> **Source:** https://permissionless.fi/zh/07-order-types
> From *无需许可的金融* (无需许可的金融：从永续合约到链上全球市场) by Eric Cheung. Licensed under CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/).

# 第 7 章 订单与永续合约交易的语言

在现代加密衍生品市场中，买入大额头寸（如1,000万美元的以太坊多头）的动作实际上是一个多层次的金融信息传递过程。这笔订单的最终处理结果，取决于所选的执行架构。如果将这笔限价单发送至中心化交易所，如 Binance 或 OKX，订单会通过加密 API 瞬间抵达交易所的私有服务器。在撮合引擎的内存中，这笔订单将在亚毫秒级的时间内被处理。如果当前订单簿中没有匹配的卖单，它将驻留在订单簿中。除了交易所的内部系统和极少数高频做市商能够通过私有数据流观察到部分信息外，整个市场对这1,000万美元的购买意图无法获取该信息。交易者可以随时零成本地撤销这笔订单，不产生任何公开记录。

如果选择在链上中央限价订单簿协议（如 Hyperliquid 或 dYdX）中提交完全相同的订单，其处理流程存在根本差异。这笔订单在被私钥签名后，会广播至应用链的验证者网络。约200毫秒后，它被打包进区块，成为一个不可篡改的链上承诺，向全世界公开展示。所有的全节点运营者、链上分析工具、套利机器人都将立刻“看”到这1,000万美元的买入意图。如果未能立即成交，这笔订单将公开悬挂在链上订单簿中，成为各方博弈的焦点。若想要撤单，交易者必须再次提交一笔链上交易，这不仅需要支付网络费用，还会经历区块确认的延迟，并且所有的尝试和撤回都会作为历史数据被永久记录。

这两种截然不同的处理路径，正是当前加密衍生品市场微观结构演变的反映。2025年，加密衍生品市场日均交易量约2,645亿美元 [1]。在这一庞大的市场中，永续合约已成为交易量占比最高的工具，不仅超越了现货市场的交易规模，更成为了整个加密资产定价和流动性发现的核心机制。去中心化衍生品交易所同期也经历了快速增长。在 Hyperliquid 等高性能应用链的推动下，2025年去中心化交易所（DEX）永续合约交易量激增346%，达到6.7万亿美元 [2]。特别是 Hyperliquid，其全年交易量达到2.9万亿美元，不仅超越了 Coinbase International 等合规巨头，更在10月份创下了单月处理超过3,000亿美元交易量的历史新高 [2]。DEX 在永续合约市场中的份额从年初的不足4%跃升至年底的超过13%，这一结构性转变标志着链上衍生品交易进入主流市场版图。

然而，将复杂的衍生品交易和高频订单簿从私有服务器迁移到公开的区块链上，并非仅仅是基础设施的简单替换。这构成市场微观结构层面的重构。在链上环境中，订单不再仅仅是交易意图的表达，它本身变成了一种信息含量较高的公开信号。本章从“订单即信号”的理论框架出发，分析链上透明环境中的信息泄露与逆向选择，做市商在订单簿中的防御机制，普通交易者面临的“意图-执行鸿沟”，以及从基础到高级的订单类型工具箱、永续合约的三维策略扩展和区块链物理约束对订单经济学含义的重塑。

## 7.1 订单的信号功能

在金融市场的微观结构理论中，订单是最基础的构成单元 [3]。传统教材往往将订单视为一种纯粹的操作工具（“市价单等于按当前价格立即成交，限价单等于在指定价格挂单等待”），这种理解是必要的，但远远不够充分。在现代高频交易和链上透明账本的环境下，每一笔被提交到市场的订单，无论是否最终成交，都在向市场传递着丰富的信息。本节将建立一个认知框架：每笔订单同时执行“交易功能”和“信号功能”，交易者的核心策略挑战是在两者之间寻找最优平衡。这个“订单即信号”框架将贯穿全章，统一解释所有订单类型的策略含义。

### 7.1.1 交易功能与信号功能

在加密衍生品市场，尤其是链上中央限价订单簿（Central Limit Order Book, CLOB）中，每一笔订单都具有不可分割的双重功能：显性的交易功能和隐性的信号功能。

交易功能是订单的表层目的。当交易者提交一笔买单时，其直接目的是以特定的价格获取目标资产的多头头寸。这种功能是确定性的、机械的，由撮合引擎根据价格优先、时间优先等规则严格执行。交易功能的成功与否，直接体现在交易者的账户余额和持仓变化上。在永续合约的语境中，交易功能还包含了更丰富的维度：一笔买单不仅改变了持仓方向和规模，还同时改变了有效杠杆率、清算价格和保证金占用比例，这些衍生效应使得永续合约中的订单决策比现货市场复杂一个数量级。

信号功能则是订单的深层属性。在信息不对称的市场中，交易者的行为本身就是最大的信息源。订单的类型、价格、规模、提交时间，甚至是被撤销的频率，都在向市场中的其他参与者（尤其是做市商和套利者）泄露交易者的私有信息。具体而言，信号功能包含以下几个维度：

| 信号维度 | 泄露的信息 | 推断逻辑 |
| :-------- | :---------- | :--------- |
| 订单方向 | 交易者对价格走势的判断 | 买单暗示看涨预期，卖单暗示看跌预期 |
| 订单类型 | 交易者的紧迫程度 | 市价单表明极度紧迫，限价单表明可以等待 |
| 订单规模 | 交易者的资本量和信心水平 | 大额订单暗示机构级别参与者或强烈的方向性信念 |
| 提交时间 | 信息的时效性 | 在重大事件前后提交的订单更可能包含私有信息 |
| 撤销频率 | 订单的真实意图 | 高频撤销可能暗示“试探性”挂单或做市策略调整 |

**表 7-1.** 订单信号功能的五个维度（数据来源：作者整理）

表 7-1 系统梳理了订单信号功能的五个维度——做市商的算法会综合分析订单的方向、类型、规模和时间特征，推断出提交者的身份类别和信息含量。图 7-1 以流程图展示交易功能与信号功能从订单提交到交易者优化目标的传导路径。

![图 7-1：订单的双重功能：交易与信号](./images/fig-7-1.png)

**图 7-1.** 订单的双重功能（概念/机制流程示意，非实测数据）

这种双重功能的认知，可以被形式化为一个简洁的优化框架。对于任何一笔订单，交易者的目标函数可以表述为：

> 订单优化目标 = 最大化（交易功能效率） × 最小化（信号泄露程度）

需要指出的是，上述优化框架是一个规范性理想（normative benchmark），描述的是理性交易者应当如何选择订单类型，而非对实际交易者行为的正面描述。大量实证研究表明，散户交易者的订单选择往往受平台 UI 默认设置、紧迫性偏差和可用性启发等行为因素驱动，系统性地偏离这一理论最优。不同的订单类型，在这个目标函数中提供了不同的帕累托最优解。市价单将交易功能效率推到极致（立即成交），但信号泄露也达到最大值；冰山单将信号泄露降到最低，但牺牲了执行速度和确定性。理解这一权衡，是理解所有后续订单类型分析的理论基础。

在中心化交易所中，信号功能往往被暗池、冰山订单以及交易所内部的数据隔离机制所部分掩盖。交易者的限价单只有交易所和被授权的对手方能够看到，撤单不留下公开痕迹，订单的信号传播范围被严格限制在交易所的围墙之内。然而，在链上 CLOB 协议中，由于区块链账本的全局可见性，订单的信号功能被显著放大。任何一个能够运行全节点或访问 RPC 接口的参与者，都可以实时监控订单簿的每一次微小变动。在这个全方位透明的市场中，每一笔订单都在传递信息，且面向所有参与者。

### 7.1.2 信号强度光谱

并非所有的订单传递的信号强度都是相同的。根据订单类型和参数的不同，我们可以构建一个“信号强度光谱”。在这个光谱上，不同类型的订单在执行紧迫度和信号泄露程度之间展现出明显的权衡关系。

在光谱的一端是大额市价单。这类订单传递出强执行紧迫度，表明交易者愿意接受当前订单簿上的任何价格以立即完成交易。在微观结构理论中，市价单通常被视为含有最高比例的“私有信息” [4]。其信号内容可以被解读为：“我需要立即成交，不惜付出高额滑点，我可能掌握了时间敏感的重大信息。”当做市商观察到连续的单向大额市价单时，他们会立即推断出有知情交易者正在建仓，从而迅速撤回流动性或调整报价。值得注意的是，大额市价单的信号并非毫无噪声：恐慌性抛售和被迫清算同样会产生大额市价单，但做市商无法在事前完美区分两者，这正是逆向选择问题的根源。

光谱的中间地带是各种限价单。激进的限价单（价格非常接近甚至优于当前最优买卖价）传递的信号强度仅次于市价单，其隐含信息是：“我有方向性判断，但不那么紧迫，愿意等待短暂时间获得更好的价格。”这类订单在紧迫性和执行价格之间寻求平衡。而远离市场价格的被动限价单传递的信号则相对较弱，它们更多地被视为流动性提供者的被动布局，即做市商的典型选择，或长期投资者的“逢低买入”策略。

在光谱的另一端是算法订单（如 TWAP/VWAP）和冰山单。这些订单设计的初衷就是为了隐藏交易者的真实意图和总规模。冰山单将大额订单切分为小块依次显示，故意隐藏真实规模；TWAP（时间加权平均价格）和 VWAP（成交量加权平均价格）算法则将大额订单分散在较长的时间窗口内执行，使每一笔小订单的信号微弱到几乎无法与市场背景噪声区分。其目标是将大额订单拆分为足够小的子订单，使每笔子订单的信号强度接近市场噪声水平。

| 订单类型 | 信号强度 | 信号内容 | 执行确定性 | 典型使用者 |
| :-------- | :-------- | :--------- | :---------- | :---------- |
| 大额市价单 | 极强 | 紧迫需求，可能掌握重大信息 | 最高 | 知情交易者、恐慌交易者 |
| 普通市价单 | 强 | 有方向性判断，需要即时执行 | 高 | 投机者、趋势追随者 |
| 激进限价单 | 中强 | 有方向性判断，愿意短暂等待 | 中高 | 活跃交易者 |
| 普通限价单 | 中 | 对价值有信念，不急于成交 | 中 | 做市商、价值投资者 |
| 远离市价限价单 | 弱 | 提供流动性或逢低布局 | 低 | 做市商、长期投资者 |
| TWAP/VWAP 算法单 | 极弱 | 将规模分散在时间上 | 中（分批） | 机构交易者 |
| 冰山单/隐藏单 | 极弱 | 故意隐藏真实规模 | 中低 | 大额交易者 |

**表 7-2.** 订单类型与信号强度的对应关系（数据来源：作者整理）

表 7-2 揭示了一个核心规律：订单选择的真正权衡轴并非“信号强度↔执行确定性”，而是“执行紧迫度↔价格改善与信号隐藏”。大额市价单位于高紧迫度一端，同时取得最高的执行确定性与最强的信号泄露（二者在此端同向）；冰山单/TWAP 位于低紧迫度一端，以牺牲执行速度换取最弱的信号泄露。因此信号强度与执行确定性在被动端同向、在主动端背离，并非简单的一维反向关系（如激进限价单和 IOC 订单在特定条件下可能兼具较高的信号强度和执行确定性；此外，在链上环境中，TWAP/VWAP 子订单的执行模式可能被链上分析工具通过模式识别重新聚合，导致实际信号隐藏效率低于表中所示）。图 7-2 按“执行紧迫度”与“信号泄露程度”两端对各类订单进行排序呈现。

![图 7-2：订单的信号强度光谱](./images/fig-7-2.png)

**图 7-2.** 订单的信号强度光谱（概念模型示意：0–100 为相对强度的作者赋值、非实测数据；理论依据 Copeland & Galai 1983 [4]、Harris 2003 [3]、Easley 等 2012 [29]）

> 核心策略含义：交易者面临一个基本权衡，即执行紧迫度（速度）与信息隐藏（及价格改善），而非简单的“执行确定性对立于信息泄露”。市价单的执行确定性最高，但信号泄露最大；冰山单的信号泄露最小，但执行确定性较低且操作复杂。选择订单类型，就是在这个权衡中选择自己的位置。

在链上环境中，这一权衡变得尤为尖锐。由于缺乏原生的隐私保护机制，真正的冰山单难以实现（其透明性张力与正式定义见§7.3.2，协议层选择性不透明的缓解见§7.5.4）。在目前的 Hyperliquid 或 dYdX 等主流链上 CLOB 中，交易者主要依赖链下计算和高频订单拆分来模拟算法执行，但每一笔拆分后的子订单仍然链上可见，足够精密的链上分析工具仍有可能通过模式识别将这些碎片重新关联，推断出交易者的真实意图。链上环境对信号隐藏的结构性限制，是理解链上 CLOB 与 CEX 之间微观结构差异的核心分析起点。本节仅建立这一认知框架；§7.5将从 MEV 暴露面和承诺成本的角度，对链上订单的公开承诺属性进行深入展开。

### 7.1.3 逆向选择的微观基础

当订单在“说话”时，市场中最重要的倾听者是做市商。做市商通过在买卖两侧同时提供报价来获取买卖价差，他们是市场流动性的核心供给者。然而，这种商业模式面临着一个核心风险：逆向选择。

逆向选择的概念最早由 Copeland 和 Galai 在1983年的开创性论文中形式化 [4]。Glosten 和 Milgrom (1985) 随后在序贯交易模型中证明，买卖价差的均衡水平由做市商对知情交易者占比的后验估计所决定 [5]；Kyle (1985) 则从知情交易者的最优策略角度出发，证明价格冲击系数 $\lambda$ 与知情交易信息精度成正比 [6]。这三篇经典文献共同构建了逆向选择理论的微观基础。Copeland 和 Galai 的关键洞见在于：提交限价单的行为，在经济学上等同于向市场免费提供了一个期权。当交易者挂出一个买入限价单时，实际上给了市场中任何人以该价格向其卖出资产的权利。如果市场价格保持稳定或上涨，这个“期权”不会被行使，该限价单保持未成交状态；但如果有知情交易者获悉了即将导致 ETH 价格暴跌的信息，他们会立即“行使”这个期权，以3,000美元的价格向该限价单提交者卖出即将贬值的 ETH。对限价单提交者而言，被动成交往往意味着承受了逆向选择损失。

做市商作为市场中最大规模的限价单提供者，持续面临逆向选择风险。为了补偿这种潜在的损失，做市商必须通过扩大买卖价差来向所有交易者（包括非知情交易者）收取“信息溢价”。该成本由全体交易者分摊：少数知情交易者的存在系统性地提高了所有参与者的交易成本。

在实际操作中，做市商“听”订单的方式主要依赖于对订单流失衡的实时监控。通过分析特定时间窗口内主动买单和主动卖单的体积差异，做市商可以推断出市场微观动能的倾斜方向。Bieganowski 和 Slepaczuk (2026) 的研究证实，订单流不平衡是短期价格走向最强的预测信号之一 [7]。当做市商的算法检测到买方攻击性急剧上升（例如连续出现大额市价买单），它会立即做出反应：扩大卖方报价、缩减卖方挂单深度。这就是“价格上升”的微观机制：不是因为某个抽象的“市场力量”，而是因为做市商在订单流中“听”到了知情交易者入场的信号，并据此调整了自己的风险敞口。图 7-3 将这一动态过程形式化为一个闭环反馈模型：知情交易者的市价单冲击触发做市商的逆向选择感知，做市商通过扩大价差和撤回报价进行防御，而这种防御性反应又进一步加剧了市场的流动性紧缩，形成了逆向选择的自我强化循环。

![图 7-3：做市商的逆向选择反馈循环](./images/fig-7-3.png)

**图 7-3.** 做市商的逆向选择反馈循环（机制反馈循环示意，非实测数据；订单流不平衡为最强短期价格预测信号之一，依据 Bieganowski & Ślepaczuk 2026 [7]）

永续合约中的逆向选择具有特殊的加剧效应。 Ruan 和 Streltsov (2022) 的实证研究发现，引入永续合约的市场，其交易成本反而可能上升 [8]。需要注意的是，该研究的样本期（2020-2022年）恰逢散户投资者大规模涌入加密市场和全球宽松货币政策的特殊时期，交易成本上升可能部分反映了市场参与者结构的剧变而非永续合约的固有效应，因此该发现不宜被简单推广为永续合约市场的普遍特征。这一看似反直觉的现象，正是逆向选择效应加剧的直接体现。永续合约的高杠杆特性意味着知情交易者可以用更少的资本撬动更大的头寸，使其信息优势的变现效率大幅提升；同时，全天候不间断的交易意味着做市商必须在任何时刻都保持报价，无法像传统市场那样在收盘后暂停交易。更深层地看，永续合约的引入为现货做市商创造了一种新型逆向选择来源：知情交易者可以选择在永续合约而非现货市场表达其信息优势，导致现货做市商面临的订单流中知情成分上升、做市利润下降。这两个因素叠加，迫使做市商不得不扩大价差以补偿更高的逆向选择风险。

2025年10月10日的极端行情提供了一个典型的观察样本。当日，受宏观地缘政治冲击，加密市场遭遇闪电崩盘，全网永续合约未平仓合约在约36小时内蒸发约190亿美元，并伴随同一量级的强制清算 [9]。在这一事件中，链上 CLOB 的做市商通过监控到瞬间激增的单向市价卖单和巨额清算订单（清算订单本质上也是一种强制市价单），迅速“听”懂了市场的恐慌信号。做市商的算法在毫秒级的时间内做出了防御性反应：大规模撤回现有的限价买单，并将新的报价大幅下调。这种行为导致主要交易对（如 BTC-USDT 和 ETH-USDT）在±2%价格区间内的订单簿深度在短时间内蒸发了90%以上，买卖价差急剧扩大 [10]。这正是逆向选择机制在极端压力下的防御性体现。这虽然保护了做市商的资本，但也导致了市场流动性的瞬间枯竭，使得所有试图在此刻执行订单的交易者都面临着远高于正常水平的滑点成本。

### 7.1.4 意图-执行鸿沟

对于普通交易者而言，理解订单的信号功能和做市商的防御机制，最终是为了跨越一个核心障碍——“意图-执行鸿沟”。这是本章的第二个核心理论贡献。

这个鸿沟指的是：交易者在脑海中形成交易决策时的理论价格（“我想在2,050美元附近买入50 ETH 多头”），与订单最终在市场上实际成交的价格（“实际成交均价2,053.7美元，滑点0.18%，Gas 费1.2美元，被三明治攻击额外损失12美元”）之间的差异。这一概念源自 Perold (1988) 提出的“执行缺损”框架 [11]，但在链上永续合约的语境中，鸿沟的构成和驱动因素呈现出独特的分布特征。

在链上永续合约交易中，意图-执行鸿沟可以被拆解为以下成本组件（表 7-3）：

首先，延迟成本源自交易者点击“买入”到订单被打包进区块并被撮合引擎处理的时间差。在 CEX 中，这通常是几毫秒甚至亚毫秒级别；而在链上，即使是 Hyperliquid 这样高度优化的应用链（区块时间约200毫秒），从订单签名到最终确认也需要数百毫秒，在通用公链上的 DEX 中则可能长达数秒甚至数十秒。在这段看似短暂的时间窗口内，市场价格可能已经发生了不利变动，尤其是在高波动性时期。与此同时，交易者自身订单的规模会消耗订单簿上的流动性，导致平均成交价格劣于初始的最优报价，这便是价格冲击的来源。订单规模越大，价格冲击越显著；在链上 CLOB 中，由于流动性深度通常不及头部 CEX，同等规模的订单产生的价格冲击更为剧烈。此外，交易者还须承担价差成本，即支付给做市商的买卖价差，本质上是对做市商提供即时流动性和承担逆向选择风险的补偿。如前文所述，链上环境中更高的逆向选择风险往往导致更宽的价差。

在上述市场微观结构层面的成本之外，链上交易还面临两类特有的摩擦。其一是网络与协议费用，包括支付给验证者的 Gas 费和支付给协议的交易手续费。虽然 Hyperliquid 等应用链已将 Gas 费内化（用户无需直接支付 Gas），但协议手续费仍然是一个显性成本组件。其二是滑点与 MEV 成本，即由于网络拥堵、抢先交易或 MEV 攻击导致的实际成交价格与预期价格的偏差。链上的全透明性使得订单在被打包前（处于内存池中时）容易被 MEV 搜索者利用，搜索者可以在目标买单之前插入自己的买单（抬高价格），然后在目标买单之后卖出获利，这就是经典的三明治攻击。

| 鸿沟组成部分 | CEX 中的量级 | 链上 CLOB 中的量级 | 核心驱动因素 |
| :----------- | :---------- | :-------------- | :---------- |
| 延迟成本 | 极小（亚毫秒） | 小至中（200ms 至数秒） | 架构性能与共识延迟 |
| 价格冲击 | 小（流动性深） | 中（流动性较浅） | 订单规模与订单簿深度 |
| 价差成本 | 小（竞争充分） | 中（逆向选择更高） | 做市商的逆向选择补偿 |
| Gas/协议费 | 无 | 存在（应用链通常内化 Gas） | 底层链的费用模型 |
| MEV/滑点 | 隐性（内部信息利用） | 显性（三明治攻击/抢先交易） | 交易可见性与排序机制 |
| 清算风险附加 | 存在 | 存在且清算价公开可见 | 高杠杆与透明性叠加 |

**表 7-3.** 意图-执行鸿沟的成本组件对比（数据来源：作者整理）

![图 7-4：意图-执行鸿沟的成本拆解](./images/fig-7-4.png)

**图 7-4.** 意图-执行鸿沟的成本拆解（概念模型示意：bp 分量为代表性数值、非实测；框架依据 Perold 1988 [11]，链上量级参考 Hyperliquid/dYdX）

> “意图-执行鸿沟”的分析价值在于：它为评估不同市场结构的执行质量提供了一个统一的度量维度。关键不在于简单地判断“哪个更好”，而在于理解“鸿沟的构成和宽度有何不同”。CEX 的鸿沟通常较窄，但其中包含不可量化的“隐性”部分，即交易所内部可能利用订单流信息的风险无法被外部审计；链上 CLOB 的鸿沟可能更宽，但每一个组成部分都是链上可观察、可量化、可审计的。这正是第1章所论述的“透明性悖论”在订单执行层面的具体体现。

意图-执行鸿沟在危机中的非线性扩大是一个尤为关键的现象。Kaiko Research (2025) 对2025年10月市场危机的分析表明，在极端行情中，订单簿深度骤降90%以上，流动性急剧收缩 [10]。同样一笔1,000万美元的市价单，在正常市场条件下，滑点因平台类型而异：在顶级 CEX（如 Binance、OKX）上约为1-5个基点，在应用链 DEX（如 Hyperliquid）上约为10-30个基点，在通用公链 DEX 上可能达到50-100个基点甚至更高，但在危机时刻滑点可能飙升至5%甚至10%，意味着50万至100万美元的额外成本。换言之，意图-执行鸿沟在最需要被跨越的时刻（即市场剧烈波动、交易者急需调整头寸之际）反而会非线性地扩大。这种“流动性幻觉”（正常时期看似充裕的流动性在危机中急剧下降）是所有依赖订单簿的市场结构的固有脆弱性。其背后的博弈论机制可以用 Brunnermeier 和 Pedersen (2009) 的流动性螺旋模型加以解释 [12]：外生冲击触发 risk-off 情绪时，做市商被迫同步撤回流动性供给——每个做市商的撤单都是个体理性的防御行为，但同步撤单构成了合成谬误，导致订单簿深度的集体性蒸发。完整的传导链条为：宏观或地缘冲击 → risk-off 情绪扩散 → 跨市场去杠杆 → 保证金追缴 → 强制卖出 → 订单簿流动性蒸发 → 价格冲击放大 → 进一步保证金追缴。可能的制度性缓解手段包括对做市商施加最小报价义务和最小报价时间要求，但在当前无许可的链上 DEX 环境中，此类约束难以实施。链上 CLOB 由于流动性基数较小，这一脆弱性更为突出。

为了弥合这一鸿沟，现代加密交易者必须像机构量化基金一样思考。他们不再仅仅关注“买什么”和“何时买”，而是将大量精力投入到“如何买”上。通过智能订单路由在多个流动性来源之间分配订单、通过时间加权平均价格算法将大额订单拆分为小额订单在时间上分散执行、以及利用意图为中心的求解器网络将订单匹配外包给专业的执行者，交易者试图在全透明的链上环境中最大限度地保护自己的订单信号，争取最优的执行路径。这些执行策略的具体机制将在后续章节中分别论述。

## 7.2 基础订单类型

在加密货币永续合约市场中，交易者与交易所撮合引擎交互的唯一方式是发送订单。这些订单构成了交易的基本工具，而基础订单类型（市价单、限价单以及止损/止盈单）则是其基本类型。理解这些基础订单类型，不仅是掌握平台操作界面的前提，更是理解市场微观结构和价格发现机制的基石。

本节从微观经济学和市场微观结构的视角分析这三种基础订单类型在永续合约市场中的独特属性、风险特征以及它们之间的博弈关系。

### 7.2.1 市价单

市价单是要求交易所以当前订单簿上最优可用价格立即执行的订单。它的核心特征是优先保证执行的确定性，而放弃对执行价格的控制。在市场微观结构理论中，市价单是“流动性消耗者”。当交易者提交市价单时，他们实际上是在“跨越买卖价差”，消耗订单簿上现有的限价单深度。因此，市价单是驱动价格变动的直接力量。正如 Bieganowski 和 Ślepaczuk（2026）在对加密货币微观结构的研究中所指出的，订单流不平衡（即买入市价单与卖出市价单的净差额）是预测短期价格走向的最关键特征之一 [7]。

在永续合约市场中，市价单具有几个特殊属性：高杠杆放大了滑点的影响。滑点是指订单预期执行价格与实际执行价格之间的差额。在现货市场中，0.1% 的滑点可能微不足道；但在永续合约中，如果交易者使用 50 倍杠杆，0.1% 的滑点将直接吞噬 5% 的初始保证金。这意味着市价单的隐性成本在杠杆作用下被显著放大。与此同时，在极端行情下，最需要确定性的时候，其代价往往最高。在市场发生清算级联时，订单簿深度会急剧枯竭。此时提交市价单，虽然保证了成交，但由于缺乏对手盘，订单会沿着订单簿不断向下（或向上）“吃”单，导致极大的滑点。

这些因素共同指向市价单传递了强烈的信息信号。在微观结构模型中，大额市价单通常被视为知情交易者入场的标志。当大额市价单出现时，做市商会迅速调整其报价以防范逆向选择风险，这进一步加剧了后续市价单的执行成本。

### 7.2.2 限价单

限价单是指定一个具体价格（或更优价格），只有当市场价格达到或优于该指定价格时才执行的订单。与市价单相反，限价单优先保证价格的确定性，而放弃执行的确定性。限价单是“流动性供给者”，它们构成了订单簿的深度。交易者提交限价单，本质上是在用“耐心”换取价格优势和更低的手续费。然而，限价单绝非没有风险。如§7.1.3所述，提交限价单在经济学上等同于向市场免费赠送一份期权 [4]：买入限价单相当于卖出一份看跌期权，卖出限价单相当于卖出一份看涨期权。

基于这一理论，限价单主要面临两种风险。一是执行风险，当市场朝着有利于交易者的方向移动时，限价单可能无法成交，导致交易者错失潜在的利润。二是逆向选择风险，当限价单被成交时，往往是因为市场价格已经穿透了该限价。具体而言，当限价单成交时，交易者大概率处于一个暂时的亏损状态。在永续合约中，Ruan 和 Streltsov（2022）的实证研究表明，永续合约的资金费率结算机制会进一步放大现货市场中的逆向选择风险 [8]。

在永续合约中，限价单的管理更为复杂，因为它直接影响有效杠杆和清算价格。挂出的限价单虽然尚未成交，但会占用可用保证金（可用余额），从而限制了交易者应对当前持仓浮亏的能力。

### 7.2.3 止损单与止盈单

止损单和止盈单是条件订单，它们在触发特定价格条件之前处于休眠状态。一旦市场价格达到触发价，它们就会转化为市价单或限价单。止损单在永续合约中扮演着关键角色。它是交易者主动设置的防线，用于在达到清算价格之前截断亏损。然而，止损单的执行机制中暗藏着许多容易被忽视的陷阱。

触发价格源的选择：永续合约交易所通常允许交易者选择“最新成交价”、“标记价格”或“指数价格”作为触发源。强烈建议使用标记价格作为止损触发源。标记价格通常由现货指数价格（多个交易所现货价格的加权中位数）加上资金费率基差的指数移动平均（EMA）计算得出，其设计目的是过滤掉单一交易所的价格异常和短暂的市场扭曲。EMA 窗口参数的选择直接影响标记价格的平滑程度：窗口越长，标记价格越稳定但对真实价格变动的响应越滞后；窗口越短，响应越灵敏但越容易被瞬时波动干扰（关于标记价格的详细计算方法和参数选择，参见第14章的深入讨论）。相比之下，最新成交价容易受到单笔大额市价单或短暂价格扭曲的影响，导致不必要的止损被触发。

止损市价单 vs. 止损限价单：当触发价达到时，订单转化为市价单还是限价单，决定了交易者面临的风险类型（见表 7-4）。

| 订单类型 | 优势 | 劣势与风险 | 适用场景 |
| :--- | :--- | :--- | :--- |
| 止损市价单 | 保证成交（确定性平仓），正常流动性下及时止损 | 在极端行情下可能面临巨大滑点，实际平仓价远差于触发价 | 必须坚决离场的硬性止损 |
| 止损限价单 | 严格控制平仓价格，无滑点风险 | 在快速单边行情中，限价单可能被直接“跳过”而无法成交，导致最终被清算 | 行情相对平缓，对平仓成本敏感的场景 |

**表 7-4.** 止损市价单与止损限价单的权衡对比（数据来源：作者整理）

止损与清算的交互：许多新手误以为设置了止损就绝对安全。这种“止损安全幻觉”不仅是技术误解，更有深层的行为金融学根源。Langer (1975) 提出的控制幻觉（illusion of control）理论 [13] 可以解释这一现象：交易者通过设置止损这一“主动行为”获得了对风险的虚假控制感，从而低估了止损失效的概率。此外，锚定偏差导致大量止损聚集在整数关口（如 BTC 60,000美元、ETH 2,000美元），这种可预测的聚集模式反过来使止损猎杀具有了经济合理性。如图 7-5 所示，止损价与清算价之间存在一个“安全缓冲区”。但在极端行情下（如 2021 年 5 月 19 日、2024 年 4 月或 2025 年 10 月的闪崩（本书选择引用多个不同时期的案例，以说明此类风险并非个别事件而是永续合约市场的结构性特征）），巨大的滑点可能瞬间击穿这个缓冲区，导致止损单以劣于清算价的价格成交，最终交易者依然面临清算甚至穿仓（账户余额为负）。

![图 7-5：止损单与清算价格的关系](./images/fig-7-5.png)

**图 7-5.** 止损单与清算价格的关系及极端行情下的滑点风险（机制示意：$90/95/100/105 为说明性数值、非实测；多头安全缓冲区＝止损价−清算价，极端滑点可击穿）

移动止损单：这是一种高级的自动化风险管理工具。如图 7-6 所示，它具有“棘轮机制”，即止损线会随着价格的有利移动而自动跟进，但在价格回调时保持不变。这使得交易者能够在保护既得利润的同时，为利润的进一步增长留下空间。

![图 7-6：移动止损单的棘轮机制](./images/fig-7-6.png)

**图 7-6.** 移动止损单的棘轮机制（多头仓位示例）（棘轮效应机制示意，价格路径为代表性数值、非实测数据）

### 7.2.4 Maker-Taker 费率模型与订单选择

永续合约交易所普遍采用 Maker-Taker（挂单-吃单）费率模型，这一模型是理解订单类型经济学的核心。交易所通过向消耗流动性的 Taker 收取较高费用，并向提供流动性的 Maker 收取较低费用（甚至提供返佣），来激励流动性的聚集。

这种费率结构深刻影响了交易者的订单选择策略。如表 7-5 所示，不同的交易所和 VIP 等级下，Maker 和 Taker 的费率差异巨大。在竞争激烈的 2025-2026 年，去中心化永续合约交易所（如 Hyperliquid）甚至将基础费率压低至 Maker 0.015% / Taker 0.045% [14]。

| 订单类型 | 市场微观结构角色 | 确定性权衡 | 费率属性 | 隐藏成本/风险 |
| :--- | :--- | :--- | :--- | :--- |
| 市价单 | 流动性消耗者 | 价格不确定，执行确定 | 支付 Taker 费用 | 滑点成本，高杠杆下风险放大 |
| 限价单 | 流动性提供者 | 价格确定，执行不确定 | 支付 Maker 费用 (通常较低) | 逆向选择风险，执行风险 |
| 止损单 | 条件性流动性消耗者 | 条件触发后转化为市价/限价单 | 通常支付 Taker 费用 | 滑点击穿缓冲区的清算风险 |

**表 7-5.** 基础订单类型微观结构效应矩阵（数据来源：作者构建）

表 7-5 的核心信息在于：三种基础订单类型在确定性权衡和隐藏成本上呈现出清晰的梯度分布。市价单提供了最高的执行确定性，但其隐藏成本（滑点与高杠杆下的风险放大）也最为严重；限价单在价格维度上提供了确定性，却将执行风险和逆向选择风险暴露给了交易者；止损单则叠加了条件触发的不确定性与市价单的滑点风险，在极端行情下可能产生出乎预料的负面结果。

在这个微观生态中，限价单、市价单和止损单形成了一个动态的反馈循环（图 7-7）。限价单构成订单簿的深度结构，市价单通过消耗该深度驱动价格变动，而止损单在特定价格水平被触发后转化为市价单。当市价单推动价格触发大量止损单时，止损单转化为新的市价单，进一步消耗限价单深度，这种正反馈机制正是导致永续合约市场剧烈波动的微观基础。

![图 7-7：订单流与价格发现的反馈循环](./images/fig-7-7.png)

**图 7-7.** 订单流与价格发现的动态反馈循环（机制反馈循环示意，非实测数据）

理解了这一博弈机制，交易者就会明白：提供流动性需要承担逆向选择风险并获得相应补偿，而执行确定性则以更高的手续费和滑点为代价。在永续合约交易中，高级交易员很少单纯使用市价单进出，而是通过高级订单类型和算法执行，在确定性和成本之间寻找最优解。下一节将具体分析。

## 7.3 高级订单类型

在基础订单类型之上，高级订单类型允许交易者在时间、规模和执行条件等维度上进一步细化策略表达。随着加密货币衍生品市场机构化程度的加深，简单的买卖指令已无法满足复杂的执行需求。高级订单类型允许交易者在时间、规模、执行约束和条件触发四个维度上，精细化地表达其交易策略，从而在复杂的微观结构中获取优势或降低成本。

### 7.3.1 时间控制型订单

时间控制型订单决定了订单在撮合引擎中存活的生命周期。它们是高频交易和套利策略必要的工具。

FOK（全部成交或立即取消）是一种极其严格的订单。它要求订单必须立即且全额成交，否则整个订单将被取消，绝不允许部分成交。FOK 在跨期套利或资金费率套利中具有重要影响。当套利者发现两个市场之间的价差时，他们需要同时在两边建立等额的头寸。如果使用普通市价单，可能导致一边成交而另一边只部分成交（腿部执行风险），从而暴露在单边敞口下。FOK 确保了“要么全有，要么全无”的确定性。IOC（立即成交并取消剩余）要求订单立即执行任何可成交的部分，然后取消所有未成交的剩余部分。与 FOK 不同，IOC 允许部分成交。它通常用于“扫单”操作，即交易者愿意消耗当前订单簿上所有有利价格的流动性，但不愿意将未成交的部分作为限价单挂在簿上等待，以防暴露其交易意图。此外，GTT/GTB（指定时间/区块前有效）在链上订单簿去中心化交易所中，GTT 经常演变为 GTB（指定区块高度前有效）。由于区块链网络存在延迟和重组风险，交易者如果不希望其限价单在市场条件发生剧变后（例如几个区块之后）才被意外执行，就会附加 GTB 约束。

### 7.3.2 规模隐藏型订单

当机构投资者需要在市场中执行远超当前订单簿深度的大额订单时，他们面临着显著的信息泄露风险。如果直接将巨额限价单挂出，其他市场参与者（尤其是高频做市商）会立即察觉到这股巨大的抛压或买盘，从而进行抢跑或撤销报价，导致大额订单难以成交或成交价格极其恶劣。

冰山单正是为了解决这一痛点而生。顾名思义，冰山单只向公开订单簿暴露其总规模的一小部分（即一小部分），而将绝大部分规模隐藏起来。当可见部分被完全成交后，撮合引擎会自动从隐藏部分中切出一块新的可见数量补充到订单簿上，直到总订单完全执行。

在中心化交易所中，冰山单的逻辑由中心化撮合引擎在后台维护。然而，在链上永续合约 DEX 中，实现真正的冰山单面临着重要的技术挑战：区块链的透明性与隐藏规模的需求之间存在内在张力。所有链上状态默认都是公开的。目前，部分前沿的 DEX 开始探索使用零知识证明或受信任执行环境来构建链上暗池，允许交易者在不向全网广播其真实意图的情况下匹配大额流动性。

### 7.3.3 执行约束型订单

这两种约束型订单在永续合约交易者的日常操作中出场率极高，它们分别针对费率优化和仓位安全。

Post-Only（只做 Maker）：附加了 Post-Only 属性的限价单，系统会保证它绝对不会与订单簿上已有的订单立即撮合成交。如果该订单在提交时会立即与现有订单匹配（例如买入限价高于当前最优卖价），系统将直接取消该订单，而不是将其转为市价单执行。Post-Only 的核心价值在于严格锁定 Maker 费率。如§7.2所述，Maker 费率通常远低于 Taker 费率（甚至为负）。做市商和算法交易者利用 Post-Only 确保他们永远只提供流动性，绝不意外消耗流动性，从而精确控制交易成本。

Reduce-Only（只减仓）：这是衍生品市场特有的订单属性。Reduce-Only 订单只能用于减少当前持仓，绝不会增加持仓或建立反向新仓位。这个功能在设置止盈止损时具有重要影响。在持有多头仓位并设置了普通卖出限价单作为止盈的情况下，如果随后手动平仓了多头，但未取消止盈单，当价格达到止盈价时，该卖出单会被触发，从而意外建立裸空头仓位。如果该订单附加了 Reduce-Only 属性，当多头仓位为零时，系统会自动取消或拒绝执行该订单，彻底杜绝了这种非预期建仓风险。

### 7.3.4 算法型订单：TWAP 与 VWAP

对于真正庞大的超大规模订单，即使是冰山单也可能因为频繁的补充动作而被聪明的算法识别出来（被称为“冰山探测”）。此时，机构必须求助于算法执行策略，其中最经典的是 TWAP 和 VWAP。图 7-8 对比了 TWAP、VWAP 与冰山单三种大额订单执行策略在执行节奏与信息隐藏上的核心逻辑差异，下文逐一展开。

![图 7-8：主流算法执行策略逻辑对比](./images/fig-7-8.png)

**图 7-8.** 主流大额订单算法执行策略（TWAP、VWAP 与冰山单）的逻辑对比（概念逻辑对比示意，非实测数据）

TWAP 算法将大额订单在指定的总时间内，均匀地切分成众多等量的小额子单，并以固定的时间间隔发送到市场。TWAP 的优势在于其简单性和鲁棒性，它完全不需要预测市场行为。然而，加密货币市场的流动性在日内分布是极不均匀的。如果在亚洲深夜等低流动性时段盲目执行固定数量的 TWAP，会造成较大的价格冲击。

VWAP 算法则更加智能，它旨在使其执行节奏与市场的真实成交量分布保持一致。需要指出的是，实践中机构交易者通常使用自适应 VWAP（adaptive VWAP），即在执行过程中实时重新估计剩余时段的成交量曲线，而非完全依赖历史数据。这一区别在事件驱动日（如重大监管公告、黑天鹅事件）尤为重要，历史“双峰”成交量模式在这些日期可能完全失效，静态 VWAP 的执行效果将显著恶化。如图 7-9 所示，根据 Talos（2025）和 Jasiak 与 Zhong（2024）对比特币日内交易特征的研究，加密市场的流动性呈现明显的“双峰”特征：在 UTC 时间 14:00-15:00（美国股市开盘）达到最高峰，在 08:00-10:00（欧洲开盘）出现次高峰，而在 00:00-04:00（亚洲深夜）跌至谷底 [15][16]。

VWAP 算法会预测这一日内成交量曲线，在预测高流动性的时段（如美股开盘）分配更多的执行数量，在低流动性时段分配更少。Genet（2025）的研究进一步表明，利用深度学习框架直接优化 VWAP 执行目标，可以显著优于传统的基准 VWAP 策略，有效最小化实施缺损，即理想决策价格与实际执行价格的差额[17]。

![图 7-9：TWAP与VWAP执行节奏对比](./images/fig-7-9.png)

**图 7-9.** 加密货币典型日内成交量分布与 TWAP/VWAP 执行节奏的对比（代表性日内成交量画像示意：曲线为典型化数值、非实测；双峰依据 Talos 2025 [15]、Jasiak & Zhong 2024 [16]，DL-VWAP 依据 Genet 2025 [17]）

表 7-6 从核心逻辑、优势、劣势和适用场景四个维度对 TWAP 和 VWAP 进行了系统对比。两种算法的核心权衡在于：TWAP 以执行简单性换取对市场结构变化的忽视，VWAP 以对历史成交量模式的依赖换取更优的执行价格。

| 算法类型 | 核心逻辑 | 优势 | 劣势与风险 | 适用场景 |
| :--- | :--- | :--- | :--- | :--- |
| TWAP | 随时间线性、均匀拆分订单 | 逻辑简单，不依赖历史数据预测；对防范极端“插针”有一定平滑作用 | 忽视流动性日内变化；在低流动性时段强行执行会导致高昂的滑点成本 | 缺乏可靠成交量预测模型的资产；对时间确定性要求极高的任务 |
| VWAP | 按预测的市场成交量比例拆分订单 | 执行轨迹贴合市场深度，最小化对市场微观结构的冲击和实施缺损 | 高度依赖成交量曲线预测的准确性；在市场发生结构性突变时预测失效 | 流动性呈现明显周期性规律的主流资产（如 BTC/ETH）；对滑点高度敏感的大额建仓 |

**表 7-6.** 高级订单类型算法执行策略矩阵（数据来源：作者构建）

从表 7-6 可以观察到，TWAP 适用于缺乏可靠成交量预测模型的长尾资产，而 VWAP 在主流资产（如 BTC/ETH）的大额建仓场景中表现更优。实际执行中，机构交易者通常根据标的资产的流动性特征和执行时间窗口在两种算法之间切换。

### 7.3.5 条件型订单

除了常规的价格触发（如止损/止盈），现代永续合约平台还衍生出了基于更复杂微观结构数据的条件型订单。这些订单允许交易者将策略逻辑直接下放到撮合引擎层面。

基于资金费率的条件单是在资金费率偏离某个阈值时触发。例如，算法交易者可以设置：“当 BTC 资金费率大于 0.05%（多头极度拥挤）时，自动触发市价卖出做空”。这使得交易者能够捕获转瞬即逝的费率套利机会。值得注意的是，基于算法条件自动执行的交易策略在多个司法管辖区可能被归类为算法交易，从而触发注册、风控系统和交易报告等合规义务（如欧盟 MiFID II 下的算法交易定义和美国 SEC 的相关规则）。基于未平仓合约量的条件单也是一种选择，OI 是衡量市场动能的关键指标。当未平仓合约（Open Interest, OI）在短时间内剧增，往往预示着即将发生剧烈波动。基于 OI 变化的条件单可以帮助交易者在趋势爆发的初期自动介入。还有基于清算热力图的条件单，这是一种高度前沿的策略表达。交易者预判在某个价格密集区存在大量高杠杆多头的清算线，他们可以设置条件单，在该区域被触发时自动提供流动性（买入），从而在大规模清算级联中以较低价格获取头寸。

高级订单类型的演进，本质上是交易者与市场微观结构之间博弈的升级。从市价单的直接冲击订单簿，到限价单的被动等待成交，再到 VWAP 的适应市场流动性节奏，可用的订单工具越丰富，策略表达的颗粒度就越精细，在零和博弈的衍生品市场中存活的概率也就越大。

## 7.4 永续合约的策略维度

传统现货交易的订单决策通常是一个相对简单的二维优化问题：交易者主要在价格（以什么价格执行）和信号泄露（选择何种订单类型来控制信息暴露）之间进行权衡。然而，在永续合约这一加密货币市场最具统治力的衍生品工具中，订单决策获得了三个额外的策略维度：杠杆、清算与时间。这三个维度使永续合约的订单决策比现货市场复杂一个数量级，也使得“好的订单策略”对永续合约交易者的盈亏有着远超现货市场的影响。那些长期在市场中遭受系统性亏损的无效交易者，其亏损往往并非源于方向判断的失误，而是源于他们在这三个关键维度上的无意识暴露。行为金融学的研究进一步表明，即使交易者在认知层面理解了杠杆、清算和时间这三个维度，他们仍然会因系统性的认知偏差做出错误决策：过度自信偏差导致交易者系统性低估清算风险（“我不会被清算”），处置效应导致持有亏损头寸过久而过早了结盈利头寸，心理账户效应则使交易者将交叉保证金模式下的各头寸视为独立赌注而忽视组合层面的风险传染。图 7-10 以三维坐标系的形式展示了这三个维度如何与传统的价格-信号二维框架叠加：横轴代表杠杆（从1倍到最大杠杆），纵轴代表清算距离（从安全到危险），时间轴代表资金费率结算周期。每一笔订单在这个三维空间中都有一个明确的坐标，该坐标决定了订单的综合风险暴露程度。

![图 7-10：永续合约订单策略的三个额外维度](./images/fig-7-10.png)

**图 7-10.** 永续合约订单策略的三个额外维度（概念三维策略空间示意，定位点为作者判断、非测量坐标）

### 7.4.1 杠杆维度

在现货市场中，一笔买入订单的执行仅仅意味着将现金转换为资产，其风险敞口是线性且有限的。但在永续合约中，每笔订单的执行不仅改变头寸的方向和规模，还直接改变了账户的有效杠杆。有效杠杆定义为名义头寸价值与账户总保证金（包括未实现盈亏）的比率，其计算公式为：

> 有效杠杆 = 名义头寸总价值 / 账户总权益（保证金 + 未实现盈亏）

当交易者在已有头寸的基础上提交新的加仓订单时，这笔订单实际上是在“压缩风险容差”。以一个具体的数值案例来说明这一动态过程：以拥有10,000美元保证金的账户为例，初始状态下无头寸。执行一笔50,000美元名义价值的以太坊永续多头订单时，账户的有效杠杆从0倍变为5倍。在这一杠杆水平下，假设维持保证金率为0.5%（按名义头寸价值计提；需要说明的是，实际交易所普遍采用阶梯式动态维持保证金率，例如 Binance 的维持保证金率从小仓位的0.4%到大仓位的5%不等，此处0.5%仅为教学性简化），清算价格大约位于入场价格下方约19.5%的位置。如果该交易者随后再次执行一笔50,000美元的买入订单，总名义价值达到100,000美元，有效杠杆随之跃升至10倍。此时，清算价格将大幅上移，缩窄至平均入场价格下方仅约9.5%的位置。仅仅一笔加仓订单，就将“风险容差”压缩了一半。

> 核心洞见：在永续合约中，每笔加仓订单都在“压缩你的风险容差”，而每笔减仓订单都在“扩大你的风险容差”。因此，“下一笔订单”不仅是一个单纯的交易决策，更是一个深刻的风险管理决策。

这种杠杆维度的动态变化要求交易者在订单层面实施严格的保证金分配策略。两种常见的策略模式体现了不同的风险管理哲学：

逐步建仓（即定投的杠杆版本）要求交易者将目标总头寸分批执行。每次加仓订单成交后，系统性地评估新的有效杠杆水平。当有效杠杆接近交易者预设的风险容忍度上限时，即停止后续加仓。这种策略的核心优势在于：交易者在每一步都保留了“不继续加仓”的选择权，而非一次性将全部保证金暴露于单一入场价格。

金字塔加仓则要求交易者在市场趋势得到确认后，采用规模递减的订单序列进行加仓。例如，第一笔订单为40%的目标仓位，第二笔为30%，第三笔为20%，最终为10%。这种订单策略能够在增加盈利敞口的同时，防止平均入场价过快逼近当前市场价，从而将有效杠杆维持在相对安全的区间内。其本质是用“递减的边际承诺”来换取“递增的趋势确认”。

### 7.4.2 清算维度

清算维度是永续合约订单决策中最具独特性的一环。在传统的现货市场中，投资者面临的“最差结果”是资产价值归零，但绝不会产生负债。而在永续合约的高杠杆环境中，“最差结果”不仅是保证金被完全没收，在极端市场剧烈波动且流动性枯竭的情况下，甚至可能产生穿仓负债（尽管多数平台通过保险基金机制吸收了这部分风险）。清算价格正是触发这一“最差结果”的刚性数学阈值。以多头仓位为例，其清算价格的近似计算公式为：

> 清算价格（多头）≈ 平均入场价格 × (1 - 1/有效杠杆 + 维持保证金率)
>
> 清算价格（空头）≈ 平均入场价格 × (1 + 1/有效杠杆 - 维持保证金率)

上述近似公式适用于逐仓保证金模式下的单一头寸。在交叉保证金模式下，清算价格由账户总权益而非单仓保证金决定，上述公式不再适用。此外需要说明的是，上述近似公式在高杠杆（50倍至100倍）条件下可能产生较大的误差，因为它忽略了累计资金费率、交易手续费、以及未实现盈亏波动等因素的影响。在实际交易中，交易者应以交易所实时计算的清算价格为准，而非依赖简化公式进行估算。

在这个维度中，最关键的订单决策是止损单的设置及其与清算价格的交互关系。交易者在提交任何开仓订单时，都必须同时计算并规划清算价格与止损价格之间的空间关系。这一关系存在三种基本状态：

如果止损单触发价格设置在清算价格之后（即对于多头而言，止损价低于清算价），这笔止损单在逻辑上是完全无效的。因为在市场价格到达止损价之前，交易所的风险引擎已经强制接管了头寸并执行了清算程序。令人惊讶的是，在实际交易中，由于对清算机制理解不足，这种“无效止损”的设置并不罕见。从另一个维度看，如果止损单设置在清算价格之前且留有充足的缓冲区，这在正常市场条件下能够提供有效的保护。然而，如前文（§7.2.3）所述，在极端行情中，由于预言机延迟或订单簿流动性瞬间抽干，止损市价单可能遭遇巨大的执行滑点，导致最终成交价甚至劣于理论上的清算价格。第三种状态是止损价紧贴清算价设置，缓冲区极窄。这种配置追求极致的资本效率，但实质上是将自身的风险管理外包给了交易所的清算引擎。在链上透明环境中，这种极窄的缓冲区容易成为蓄意价格推动的目标，§7.5将详细分析这一风险。

“清算价与止损价”之间的距离，构成了交易者主动选择的“安全缓冲区”。缓冲区越宽，交易者在剧烈波动中存活的概率越高，但这也意味着交易者必须接受更低的有效杠杆或更大的单笔止损亏损，从而压缩了潜在的资本回报率。这一权衡没有“正确答案”，只有“与交易者风险偏好匹配的答案”。

### 7.4.3 时间维度

永续合约之所以能够紧密锚定现货价格而无需到期交割，依赖于资金费率机制。这一机制通常每8小时进行一次结算（在某些应用链上频率更高：Hyperliquid 每1小时结算一次，而 dYdX v4则采用连续累积模式，资金费率在每个区块内按比例累积，无需等待固定的结算时点）。关于资金费率的计算公式、钳位机制和博弈论结构的详细分析，参见第10章，在结算时刻，持有头寸的交易者之间发生资金的直接转移：当永续合约价格高于现货价格时，多头向空头支付资金费；反之亦然。这种周期性的资金流转创造了一个在现货市场中完全不存在的策略维度，即围绕结算时刻的订单时机选择。

在传统现货市场中，订单执行的“时机”主要影响的是滑点和市场冲击成本，属于交易执行层面的优化。但在永续合约中，执行时机直接决定了交易者是支付还是收取资金费用，这是一个独立于价格方向的盈亏来源。这催生了一系列特定的订单策略：

费率狙击策略是时间维度最直接的应用。当市场情绪极度单边倾斜，导致预期资金费率异常高昂时（例如多头极度拥挤导致正费率极高），交易者可能会在结算前数分钟甚至数秒钟提交一笔空头市价单或激进限价单。在跨过结算时刻、收取高额资金费率后，迅速平仓。这种策略的核心在于权衡“收取的资金费”与“两笔订单产生的滑点及手续费”之间的净收益。在 Hyperliquid 等每小时结算一次的平台上，这种策略的执行频率和精细度远高于传统的8小时结算周期。然而，该策略在实践中面临严峻的执行约束。其一，高费率结算时段的订单簿往往极为稀薄（其他参与者也在抢占同一方向），逆向选择成本显著上升；其二，即使在1小时结算周期内，标的资产1%的反向波动在10倍杠杆下即意味着10%的保证金损失，而对应费率收益通常仅0.01%-0.05%，方向风险可数十倍于费率收益；其三，部分交易所已采用时间加权费率计算（按持仓时间占结算周期比例分摊），大幅降低了最后时刻狙击的效果。以一个简化的数值案例说明盈亏平衡条件：假设预期资金费率为0.05%，交易者使用10倍杠杆建立100万美元名义价值的空头头寸（保证金10万美元），单期收取的费率收益为500美元（100万美元 × 0.05%）。若往返交易（开仓与平仓两条腿）的手续费为单边0.05%×2腿 = 1,000美元，加上预估滑点单边0.02%×2腿 = 400美元，则仅交易成本即达1,400美元，策略净亏损900美元。该策略仅在费率极端偏高（通常需超过0.1%）且交易成本极低的条件下才具有正期望值，且盈利性具有强烈的宏观周期依赖性：在持续单边行情中，资金费率可能长期维持在同一方向，使均值回归假设失效。

规避性减仓策略则从防御角度利用时间维度。如果交易者持有一个大规模的趋势性多头头寸，且当前面临极高的正向资金费率，他们可能选择在结算前提交减仓订单以避免支付昂贵的费用，并在结算后重新建仓。然而，这种操作频繁进出订单簿，不仅增加了交易成本（两次手续费加上潜在滑点），还可能暴露交易者的意图，使其成为信号泄露的来源。

> 时间维度的核心洞见：永续合约的资金费率机制使“订单的时机”成为一个独立的策略变量。一笔原本完美的趋势跟踪订单，如果仅仅因为执行时机选择错误而连续数日支付高额资金费率，其最终的盈亏结果可能被彻底扭转。第10章将深入分析资金费率的博弈论结构。

### 7.4.4 保证金模式选择

除了上述三个动态维度，永续合约的订单策略还受到底层账户制度框架的深刻约束。交易者在提交订单前，必须选择该订单所在的保证金模式，这一选择决定了风险传染的边界，构成了所有后续订单行为的制度性框架（两种模式的对比见表 7-7）。

逐仓保证金模式下，每个仓位拥有独立隔离的保证金。一个仓位的亏损和最终清算，绝对不会影响账户中的其他仓位或可用余额。这种模式的哲学是“隔离各仓位的风险敞口”，实现了严格的风险隔离。对于高风险、高杠杆的单边投机订单，逐仓模式是首选，因为它将“最差结果”严格限定在该仓位分配的保证金之内。然而，其代价是资本效率低下，不同头寸之间的资金无法互通，即使一个仓位有大量未使用的保证金，也无法用来支撑另一个正在亏损的仓位。

交叉保证金模式下，账户内所有仓位共享同一个保证金池。盈利仓位的未实现利润可以作为抵押品，用来“支撑”正在亏损的仓位，从而极大地提升了资本效率。这种模式的哲学是“将所有仓位纳入统一的风险池以提升资本效率”。然而，交叉保证金具有强烈的顺周期性。Ali (2025) 在对2025年10月加密货币市场清算级联的研究中指出，这次事件在36小时内清除了190亿美元的未平仓合约，而交叉保证金的顺周期性是关键的系统性风险放大器 [9]。其机制如下：在市场面临宏观冲击导致所有资产普跌时，交叉保证金账户中所有仓位的抵押品价值同时缩水，系统性地降低了整个账户的保证金健康度，最终导致原本安全的头寸也被连带清算。这种账户内的连锁清算传染，在逐仓模式下不会发生（但市场层面与流动性层面的传染仍然存在）。

然而，交叉保证金的风险特征具有显著的“双面性”，需要避免将其简单标签化为“风险放大器”。在正常市场波动和资产相关性维持在历史均值附近的状态下，交叉保证金实际上是一个稳定器，盈利头寸的未实现利润为亏损头寸提供了缓冲，降低了单一头寸因临时波动而被清算的概率。只有当市场发生体制转换（regime switch），资产相关性突然从正常水平跃升至接近1（即“所有资产同时下跌”）时，交叉保证金才会翻转为放大器，所有头寸的抵押品价值同步缩水，盈利缓冲消失，清算概率非线性跃升。这种体制转换的临界特征，是理解交叉保证金系统性风险的关键。

更进一步地看，清算产生的系统性冲击沿着三个层面依次传导：账户内传染（交叉保证金模式下，单一头寸的清算消耗共享保证金，拖累其他头寸）→ 市场传染（清算产生的强制市价单冲击订单簿，推动价格进一步偏离，触发更多账户的清算）→ 流动性传染（做市商观察到清算级联信号后大规模撤回流动性，订单簿深度骤降，加剧后续清算的价格冲击）。这一传染路径并非加密市场的独创。Adrian 和 Shin (2010) 在对传统金融体系的研究中已经揭示了顺周期杠杆和保证金螺旋的系统性风险机制 [18]。加密市场的交叉保证金问题，本质上是这一已知系统性风险机制在24/7高杠杆数字原生环境中的加速版本。

| 维度 | 逐仓保证金 | 交叉保证金 |
| :--- | :--- | :--- |
| 风险隔离 | 严格隔离，单仓清算不影响其他仓位 | 无隔离，亏损传染至整个账户 |
| 资本效率 | 低，资金分散锁定 | 高，资金共享利用 |
| 清算触发 | 单仓保证金不足时触发 | 账户总权益不足时触发 |
| 顺周期风险 | 低，风险被隔离 | 高，市场普跌时风险放大 |
| 适用场景 | 高杠杆投机、独立策略 | 对冲组合、低杠杆多资产配置 |
| 心理模型 | “每笔交易是独立的赌注” | “所有交易是一个投资组合” |

**表 7-7.** 逐仓保证金与交叉保证金对比（数据来源：作者整理）

因此，保证金模式的选择绝非一个简单的技术设置，而是影响所有后续订单行为的根本性风险管理决策。它决定了“一笔糟糕订单导致的亏损，是否以及如何传染到整个投资组合”。

### 7.4.5 统一决策框架

将传统的订单选择维度（价格、信号）与永续合约特有的三个扩展维度（杠杆、清算、时间）以及保证金制度框架相结合，我们可以构建出一个统一的订单决策框架。在这个框架下，每一笔永续合约订单的形成，都必须经历一个包含七个决策节点的多目标优化过程。

![图 7-11：永续合约订单策略的统一决策树](./images/fig-7-11.png)

**图 7-11.** 永续合约订单策略的统一决策树（概念决策树示意，非实测数据）

如图 7-11 所示，一个成熟的交易者在形成初步交易意图后，必须依次穿过以下七个节点：

交易者的起点是方向判断，基于基本面分析或技术面信号，决定做多、做空还是构建中性对冲。这是所有交易者都会执行的步骤，也是大多数无效交易者唯一执行的步骤。在此基础上，交易者必须将方向判断转化为规模决策，计算加仓后的有效杠杆是否仍在自身的风险容忍度之内。如果超出，必须缩减订单规模或放弃交易，从而将“我看好方向”的主观判断转化为“我愿意承担多大风险”的量化决策。随后是价格决策：选择立即成交（市价单）、指定价格等待（限价单）还是条件触发（止损/止盈单）。这一维度在传统现货市场中同样存在，但在永续合约中，价格决策与杠杆紧密耦合，不同的入场价格意味着不同的有效杠杆和清算距离。

与此同时，止损设置构成了决策树中的关键反馈回路：交易者需要评估止损价与清算价之间的安全缓冲区是否足够抵御极端波动中的滑点，如果缓冲区不足，则必须回退降低杠杆或扩大止损距离。进而，时机决策要求交易者考察距离下一次资金费率结算的时间以及预期的费率方向，决定是立即执行还是延迟至结算后执行。对于大额头寸，费率成本可能是一个不可忽视的盈亏因素。

在确定了风险框架后，交易者还需做出两项结构性选择。保证金模式决定了这笔订单是放在追求资本效率的交叉保证金池中，还是放在追求风险隔离的逐仓模式下，由此界定该笔订单的风险传染边界。而订单类型的选择则要求交易者基于自身对信息泄露的容忍度，在执行确定性与信号隐藏之间做出最终权衡：对于信号容忍度高的交易者，市价单或激进限价单是合理选择；对于需要隐藏意图的大额交易者，冰山单、TWAP 或被动限价单是更优策略。

> 每一笔永续合约订单，都是在这七个决策节点上的多目标优化。 这正是为什么永续合约交易“操作界面简单，但决策过程复杂”的微观基础。那些长期在市场中遭受系统性亏损的无效交易者，通常只停留在决策树的第一个节点，即“方向判断”，而完全忽略了后续六个关键决策节点。这种分析不足，正是第4章所分析的“无效交易者”系统性亏损的微观操作化。

## 7.5 链上订单的承诺属性

在理解了订单即信号的本质以及永续合约赋予订单的三维扩展后，我们必须将目光转向执行架构本身。传统金融理论通常将执行架构视为一个中性的背景变量，无论是纽约证券交易所还是纳斯达克，一笔限价单的经济含义被认为是相同的。但在去中心化金融中，底层区块链的物理约束重塑了订单的经济学语义。

在中心化交易所与链上中央限价订单簿这两种截然不同的环境中，同一笔订单面临着不同的处理流程。其核心差异在于：在链上 CLOB 中，订单从 CEX 中的“私有意图表达”变为了一个公开的、有成本的、可被所有人观察的“链上承诺”。 这种承诺属性是第1章“透明性悖论”和第4章“透明性-脆弱性悖论”在订单层面的最终具体化，它改变了交易者的策略选择。图 7-12 以同一笔限价单为例，对比 CEX 的“私有意图表达”与链上 CLOB 的“公开承诺”在可见性、撤销成本和确认延迟三个维度上的差异（逐路径机制详见§7.5.1、§7.5.2）。

![图 7-12：一笔订单在CEX与链上CLOB中的不同处理路径](./images/fig-7-12.png)

**图 7-12.** 一笔订单在 CEX 与链上 CLOB 中的不同处理路径（机制路径对比示意，非实测数据）

### 7.5.1 CEX 订单的私有性

在传统的 CEX 架构中，当交易者提交一笔限价单时，这笔订单通过 API 或网页端直接发送至交易所内部的私有撮合引擎。在撮合引擎的内存中，这笔订单只有交易所本身以及获得授权的特定对手方（如某些享有特殊数据流的做市商）能够看到。如果订单未被立即执行，它将驻留在订单簿的某个价位上，对外部世界而言是完全不可见的。

对于交易者而言，CEX 环境提供了较高的策略灵活性。如果市场条件发生微小变化，交易者可以随时以亚毫秒级的速度、零成本地取消这笔订单。在这笔订单被取消后，没有任何外部观察者能够证明这笔订单曾经存在过，它不会留下任何公开记录，不会产生任何链上痕迹。

优势：相对于公开链上账本的策略隐私保护（但该隐私不延伸至交易所自身）。交易者的意图、资本规模和耐心程度不会被外部市场参与者提前获取和利用。这种私密性使得大额交易者能够相对安全地使用冰山单等高级策略来隐藏真实意图，做市商能够在不利信息出现时瞬间撤回所有报价以避免逆向选择。

劣势：不可验证性与信任成本。CEX 的不透明特性意味着普通交易者无法验证“你看到的订单簿是否真实”。交易所完全有能力展示虚假的市场深度，或者利用其对全局订单流的独占可见性进行自我优待（如抢跑客户订单）。在这种架构下，“交易者的策略隐私获得保护的同时，也无法独立验证市场数据的完整性”。这是 CEX 订单模型的结构性悖论。

### 7.5.2 链上订单的公开承诺属性

当同一笔限价单被提交到建立在通用公链或应用链上的 CLOB 协议时，其性质发生了重要转变。这笔订单必须被密码学签名，并作为一笔交易广播到验证者网络中。从它进入内存池或被打包进区块的那一刻起，这笔限价单就成为了一个链上可观察的公开承诺。

全世界每一个运行全节点的人，都可以清晰地看到“有人承诺愿意在价格P买入数量Q的资产”。更重要的是，这个承诺不能被“悄悄”取消。取消订单同样需要发送一笔链上交易，这不仅需要支付 Gas 费用（或受限于网络带宽），还需要等待至少一个区块的共识确认时间。在等待取消确认的这段时间内，原始订单仍然“活着”，仍然可以被任何人成交。

这种“公开承诺”属性带来了正面与负面并存的机制效应，正面含义：可验证的真实流动性。链上订单簿达到了第5章可验证性阶梯中L3至L4级别的可验证性。外部观察者可以独立审计订单簿中的每一滴流动性，确保不存在交易所凭空捏造的虚假深度。所有人看到的都是同一个真实、公平的市场状态，就虚假深度这一维度的信息不对称而言，在基础设施层面被显著降低。这种透明性是当前 CEX 架构（在不引入额外密码学证明的情况下）通常无法提供的结构性优势。负面含义：策略暴露与撤单成本。你的限价单告诉了全世界“我在这个价格有确定的需求”。MEV 搜索者、竞争性做市商以及其他策略性交易者，都可以无成本地利用这个公开信息来调整自身策略。同时，由于撤单存在延迟和成本，做市商在面对突发不利信息时，无法像在 CEX 中那样瞬间撤回所有报价，这显著增加了他们面临的逆向选择风险（其扩大价差、成本转嫁给流动性消耗者的传导详见§7.6.3）。

### 7.5.3 订单的 MEV 暴露面

在链上透明环境中，订单不再仅仅是撮合引擎中的一个数字，而是可能被各类算法利用的对象。不同类型的订单，由于其向市场泄露的信息内容和执行机制不同，面临着截然不同的 MEV 暴露面。

根据 EigenPhi (2025) 的数据分析，以太坊主网上的三明治攻击月度提取额已从2024年末的近1000万美元下降至2025年10月的约250万美元 [19]。这一下降可能部分归因于私有 RPC 和抗 MEV 路由（如 Flashbots Protect、MEV Blocker 等）的普及，以及搜索者之间的竞争压缩了利润空间 [20]。然而，对于链上 CLOB 中的大额订单而言，MEV 依然是最大的隐性执行成本之一。

![图 7-13：投机者市价单的链上路径与MEV介入](./images/fig-7-13.png)

**图 7-13.** 投机者市价单的链上路径与 MEV 介入（链上 MEV 介入机制路径示意，非实测数据；三明治月度提取额约$10M→约$2.5M，见正文，依据 EigenPhi[19]、Flashbots[20]）

在永续合约环境中，订单的 MEV 暴露面不仅限于传统的三明治攻击，还包括蓄意触发止损。当止损单的触发价格在链上公开可见时，攻击者可以精确计算“将价格推动到触发价所需的资本”与“触发后可获得的利润”之间的期望值关系。只有当这一期望值为正——如本段末尾所述，通常仅在目标价位订单簿深度较浅且止损/清算头寸高度集中的狭窄条件下才可能成立——蓄意触发止损才会成为一种理性的攻击策略。然而，必须指出的是，蓄意推动价格以触发他人止损在主要监管框架下被明确定性为市场操纵行为。美国 SEC Rule 10b-5将任何旨在人为影响市场价格的欺诈性行为列为违法；欧盟《市场滥用条例》（MAR）第12条将“操纵交易”定义为包括以制造人为价格水平为目的的交易行为；CFTC 的反操纵权限主要源于《商品交易法》第6(c)(1)条以及仿照 SEC Rule 10b-5制定的 Rule 180.1。需要厘清的是：CFTC 对 Ooki DAO 的2023年执法行动并非以反操纵为依据，而是确立了 DAO 可作为“非法人社团”（unincorporated association）承担法律责任、以及未注册经营非法杠杆交易等违规的先例；该案对去中心化协议法律主体地位的意义，独立于反操纵规则本身。随着欧盟 MiCA 框架等加密资产专项法规的落地实施，即使在去中心化平台上实施此类策略，参与者面临的法律风险也在日益增加。因此，本书在此对止损猎杀策略的分析纯粹出于学术理解市场微观结构的目的，读者应充分认识到参与此类行为所涉及的重大法律风险。从经济分析角度看，蓄意触发止损的可行性取决于攻击成本与预期收益的关系：攻击者需要投入足够的资本将价格推动至止损触发区域（成本取决于目标价位的订单簿深度），而预期收益则取决于触发区域聚集的止损订单总量和攻击者预先建立的反向头寸规模。只有在特定条件下（即目标价位附近订单簿深度较浅但止损/清算头寸高度集中）此类攻击才具有正期望值。

| 订单类型 | MEV 暴露程度 | 暴露机制与攻击向量 | 缓解方法 |
| :--- | :--- | :--- | :--- |
| 大额市价单 (公开内存池) | 极高 | 交易意图在成交前完全公开，容易遭受三明治攻击和抢跑。搜索者可以精确计算滑点容忍度并最大化提取价值。 | 使用私有交易池（如 MEV Blocker）、设置严格的滑点保护。 |
| 止损市价单 (链上触发) | 高 | 止损触发价格公开可见。在透明环境中，这等于告诉攻击者“把价格推到这里，就能触发我的强制卖出”。 | 采用“止损+限价单”组合，或将大额止损分散为多个小额触发单。 |
| 限价单 (链上订单簿) | 中 | 长期存在的限价单暴露了交易者的策略意图，可能被对手方用来推断其清算价格或整体资金实力。 | 缩短挂单时间（使用 GTT 订单），或在协议支持的情况下使用条件触发。 |
| 冰山单 (链上实现) | 取决于实现 | 简单的智能合约实现可能因为状态变化模式而暴露冰山单的总规模，导致隐藏失效。 | 依赖应用链的协议级原生支持或零知识证明技术。 |

**表 7-8.** 不同订单类型的 MEV 暴露矩阵（数据来源：作者构建）

在表 7-8 归纳了各类订单的定性风险等级之后，图 7-14 进一步以热力图形式，对八种常见订单类型在五种 MEV 攻击向量下的暴露程度进行了量化评估：

![图 7-14：不同订单类型的MEV暴露面矩阵](./images/fig-7-14.png)

**图 7-14.** 不同订单类型在五种 MEV 攻击向量下的暴露程度（作者定性评级矩阵，0–5 为作者判断、非实测数据；MEV 分类依据 Flashbots 2024 [20]、EigenPhi 2025 [19]）

从图 7-14 可以观察到一个永续环境特有的关键模式：止损市价单虽然在三明治攻击维度上暴露程度仅为“中”，却在蓄意触发止损和信息推断两个维度上达到了“极高”水平，这是永续合约环境中特有的风险放大效应。至于大额市价单在三明治与抢跑两维的“极高”暴露、Post-Only 限价单与 Reduce-Only 减仓单因被动性质而在各攻击向量上的低暴露，均可直接从热力图读出。

> 核心洞见：在链上 CLOB 中，止损单的公开可见性与第4章的“透明性-脆弱性悖论”直接相关。当你的止损价格被所有人看到，且你使用了高杠杆时，“推动价格去触发你的止损”就可能成为做市商或 MEV 机器人的一种正期望值攻击策略。这是永续合约在链上透明环境中面临的独特系统性风险。同时，由于蓄意触发止损在多数监管框架下构成市场操纵，此类行为的参与者还面临日益增加的法律风险。

### 7.5.4 应用链的订单保护机制

为了解决链上订单承诺属性带来的负面效应，新一代的衍生品应用链（如 Hyperliquid、dYdX v4等）在协议底层进行了大量创新，试图在“可验证性”和“策略隐私”之间寻找新的平衡点。这些应用链放弃了以太坊等通用公链的全局状态模型，转而针对订单簿交易进行了高度定制化的架构设计，从而提供了三类核心订单保护机制。

私有内存池是这些应用链采用的第一类保护手段。在通用公链上，交易在打包前必须在公开的P2P网络中广播，这为 MEV 搜索者提供了一个“提交-确认”时间窗口来观察和利用待处理的订单。而许多应用链采用了私有内存池或验证者级别的直接路由，将用户的订单加密或直接发送给当前的区块提议者，在被正式打包进区块并执行之前不对外公开。这消除了“提交-确认”时间窗口中的 MEV 暴露，使得传统的三明治攻击失去了目标。然而，这种设计的代价是将信任从“无需信任的公开网络”转移给了验证者节点，这一信任转移引入了不容忽视的集中化风险。在私有内存池架构下，验证者对用户订单流拥有完全的可见性和排序权，功能上与 CEX 的撮合引擎运营者无本质区别。恶意或被入侵的验证者可以实施多种具体攻击：选择性延迟特定用户的订单以创造对自己有利的执行环境、对高价值订单进行抢跑交易、审查（拒绝打包）特定地址的交易、以及与外部方勾结泄露订单流信息。以 Hyperliquid 为例，其验证者集合较小（约4-16个节点），准入机制受到限制，攻陷或收买单个验证者即可获得对该验证者处理的所有订单流的信息优势。目前探索中的缓解方案包括：门限加密（threshold encryption，将订单加密后分发给多个验证者，仅当超过阈值数量的验证者合作时才能解密）、commit-reveal 方案（交易者先提交订单的哈希承诺，在区块确认后再揭示订单内容）、以及定期的排序公平性审计。坦诚地评估当前状况：主流应用链 DEX 的去中心化程度远低于以太坊等通用公链，其安全模型在很大程度上仍依赖于对少数验证者的信任，而非密码学保障。从监管分类的角度看，私有内存池在功能上等同于传统金融中的暗池或系统性内部化者，后者在 SEC 和 MiFID II 框架下受到广泛的透明度和公平性监管，这一监管对等性在当前关于 DeFi 监管的讨论中尚未获得充分关注。

在此基础上，协议级确定性排序提供了补充性保障。通用公链通常采用优先费拍卖机制，谁给的 Gas 多，谁的交易就排在前面，这为抢跑创造了经济基础，攻击者只需支付比目标交易略高的 Gas 费，就可以确保自己的交易被优先执行。应用链则通常在共识层面强制执行先进先出或其他确定性的排序规则，只要订单到达验证者的顺序确定，其执行顺序就被锁定，从而消除了通过支付更高费用来优先排序的可能性。但需要注意的是，确定性排序不能完全消除验证者的内部排序优势，验证者仍然可以选择性地延迟或重排自己收到的交易。

进一步地，应用链凭借其全栈控制能力（从共识层到应用层），还可以在协议层面对冰山单等高级订单提供原生支持并实现选择性不透明。例如，只在链上记录订单的当前可见部分，而将总规模隐藏在加密状态中。这种“选择性不透明”设计，正是对“完全透明性在高杠杆环境中并非净正面”这一深刻认知的回应。它回应了第6章所分析的“透明性-杠杆-安全的三元张力”，在某些场景下，适度的不透明反而能提升整体市场的安全性和效率。零知识证明技术为这一方向提供了更为优雅的解决方案：“证明合规但不暴露细节”（参见第30章关于零知识证明在订单保护中的应用前景分析）。

链上订单从“私有意图”向“公开承诺”的演变，不仅是技术的变迁，更是市场微观结构的一次架构转变。它要求交易者必须重新学习这门语言的“链上方言”，在享受去中心化带来的透明与公平的同时，学会利用新的基础设施来保护自身的策略免受策略暴露风险。而应用链在“可验证性”与“策略隐私”之间的持续探索，正在定义这一新架构的边界。

## 7.6 执行架构光谱与订单语义重塑

在传统金融市场中，订单的生命周期和执行逻辑建立在高度中心化、低延迟的物理基础设施之上。撮合引擎运行在专用硬件上，订单的提交、撮合和撤销在亚毫秒级别完成，交易者几乎不需要关心底层基础设施的物理特性。然而，当永续合约交易迁移至链上环境时，区块链底层的物理约束（区块时间的离散性、共识机制的延迟、Gas 费用的波动性以及状态存储的昂贵性）对订单的语义产生了重塑。一笔在中心化交易所中语义清晰、行为可预测的订单，在链上环境中可能呈现出截然不同的生命周期、成本结构和风险特征。

本节系统考察三种主要执行架构（中心化交易所、全链上 DEX、应用链 DEX）的核心属性差异，并逐一分析区块链的物理约束如何在订单生命周期、撤销机制、条件触发、撮合逻辑和状态管理五个关键维度上重塑订单的经济学含义。

### 7.6.1 三种执行架构对比

当前加密衍生品市场主要存在三种执行架构：中心化交易所、全链上去中心化交易所以及基于应用链的去中心化交易所。这三种架构在延迟、吞吐量、订单成本、透明度和抗审查性上呈现出截然不同的特征光谱，构成了一个从“极致性能但完全不透明”到“完全透明但性能受限”的连续谱系。

在中心化交易所中，撮合引擎运行在高性能的单一服务器或紧密耦合的集群上，订单的提交、撮合和撤销通常在亚毫秒级别完成。Binance 和 Bybit 等头部 CEX 的撮合引擎吞吐量可达每秒百万级订单处理能力，且订单的提交和撤销不产生任何直接费用。这种架构提供了极致的执行效率，但其代价是完全不透明的操作，交易者无法验证撮合引擎是否公平地执行了价格-时间优先原则，也无法审计交易所是否存在内部抢跑或选择性执行等不当行为。

全链上 DEX（如基于以太坊主网或通用 Layer 2的协议）走向了另一个极端。每一笔订单的提交、撮合和结算都必须作为一笔链上交易，经过整个网络的共识确认。以太坊主网的区块时间约为12秒，即使是 Arbitrum 等 Optimistic Rollup 也需要约250毫秒的软确认时间。这带来了极高的透明度和抗审查性（任何人都可以独立验证每一笔交易的执行过程），但同时也引入了显著的延迟和高昂且波动的 Gas 成本。在网络拥堵期间，一笔简单的订单提交可能需要支付数十美元的 Gas 费。

应用链 DEX（如 dYdX v4和 Hyperliquid）则试图在两者之间寻找新的平衡点。通过构建专门为交易优化的主权区块链，定制化共识机制和内存中的订单簿状态管理，这类架构能够实现亚秒级的延迟和极高的吞吐量。Hyperliquid 的区块时间约为200毫秒，官方文档声称每秒可处理约20万笔订单操作（约200,000 OPS）[14]（需要注意的是，该数据来源为 Hyperliquid 官方文档的自报数据，代表理论峰值处理能力而非压力条件下的持续吞吐量。2025年3月的 JELLY 事件暴露了该平台在极端市场条件下的操作约束，表明实际压力下的持续处理能力可能显著低于理论峰值）。dYdX v4基于 Cosmos SDK 构建了独立的应用链，将订单簿维护在验证者的内存中而非链上状态中，从而在保留非托管和可验证特性的同时，大幅提升了性能 [21]。图 7-15 以雷达图对比这三种架构在延迟、吞吐量、订单成本、透明度、抗审查性和去中心化程度六个维度上的表现：CEX 在性能维度突出而透明性/抗审查性近乎归零，全链上 DEX 反之，应用链 DEX 的轮廓最为均衡。

![图 7-15：三种执行架构的核心属性对比](./images/fig-7-15.png)

**图 7-15.** 三种执行架构的核心属性对比（作者相对评级雷达，1–5 为作者判断、非实测数据；六个维度，含去中心化程度，与正文一致，延迟/订单成本轴已极性归一，越靠外＝更优；平台 as-of 2025，依据 Hyperliquid[14]、dYdX[21]）

| 属性 | 中心化交易所 | 全链上 DEX | 应用链 DEX |
| :--- | :--- | :--- | :--- |
| 延迟 | < 1毫秒 | 100毫秒 - 12秒 | ~200 - 1,000毫秒 |
| 吞吐量 | > 1,000,000 TPS | ~15 - 2,000 TPS | 约200,000 OPS（20万次操作/秒） |
| 订单成本 | 零 | 高且不稳定 (Gas 费) | 零或极低 |
| 订单可见性 | 私有 (仅交易所可见) | 公共 (全网可见) | 可配置 (短期私有/长期公开) |
| 撮合机制 | 连续撮合 | 批量撮合 | 高频批量撮合 |
| 抗审查性 | 低 | 高 | 中等 |
| 状态存储位置 | 集中式数据库 | 链上全局状态 | 内存 (短期) + 链上 (长期) |

**表 7-9.** 三种执行架构的关键物理指标对比（注：表中“TPS”指订单操作处理能力，包括订单提交、撤销和撮合等操作，不同于底层区块链的交易级 TPS。应用链 DEX 的数据为官方文档自报的理论峰值，压力条件下的持续吞吐量可能显著低于此值。“抗审查性：中等”的评级基于以下维度：验证者集合规模、验证者准入机制的开放程度、以及用户在被审查时是否具有可行的替代提交路径。）（数据来源：作者整理）

表 7-9 将雷达图中的定性对比转化为具体的量化指标。其中最值得关注的是数量级差异：CEX 的延迟不到1毫秒，而全链上 DEX 的延迟可能超过12秒，跨越四个数量级的差距。这种量级差异不仅仅是“快慢”的问题，它从根本上决定了不同架构下可行的订单策略空间：在亚毫秒延迟下可以实施的速度敏感型高频做市与延迟套利策略，在秒级延迟下则基本丧失了经济可行性。

### 7.6.2 订单生命周期

在传统市场和中心化交易所中，“取消前有效”是最常见的订单生命周期类型。交易者可以提交一个 GTC 订单，该订单将一直驻留在订单簿中，直到被完全成交或被交易者主动撤销。在中心化数据库中维持一条订单记录的边际成本几乎为零，因此 GTC 的实现不存在任何技术障碍。

然而，在区块链环境中，维持长期的链上状态需要消耗昂贵的存储资源。每一个未成交的限价单都占用全节点的硬盘空间，如果允许订单永久存在，区块链状态将无限膨胀，最终导致节点运行成本不可承受。因此，几乎所有链上订单簿协议都废弃了真正意义上的 GTC，代之以有明确生命周期的订单类型。

dYdX v4的设计提供了一个极具代表性的范例。其架构明确区分了“短期订单”和“有状态订单”，两者在生命周期管理上采用了截然不同的机制 [22]：

短期订单主要面向高频做市商，其生命周期以区块高度衡量，最大存活时间仅为当前区块高度加20个区块（约20-30秒）。这类订单仅驻留在验证者的内存中，不写入链上状态。如果网络发生重启或停机，这些短暂的订单将被直接丢弃。这一特性在链停机重启场景下引入了一个值得关注的非对称风险：短期 maker 订单（做市商的买卖报价）在重启时被清除，而长期有状态的 taker 订单（如止损单和止盈单）则存活下来。如果在停机期间外部市场价格发生了剧烈变动，重启后的订单簿将面临深度严重不足但条件订单仍可被触发的局面，这可能导致“重启闪崩”：止损单在几乎没有对手盘流动性的订单簿中以极大滑点成交。协议设计者是否应实施冷却期或拍卖式重新开盘机制来缓解这一风险，是一个值得深入探讨的设计问题。这种设计看似“不可靠”，实则是对做市商的一种保护机制：在市场剧烈波动后，陈旧的做市报价如果仍然有效，将使做市商面临较高的逆向选择风险。通过让订单在极短时间内自动失效，做市商可以确保其报价始终反映最新的市场状态。

有状态订单则面向普通零售交易者和机构投资者，其生命周期以时间戳（Good-Til-Time）衡量，最长有效期可达95天。这类订单被正式写入链上状态，能够在验证者重启后恢复，确保了长期交易意图的持久性。条件订单（如止损单和止盈单）也属于有状态订单的范畴。

> 核心洞见：从 GTC 到 GTT/GTB 的转变意味着，做市商不能再像在 CEX 上那样“提交订单后无需关注其状态”。他们必须开发专门的基础设施，持续监控链上订单的剩余生命周期，在过期前及时刷新，这显著增加了策略复杂性和基础设施成本。

Hyperliquid 则采取了更为激进的路线。通过应用链的高吞吐量和更低的状态管理成本，Hyperliquid 重新使 GTC 在链上环境中变得可行，其设计哲学与 dYdX 形成了鲜明对比 [14]。这种差异本身就反映了应用链设计者在状态管理成本与用户体验之间的不同权衡选择。

| 时间有效性类型 | 含义 | CEX 支持 | 全链上 DEX | 应用链 DEX | 典型使用者 |
| :--- | :--- | :--- | :--- | :--- | :--- |
| GTC | 永久有效直到成交或取消 | 标准 | 通常不支持 | 部分支持 | 零售交易者、对冲者 |
| GTB | 在指定区块高度后失效 | 不适用 | 部分支持 | 标准 (短期订单) | 做市商、高频交易者 |
| GTBT | 在指定时间戳后失效 | 不适用 | 部分支持 | 标准 (有状态订单) | 投机者、对冲者 |
| IOC | 立即成交或取消 | 标准 | 实现复杂 | 标准 | 套利者 |
| FOK | 全部成交或全部取消 | 标准 | 实现复杂 | 标准 | 套利者 |

**表 7-10.** 时间有效性类型在不同执行架构中的实现对比（数据来源：作者整理）

从表 7-10 中可以观察到一个关键趋势：应用链 DEX 在时间有效性类型的支持上已接近 CEX 的完备性，GTB 和 GTBT 的引入为做市商和普通交易者分别提供了差异化的生命周期管理工具。然而，IOC 和 FOK 在全链上 DEX 中的“实现复杂”标注揭示了一个根本性约束：这两种订单要求即时反馈（成交或取消），而区块链的共识机制天然无法提供亚秒级的确认反馈，这构成了全链上 CLOB 在功能完备性上的结构性瓶颈。

### 7.6.3 订单撤销机制

撤单操作的语义在链上环境中经历了显著变化。在中心化交易所中，撤单是一个免费且即时的操作。高频做市商经常采用“下发大量订单并在成交前迅速撤销”的策略来探测市场流动性和管理库存风险。据统计，头部 CEX 中做市商的撤单/成交比通常超过95%（此数据为广泛引用的行业经验值，具体比例因交易对、交易所和时段不同而存在显著差异，参见 SEC 关于美股市场撤单率的统计数据以及各交易所公开的做市商活动报告），这意味着每100笔提交的订单中，有超过95笔最终被撤销而非成交。

但在全链上架构中，撤单不再是免费的。每一条撤单指令都是一笔需要广播、排队、打包并消耗 Gas 费的链上交易。在以太坊网络拥堵时期，撤销一笔订单的 Gas 成本可能高达数十甚至上百美元。更严重的是，由于链上交易的确认延迟，撤单指令在广播后到最终生效之间存在一个不可忽视的时间窗口。在这个窗口内，原本意图撤销的订单仍然处于“活跃”状态，有可能被其他交易者（特别是 MEV 搜索者和套利机器人）定向成交。

> 撤销的延迟和成本不对称性，显著削弱了做市商应对逆向选择的能力。这部分额外风险最终以更宽的买卖价差转嫁给所有流动性消耗者，成为链上交易的一项隐性成本。

为了缓解这一问题，应用链架构采取了差异化的处理方式。对于短期订单，dYdX v4的撤销指令通过 Gossip 协议在验证者之间快速传播，采用“尽力而为”的原则进行处理 [22]。这种机制不保证撤销的绝对成功（在网络拥堵或存在恶意验证者的情况下，撤销指令可能无法及时生效），但它大幅降低了延迟和成本，使得做市商能够以接近 CEX 的频率调整其报价。对于有状态订单，撤销仍需通过正式的链上交易完成，但得益于应用链的高频出块（如 Hyperliquid 的200毫秒区块时间），延迟被压缩至1-2个区块内。图 7-16 以时序图对比了三种架构下撤单操作的完整流程及各环节的处理步骤与时间开销。

![图 7-16：不同架构下的订单撤销流程与成本对比](./images/fig-7-16.png)

**图 7-16.** 三种执行架构下订单撤销流程的演变（撤单流程机制示意，非实测；短期单 Gossip“尽力而为”依据 dYdX[22]，全链上 Gas $10–$100+ 为高峰期量级）

图 7-16 展示了撤销流程的定性差异，图 7-17 则在对数刻度下从延迟和成本两个维度对这一差异进行了量化（具体量级见图注）。

![图 7-17：不同架构下的撤单延迟与成本量化对比](./images/fig-7-17.png)

**图 7-17.** 撤单延迟与撤单成本的量化对比（代表性量级对比示意：12s/$15、1s/$0.01、200ms/免费、0.5ms/免费 为数量级代表值、非实测；映射正文与 [22][14]）

图 7-17 的量化对比揭示了一个对做市商具有深远影响的结论：在全链上 DEX 中，撤单延迟和撤单成本的双重压力使得 CEX 中常见的“大量挂单、快速撤销”式做市策略几乎不可行。应用链 DEX 虽然在延迟维度上取得了显著改善（从秒级压缩至数百毫秒），但与 CEX 的亚毫秒级仍有两到三个数量级的差距。这一差距直接决定了链上做市商必须采用更宽的报价价差和更少的挂单层数来补偿其无法快速撤单的结构性劣势。

### 7.6.4 条件订单触发

条件订单（如止损单和止盈单）在链上环境中的执行逻辑发生了重要改变。在 CEX 中，条件订单由内部撮合引擎根据实时产生的最新成交价直接触发，从价格触及触发阈值到订单进入撮合队列，整个过程在微秒级别完成。然而，在链上衍生品协议中，智能合约无法直接获取外部市场价格，条件订单的触发通常依赖于外部预言机提供的价格喂价。

这种对预言机的依赖引入了两个关键的物理约束：非连续性和固有延迟。

预言机价格的更新是离散的，而非连续的，但不同执行架构下的预言机在更新频率和机制上存在本质差异，必须加以区分。在通用公链 DeFi 协议中，条件订单通常依赖 Chainlink 等第三方预言机网络。以 Chainlink 为例，其价格喂价通常在价格偏差达到一定阈值（如0.5%）或经过特定时间间隔（如心跳周期，因 feed 与链而异，以太坊主网主流币对常为约1小时，部分可达24小时）后才会推送新价格 [23]。这意味着在通用公链环境下，链上系统感知的价格变化呈现出明显的阶梯状特征。然而，主流应用链 DEX 采用了截然不同的预言机架构。dYdX v4使用自定义预言机模块：验证者节点从多个中心化交易所的 API 聚合价格数据，在每个区块的共识过程中达成价格共识，实现每区块更新一次（约1-2秒）。Hyperliquid 则运行内部预言机网络，由验证者每约3秒发布一次价格（先取跨交易所加权中位数，再按质押权重在验证者间聚合），其更新频率虽快于通用公链上的第三方预言机，但仍显著慢于其约200毫秒的出块速度。这些自定义高频预言机的更新频率远高于 Chainlink，使得应用链 DEX 的条件订单触发延迟大幅低于通用公链 DeFi 协议。Chainlink 的参数（0.5%偏差阈值、1分钟心跳）仅适用于描述通用公链上的 DeFi 协议，不应被推广为所有链上衍生品平台的预言机特征。

尽管预言机更新频率存在数量级差异，所有链上预言机都面临一个更为严重的安全威胁：预言机操纵攻击。攻击者可利用闪电贷在单笔交易内临时操纵预言机所依赖的价格源，人为制造极端价格偏差，从而批量触发止损和清算。2022年10月的 Mango Markets 事件是这一攻击向量的典型案例：攻击者通过操纵 Mango Markets 的预言机价格，人为抬高 MNGO 代币价格后利用虚假抵押品价值借出协议资产，造成逾1.1亿美元的损失（CFTC/DOJ 口径逾1.1亿美元，SEC 称约1.16亿美元）[24]。在依赖预言机触发止损和清算的永续合约系统中，被操纵的预言机价格可同时触发数千笔止损和清算，造成灾难性的市场冲击。主要的缓解措施包括：采用 TWAP（时间加权平均价格）预言机以平滑瞬时操纵；聚合多个独立价格源并剔除异常值；以及在价格偏差超过阈值时启动熔断机制，暂停清算和止损触发。

当市场发生剧烈波动时，非连续性和延迟的叠加效应可能产生不利后果，但其严重程度因预言机架构而异。在通用公链 DeFi 协议中，预言机更新延迟可达数秒甚至数十秒，止损触发的滞后尤为显著。在应用链 DEX 中，由于自定义高频预言机的存在，触发延迟被压缩至约200毫秒至1秒，但仍无法完全消除。以一个具体场景为例：在 ETH 价格为2000美元时设置触发价为1900美元的止损单，如果市场在极短时间内暴跌至1800美元，在通用公链上预言机可能仅更新一次至1850美元，止损单将在1850美元时被触发，此时实际市场价格可能已经远低于1850美元；而在 Hyperliquid 等应用链上，预言机以秒级（约3秒）频率更新，仍快于通用公链上动辄数十秒的第三方预言机，触发滞后相对较小但并未消除。更进一步，条件订单被触发后，通常需要等待下一个区块才能作为市价单或限价单进入撮合引擎。在 dYdX v4上，条件订单在区块处理的 EndBlocker 阶段（即当前区块的最后处理步骤）被检查和触发，生成的市价/限价单要到下一个区块才参与撮合，从触发到执行至少存在1个区块的固有延迟 [22]。

> 在极端行情中，价格1秒内可能波动超过5%。1秒的延迟，足以让一个本意限制10%亏损的止损单，最终以20%甚至更高的亏损成交。这是链上交易者必须理解和管理的隐性风险。

![图 7-18：链上止损单的触发与执行路径](./images/fig-7-18.png)

**图 7-18.** 链上止损单的触发与执行路径（链上止损触发-执行机制示意：$2,000 触发价为说明性数值、非实测；“至少1个区块”依据 dYdX EndBlocker[22]；5%/10%/20% 滑点档见正文）

图 7-18 以时间轴完整展示了一笔链上止损单从休眠到最终成交的全部环节。每一个环节之间的时间间隔都可能引入滑点，而在极端行情中，这些间隔的叠加效应可能导致最终成交价与触发价之间出现数百乃至数千基点的偏差。

### 7.6.5 订单撮合机制

在中心化交易所中，撮合引擎采用连续时间的限价订单簿模型，订单按照“价格优先、时间优先”原则，在接收到的瞬间完成撮合。两笔同价订单之间，先到达零点几微秒的那一笔将获得优先成交权。这种连续撮合机制使得订单簿的状态在每一笔新订单到达时实时更新，价格发现过程呈现为平滑连续的轨迹。

区块链的离散时间特性从根本上改变了这一撮合范式。由于状态更新以区块为单位进行，最小的时间分辨率不再是微秒，而是一个区块的持续时间。在以太坊主网上，这一间隔约为12秒；在 Hyperliquid 等应用链上，约为200毫秒。在同一区块内到达的所有订单在时间维度上被视为“同时提交”，无法依据到达时间建立优先级。Budish、Cramton 和 Shim（2015）的研究指出，这种离散化在理论上可以将基于速度的竞争转化为基于价格的竞争 [25]，区块链的区块时间特性与该构想具有结构上的相似性。

当前链上永续合约订单簿的撮合实现主要分为三种模式，分别代表了对离散区块约束的不同回应策略。

dYdX v4采用了提议者撮合模式：订单簿状态维护在验证者的内存中，撮合过程在区块提议阶段由提议者在链下完成，随后将撮合结果作为区块的一部分提交给其他验证者进行共识验证 [22]。这种设计使得撮合逻辑本身仍然遵循价格-时间优先原则，但区块内订单的排列顺序由提议者决定，而非由到达时间严格确定。

Hyperliquid 采用了验证者内置撮合模式：其验证者节点同时承担撮合引擎的角色，订单在到达验证者后以亚秒级延迟进入撮合队列，通过高频出块（约200毫秒/区块）和先进先出的排序规则，使撮合行为在时间粒度上接近 CEX 的连续模型 [14]。然而，“先进先出”在分布式系统中是一个定义模糊的概念：当多个验证者几乎同时收到不同交易者提交的订单时，“先到达”的定义取决于领导者验证者（block proposer）的本地时间戳，而非全局可验证的客观顺序。在缺乏可验证排序证明（verifiable ordering proof）的情况下，FIFO 声明的可信度本质上取决于对当前领导者验证者诚实行为的信任，这与 CEX 撮合引擎的信任模型并无根本区别。

Injective 则采用了频繁批量拍卖模式，其设计逻辑与前两者有本质区别。在每个区块的时间窗口（约1秒）内，所有提交的订单处于密封状态，不对外公布，也不进入可见的订单簿。在区块结束时，协议对该窗口内所有交叉的买卖订单执行统一出清：系统计算使成交量最大化的单一出清价格，所有成交订单均以该价格执行 [26]。当买卖双方在出清价格处的挂单数量不对称时，数量较少的一方全额成交，数量较多的一方按比例部分成交。这种机制使得订单的提交顺序不影响成交价格，从而将竞争维度从“谁更快”转化为“谁的价格更优”，在协议层面消除了区块内基于排序与速度的抢跑的经济基础（但跨区块、跨场所的信息性抢跑与验证者对密封订单的潜在窥视并未被该机制覆盖）。Budish、Cramton 和 Shim（2015）提出的频繁批量拍卖理论框架 [25] 正是这一设计的学术先驱（值得注意的是，衍生品批量拍卖机制在功能上等同于传统交易所的叫价拍卖，在美国等司法管辖区可能触发交易所注册要求和相关合规义务）。需要注意的是，该理论最初针对的是股票市场中的高频交易军备竞赛，该理论的核心假设在加密货币永续合约市场中未必完全成立，在跨领域引用时需关注理论适配性的边界。具体而言，Budish 等人的模型假设了以下条件，而这些条件在链上永续合约市场中均面临挑战：(1) 大量做市商的同质化竞争，而实际上链上 DEX 的活跃做市商数量远少于传统证券交易所；(2) 基本面信息通过公开新闻离散到达，而加密市场的信息来源分散且包含预言机延迟这一独特维度；(3) 套利活动主要发生在同质资产的不同交易场所之间，而加密市场中的跨链套利涉及桥接延迟和结算终局性等额外复杂性。

三种模式在撮合公平性上存在梯度差异。在 dYdX v4的架构中，由于区块提议者对区块内交易排序拥有裁量权，同一区块内的订单执行顺序并非完全确定性的，这为提议者提供了一定的排序优势。Hyperliquid 通过将撮合逻辑内置于共识协议层并采用先进先出规则，缩小了这一排序裁量空间，但验证者仍然拥有对自身接收到的订单进行微调的能力。Injective 的频繁批量拍卖则通过统一出清价格和密封订单机制，在三者中提供了最强的排序中立性保障，排序权的经济价值在统一出清机制下趋近于零。这一设计的代价在于牺牲了撮合的时间粒度：交易者无法在拍卖窗口内获得即时成交反馈，所有订单必须等待窗口关闭后统一处理。

离散区块时间对撮合机制的另一层影响体现在订单簿的更新频率上。在 CEX 中，订单簿的每一次微小变动都能被实时观测到，做市商可以在微秒级别调整报价。而在链上环境中，订单簿状态仅在区块边界更新，两个区块之间的订单簿是“冻结”的。这意味着链上做市商无法像在 CEX 中那样通过高频微调来精确管理库存风险和价差，而必须在每个区块窗口内一次性提交其报价策略。这种约束直接影响了链上订单簿的深度结构和价差水平，下一章将从订单簿微观结构的角度进一步展开分析。

### 7.6.6 状态管理约束

区块链昂贵的状态存储资源对订单簿的设计施加了严格的物理约束。在 CEX 中，交易者可以同时维护成千上万个活跃限价单，不产生任何额外成本。但在链上环境中，每一个活跃订单都占用宝贵的状态空间，存储资源的有限性催生了一系列 CEX 中不存在的设计限制。

最直接的约束是订单数量限制。为了防止状态膨胀和拒绝服务攻击，链上协议必须对交易者的行为设定明确的边界。例如，Paradex 协议明确规定，每个交易者在单一市场上最多只能维持100个未成交的挂单 [27]。在市场份额更高的平台上，Hyperliquid 对每个地址在单一市场上的活跃订单数量设置了上限（具体数值随市场和账户等级动态调整），dYdX v4同样对每个子账户的活跃订单数量设置了上限（通常为数百个量级）。这种硬性限制迫使做市商必须更加精细地管理其订单流，放弃在 CEX 中常见的在数十个价位上密集铺单的策略，转而采用更加集中和高效的报价方式。

此外，链上订单簿还面临着独特的“粉尘攻击”威胁。Usman（2025）在 Hacken 的安全研究中详细描述了这种攻击向量 [28]：攻击者利用极小金额（如1 wei，即最小可分割单位）的交易来部分成交目标订单。由于智能合约在处理部分成交时需要进行复杂的四舍五入和状态更新，这种微小的填充可能导致多种问题：计算精度丢失、剩余订单金额低于最小交易单位而失效，甚至在设计不严谨的协议中，原始大额订单的状态可能被错误标记为“已完成”，使限价单提供者的流动性被无效化。粉尘攻击仅是链上订单簿面临的智能合约安全面的冰山一角。更广泛的攻击向量还包括：重入攻击（在订单成交回调中重复触发状态更新）、整数溢出/下溢（在高精度价格和数量计算中产生意外结果）、以及状态膨胀拒绝服务（通过大量创建微小订单使合约的存储和计算成本超出 Gas 上限）。协议开发者应参考专业安全审计机构（如 Trail of Bits、OpenZeppelin、Hacken 等）发布的链上订单簿审计报告，系统性地评估和防御这些攻击面。

为了防御这种利用状态管理漏洞的攻击，协议开发者必须引入额外的防御机制：强制规定最小订单规模（如10美元等值代币）、设定最小填充比例（如订单剩余金额的至少1%）、在订单剩余金额低于特定阈值时自动将其清零，或者对极小金额的部分成交收取额外的处理费用。这些为了适应链上物理环境而增加的逻辑，进一步增加了智能合约的复杂性和审计难度。

> 状态膨胀是链上订单簿的核心挑战。所有缓解措施（订单过期、数量上限、最小规模）都在不同程度上削弱了链上订单簿相比 CEX 的竞争力。应用链通过更高吞吐量和更低状态成本缓解了这一问题，但无法完全消除。

以下表格汇总了核心订单类型在三种执行架构中的行为差异，为交易者在不同环境中选择订单策略提供了直观的参考框架：

| 订单类型/属性 | 中心化交易所 | 全链上 DEX | 应用链 DEX |
| :--- | :--- | :--- | :--- |
| 限价单生命周期 | GTC 永久有效 | 必须使用 GTT/GTD | 短期 GTB / 长期 GTBT 或 GTC |
| 限价单撤销 | 即时免费 | 需发送交易、支付 Gas、等待确认 | 短期尽力而为免费 / 长期需链上交易 |
| 市价单 | 即时成交，低滑点 | 高滑点 + MEV 三明治风险 | 中等滑点，MEV 风险较低 |
| Post-Only | 标准支持 | 需智能合约逻辑检查 | 标准支持 |
| IOC | 标准支持 | 实现复杂，Gas 成本高 | 标准支持 |
| FOK | 标准支持 | 实现复杂 | 标准支持 |
| 止损市价单 | 基于内部成交价，即时触发 | 基于预言机，至少1区块延迟 | 基于预言机，至少1区块延迟 |
| 移动止损 | 标准支持 | 实现极复杂，通常不支持 | 部分支持 |
| TWAP | 通过 API 或第三方工具 | 通常不支持 | 部分原生支持 |
| 冰山订单 | 标准支持 | 链上透明性使其失效 | 可能支持 (取决于订单可见性设计) |
| 最大活跃订单数 | 无实际限制 | 受 Gas 和状态存储限制 | 有明确上限 (如100个/市场) |

**表 7-11.** 核心订单类型在三种执行架构中的行为差异（数据来源：作者整理）

表 7-11 的核心结论在于：应用链 DEX 在绝大多数订单类型上已接近 CEX 的功能完备性，但在移动止损、TWAP 和冰山订单等高级功能上仍存在差距。全链上 DEX 受限于 Gas 成本和状态存储约束，在 IOC、FOK 等需要即时反馈的订单类型上实现困难。这种功能差异直接影响了不同类型交易者的平台选择：高频做市商倾向于应用链 DEX，而对抗审查性有严格需求的交易者可能仍需选择全链上协议。

## 7.7 市场参与者的订单策略

订单并非孤立存在的技术指令，而是不同市场参与者在同一套交易语法中表达意图、竞争优势和管理风险的工具。在去中心化永续合约市场的生态系统中，做市商、套利者、投机者、对冲者和清算人各自扮演着关键角色，承担着不同的风险，追求着不同的收益目标。一笔订单的影响沿着四个维度向外扩散：资金费率传导、清算链路、微观结构信号和链上 MEV 风险暴露。理解不同参与者的订单偏好，不仅有助于洞察市场微观结构的运行机理，更可以反向推断当前的市场状态和主导力量。

本节分析五类核心市场参与者的特征，分析他们如何运用不同的订单类型和策略来实现其业务目标，并最终展示如何通过订单流分析来识别市场中的主导参与者。

### 7.7.1 做市商的订单策略

做市商是去中心化交易所流动性的主要提供者，也是订单簿深度和市场连续性的核心组成部分。他们的核心商业模式是通过同时在买卖双向提供报价，赚取买卖价差和交易所提供的流动性激励（如挂单手续费返还或代币奖励）。由于做市商通常保持市场中立，不主动承担方向性风险，因此其订单策略高度依赖于低延迟和高频调整能力。

在链上环境中，做市商最核心的工具是限价单（特别是 Post-Only 属性）和短期订单。Post-Only 属性（见§7.3.3）对于做市商具有决定性影响：它不仅保证了做市商始终享受 Maker 端的手续费优惠（在许多 DEX 中，Maker 手续费为零甚至为负），还避免了因市场价格快速变动导致限价单“穿越”成为市价单而产生的意外滑点。

做市商在订单簿的多个价位上密集放置限价单，形成多层报价结构以构建市场深度。当净头寸偏离中性时，做市商会调宽一侧的价差、加密另一侧的挂单，或者使用小额主动单快速回归中性。为了应对市场价格的快速波动，做市商需要频繁地撤销旧订单并下发新订单。如前节所述，在支持应用链架构的 DEX（如 dYdX v4）中，做市商大量使用基于区块高度过期的短期订单 [22]。这种订单仅存在于内存中，能够在几十秒内自动失效，显著降低了由于网络延迟或拥堵导致的“陈旧订单被定向攻击”的风险。

在永续合约市场中，做市商还面临着独特的双重库存风险：不仅包括标的资产价格变动带来的方向性风险，还包括资金费率带来的持仓成本风险。如果做市商持有大量多头头寸且当前资金费率为负（多头支付空头），则持续支付的资金费用将侵蚀做市利润。因此，更常见的做法是“永续做市 + 现货对冲”，即在永续合约市场上提供流动性的同时，在现货市场上建立相反方向的头寸，从而隔离方向性风险。然而，这种对冲策略在实践中面临若干不容忽视的执行风险。首先是基差风险：永续合约价格与现货价格之间的基差持续波动，对冲并非完美的。其次是跨平台保证金锁定：当永续端盈利而现货端亏损（或反之）时，盈利端的资金无法实时调配至亏损端补充保证金，可能导致一侧头寸被清算而另一侧的“对冲”失效。最为严重的是危机期间的操作风险：交易所宕机、提款延迟或跨链桥故障可能导致现货端头寸无法及时调整，使永续头寸在最需要对冲保护的时刻失去保护。此外，做市商还广泛使用时间加权平均价格或冰山订单等算法策略，将大额流动性拆分为多个小额订单，以隐藏其真实的仓位意图。

### 7.7.2 套利者的订单策略

套利者是维护跨市场价格一致性的关键力量，在市场微观结构中扮演着“价格校准器”的角色。他们通过捕捉同一资产在不同交易所（如 CEX 与 DEX 之间，或不同 DEX 之间）的价格微小差异，进行低买高卖以获取无风险或低风险利润。套利机会通常转瞬即逝，因此速度和执行确定性是套利者的核心要求。

套利者的首选工具是市价单和带有立即成交或取消或全部成交或取消属性的限价单。市价单提供了最强的成交确定性，无论当前订单簿状态如何，市价单都会立即吃取可用流动性。IOC 订单则在可成交深度内吃掉流动性后，自动撤销剩余未成交的部分，避免了套利者在一条腿成交而另一条腿未成交时面临的单边敞口风险。FOK 订单更为严格，要求订单必须全部成交，否则全部取消，保证了套利策略的原子性。

在永续合约市场中，套利者拥有丰富的机会来源：永续合约与现货之间的基差套利、跨交易所的价格差套利、以及跨链的价格差与资金费率差的组合套利。当套利机器人探测到链上 DEX 的价格滞后于 CEX 时，它会立即向 DEX 发送一笔 IOC 订单。如果由于网络延迟导致该订单到达时价格已经发生不利变动，IOC 属性将确保订单未能立即成交的部分被自动撤销，从而避免套利失败变成单边敞口暴露。

然而，链上环境改写了套利者的盈利模型。Gas 成本成为不可忽视的固定成本：每一笔套利交易都需要支付 Gas 费，这意味着只有价差超过 Gas 成本的套利机会才值得执行。更严重的是，MEV 抢跑可能导致套利者支付了 Gas 但未能成交，或者虽然成交但价格已被推坏。因此，链上套利者越来越多地转向私有交易通道以保护其套利意图。需要区分的是，以太坊上的 MEV 保护基础设施（如 Flashbots Protect、MEV-Share）仅适用于以太坊及其 Layer 2生态，其信任模型建立在区块构建者市场的竞争机制之上。而在应用链 DEX（如 Hyperliquid、dYdX v4）上，MEV 保护的相关机制是验证者私有内存池和协议级确定性排序，其信任模型完全不同，依赖于对少数验证者诚实行为的信任而非市场竞争（参见§7.5.4的详细分析）。将两者混为一谈会对实践者产生误导。

### 7.7.3 投机者的订单策略

投机者，通常被称为方向性交易者或零售交易者，是市场波动性和交易量的主要贡献者。他们基于对市场基本面、技术面或宏观经济事件的分析，主动承担方向性风险，以期在价格上涨或下跌中获取杠杆收益。投机者是最活跃也最多样化的参与者群体，其核心约束不仅包括结构性因素（信息劣势、滑点成本、止损触发的连锁效应以及链上 MEV 暴露），还包括行为性因素：报复性交易（在亏损后急于“扳回”而加大仓位和杠杆）、FOMO 驱动的追高（在价格急涨时因害怕错过而以市价单追入）、以及禀赋效应导致的拒绝平仓亏损头寸（将“未实现亏损”视为“尚未确认的损失”而非已经发生的经济损失）。这些行为偏差系统性地削弱了投机者的风险管理纪律。

投机者的订单策略最为丰富多样，但其核心诉求可以归纳为两个关键词：“入场”和“风险控制”。为了快速捕捉市场趋势，投机者经常使用市价单直接吃取流动性（作为 Taker）。然而，成熟的投机者更倾向于使用条件订单，特别是止损单和止盈单，来实现自动化的风险管理。

在链上永续合约交易中，由于无法24小时持续监控市场，投机者高度依赖有状态的条件订单来保护其杠杆头寸。例如，当做多以太坊时，投机者会同时设置一个触发价低于当前市场价的止损单。一旦预言机价格跌破该阈值，止损单将被激活并转化为市价单，强制平仓以防止损失扩大。这种“设置后即遗忘”的策略在应用链 DEX 中通常通过长达数月的 GTBT 有状态订单来实现。

投机者在链上环境中面临的特殊风险不容忽视。他们是 MEV 的主要“可被提取价值的订单流”来源，市价单和触发单在链上可见，更易被三明治攻击。一笔链上市价单的最终成交价，不仅取决于订单簿深度，还取决于同一区块中 MEV 机器人的博弈结果。典型的应对策略包括：使用抗 MEV 路由（如通过私有内存池提交交易）、设置合理的滑点保护参数，以及选择具有协议级 MEV 防护机制的应用链 DEX。

### 7.7.4 对冲者的订单策略

对冲者参与永续合约市场的目的不是为了获取绝对收益，而是为了转移或对冲其在现货市场或其他业务中的风险敞口。典型的对冲者包括矿工（对冲挖矿收益的价格风险）、代币项目方（对冲国库资产的价值波动）、跨链桥运营商（对冲流动性池的汇率风险）以及持有大量现货资产的机构投资者。

对冲者的交易规模通常较大，且对执行价格的敏感度较高，但对执行速度的要求相对较低。因此，对冲者极少使用市价单直接冲击订单簿，因为大额市价单会产生较大的市场冲击和滑点。相反，他们更倾向于使用限价单（GTC 或 GTBT）和算法订单（如 TWAP 和 VWAP）。

通过将大额对冲需求拆分为较小的子订单，并在较长的时间窗口内逐步执行，对冲者能够最小化其交易对市场价格的冲击。TWAP 与 VWAP 的拆分逻辑已在§7.3.4详述（前者按时间均匀拆分，后者按历史成交量分布加权），此处不再展开。

在永续合约市场中，对冲者最常见的两种结构是：现货多头 + 永续空头（矿工和机构的标准对冲结构）和资金费率交易（当资金费率偏高时，做空永续合约同时做多现货，赚取费率差）。此外，Reduce-Only 属性对于对冲者尤为重要，它确保订单只能减少现有头寸而不会意外增加投机敞口，防止在调整对冲比例时因操作失误而产生新的风险暴露。

### 7.7.5 清算人的订单策略

清算人（或清算机制）是去中心化杠杆交易生态中的关键参与者，也是偿付能力保障机制的核心执行者。当某个交易者的保证金率低于维持保证金要求时，清算机制会强制接管并平仓该违约头寸，从而保护协议免受坏账风险。然而，当前链上衍生品协议的清算架构存在两种截然不同的模式，必须加以区分。

第一种是外部清算人竞争模式，主要见于 DeFi 借贷协议（如 Aave、Compound）和早期的衍生品协议（如 dYdX v3）。在这种模式下，清算人是独立的第三方参与者，需要实时监控所有链上账户的健康因子，一旦发现某个账户的保证金率跌破清算阈值，以最快的速度调用协议的清算函数。这种清算操作在效果上等价于一笔强制市价单。作为回报，清算人通常会获得清算罚金的一部分作为利润激励。清算人的行为模式与套利者高度相似，都是对时间高度敏感、追求执行确定性的参与者。

第二种是协议内置清算引擎模式，为当前主流应用链 DEX 所采用。Hyperliquid 使用内部清算引擎，当账户保证金率跌破阈值时，协议自动将违约头寸分配给清算池（backstop liquidity pool）进行处理，无需外部清算人参与竞价。dYdX v4的清算同样由协议在区块处理过程中自动执行：验证者在每个区块的 EndBlocker 阶段检查所有账户的保证金状态，对不满足维持保证金要求的账户自动发起清算。在这种模式下，“清算人”的概念被内化为协议的自动化风险管理模块，而非外部竞争者。

在通用公链上采用外部清算人竞争模式的协议中（如基于以太坊的 DeFi 借贷协议），剧烈波动时清算人之间的竞争尤为激烈。大量账户同时触发清算线，清算机会在极短时间内涌现又消失。为了抢先完成清算，清算人会参与 MEV 竞价，通过提高 Gas 费来确保其清算指令被优先打包。在以太坊上，竞争主要表现为激烈的 Gas 竞价；在 Solana 等高吞吐量链上，竞争则更多表现为延迟竞赛和基础设施竞争。而在采用协议内置清算引擎的应用链 DEX 中，清算过程由协议自动化执行，消除了外部清算人之间的竞争和 Gas 竞价，但其处理能力在极端行情下可能面临吞吐量瓶颈：当单个区块内需要清算的账户数量超过引擎的处理上限时，部分清算可能被延迟至后续区块执行。

无论采用何种清算架构，强制清算在法律层面引发了若干尚未解决的问题。在传统金融的消费者保护框架下，强制平仓通常需要特定的合同授权、事先通知和补救期（grace period）。链上协议的自动清算缺乏通知机制和补救期，清算罚金的公平性也缺乏监管审查。随着 MiCA 等框架逐步将加密资产服务提供者纳入消费者保护义务的范畴，强制清算的法律地位（包括协议对用户的受托义务边界以及清算罚金的合理性）正成为监管讨论的前沿议题。

### 7.7.6 基于订单流的参与者识别

在一个完全透明的链上订单簿中，不同参与者的行为模式留下了清晰且可追溯的数字足迹。与 CEX 的不透明环境不同，链上环境使得任何人都可以通过分析订单流的特征来推断当前市场的主导参与者及其意图。这种分析能力是链上金融透明性带来的独特优势。

通过对订单的类型、存活时间、撤单频率、成交模式以及与市场价格变动的相关性进行综合分析，可以识别出以下典型的行为模式：

- 做市商活跃信号：密集且对称的限价单分布配合极高的撤单率和频繁的双边挂单，通常意味着做市商正在活跃地提供流动性，市场处于相对稳定的状态。
- 套利者执行信号：一次性穿越多个价格档位的大额吃单，且在两个市场上同步出现方向相反的动作，通常是套利者在执行两腿对冲策略的信号。
- 散户活跃信号：持续的小额市价单流入则暗示散户投机者的活跃度正在上升。
- 事件驱动冲击：突然出现吃穿数个价位的大额市价单，通常与重大新闻事件或链上大额清算有关。
- 止损级联信号：止损触发时连续的市价冲击，反映了投机者止损链与清算引擎的联动效应。
- 风险感知信号：买卖价差突然扩大，意味着做市商感知到了风险的增加并相应调整了报价。
- 机构执行信号：长时间的缓慢分批成交，是对冲者或机构使用 TWAP 等算法执行大额订单的典型特征。

![图 7-19：不同市场参与者的订单策略使用热力图](./images/fig-7-19.png)

**图 7-19.** 不同市场参与者的订单策略使用热力图（作者定性评级热力图，不使用/偶尔/经常/核心 为作者判断、非实测数据；与表 7-12 一致）

从图 7-19 中可以观察到：做市商的订单高度集中于 Post-Only 限价单和短期订单，套利者集中于 IOC 与 FOK（反映对执行原子性的需求），投机者的工具使用最为分散（覆盖市价单、止损单、止盈单等，体现策略多样性与风险管理并重），而清算人则集中于等价市价单与短期触发单，反映其由协议规则驱动的被动执行模式。

表 7-12 从核心目标、典型订单类型、偏好原因、主要风险和链上特有应对五个维度，对五类参与者的订单策略进行了系统性汇总：

| 参与者 | 核心目标 | 典型订单类型 | 偏好原因 | 主要风险与代价 | 链上特有应对 |
| :--- | :--- | :--- | :--- | :--- | :--- |
| 做市商 | 赚取价差与 Maker 返佣 | Post-Only 限价单、分层挂单、短期单 | 保证 Maker 身份，构建多层深度 | 逆向选择、库存偏移、撤单延迟成本 | 扩大价差、缩短订单寿命、永续+现货对冲 |
| 套利者 | 捕捉无风险价差 | 市价单、IOC、FOK | 保证成交确定性与双腿一致性 | 滑点、未成交导致裸露单腿 | 计入 Gas 与 MEV 成本、使用私有交易通道 |
| 投机者 | 方向性杠杆收益 | 市价单、止损单、止盈单、移动止损 | 快速表达方向观点并管理风险 | 三明治攻击、止损级联、滑点放大 | 抗 MEV 路由、合理滑点保护、选择应用链 DEX |
| 对冲者 | 降低组合风险敞口 | 限价单、TWAP、VWAP、Reduce-Only | 降低市场冲击并防止操作失误 | 执行周期长、错失最优时点 | 分段执行、跨市场对冲、资金费率交易 |
| 清算人 | 获取清算奖励 | 清算函数调用 (等价市价单)、IOC | 系统规则驱动，抢占先执行权 | 竞争失败的 Gas 成本、链上拥堵 | Gas 竞价、延迟竞赛、私有清算通道 |

**表 7-12.** 五类市场参与者的订单策略对比矩阵（数据来源：作者构建）

通过理解“谁用什么工具说什么话”，我们能够更好地理解去中心化永续合约市场背后的微观结构。每一类参与者的订单选择都不是随机的，而是在其特定约束条件下，围绕成本、确定性和风险暴露进行的理性权衡。在去中心化衍生品市场中，每一条订单指令不仅是价值转移的载体，更是各方利益诉求和策略博弈的直接体现。对订单流的系统分析，不仅有助于交易者制定更具针对性的反向策略，也为 DEX 协议优化其手续费结构、改进撮合机制和防范恶意攻击提供了重要的数据支撑。

## 7.8 风险分析的三维框架

在加密货币衍生品市场中，订单的风险与成本并非静态属性，而是由执行环境决定的动态变量。正如前文所述，一笔简单的市价单在正常市场与极端危机期间的滑点表现可能相差数百倍，而在中心化交易所与全链上去中心化交易所中，其面临的 MEV 风险也截然不同。为了全面评估交易执行中的潜在风险，我们需要超越单一维度的考量。本节将订单类型、市场状态和执行架构三个维度整合为统一的分析框架，为交易者提供在复杂市场环境中进行决策的实用工具。

### 7.8.1 三维度定义

交易风险的形成是一个多变量交互的过程。在这个三维分析框架中，每一个维度都代表了风险的一个主要驱动因素，三者的交叉组合决定了最终的风险水平。

维度一：订单类型（微观结构角色）。 订单类型决定了交易者在市场微观结构中扮演的角色：限价单作为流动性供给方，核心风险是逆向选择与执行不确定性，正如 Copeland 和 Galai (1983) 所论证的“限价单等同于向市场免费赠送期权” [4]（该因果的完整机制见§7.1.3）；市价单作为消耗方，主要承担市场冲击成本与滑点风险；止损市价单最为特殊，触发时可能遭遇流动性真空，甚至成为引发清算级联的催化剂（见§7.2）。

维度二：市场状态（宏观流动性环境）。 市场状态反映宏观流动性环境，通常分为正常、高波动和极端危机三种：正常状态下订单簿深度充足、价差紧密，随着向高波动乃至极端危机演变，流动性变得稀薄脆弱，风险呈现非线性的超比例放大。如§7.1.4所引，Kaiko Research (2025) 测得极端行情下订单簿深度骤降90%以上、市价单滑点从几个基点飙升至5%甚至10% [10]。

维度三：执行架构（底层基础设施）。 执行架构的差异决定风险传导的路径与最终影响：CEX 延迟极低（亚毫秒级）、订单成本为零，但不透明性可能隐藏交易对手方风险；全链上协议透明度与抗审查性最高，却因高昂的 Gas 成本、较慢的区块确认和公开的内存池而面临显著 MEV 风险；应用链 DEX（如 Hyperliquid 和 dYdX v4）通过主权定制化区块链在两者间寻求平衡 [21]（三种架构的完整对比见§7.6.1）。

这三个维度共同构成了一个立体的风险空间，如图 7-20 所示。在这个三维坐标系中，X 轴为订单类型、Y 轴为市场状态、Z 轴为执行架构，任一订单可由其三轴坐标定位风险水平。图中的颜色渐变表明，风险并非随坐标移动而线性增长，而是在三个维度同时趋向极端时可能呈现出超比例放大效应。需要说明两点：其一，此处“超比例”主要由2025年10月等少数极端事件的滑点-深度配对观察支撑，且尚缺乏在框架内部严格定义的线性叠加基准，应被视为有待更多跨事件证据检验的经验观察而非已证定律；其二，三个维度并非完全正交——执行架构已内生了订单类型与市场状态的多数风险驱动，因此该框架更接近“以架构为主因子、订单类型与市场状态为调节因子”的层级结构，三维坐标系仅为便于可视化的近似。例如，一笔在极端危机中通过全链上 DEX 执行的止损市价单，其风险水平远超三个单维度风险的简单叠加。

![图 7-20：交易风险的三维分析框架](./images/fig-7-20.png)

**图 7-20.** 交易风险的三维分析框架（作者综合风险评级 3D 散点，序数 1–5 为作者综合判断、非实测数据；来源 Ali 2025 [9]、Copeland & Galai 1983 [4]、EigenPhi[19]、dYdX Foundation[21][22]）

### 7.8.2 三维风险矩阵的应用

为了更直观地展示这三个维度如何相互作用并影响最终的执行风险，我们可以将三维空间映射为具体的风险矩阵。表 7-13详细列出了不同订单类型在各种市场状态和执行架构下面临的具体风险特征。

| 订单类型 | 市场状态 | 中心化交易所 | 全链上 DEX | 应用链 DEX |
| :--- | :--- | :--- | :--- | :--- |
| 限价单 | 正常 | 低逆向选择风险 | 中等逆向选择风险 | 低至中等逆向选择风险 |
| | 高波动 | 高逆向选择风险 | 极高逆向选择 + 昂贵撤销成本 | 高逆向选择 + 撤销延迟 |
| | 极端危机 | 订单可能无法成交 | 无法成交 + 网络拥堵致撤销失败 | 可能无法成交 |
| 市价单 | 正常 | 低滑点 | 中等滑点 + 潜在 MEV 风险 | 低至中等滑点，MEV 风险较低 |
| | 高波动 | 中等滑点 | 高滑点 + 高度 MEV 暴露 | 中等滑点 |
| | 极端危机 | 极高滑点 | 极端滑点 | 高滑点 |
| 止损市价单 | 正常 | 低触发滑点 | 中等触发滑点 + 预言机延迟 | 低至中等 + 预言机延迟 |
| | 高波动 | 中等触发滑点 | 高触发滑点 + 预言机延迟 | 中等 + 预言机延迟 |
| | 极端危机 | 高触发滑点 + 可能引发级联 | 极端滑点 + 触发失败风险 | 高触发滑点 + 可能引发级联 |

**表 7-13.** 用户视角的三维风险矩阵（注：表中定性风险等级的数量级参考：“低滑点”：<10基点；“中等滑点”：10-50基点；“高滑点”：50-200基点；“极高/极端滑点”：>200基点。“低逆向选择风险”：做市商价差<5基点；“高逆向选择风险”：价差扩大至>20基点。上述数值为主流交易对在对应市场状态下的典型数量级，具体数值因标的、时段和平台而异。）（数据来源：作者整理）

通过分析这一矩阵，我们可以发现几个关键的规律。

在正常市场状态下，CEX 在执行效率和成本上具有明显优势，尤其是对于市价单和止损单，其低滑点和即时触发特性是链上协议难以企及的。然而，在全链上 DEX 中，即便是正常状态下，市价单也需要承担中等滑点和潜在的 MEV 风险，而限价单在撤销时必须支付 Gas 费用。应用链 DEX 在正常状态下的表现接近 CEX，但预言机延迟仍然是条件订单触发的固有约束。

当市场进入高波动状态时，全链上协议的风险暴露急剧增加。高昂的撤销成本和网络拥堵使得做市商难以快速调整报价，导致极高的逆向选择风险。同时，MEV 搜索者在这种环境下更为活跃，市价单面临极高的被“三明治攻击”的概率。应用链 DEX 在此状态下表现出了一定的韧性，其较低的撤销成本和较快的确认速度在一定程度上缓解了这些风险，但仍然无法完全消除预言机延迟带来的止损触发滞后。

最值得注意的是在极端危机状态下的表现。此时，所有执行架构都面临挑战，但风险的表现形式有所不同。在 CEX 中，市价单的滑点可能达到极高水平，而止损单的大量触发可能成为清算级联的催化剂，这正是 Ali (2025) 所描述的2025年10月清算级联中交叉保证金顺周期性的具体体现 [9]。在全链上 DEX 中，情况可能变得极为严重：市价单可能面临极大的滑点，而止损单由于预言机更新延迟和网络拥堵，甚至可能面临触发失败的风险。这种“意图-执行鸿沟”在危机中的非线性扩大，是交易者必须充分认识的系统性风险。尤其值得警惕的是所有保护层同时失效的关联性故障模式（correlated failure mode）：在极端危机中，止损单因流动性真空而无法以可接受的价格成交、清算引擎因处理队列过载而出现延迟、预言机喂价因底层数据源本身的延迟而滞后于实际市场价格。当这三层防线同时失效时，交易者的头寸可以在远超清算价的水平上持续存在，产生超出保证金的坏账。此时，保险基金将被调用以吸收坏账；如果保险基金耗尽，协议通常会启动自动减仓（auto-deleveraging）机制，强制关闭盈利方的对应头寸以消化损失。这种纵深防御的全面失效虽然罕见，但正是系统性风险评估必须考虑的极端尾部情景。

### 7.8.3 风险管理的实践启示

三维风险框架不仅是一个理论模型，更能够为交易者的实际操作提供具体的指导。基于上述分析，我们可以得出以下几点风险管理的实践启示。

不存在普适的“最优”执行架构，只有“最适合”特定场景的架构。 交易者应当根据自身的策略需求、订单规模以及对不同风险类型的容忍度来选择执行平台。在正常市场环境下，追求极低滑点的高频交易者可能更倾向于 CEX；而对于高度重视资金自托管和抗审查性的交易者，全链上协议则是首选。应用链 DEX 则为那些希望在速度、成本和去中心化之间寻找折衷方案的交易者提供了一个极具吸引力的选项。这一判断呼应了第5章关于“不可能三角”的核心论述：每一种架构选择都是在性能、去中心化和安全性之间的特定权衡。

必须认识到风险增长的非线性特征。 如§7.8.1所述，从正常市场到高波动再到极端危机，滑点与逆向选择风险呈非线性的超比例放大，而非按比例增加。因此，交易者在制定策略时，不能仅基于正常市场的参数进行回测，必须将极端行情下的非线性风险纳入考量。正如第1章所论述的“风险面变换”概念，高频可变冲击是风险非线性放大的理论基础。

在实操层面，以下几项原则值得特别关注。 对于大额交易，无论在何种平台上执行，都强烈建议使用时间加权平均价格或成交量加权平均价格等算法订单进行拆分，以有效降低市场冲击和信号泄露。对于止损单的使用必须极为谨慎，切忌“设置后遗忘”。在链上环境中使用止损单时，必须充分理解预言机延迟和区块确认带来的固有滞后性。交易者应将 MEV 损失视为一种隐性的交易成本，在评估策略盈亏时予以计入。通过分散资产配置在 CEX 和链上协议中，可以同时对冲中心化平台的信任风险和去中心化协议的技术风险，实现更为稳健的整体风险管理。然而，分散策略本身也引入了新的风险：跨平台的再平衡操作存在延迟（尤其在危机时期，跨链转移和交易所提款可能严重滞后），资本效率因资金分散而降低，且在极端行情下多个平台可能同时出现流动性枯竭或技术故障，削弱了分散化的预期保护效果。

上述三维框架分析的是单笔订单在特定环境下的静态风险特征。然而，实际市场中的风险是动态演化的：成千上万笔订单以连续的流形式涌入市场，不同参与者的订单相互交织、叠加和对冲。要理解这种动态过程，需要从单笔订单的静态分析上升到订单流的动态考察。

## 7.9 订单流分析

如果说单笔订单是交易语言中的“词汇”，那么连续不断的订单流就是由这些订单构成的序列。订单流的信息含量及其构成结构，从根本上决定了市场的价格发现效率、流动性质量以及不同参与者之间的利润分配格局。本节将从单笔订单的静态分析过渡到订单流的动态考察，建立一个理解市场信息生态的概念桥梁，并为下一章探讨由订单流汇聚而成的订单簿奠定基础。

### 7.9.1 订单流的构成

市场中的订单流并非同质的整体，而是一个由不同来源汇合而成的复合结构。每一种来源都代表着特定参与者的交易意图，携带着不同类型的信息，并对市场微观结构产生独特的冲击。我们可以将这些订单流归纳为四种主要类型，如图 7-21 所示。

![图 7-21：订单流的四种来源及其信息含量](./images/fig-7-21.png)

**图 7-21.** 订单流的四种来源及其信息含量（四类订单流信息含量示意：占比约10–15%／50–60%／20–25%／5–10%为作者数量级估算、非实测、受宏观周期影响；依据 Easley 等 2012 VPIN[29]、Copeland & Galai 1983 [4]、Ali 2025 [9]）

图 7-21 将订单流按信息含量从高到低分为知情、噪声、做市、清算四类，以下逐一分析其特征。

知情订单流 是由那些掌握了尚未被市场完全定价的信息的交易者所发起的。这些交易者基于信息优势进行方向性押注，其订单流具有极高的信息含量。市场微观结构的 PIN/VPIN 文献（Easley 等）估计，在典型的成熟市场中，知情订单流约占总订单流的10%至15%，但其对价格的影响力远超其数量占比 [29]。知情订单流是推动价格向基本面价值移动的核心动力，促进了市场的价格发现效率。然而，对于提供流动性的做市商而言，知情订单流是逆向选择风险的直接来源（做市商据此扩大买卖价差以补偿潜在损失的机制见§7.1.3）。

噪声订单流 则来自那些不具备信息优势、基于情绪、流动性需求或错误认知进行交易的参与者。这类订单流的信息含量极低，通常表现为随机的买卖行为，不会对价格产生长期且有方向性的推动。然而，噪声订单流在市场生态中扮演着重要角色：它们为做市商提供了相对安全的交易对手盘，是做市商获取价差利润的主要来源，从而间接支撑了市场的整体流动性。在加密货币衍生品市场中，由于散户投机者的大量参与，噪声订单流的占比通常高于传统股票市场，作者基于公开数据的初步估计（order-of-magnitude estimate）约为总订单流的50%至60%。需要强调的是，这一比例具有高度的方法论不确定性和宏观周期依赖性：在牛市中散户投机活动激增，噪声流占比可能显著上升；在熊市中散户退潮，该占比则大幅收缩。此外，Easley 等人 (2012) 的 PIN 模型原研究 [29] 针对的是美国股票市场，直接将其知情流比例移用于加密永续合约市场需要谨慎，因为两个市场在参与者结构、信息传播速度和监管环境上存在本质差异。尽管精确数字难以确定，较高的噪声流占比仍是该市场做市利润率相对较高的重要原因之一。

做市订单流 主要由做市商提交的双边限价单构成，在主流交易对中估计约占总订单流的20%至25%（基于头部交易所做市商公开披露的市场份额数据）。这类订单流本身不包含强烈的方向性信息，其核心功能是提供流动性，维持价格的连续性。如果说做市订单流传递了某种信息，那就是“做市商认为在当前价位提供流动性是相对安全的”。当做市商感知到市场风险增加（例如预期即将出现大量知情订单流）时，他们会迅速撤回或调整报价，而买卖价差的突然扩大和订单簿深度的急剧下降，本身就构成了市场状态变化的强烈信号。

清算订单流 是加密货币衍生品市场中特有且极为重要的一类。它是由协议的风险引擎在交易者保证金不足时强制触发的被动订单，通常以市价单的形式进入市场。清算订单流的信息含量十分复杂：它可能仅仅反映了某个交易者杠杆管理不善（纯粹的机制性触发，无方向性信息），也可能暗示着市场趋势的逆转导致大量交易者判断错误。值得注意的是，清算级联通常不限于单一市场：BTC 永续合约的大规模清算产生的强制卖出压力会溢出至 ETH、SOL 等相关资产，触发跨资产的“相关性突然跃升”（correlation spike），进而引发这些资产自身的清算级联，形成跨市场的系统性传染。更为关键的是，大规模的清算订单流会产生强烈的机制性价格冲击，甚至引发连环清算（清算级联），破坏市场的流动性稳定性 [9]。在典型的永续合约市场正常运行期间，清算订单流估计约占总订单流的5%至10%（基于链上可观察的清算事件频率推算），但在极端行情下，这一比例可能急剧飙升，成为主导市场短期走势的核心力量 [9]。

### 7.9.2 订单流毒性与 VPIN

在理解了订单流的构成之后，做市商和量化交易者面临的核心挑战是如何实时评估传入订单流中的信息含量，即所谓的“订单流毒性”。高毒性的订单流意味着知情交易者正在积极入场，此时做市商若不及时调整策略，将面临严重的逆向选择损失。

> VPIN 是由 Easley、Lopez de Prado 和 O'Hara (2012) 提出的度量订单流毒性的经典指标。其核心直觉在于：当买方发起的交易量与卖方发起的交易量在短时间内出现显著且持续的不平衡时，极有可能意味着知情交易者正在利用其信息优势积极建仓 [29]。

VPIN 的计算方法如下：将总成交量等分为 $n$ 个成交量桶，每个桶包含固定的成交量 $V$。对于第 $i$ 个桶，使用批量分类算法将成交量分为买方发起量 $V_i^B$ 和卖方发起量 $V_i^S$。VPIN 定义为：

$$\text{VPIN} = \frac{\sum_{i=1}^{n} \lvert V_i^B - V_i^S\rvert}{n \cdot V}$$

其中 $n \cdot V$ 为窗口内的总成交量，因此 VPIN 取值落在 $[0, 1]$ 区间内。这种基于成交量而非时间的采样方式，能够捕捉到传统基于时间周期的数据难以发现的微观结构异动。当 VPIN 趋近于1时，表明订单流几乎完全单向，毒性极高；趋近于0时，表明买卖大致均衡，毒性较低。在实践中，VPIN 的急剧上升往往先于市场的大幅波动，因此被广泛用作预警指标。

然而，在永续合约市场中应用 VPIN 或类似指标时，必须格外谨慎。这是因为永续合约市场中的订单流不平衡不仅可能源于知情交易者的方向性押注，还可能由清算级联引发。当大量多头头寸被强制平仓时，市场上会突然涌现巨量的卖出市价单，这在数据上表现为显著的卖方不平衡，看起来与“知情者大举做空”的特征高度相似。但实际上，这些清算订单是“被迫卖出”的，并不包含对未来价格的预测信息，它们是机制性的，而非信息性的。

准确区分基于信息的毒性流与基于机制的清算流，是永续合约高频交易策略和做市策略的关键所在。Bieganowski 和 Slepaczuk (2026) 的研究进一步表明，通过分析订单流不平衡的微观结构特征（如冲击的持续时间、伴随的 OI 变化模式等），可以在一定程度上区分这两种不同性质的订单流 [7]。后续章节将进一步探讨做市商如何量化和管理订单流中的信息含量（参见第19章“毒性流光谱”框架），本节只建立这一基本认知。

### 7.9.3 永续合约订单流的独特信号

与传统现货市场相比，永续合约的订单流携带着一些独特的、由其衍生品机制衍生出的信号。这些信号为敏锐的观察者提供了预测短期价格动态的宝贵线索。

由于永续合约允许高杠杆交易，交易者的清算价格往往会集中在特定的价格区间，形成所谓的清算价密集区。在链上环境中，这些清算价格甚至是公开可见的。当大量头寸的清算价格聚集在当前价格附近时，就形成了一个潜在的风险集中区域，如图 7-22 所示。

![图 7-22：永续合约订单流的独特信号——清算价密集区](./images/fig-7-22.png)

**图 7-22.** 清算价密集区热力图（概念示意图：$2050/$1997/$2108 等为合成代表性数值、非实测；分布模式依据 Ali 2025 [9] 与 CoinGlass/Bybit/Binance 公开统计）

清算价密集区是一个具有高度自我强化特性的信号。它向市场预示：“如果价格到达这个水平，将会触发大量的强制市价单。”当足够多的参与者观察到这一信号时，投机资本可能会策略性地推动价格朝该密集区移动（即所谓的蓄意触发止损或蓄意触发清算），以期触发清算级联并从中获利。然而，清算级联的触发并非仅依赖于大型玩家的蓄意操纵：当价格接近公开可见的清算密集区时，恐慌驱动的提前退出行为（交易者为避免被清算而主动抛售）会加速价格向清算区移动，形成自我实现的预言。社交媒体的实时传播进一步放大了这一效应，清算热力图的广泛传播使清算区成为公共知识，加速羊群行为，使得蓄意猎杀与集体恐慌导致的自发级联之间的边界日益模糊。区分蓄意操纵触发与自然波动触及清算密集区的方法论线索包括：异常订单流模式（触发前是否出现不符合正常交易活动的大额单向订单）、价格恢复形态（蓄意操纵通常伴随触发后的V型快速反转，而趋势性触发则呈现持续下跌）、以及未平仓合约量的变化模式（蓄意操纵者通常在触发前已建立反向头寸，OI 的变化与价格方向呈现特殊的时序关系）。这种由机制设计的透明性带来的脆弱性，显著影响了永续合约市场的短期微观结构，也是第4章所论述的“透明性-脆弱性悖论”在订单流层面的具体体现。

围绕资金费率结算（其锚定现货、每8小时结算等机制见§7.4.3与第10章）的预期交易行为构成了另一类独特信号。在资金费率结算时间点前后，订单流往往会呈现出可观察的系统性模式，这反映了交易者对费率方向和大小的预期。例如，如果在即将进行资金费率结算前，市场上突然出现大量空头建仓的订单流，这可能意味着市场普遍预期下一期的资金费率为正（多头支付空头），因此投机者在“提前布局”以收取费率。通过分析结算前后的订单流动态，可以推断出市场参与者在方向性收益与费率收益之间的权衡策略。

订单流的方向配合未平仓合约量的变化，能够提供比单纯的价格涨跌更丰富的信号，这正是未平仓合约量变化所蕴含的信息价值。未平仓合约量的增加意味着新资金进入市场建立头寸，其减少则意味着现有头寸正在平仓。将价格方向与未平仓合约量变化进行交叉分析，可以区分出四种具有不同市场含义的组合模式。

| 价格方向 | OI 变化 | 市场含义 | 信号强度 |
| :--- | :--- | :--- | :--- |
| 上涨 | 增加 | 新多头资金积极建仓 | 强势看涨 |
| 上涨 | 减少 | 空头平仓（空头回补）驱动上涨 | 较弱看涨 |
| 下跌 | 增加 | 新空头资金积极建仓 | 强势看跌 |
| 下跌 | 减少 | 多头平仓（多头止损）驱动下跌 | 较弱看跌 |

**表 7-14.** 价格方向与未平仓合约量变化的信号解读（数据来源：作者整理）

表 7-14 中最值得关注的对比是“上涨+OI 增加”与“上涨+OI 减少”之间的区别：前者表明新多头资金正在积极入场，构成强势看涨信号；后者则仅反映空头平仓（空头回补），上涨动力较弱。同理，“下跌+OI 增加”表明新空头资金入场，是强势看跌信号，而“下跌+OI 减少”仅反映多头止损，下跌压力有限。这种区分对于判断价格变动的持续性具有实用价值。

在24/7不间断交易且高杠杆的永续合约市场中，这种 OI 与订单流的互动关系变化得更为迅速和剧烈。特别是在清算级联期间，OI 的急剧下降伴随价格的单方向暴跌，是“机制性波动”（而非“信息性波动”）的典型特征（参见第22章的详细分析）。

### 7.9.4 从订单到订单簿

在本章中，我们详细解构了订单这一交易语言的“词汇”。我们探讨了订单的双重功能（交易与信号）、不同订单类型的策略含义、永续合约赋予订单的三维扩展，以及底层执行架构如何重塑订单的物理属性。我们看到，哪怕是最简单的一笔市价单或限价单，在其背后都隐藏着复杂的博弈与权衡。

然而，市场并非由孤立的订单组成。正如本节所展示的，成千上万笔携带不同意图、来自不同参与者的订单汇聚在一起，形成了连续的订单流。这些订单流在撮合引擎中交互、匹配或保留，最终聚合为一个实时更新的数据结构——订单簿。

订单簿是“市场对话的实时记录”。它在每一微秒的状态，都是此前所有订单提交、取消、成交和清算行为的累积结果。订单簿的形状、深度、买卖不对称性，以及它在面对新订单冲击时的弹性，蕴含着关于市场当前流动性状况和未来价格走向的丰富的信息。下一章将视线从“词汇”和“句子”提升到“语篇”的层面，剖析订单簿的结构动力学，建立理解市场微观结构演变的完整分析框架。

## 7.10 本章小结

订单是市场微观结构的最基本构成单元，也是交易者与市场交互的唯一界面。在加密货币衍生品市场这一高度复杂、全天候运行且充满博弈的环境中，理解订单的含义，是每一个参与者建立有效策略的先决条件。本章系统性地解构了“订单”这一概念，从多个核心视角为读者建立了掌握交易这一基本工具体系的分析框架。

理解微观结构的基础在于认识到订单即信号。每笔订单在执行其表面“交易功能”的同时，也在不可避免地发挥着“信号功能”，向市场泄露关于提交者的紧迫程度、资本规模和信息含量的线索。订单类型的选择，本质上是交易者在“执行确定性”与“信息泄露”之间寻找最优权衡位置的过程；做市商正是通过解读这些信号来管理逆向选择风险，这构成了买卖价差形成的微观基础 [4]。

然而，信号的发出仅仅是起点。从交易者的原始意图到最终的成交结果之间，还存在着一个由滑点、延迟、MEV、信息泄露和清算风险共同构成的意图-执行鸿沟。这个鸿沟的宽度和构成因执行架构的不同而有根本差异：在中心化交易所中，鸿沟通常较窄，但包含难以量化的隐性信息利用风险；而在链上协议中，鸿沟可能更宽，但其每一个组成部分都是透明且可审计的。尤其值得警惕的是，在极端危机状态下，这个鸿沟会发生非线性的急剧扩大 [10]，这是风险管理必须防范的尾部事件。

在此基础上，永续合约的独特机制进一步加剧了订单决策的复杂性。传统现货市场的订单决策主要围绕价格、数量和时间展开，而永续合约为之增加了三个重要的维度：杠杆（每笔订单都在改变有效杠杆和清算距离）、清算（止损单与强制平仓机制的复杂交互）以及时间（资金费率结算周期创造了新的策略时机）。这种多维度的复杂性，是永续合约市场“操作简单但决策复杂”的微观基础，也是许多无效交易者产生系统性亏损的重要原因 [9]。

与此同时，当这些订单被提交至链上环境时，其性质又发生了根本转变：在中心化交易所中，订单是私有的意图表达，可以被零成本地随时取消，但在链上中央限价订单簿中，每一笔订单都成为可被全世界观察的“公开承诺”。这种透明性是兼具正面与负面效应的机制：它一方面提供了可验证的、无需信任的流动性，另一方面也完全暴露了交易者的策略意图，使得止损单等关键位置容易成为被狙击的目标 [20]。

更深层地看，区块链的物理约束从根本上重塑了订单的经济学语义：状态存储成本迫使永久有效订单被有生命周期的订单所取代；共识机制使得撤单从免费即时变成了有价且存在延迟；预言机依赖为条件订单的触发引入了固有滞后；而离散区块时间则将连续撮合转变为批量拍卖。理解这些底层架构如何改变订单的行为特征，是理解链上金融独特性的关键入口。

由此可见，订单绝不仅仅是软件界面上的一个按钮或 API 接口中的一串代码，而是承载意图、风险和信息的复杂载体。本章完成了对交易语言“词汇”的系统剖析；下一章将视角提升至“句子”与“叙事”层面，分析由订单流聚合而成的核心数据结构——订单簿，揭示其结构动态、信息含量，以及它如何作为市场对话的实时记录驱动整个微观生态的演进。

## 参考文献

[1] CoinGlass. (2025). 2025 annual crypto derivatives market report. CoinGlass. https://www.coinglass.com/learn/2025-annual-report-en

[2] CoinGecko. (2025). 2025 annual crypto industry report. CoinGecko Research. https://www.coingecko.com/research/publications/2025-annual-crypto-report

[3] Harris, L. (2003). *Trading and exchanges: Market microstructure for practitioners*. Oxford University Press.

[4] Copeland, T. E., & Galai, D. (1983). Information effects on the bid-ask spread. *The Journal of Finance*, 38(5), 1457–1469. https://doi.org/10.2307/2327580

[5] Glosten, L. R., & Milgrom, P. R. (1985). Bid, ask and transaction prices in a specialist market with heterogeneously informed traders. *Journal of Financial Economics*, 14(1), 71–100. https://doi.org/10.1016/0304-405x(85)90044-3

[6] Kyle, A. S. (1985). Continuous auctions and insider trading. *Econometrica*, 53(6), 1315–1335. https://doi.org/10.2307/1913210

[7] Bieganowski, B., & Ślepaczuk, R. (2026). Explainable patterns in cryptocurrency microstructure. *arXiv preprint*, arXiv:2602.00776. https://arxiv.org/abs/2602.00776 https://doi.org/10.48550/arXiv.2602.00776

[8] Ruan, Q., & Streltsov, A. (2022). Perpetual futures contracts and cryptocurrency market quality. *SSRN Electronic Journal*. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4218907 https://doi.org/10.2139/ssrn.4218907

[9] Ali, Z. (2025). Anatomy of the Oct 10-11, 2025 crypto liquidation cascade: Macroeconomic triggers, market microstructure, and systemic risk lessons. *SSRN Electronic Journal*. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5611392 https://doi.org/10.2139/ssrn.5611392

[10] Kaiko Research. (2025, October). When October surprise meets crypto liquidity drought. *Kaiko Research*. https://research.kaiko.com/insights/when-october-surprise-meets-crypto-liquidity-drought

[11] Perold, A. F. (1988). The implementation shortfall: Paper versus reality. *The Journal of Portfolio Management*, 14(3), 4–9.

[12] Brunnermeier, M. K., & Pedersen, L. H. (2009). Market liquidity and funding liquidity. *The Review of Financial Studies*, 22(6), 2201–2238. https://doi.org/10.1093/rfs/hhn098

[13] Langer, E. J. (1975). The illusion of control. *Journal of Personality and Social Psychology*, 32(2), 311–328. https://doi.org/10.1037/0022-3514.32.2.311

[14] Hyperliquid. (n.d.). Overview — The Hyperliquid L1. Hyperliquid Documentation. https://hyperliquid.gitbook.io/hyperliquid-docs

[15] Talos. (2025). VWAP or TWAP for crypto execution? A market impact perspective. Talos Insights. https://www.talos.com/insights/vwap-or-twap-for-crypto-execution-a-market-impact-perspective

[16] Jasiak, J., & Zhong, A. (2024). Intraday and daily dynamics of cryptocurrency. *International Review of Economics & Finance*, 96(Part B), 103658. https://doi.org/10.1016/j.iref.2024.103658 https://www.sciencedirect.com/science/article/pii/S1059056024006506

[17] Genet, R. (2025). Deep learning for VWAP execution in crypto markets: Beyond the volume curve. *arXiv preprint*, arXiv:2502.13722. https://arxiv.org/abs/2502.13722 https://doi.org/10.48550/arXiv.2502.13722

[18] Adrian, T., & Shin, H. S. (2010). Liquidity and leverage. *Journal of Financial Intermediation*, 19(3), 418–437. https://doi.org/10.1016/j.jfi.2008.12.002

[19] EigenPhi. (2025). Exclusive data reveals that sandwich attacks on Ethereum have waned. *Cointelegraph Research*. https://www.tradingview.com/news/cointelegraph:fa12ba092094b:0-exclusive-data-from-eigenphi-reveals-that-sandwich-attacks-on-ethereum-have-waned/

[20] Flashbots. (2024). Publishing Flashbots Protect and MEV-share data. Flashbots Collective. https://collective.flashbots.net/t/publishing-flashbots-protect-and-mev-share-data/3087

[21] dYdX Foundation. (n.d.). Intro to dYdX Chain architecture. dYdX Documentation. https://docs.dydx.exchange

[22] dYdX Foundation. (n.d.). Short-term vs stateful orders. dYdX API Integration Trading Documentation. https://docs.dydx.exchange/api_integration-trading/short_term_vs_stateful

[23] Chainlink. (n.d.). Data feeds — Using data feeds. Chainlink Documentation. https://docs.chain.link/data-feeds

[24] Commodity Futures Trading Commission. (2023, January 9). CFTC charges Avraham Eisenberg with manipulative and deceptive scheme to misappropriate over \$110 million from the Mango Markets exchange [Press Release No. 8647-23]. https://www.cftc.gov/PressRoom/PressReleases/8647-23

[25] Budish, E., Cramton, P., & Shim, J. (2015). The high-frequency trading arms race: Frequent batch auctions as a market design response. *The Quarterly Journal of Economics*, 130(4), 1547–1621. https://doi.org/10.1093/qje/qjv027

[26] Injective Labs. (n.d.). Injective exchange upgrade: A novel order matching mechanism. Injective Blog. https://injective.com/blog/injective-exchange-upgrade-a-novel-order-matching-mechanism

[27] Paradex. (n.d.). Contract specifications — Maximum number of open orders. Paradex Documentation. https://docs.paradex.trade

[28] Usman, A. (2025). 19 security pitfalls in on-chain order books. *Hacken Insights*. https://hacken.io/insights/order-book-security-vulnerabilities/

[29] Easley, D., Lopez de Prado, M., & O'Hara, M. (2012). Flow toxicity and liquidity in a high-frequency world. *The Review of Financial Studies*, 25(5), 1457–1493. https://doi.org/10.1093/rfs/hhs053