摘要
MultiLevelOrderFlowImbalance 是 RTTA 对多档深度 Cont 风格订单流失衡的流式实现。在限价订单簿每个档位 \(\ell=0,\ldots,L-1\)，连续的盘口快照会产生一个 Cont 事件贡献；这些事件通过固定长度窗口滚动求和，再汇总为 total、等权 mean，以及前五档序列 l1…l5。
更新 API
import numpy as np
import rtta
ind = rtta.MultiLevelOrderFlowImbalance(levels=5, window=1, fillna=True)
# 每个时点：长度为 `levels` 的深度向量
result = ind.update(bid_price, bid_size, ask_price, ask_size)
# result.total, result.mean, result.l1 ... result.l5
# 批量：时间 × 深度矩阵，形状为 (n_samples, levels)
batch = ind.batch(bid_prices, bid_sizes, ask_prices, ask_sizes)
每次调用 update(...) 处理一个深度快照（四个长度为 levels 的向量）。如果调用方只想更新状态而不生成 Python 返回值，可以用相同输入调用 advance(...)。接受 float32 和 float64 数组。
工作原理
Cont、Kukanov 和 Stoikov（以及后来的多档扩展）根据报价修订定义订单流失衡：买卖价格发生跳变时新增/移除的数量，或价格不变时发生的数量变化。RTTA 在订单簿每个档位独立应用该事件映射，保存各档此前的价格/数量，以 RollingSumWindow(window) 滚动累积每档事件，并报告：
total——所有档位滚动事件的总和mean——total / levelsl1…l5——前五档的滚动贡献（若实际档位更少，缺失档位为零）
第一个快照的贡献为零（没有此前报价）。当 fillna=False 时，未填满的滚动窗口在该档输出 NaN，并且不计入 total。
递推公式
令 \(L\) 为 levels，\(W\) 为 window；时刻 \(t\) 的档位 \(\ell\) 上，令 \((b^{(\ell)}_t,B^{(\ell)}_t,a^{(\ell)}_t,A^{(\ell)}_t)\) 分别为买价、买量、卖价和卖量。
档位 \(\ell\) 的 Cont 事件（首个观测之后）为：
首个时点取 \(e^{(\ell)}_t=0\)。令 \(S^{(\ell)}_t\) 为档位 \(\ell\) 上最近 \(\min(t,W)\) 个事件的滚动和：
汇总值：
每个时点处理后，把当前 \((b,B,a,A)\) 保存为下次事件所用的此前状态。
实现说明
该递推过程在 src/rtta/indicator.cpp 的 class MultiLevelOrderFlowImbalance 中实现（辅助函数 cont_ofi_event）。批量路径要求形状为 (n_samples, levels) 的 C 连续矩阵。