我们知道STEEM体系中，在处理STEEM和SBD之间转换时，使用的价格是median_history_price or feed price
比如说以下场景：
- 在钱包中将SBD转化成STEEM
- 系统发放文章奖励
- 钱包中显示账户估值
使用这个价格的原因在于，这个价格相对而言比较稳定，不会大起大落，比较适合用于处理以上任务。
(图源：pixabay)
但是，有时候，median_history_price 与内部市场的价格偏差比较大，比如我写作本文时
Feed price
Bid orders & Ask orders
不难看出，这两个价格偏差极大。
于是我们就有了， 发文时选择Power UP 100% 是否合算的问题？
为了方便自己和他人，我特意给微信公众号加了一个辅助大家判断的小功能。
老生常谈，是否100% Power UP？ 公众号新功能！
以100SBD的作者奖励来比较，在当前价格下：
- Power UP 100% 获得的奖励，市场价值约：113.036 SBD
- 50%/50% 情况下获得的奖励， 市场价值约：106.518 SBD
我们据此给出判断：发文建议: Power Up 100%
问题所在
一切似乎都很正常，直到有一次我测试时发现，偶尔出现了 Market Price: 1.000 或者 Market Price: 2.000这样的数据。
在这两天市场价格一直在1.2 - 1.6之前徘徊的情况下，无论是1.000的极低价格还是2.000的极高价格都是不合理的。莫非是我抓的数据有错？看了一下内部市场的成交历史，竟然发现类似这样的数据：
我不清楚内部市场交易撮合的规则，但是既然这样的交易数据实实在在的存在，那么由此可见并非是我的错。
但是，无论是谁的错，这样毛刺数据，都是不可接受的，一旦出现这样的毛刺数据，我的辅助判断就可能出现极大的错误！
如何解决
找出问题，不是我们的目的。找出并解决问题，才是我们要做的。
既然毛刺数据会影响我们的判断，那么我们就要想办法消除毛刺，用我做平衡车姿态分析啥的时候常用的术语叫做滤波。
我们之前采取的方法是，get_ticker，从中我们可以获得：
最高买单价格，最低卖单价格，以及最后一笔成交价格等
我们之前辅助判断功能中采取的就是Last price，因为最后一笔交易可能是成交量极小的毛刺交易，所以偶尔会导致这个价格极度失真。
那么都有哪些方式可以解决这个问题呢？ 我大致想到如下方法：
- (Highest bid+Lowest ask)/2 的方式
- 多获取一些Trade History，并用成交数据中的SBD/STEEM来判断价格
- 获取N档order book，用其中的价格或数量来计算参考价格
对于第一种方式，由于steem内部市场不是很活跃，有时候还好，但有时候Highest bid以及Lowest ask差额巨大，单单取中间值，不是很合理。
对于第二种方式，同样steem内部市场不是很活跃，可能之前一笔成交订单已经过去了好长时间，这样取N比订单，计算参考价格，可能数据会比较陈旧。
第三种方式，相对比较合理，通过当前的买单和卖单来计算出参考价格，无疑是相对比较合理的。
以获取五档order book为例，我们会得到类似如下数据：
我们有几种选择
- 将所有price数据平均
- 对买单的'base'与'quote'求和并计算出买单价格，同理计算出卖单价格，取平均值
- 对所有买单以及卖单的'base'与'quote'求和，直接计算出价格
- 对所有卖单以及卖单的sbd以及 steem求和，计算出价格
通过测试，发现在不同场景下，以上几种方案计算出去的数据，差额极大。
以上述数据为例，后三种方案算出的价格分别为：
- 1.4533425349381701
- 1.4611225385999593
- 1.4621550046265275
可见，计算出来的价格更倾向于反应买卖双方的期望价格。当市场价格趋于平稳时，这个三个计算出来的价格均在Highest bid与Lowest ask之间，差异不大。当市场暴涨或者暴跌时，这个三个计算出来的价格会有严重的倾向性，甚至会超出Highest bid与Lowest ask的范围。超出Highest bid与Lowest ask的范围是否代表不合理，也不尽然。但是上述计算出的数据显然不合理。或许我们根据卖单与买单的量，以及历史成交价格，据此判断出上涨或者下跌的趋势，进而对上述结果进行修正，才会得出趋于合理的数据吧。
再回头看，我们不过要一个市场价格的参考价格，用于判断是否适合Power UP 100%， 有必要搞这么复杂吗？心累！
那就随便用一种方式好了，毕竟都差不多嘛。以后请叫我差不多先生。😭