跳到主要內容

三種資料

 

成交前:

    OrderBook 上有交易所所有的掛單資料

    理論上最好的成交價格 midPrice = (bestAsk + BestBid) / 2

成交時:

    Trade Price, Volume ... (Tick Level)

    Trade Price 是實際上的成交價格

    用法:trade.price

成交後:

    根據 interval,累積一段時間的 Trade 資料,有兩種:

        1. onClosed() 

        2. 即時 Stream

    用法:kline.close


資料來源可能是 stream 也可能是 web api  , 看各交易所實作的情況

(註記:理論上所謂的成交前狀態應該不存在,那是薛丁格的狀態)


更新:Tick period = average time between changes in the mid-price.

Tick 事件有三種可能的發生原因:

    1. "BID" (one side is LO)

    2. "ASK" (one side is LO)

    3. "TRADE" (one side is MO, both sides are MO, two LO at the same price)

當 mid price 發生改變的狀態,一定會 emit tick event


更新:這邊的 tick 是 mid price 的話,那要 best bid/ask 改價格才會變動。

撤單下單在 best bid/ask 範圍區間內都會影響!

trade 把best bid/ask taken away 那也會影響!

但是假如 trade 不夠多,tick還是不變的!


留言

這個網誌中的熱門文章

電商的網路效應

電商的網路效應 除了社交網路,電商其實也有很強大網路效應,用戶買東西的時候產生的成交數目、評價、評論都會給其他用戶帶來有用的訊息,幫助其他用戶買到好的商品,這是用戶和用戶之間的網路效應 另外用戶多的時候,商戶東西會比較好賣,所以會對商戶提供價值。反過來說商戶多的時候,用戶能買到的商品種類變多,價格和品質也會在競爭之下變得更有吸引力。這種商戶和用戶之間的網路,可以畫成一張二分網路圖(bipartite graph),在社交網路裡面網紅和粉絲之間的網路也可以畫成類似的拓樸 其實電商的網路效應是非常強大的,很多人認為電商的成功主要是靠倉儲和運貨等等基礎建設帶來的規模經濟,但是人們會去 Amazon 買東西很重要的一個原因是選擇多還有評價很豐富真實,這些歸根究底都是商戶和用戶的雙邊網路效應還有用戶和用戶之間的網路效應

Daniel Gross 寫的太好了

Daniel Gross 顯然是一位天才,他在 19 歲就創辦 Cue ,拿到 Sequoia 投資,是他們當時投資過最年輕的創業家,最後被 Apple 收購並在其中負責 ML。之後加入 YC,26 歲又成為 YC 最年輕的 partner,專注在 AI 領域。現在則成立自己的純 remote 天使基金, Pioneer 。 - A new Google     需要下  Query Operators 的搜尋引擎代表壞掉了 - The Bionic Market     給菁英用戶的思考與生產力工具的市場分析 - 10X: Metrics for Early Stage Startups     早期新創的 Growth 指標