訂單簿不平衡 (OBI) 過濾器：透過 Level 2 深度動態調校網格密度 (2026)

传统的網格交易机器人对产生价格变動的潜在市场机制完全视而不见。他们只關注最后交易价格。如果价格触及预定的梯級，机器人就会買入或賣出。这种反应姿态忽略了二級訂單深度中包含的丰富的预测信息流。

价格不会随机变化；价格不会随机变化。它的移動是因为訂單簿一侧的流動性耗尽，而另一侧的剩余交易量施加了方向压力。当大量的机构賣出墙堆积在账簿顶部，而出价流動性变薄时，价格很可能即将下跌。

天真的網格机器人会盲目地将買入限价单放在前进的賣出墙前面，从而有效地抓住了一把落下的刀。然而，智能的、具有微观结构感知能力的網格机器人会实时监控訂單簿不平衡（OBI），動态地向后移動其網格梯級，让机构抛售在部署資本之前耗尽。

为了定量评估供需不对称性，我们计算了限价訂單簿顶部L級别的標準化訂單簿不平衡 (OBI)：

OBI_L(t) = \frac{\sum_{i=1}^{L} w_i \cdot V_i^{bid}(t) - \sum_{i=1}^{L} w_i \cdot V_i^{ask}(t)}{\sum_{i=1}^{L} w_i \cdot V_i^{bid}(t) + \sum_{i=1}^{L} w_i \cdot V_i^{ask}(t)}

其中V_i^{bid}和V_i^{ask}表示深度級别的静止交易量i和w_i是可选的衰减权重（例如，線性衰减w_i = \frac{L - i + 1}{L}或指數衰减），为最接近中間价格的账顶报价分配更高的重要性。

该指標的范围为[-1.0, +1.0]。OBI \approx 0表示完美的书对称（经典对称網格的理想选择）。OBI > +0.50表示買方深度压倒性的，预测价格向上漂移，而OBI_L(t) = \frac{\sum_{i=1}^{L} w_i \cdot V_i^{bid}(t) - \sum_{i=1}^{L} w_i \cdot V_i^{ask}(t)}{\sum_{i=1}^{L} w_i \cdot V_i^{bid}(t) + \sum_{i=1}^{L} w_i \cdot V_i^{ask}(t)}0___ 则预测价格立即面临下行压力。

定量算法不是简单地在帐面不平衡期間關闭机器人，而是動态调整各个網格步距：

• 购買步骤扩展：对于OBI < 0，到最近的购買訂單的距离按\Delta P_{buy} = \Delta P_{base} \cdot (1 - \beta \cdot OBI)缩放，其中\beta \approx 0.8。随着賣出压力的增加，机器人会进一步降低買入价，迫使新賣家提供更大的折扣。
• 賣出步骤收缩：相反，在下行失衡期間，止盈賣出訂單会被放置在接近中間价格的位置，以便在价格进一步恶化之前迅速摆脱現有库存。

在Bybit SOL/USDT上运行的30天比较現场竞技场中，涉及30个bot部署，我们的研究台将標準静态算术網格与OBI过滤的自适应網格进行了比较。

在突如其来的盘中清算級联，静态網格经历了-16.8%的平均回撤，反复買入进入下跌的賣出墙。 OBI过滤的机器人检测到急剧的负失衡（OBI下降到-0.65以下），自動将買入步距从0.45%扩大到1.15%。

这种自适应行为使OBI筛选的机器人能够以平均价格比静态机器人低2.8％的价格积累库存。 在整个30天的周期中，OBI过滤机队实現了+18.4％的净实現收益率，而静态机队的+11.2％，以及最大缩编减少了41％。