Huobi到底有多少交易量“注水”？我们用数据来说话
今年，随着加密货币市场各大币种的价格下跌，大量空气币项目的破发和交易平台的跑路，投资者们已经不像2017年那样狂热的追求暴涨，而是更多的将目光放在了追求安全、稳定上。
作为加密货币市场的信任中介，中心化的交易所承载着人们对交易信任与安全的重任。然而，如今对中心化交易所的质疑声音却越来越大，黑客攻击，交易刷量，暗箱操作，宕机爆仓，资金回滚，平台币归零等负面消息不绝于耳。特别是在最近，有报道指出，作为交易量全球排名前三的OKEx的每日交易金额可能被注水放大了 19.2 倍，而老牌交易所火币的每日交易金额很有可能被注水放大了 12.5 倍。当然，也有人对此报道的数据提出了质疑，怀疑其哗众取宠，博人眼球，计算过程颇有考究。
那么到底，交易所的注水是真是假呢？
我们相信，数据是最可靠的证明。
因此，利用MATRIX DATA的数据，我们用一个很简单的方法就可以验证。
我知道你一定很好奇，让我们一起来看看吧。
算之前我们要先说说这个“注水”是怎么来的。
我们在挂单的交易机制下，正常的成交价应该是大于卖一价或者小于买一价的。若交易所想在成交量数据中“注水”，一般都是在买一和卖一价间虚构成交数据。因此我们的方法，就是利用我们MATRIX DATA的逐笔数据和盘口数据，做一个匹配。
找出交易所返回的成交数据中以积极的市价单成交的交易量，我们把这个指标称为主动成交量指标。然后我们要随机抽取不同时间段，不同币种的交易，观察这个主动成交量的变化，特别是在和某些重大舆情重叠的时间段里，这个指标的变化。这样我们才能分析出交易所“注水”的真正原因和推手。
在计算指标过程中，我们考虑到真实的交易场景下会包含冰山订单（隐藏部分委托数量（不在系统中公开显示）的委托，也称为隐藏委托（hidden order）），瞬时间最佳报盘价的变化，数据延时等问题，该指标在计算过程中会包含一定的误差。因此指标的值只能提供参考，对成交量数据给出相对的分析。
计算过程
我们这次选取了Huobi的交易数据来检验。
获取交易所逐笔和盘口数据
在我们的官网中逐笔数据和盘口数据接口分别获取某一时间段Huobi 5种主流货币的交易数据。官网：matrixdata.io
在API接口页面，我们提供了四种主流编程语言的demo，需要的小伙伴可以直接复制之后替换掉里面的参数使用。
我们这里展示一段Python的示例代码：
逐笔数据示例代码：
def get_trades_data(symbol = 'BTC/USD.OK.TW'):
url = "https://api.matrixdata.io/matrixdata/api/v1/historicalTrades"
params = {'symbol':symbol,
'limit':'500'}
response = requests.get(url + concat_param(params), headers=headers)
#Get json result
result = response.json()
try:
if result['Head']['Code'] == '200':
return result['Result']
except:
pass
return []
盘口数据示例代码：
def get_depth_data(symbol = 'BTC/USD.OK.TW'):
url = "https://api.matrixdata.io/matrixdata/api/v1/depth"
params = {'symbol':symbol}
response = requests.get(url + concat_param(params), headers=headers)
result = response.json()
try:
if result['Head']['Code'] == '200':
temp = result['Result']
temp['Bids'] = float(temp['Bids'][0][0])
temp['Asks'] = float(temp['Asks'][0][0])
return temp
except:
pass
return []查找买一&卖一价
根据两个数据的时间进行匹配，找到每笔交易数据最近的盘口买一和卖一价。
示例代码：
merge_data = pd.merge_asof(trade_data,depth_data,on = 'dt',direction = 'nearest',by = 'Symbol',tolerance = pd.Timedelta('2s'))计算主动交易量
若成交价格在买一和卖一价中间，则我们记为非主动成交。若成交价格大于卖一价或小于买一价，则我们记为主动成交。
计算公式：
计算主动成交量指标
计算对应的主动成交量与总成交量的比，以此作为主动成交量指标。
这个主动成交量指标，就是衡量交易所交易额的“注水”量了！
获取主动成交量指标的时间序列曲线
每间隔一段时间，计算过去100条成交数据的主动成交量指标。得到一条主动成交量指标的时间序列曲线。
从这条曲线，我们可以查看出哪个阶段的“注水量”比较高，哪个阶段“注水量”比较低。
数据展示：Huobi主要币种的主动成交量指标时间序列曲线
图1：BTC/USDT 交易
图2：ETH/USDT 交易
图3：XRP/USDT 交易
图4：BCH/USDT 交易
图5：LTC/USDT 交易
重点行情的盘口数据
我们重点关注下图1中画红圈的那个点的数据。
我们举例看一下这个点的盘口数据。
（由于数据量较大，我们在此只展示部分数据。）
分析与结论
在过去的文章里，我们分别分析了OKEx交易的期货合约交易和现货交易的主动成交量情况。今天我们检验的Huobi交易所现货交易的主动成交量分布又如何呢？
从今日我们录得的数据来看，Huobi交易所的主动成交量指标约在0.2-1宽幅震荡。出现如此大的波动，有可能表明Huobi交易所本身存在着巨量的虚假成交，但交易所本身也存在着许多的活跃用户，他们贡献了大量的真实且主动的成交量。因此主动成交量指标数据存在噪音，难以得出具体的“注水量”。
同时我们还可以在品种间进行横向比较，比如BCH的成交量主动性就微弱与ETH，BTC，BTC等市值排名靠前的币种。
若小伙伴们有兴趣，可以在我们的讨论群里与我们交流。