩🪝，所以我们不能只计算一侧的挂单厚度，要考虑ask和bid力量的强弱对比。我们考虑盘口一档的挂单量，计算bid挂单量减ask挂单量占总挂单量的比重，这个比重越大，说明bid挂单量越多，价格越容易上涨：a = (df['bid_volume_1'] - df['ask_volume_1'])b = (df['bid_volume_1'] + df['ask_volume_1'])imb = a/b
在下面这个orderbook中，只考虑一档挂单量，计算订单薄不平衡因子：(38.7828–19.1463)/(38.7828+19.1463) ≈ 0.33.但是一档数据的信息量太有限了。在medium这篇文章中：https://towardsdatascience.com/price-impact-of-order-book-imbalance-in-cryptocurrency-markets-bf39695246f6作者分析了ETH的订单薄数据，他得出了很合乎直觉的结论，那就是考虑的订单薄层数越多，订单薄不平衡和未来的收益率相关性越高。很多orderbook上的因子，虽然它们的构造各异，但是它们都描述了一个东西：订单簿的不平衡。比如计算两侧bid和ask的挂单总金额对比，计算两档的挂单价格重心位置，计算加权平均价离mid price的距离等等等等，异曲而同工。第二个因子定义了成交量和收益率的相关性，这个因子定义了单位收益率需要多少成交量来推动，这不是一个严格意义上的OrderBook因子，但确实是一个非常有用的因子。
很多主观盘手会结合量价来看盘面，成交量上升，价格上涨是一种常见的形态。但「温和的放量」和「过大的放量」是非常不同的，「过大的放量」说明单位涨幅需要更多的成交量来推动，原来上涨1%只需要50手，现在要100手，背后说明持有筹码的卖方有强烈的卖出意愿，买方需要用更大的资金去推动上涨。同样的涨幅下，右图中单位成交量对价格的推动力度更大，未来股价更倾向于上涨：高频上的因子总结起来不外乎几类：订单薄不平衡(哪一侧的订单薄更容易被打穿)、成交单子的特征(主买主卖和大小单)、订单薄上的价格压力和支撑位、收益率和量价的联动关系等，每一个因子背后的逻辑都很清晰。高频因子没有秘密，这一点是我做高频因子的设计和回测以来的最大感受。几乎每一个订单簿上的因子，都是可以通过直觉理解透彻的，找到它们不难，重点是怎样利用这些因子，或者对它们做降频处理，用到更低频的策略上，或者用它们来降低开平仓成本，或者直接做成高频交易的信号等，怎么利用和怎么用在策略上，是最关键的部分。
