从盘口存量转向档位更新频率
Glassnode 在 Glassnode Studio 推出订单簿更新频率指标 Book Churn,以十分钟为单位衡量交易所盘口被改写得有多频繁。对币安 BTCUSDT 和 ETHUSDT 永续合约的样本内检验显示,高读数常与剧烈价格变动同时出现,但在识别随后一小时的较高波动方面,并未胜过仅使用已知数据构建的价格区间信号。
深度衡量盘口挂着多少买卖单,价差衡量最优买卖报价相隔多远,Book Churn 则统计一段时间内有多少档位更新被交易所发布。在2025年至2026年的典型月份中,BTCUSDT 更新次数的第95百分位约为第5百分位的3.9倍;以中间价上下1%范围内的买卖深度计算,对应比例约为1.9倍。两者的区别在于,挂单规模看起来变化不大时,构成这些挂单的报价也可能在频繁调整。
同小时基准衡量异常程度
标准分先对更新次数作对数转换,再与同一合约过去30天、同一 UTC 小时内的十分钟区间比较,以减弱日内活跃度差异。指标还提供一个不分时段的倍数:把当期更新次数除以前30天有更新区间的平均次数。前者回答这个时段是否比平时活跃,后者回答更新量达到近期平均水平的多少倍,不能互相替代。
计数对象是行情源发布的档位更新行,不是逐笔委托操作。同一消息内对同一价位的多次修改可能合并,成交引起的挂单量变化也会计入,因此高读数不能直接归因于撤单或做市商重估风险。全量快照不计入,断线期间的更新又可能丢失,异常低值有时反映的是数据缺口,而非交易清淡。不同交易所的推送格式和频率也限制了绝对计数的横向比较。
高读数更多反映波动延续
Glassnode 检验了2020年1月1日至2026年9月30日的样本,将连续达到阈值的区间合并为一次事件,并按年份、时段和近期波动水平匹配对照。标准分至少为2时,BTCUSDT 和 ETHUSDT 随后一小时波动高于各自对照中位数的比例分别为63.2%和63.4%,高于50%的基线。但用提前24小时的读数替代后,两者仍达到58.9%和58.4%。当天读数相对这一对照只多出约4至5个百分点,削弱了把高读数当成新一轮波动预警的理由。
把十分钟最高价与最低价之差按类似方式标准化,并让两个指标触发同样多的事件后,价格区间信号在两份合约上的比例分别为63.7%和63.5%,与 Book Churn 的差异无法和零区分。虽然约一半触发 Book Churn 的区间没有同时触发价格区间信号,但这说明两者的提示时点并不完全重合,并不等于订单簿更新频率提供了更早或更可靠的预警。
更适合识别盘口状态,而非判断方向
Book Churn 的实际信息增量,在于区分盘口存量相近、报价更新强度却不同的时段,而不是判断价格方向。同期十分钟价格区间单独就能解释约七成标准分变动;剩余部分还可能包含噪声和行情源异常,不能全部视作独立信息。
现有结果来自同一交易所两份高度相关的合约,对照中位数又按完整日历年计算,样本内比例不能当成实时可实现的表现。若要把它用于实时监测,关键是核对区间结束至 API 可用的延迟,并验证低读数能否与行情源断线区分;若迁移到其他市场,则需按当地推送机制重新校准和检验。现有研究没有评估实际交易或执行效果。







