如何根據 Level 2 數據估算隊列位置

隊列位置與市場微結構

隊列位置（queue position）是指您的委託單在特定價格價位上的排隊順序。在採用「價格優先、時間優先」原則的交易場所中，這決定了您的被動委託單（passive order）能否成功賺取價差（spread），或是最終完全無法成交。彙整後的市場數據不會直接提供此數值：Level 2 報價簿僅顯示各價格價位上的委託總量，而非個別委託的歸屬。以下內容將說明如何根據多數交易者可取得的數據來估算隊列位置，以及如何判斷何時該估算方式已不足以應對市場需求。

估算隊列位置的邏輯

若要估算隊列位置，必須觀察 Level 2 報價簿中特定價格的委託量變化。當您送出限價委託單後，若該價位的總委託量減少，且您的委託單尚未成交，這意味著在您之前的委託單已被執行或撤銷。透過持續監控委託量的增減，交易者可以推算自己距離成交還有多少「身位」。然而，這種方法存在誤差，因為您無法得知其他市場參與者是撤銷了委託，還是有新的委託單排在您的前面。

何時估算不再足夠

當市場波動加劇或流動性轉趨稀薄（thinly traded）時，單純的估算往往會失效。在高度競爭的市場中，高頻交易商（market maker）利用極低延遲的系統，能比一般交易者更快地調整委託。若您發現自己的委託單在價格觸及後仍未成交，或者在報價簿上的委託量出現異常劇烈的波動，這通常代表市場微結構已發生變化，單憑 Level 2 數據已無法精確掌握您的執行機率。此時，交易者應考慮調整委託策略，或改用更具流動性的標的以降低執行風險。

進階執行策略

為何排隊順序是獲利的關鍵

被動掛單（passive order）會留在委託簿中，等待其他交易者主動跨越買賣價差（spread）來成交。在 價格優先、時間優先 的機制下，撮合引擎會先依價格排序，再依委託到達時間排序。若已有一萬股以十美元的價格掛出買單，而您在其後追加一百股，則必須等那一萬股成交或撤單後，才輪到您。若在同一價格撤單並重新掛單，您會回到隊伍的最末端。

這種排序決定了經濟效益。排在隊伍前端，您能頻繁成交並賺取價差，以及任何提供流動性的回饋金，這正是 造市商與收費方費率及回饋金 的核心。排在隊伍後端，您只有在前方所有委託皆成交後才能成交，這種情況通常發生在單邊資金大量湧入時。排在後端的成交，往往集中在價格即將突破您掛單價位的前一刻。同樣的價格、同樣的委託，卻面臨截然不同的交易結果。

Level 2 數據能與不能顯示的資訊

Level 1 數據提供最佳買進與賣出報價（bid and offer）及其對應的掛單量。Level 2 數據又稱為「價格深度」（market by price），增加了市場深度：列出各個價格水準及其對應的總掛單量。兩者皆為彙總數據，Level 1 與 Level 2 市場數據比較 對此有完整說明。當 10.00 美元的買單從 10,000 股降至 8,500 股時，數據源僅顯示減少了 1,500 股。它不會說明這些股份是否已成交、是一筆還是四十筆委託單撤銷，也不會顯示這些委託單原本在隊列中的位置。

成交紀錄是市場中可見的一半：報價單（tape）會列出每一筆成交的規模，因此這些數據可以精確扣除。其餘的部分則是撤單，而撤單正是猜測的開始。下方的面板統計了 2026年6月10日星期三，一檔流動性充足的股票在一個普通交易時段中，合併後最佳報價（consolidated top of book）的訊息數量與報價單成交紀錄的對比。

SELECT
    q.et_time                            AS et_time,
    q.quote_updates                      AS quote_updates,
    t.trades                             AS trades,
    round(q.quote_updates / t.trades, 1) AS updates_per_trade
FROM
(
    SELECT
        formatDateTime(toStartOfHour(toTimeZone(sip_timestamp, 'America/New_York')), '%H:%i') AS et_time,
        count() AS quote_updates
    FROM global_markets.cache_stocks_quotes
    WHERE ticker = 'AAPL'
      AND sip_timestamp >= '2026-06-10 12:00:00'
      AND sip_timestamp <  '2026-06-10 20:00:00'
    GROUP BY et_time
) AS q
INNER JOIN
(
    SELECT
        formatDateTime(toStartOfHour(toTimeZone(sip_timestamp, 'America/New_York')), '%H:%i') AS trade_hour,
        count() AS trades
    FROM global_markets.stocks_trades
    WHERE ticker = 'AAPL'
      AND sip_timestamp >= '2026-06-10 12:00:00'
      AND sip_timestamp <  '2026-06-10 20:00:00'
    GROUP BY trade_hour
) AS t ON q.et_time = t.trade_hour
ORDER BY et_time

08:00 時段位於開盤鐘響之前：該時段內，最佳報價每筆成交變動 0.8 次，訊息量少於成交量。進入常態交易時段後，此比例發生反轉。在 15:00 時段，最佳報價每筆成交變動 1.6 次，僅該小時內的訊息總數就達到 233433 筆。在公開市場中，價格水準的大多數變動皆源於委託單的進出而未實際成交，而這些事件中的每一項，都會以任何彙總數據源無法揭露的幅度，改變您在隊列中的順序。

均勻撤單假設及其對您的美化效果

標準的初步估算假設撤單在佇列中均勻分佈。設 x 為您的相對深度：即排在您之前的股數除以該價格水準的總掛單量。均勻模型設定任何被撤銷的股票位於您之前的機率等於 x，記作 p(x) = x。若您位於一萬股佇列的中間位置，觀察到一千股在沒有成交的情況下撤單，該模型會將您的順位向前推進五百名。

實際的佇列分佈並不均勻。已掛單一段時間的委託通常屬於願意等待的交易者，而剛加入的委託則更有可能是幾秒內就會消失的短暫報價。撤單傾向集中在佇列後方，即靠近您或在您之後的位置。在那一千股撤單中，可能只有兩百股位於您之前，但模型卻將五百股的進度歸功於您。若整日重複此過程，模擬佇列的推進速度將快於實際佇列。這種誤差具有單向性：模擬結果顯示的成交次數更多，且成交時機更佳，優於實際委託單所能獲得的表現。

排隊成交的機制

取消委託會讓您的順位發生隱形變動。而成交則會透過成交筆數（prints）的大小，讓您的順位變動顯而易見。

SELECT
    multiIf(size < 100,  'under 100 shares',
            size = 100,  'exactly 100 shares',
            size <= 499, '101 to 499 shares',
            size <= 999, '500 to 999 shares',
                         '1000 shares or more')             AS trade_size_group,
    round(100 * count() / sum(count()) OVER (), 1)          AS share_of_prints_pct,
    round(100 * sum(size) / sum(sum(size)) OVER (), 1)      AS share_of_shares_pct
FROM global_markets.stocks_trades
WHERE ticker = 'AAPL'
  AND sip_timestamp >= '2026-06-10 14:00:00'
  AND sip_timestamp <  '2026-06-10 20:00:00'
GROUP BY trade_size_group
ORDER BY min(size)

本交易時段中，低於整股單位（round lot）的成交筆數佔總數的 90%，成交股數則佔 42.5%。一千股或以上的大額交易（blocks）佔成交筆數的 0.2%，成交量則佔 19.9%。排隊委託是透過零星的成交逐步消化，因此從第兩千順位到第三千五百順位之間，可能需要等待數百筆成交才能輪到。若模擬器設定在兩筆大額交易後即視為成交，這將會忽略掉盤面上絕大多數的交易細節。

您看不見的委託單

深度行情資訊會進行截斷。若您接收十個價位，而您的委託單位於第十一個價位，則該委託單已超出數據範圍：您既看不見前方排隊的掛單量，也看不見後續加入的委託單。此時，您是在憑空臆測數據，而非進行估算。這種情況相當常見，而非特例，因為若委託單未隨市場價格追價，很快就會脫離最佳買賣價（inside market）。

SELECT
    formatDateTime(toStartOfFifteenMinutes(toTimeZone(sip_timestamp, 'America/New_York')), '%H:%i') AS et_time,
    round(avg(toFloat64(bid_price)), 2) AS best_bid,
    uniqExact(bid_price)                AS bid_levels_touched
FROM global_markets.cache_stocks_quotes
WHERE ticker = 'AAPL'
  AND sip_timestamp >= '2026-06-10 14:00:00'
  AND sip_timestamp <  '2026-06-10 20:00:00'
  AND bid_price > 0
GROUP BY et_time
ORDER BY et_time

在 10:00 區間內，最佳買價平均為 $290.29，且在十五分鐘內觸及 187 個不同價位。對於以美分報價的股票而言，每個價位皆為獨立層級，因此十個價位的視圖僅涵蓋帳簿中十美分的深度。在如此波動的交易時段中，若委託單維持在單一價格，其掛單位置可能會長時間處於委託人可見的最深價位之下。

排隊順序價值最高之處

當價格改善空間不存在時，排隊順序的價值最高。若一檔股票的買賣價差（spread）被鎖定在 1 分錢，交易者無法透過提供更優價格來插隊：所有參與者都堆疊在同一個價位，此時進場時間決定了成交優先權。若價差寬達數分，交易者只需多出 1 分錢即可排在整個隊伍前方，此時價格決策的優先級高於排隊順序。

SELECT
    ticker                                                AS symbol,
    round(avg(toFloat64(ask_price - bid_price)) * 100, 2) AS avg_spread_cents,
    round(100 * countIf(round(toFloat64(ask_price - bid_price) * 100) <= 1) / count(), 1) AS one_cent_pct
FROM global_markets.cache_stocks_quotes
WHERE ticker IN ('SPY', 'AAPL', 'KO', 'NVDA', 'MSFT', 'BKNG')
  AND sip_timestamp >= '2026-06-10 15:00:00'
  AND sip_timestamp <  '2026-06-10 19:00:00'
  AND bid_price > 0
  AND ask_price > bid_price
GROUP BY ticker
ORDER BY avg_spread_cents

在同一交易日的四個盤中小時內，六檔標的中價差最窄的 KO，其平均價差為 1.18 分，且有 82.5% 的報價更新顯示為 1 分錢價差。價差最寬的 MSFT，平均價差為 8.46 分，僅 1.1% 的報價更新顯示為 1 分錢價差。以第一檔標的校準的排隊模型，無法對第二檔標的提供任何有效參考。至於介於買賣報價之間的委託單，即 中間價掛單 所涵蓋的範圍，則在相同規則下形成另一條獨立的隊伍。

四項回測診斷指標

1. 將模擬成交率與相同標的在相同時段的實際成交率進行比較。若模擬器顯示成交率為百分之七十，而實際市場僅有百分之四十，這代表模擬器反映的是您的假設，而非市場實況。
2. 將模擬成交分為兩類：一類是成交後價格水準維持不變，另一類是僅在價格完全突破該水準時才成交。若後者佔比較高，代表模擬器是在價格穿過您的掛單時才給予成交。
3. 建立假設區間。重新執行回測，一次將所有撤單視為從隊列前端移除，另一次則視為從隊列後端移除。這兩次運算結果即為您所選定 p(x) 的真實誤差範圍。
4. 測量您的報價位於行情資訊深度之外的頻率。在該範圍內的成交均為虛構。回測中的前瞻偏差 從另一個角度描述了同樣的缺失：即結果建立在策略當時無法取得的資訊之上。

何時應停止建模並購買委託單數據

逐筆委託數據（Market-by-order, MBO）包含每一筆委託單的訊息，從委託單送達至執行或取消的過程皆有獨立識別碼。若回放此數據流，您在委託隊列中的位置將是精確計數而非估算值，前提是您需將自身委託單送達交易所的延遲納入考量。此類數據成本高於深度報價（depth feed），且儲存需求龐大。

診斷三即為決策準則。若前後兩端的假設情境皆能使策略獲利，則採用中間值假設即可。若策略在其中一種假設下獲利，而在另一種假設下虧損，則代表隊列模型本身即為策略核心，此時購買逐筆委託數據的成本，將低於持續維護一個估算模型所需的代價。

比例分配交易場所改變了問題本質

部分期貨與選擇權市場會將收到的委託單，按各個掛單的規模比例分配給場內掛單，而非依照抵達順序執行。在這些市場中，時間優先順序的重要性大幅降低，報價規模成為關鍵槓桿：將掛單規模加倍，大約能使成交份額增加一倍。隨之而來的失敗模式，轉變為報價規模超過了實際想持有的部位。為何選擇權委託單無法成交 一文探討了從選擇權交易簿零售端觀察到的現象。

常見問題

交易中的排隊順位（queue position）是什麼？

排隊順位是指您的委託單在同一交易場所、同一價格水準下，所有待成交委託中的排序。在價格優先、時間優先（price-time priority）的撮合機制下，排在您之前的委託必須先成交或撤銷，您的委託才能成交。

可以從 Level 2 資料計算排隊順位嗎？

無法精確計算。Level 2 僅顯示各價格水準的總委託量，不具備委託單識別資訊。因此，當委託量在沒有成交紀錄（print）的情況下減少時，您無法判斷這些消失的股數是排在您之前還是之後。您僅能估算數量並設定估值區間。若要取得確切數字，必須使用逐筆委託（order-by-order）資料。

為什麼回測的成交率通常偏高？

常見的假設是將撤單均勻分配在隊列中，但實際的撤單行為多集中在隊列後方。均勻分配模型會使模擬委託的推進速度快於真實隊列，導致回測結果顯示的成交次數與成交品質，皆優於實際交易表現。

什麼是 MBO 資料？

逐筆委託（Market-by-order）資料會針對每一筆委託提供獨立訊息，涵蓋從委託送達、執行到撤銷的完整過程。這是唯一能讓您精確計算排隊順位而非僅進行模型推估的數據源，對於在一個 tick spread 內運作的策略至關重要。

排隊順位在比例分配（pro-rata）交易場所重要嗎？

重要性較低。比例分配機制會根據委託量將進場單分攤給所有待成交委託，因此搶先下單的優勢較小，掛單量的大小才是關鍵。在進行任何隊列建模前，應先確認該交易場所採用的分配模型。

此處每個面板均附有產生該數據的 SQL。您可以在 Strasmore 終端機上變更 ticker、調整日期，並針對您交易的標的提出相同的問題。