研究 · 市場微觀結構

已發表 · SSRN

Quoting the Touch Does Not Pay Its Adverse Selection

以真實主動方標記的進場 markout 拆解：Bybit、Binance USD-M 與 Hyperliquid 上排在佇列末端的報價者

造市商在最佳價位掛單時，會隨著成交賺到一小部分價差，接著眼看價格朝不利於自己的方向移動，因為吃掉這張單的人往往掌握某些資訊。本文在三個加密貨幣永續合約交易所上模擬這類造市商最簡單的形式，涵蓋 9,983 個幣種日與 1.258 億筆模擬成交，發現在三個交易所上，這段價格移動奪回的都比價差所給的更多。以下各節以淺白的方式重建整套論證，並附上訂單簿模擬器、示意圖，以及依論文隨附結果重新繪製的圖表。

重現套件

github.com/DaruFinance/crypto-adverse-selection

三行說明結果

9,983 個幣種日 · 1.258 億筆成交

價差蓋不過漂移

在 10 秒、扣除手續費之前，淨進場 markout 在 Bybit 為 −0.84 bp、在 Binance USD-M 為 −0.39 bp、在 Hyperliquid 為 −0.46 bp，而依月份與幣種雙向叢集的區間在三個交易所上皆排除零。

成交方向反事實

猜測主動方不改變符號

Lee–Ready 與 tick rule 在 89% 至 98% 的成交上與交易所標記一致，從未翻轉結果，對其大小的影響也不到四分之一。中心化交易所的誤差偏向一個方向，Hyperliquid 則偏向另一個方向，因此不存在固定的修正量。

範圍

來回交易中的單邊

衡量止於成交後 10 或 60 秒的 markout 視窗，不含出場、存貨、手續費或返佣，因此無法判斷造市商在這些交易所上是賺是賠。模擬報價者還排在該價位所有可見掛單量之後，這是除了完全不成交之外最不利的假設。

概覽

一篇以 CME 期貨為對象的配套論文發現，造市商成交的兩半幾乎相互抵消：捕獲的半價差為 +0.654 bp，漂移為 −0.661 bp，淨額在全部 13 種合約上皆與零無法區分。把同一套拆解套用到加密貨幣永續合約上，這種平衡便轉為負值，因為在收取任何手續費之前，每個交易所成交後的漂移都大於半價差。兩項研究把掛單放在佇列的兩端（CME 在最前端，本文在最末端），因此這項對比不能單單歸因於資產類別。

這項衡量之所以可行，是因為 Bybit、Binance 與 Hyperliquid 在每一筆交易上都標記了跨越價差的一方，而多數股票資料流並不提供這個欄位。在已知真實方向的情況下，本研究以其他研究者不得不依賴的分類法重跑全部分析，並量化它們帶來的誤差。其餘大部分工作投入在統計推論上，因為成交權重集中在少數幾個幣種，而日曆月份又不多；論文報告哪些陳述能在這些條件下成立，而非假設全部都成立。

本衡量

排在佇列末端的報價者

模擬造市商在每一個訂單簿快照上（至多每 100 ms 一次）於最佳買價與最佳賣價各掛出一單位，排在該價位所有可見掛單量之後的佇列末端。只有當主動方在該價位成交、且數量大於其前方剩餘的佇列時，它的訂單才會成交，成交量為溢出的部分，並以仍在掛單中的數量為上限。每張訂單只存續一個快照，隨後重新掛到末端，因此報價者從不延續排隊優先權。

互動 · 訂單簿模擬器

在一個跳動點為 1 bp 的示意訂單簿上，逐步走過一筆成交。每一步是一個訂單簿快照，藍色方塊是模擬訂單，每次都重新掛到佇列末端，因此只有大於其前方所有顯示掛單量的交易才能讓它成交；成交之後，圖表會追蹤中間價 10 秒。

t = 0.0s · 0/9

賣單模擬報價

100.05

4.1

100.04

3.3

100.03

2.6

100.02

1.9

100.01

2.8

中間價 100.005

100.00

3.2

99.99

2.4

99.98

3.0

99.97

3.6

99.96

4.4

買單

一個每側各有五個價位的訂單簿。按「下一步」掛出報價。

中間價隨時間變化

前方佇列

顆幣

已成交

0.0

顆幣

捕獲

逆向 10 秒

淨 markout

跳動點

1.0

示意情境，並非論文資料。每一步是一個快照；數量以幣計，價格以 USDT 計。

capture = s \frac{m _{0} - f}{m _{0}}, adverse (τ) = s \frac{m _{τ} - m _{0}}{m _{0}}

s 是造市商的方向（主動方賣出時為 +1），f 是成交價，m₀ 是嚴格取自成交之前的中間價，m_τ 是 τ = 10 秒之後的中間價。捕獲在成交當下即固定，只有逆向這一項取決於視窗長度。

net (τ) = capture + adverse (τ) = s \frac{m _{τ} - f}{m _{0}}

參考中間價在加總中相互抵銷，因此淨額只取決於成交價與之後的中間價。較舊的 m₀ 會在兩項之間移轉數值，但不會改變淨額的符號。

這條規則中有兩項選擇決定了數字應如何解讀。排在所有顯示掛單量之後是悲觀的設定，因為握有時間優先權的真實造市商會捕獲更多、被挑走更少，而論文對這類造市商不作任何主張。中間價嚴格取自成交之前，是因為一筆交易與它所引發的訂單簿更新常常共用同一個時間戳，這在 Binance USD-M 上有 52.7% 的成交如此；若採用「同時或之前」的讀取方式，就會以交易後的訂單簿為成交定價。

這種悲觀設定的代價在 Hyperliquid 上看得出來：Albers, Cucuringu, Howison and Shestopaloff 在 5 秒視窗下衡量了 BTC 永續合約上實際觀察到的造市商成交。在返佣之前，平均造市商成交的 markout 約為 −0.48 bp，而一群搶到佇列第一位的交易者在相同基準下賺得 +0.32 bp，差距約 0.8 bp，比本文所報告三個淨額中的兩個還大。因此，論文把在同一批面板上排在佇列最前端的對照組，視為決定性實驗：負號究竟屬於在觸價報價本身，還是屬於排在觸價末端報價。

一筆成交，三個價格

捕獲是成交前一刻的中間價與成交價之間的差距。逆向選擇是中間價在接下來 10 秒內移動的幅度，而此後的一切都不納入衡量，出場也包括在內。

核心結果

三個交易所全為負值

彙整全部成交後，捕獲的半價差在 Bybit 為 +0.21 bp、在 Binance USD-M 為 +0.46 bp、在 Hyperliquid 為 +0.56 bp，而接下來 10 秒的漂移分別奪回 1.04、0.85 與 1.02 bp。因此在扣除手續費之前，每個交易所的淨進場 markout 皆為負值，且依日曆月份與幣種叢集的 95% 區間在每個交易所上都排除零。三個面板涵蓋不同的日期與幣種組合，因此這些長條是三項獨立的衡量，而非交易所排名。

捕獲逆向淨

Fig. 1:取自論文：各交易所彙整的 10 秒、扣除手續費前拆解。陰影標示的 CME 組是配套論文已發表的一組數字，在期貨上於佇列最前端衡量，僅作為參考點，而非對照組。在淨額視圖中圓點不會移動，因為叢集方式只改變各估計值周圍的 95% 區間，而不改變估計值本身；切換鍵可在主要的月份加幣種區間與較窄的僅月份區間之間切換，另一個則以淡色帶顯示。

最大幣種上的微薄捕獲

Bybit 的最大幣種在視窗期間大部分時候都在一個跳動點寬的訂單簿中交易（沒有任何隨附面板記錄報價價差可資確認），因此在觸價報價者約賺得半個跳動點，在 BTC 上相當於每筆成交 0.0124 bp，而 BTC 占該交易所 34.5% 的成交。除以這麼小的捕獲，會使逆向對捕獲的比率不穩定：Bybit 彙整為 5.1，Bybit BTC 為 50.2，而 Binance 與 Hyperliquid 為 1.8，也因此論文稱此比率為其最站不住腳的數字。以同一批成交計算的淨額，則在任一交易所剔除任何單一幣種後都維持其符號。

逐一幣種

Bybit 的全部 13 個幣種皆為負值，且區間排除零；Binance 的全部 15 個幣種皆為負值，其中 12 個排除零，XRP 未達標，另有兩個不予判定。Hyperliquid 則是規律開始鬆動之處：在 10 秒時 20 個幣種中有 13 個為負值，只有 BTC 與 SOL 排除零，11 個因有效月份少於五而不予判定，另有七個幣種的點估計為正，以 NEAR 的 +0.40 bp 居首。

Hyperliquid 的彙整數字也倚重四個占其 80% 成交的幣種，若把每個幣種等權重計算，數值會從 −0.46 變為 −0.15 bp。再加上被保留不判定的幣種、由一段密集日期主導的月份分布，以及下文所述的擷取落差，這使 Hyperliquid 成為三項結果中最弱的一項，儘管其彙整區間排除零。

Fig. 2:依論文的逐幣種結果重新繪製：10 秒淨進場 markout 及其依月份叢集的 95% t 區間，由最負者排起。在此版本中，實線誤差線表示排除零，淡色誤差線表示未排除，虛線則表示不予判定。每個交易所各有其尺度；將游標懸停於幣種上可查看其兩項分量。

成交方向反事實

猜測主動方的代價

多數 markout 研究無從得知是哪一方跨越了價差，只能加以推斷。Lee–Ready 將成交價與當時的中間價比較，成交價恰在中間價時則退回 tick rule；tick rule 則把每個價格與上一個不同的價格比較，在連續相同的價格中沿用前一次的判定。由於這三個交易所公布真實標記，整個模擬可以在每一種分類法下重跑，讓各次執行之間的差距衡量出缺少標記的代價。

互動 · 為成交記錄分類

取自一段示意成交記錄的十筆交易，每筆都附有真實的主動方。選擇一條規則，查看它會標錯哪些交易；其中兩筆交易與它們所引發的訂單簿更新共用同一個時間戳。

高於上一個不同價格為買，低於則為賣，價格不變則沿用前一次的判定；當賣單落在買單剛創下的價格上時，這條規則就會出錯。

時間	價格	數量	採用的中間價	規則判定	交易所標記
1000 ms	100.01	0.5	·	買	買	✓
1350 ms	100.00	0.4	·	賣	賣	✓
1720 ms	100.00	0.3	·	賣	賣	✓
2100 ms與訂單簿更新同一時間戳	100.01	2.8	·	買	買	✓
2500 ms	100.01	0.6	·	買	賣	✗
2900 ms	100.02	0.4	·	買	買	✓
3300 ms與訂單簿更新同一時間戳	100.01	0.9	·	賣	賣	✓
3650 ms	100.01	0.2	·	賣	買	✗
4000 ms	100.00	0.5	·	賣	賣	✓
4300 ms	100.01	1.0	·	買	買	✓

一致率

80%

標錯

示意成交記錄，並非論文資料。

在真實面板上，各分類法在 89% 至 98% 的成交上與交易所一致，而在每個交易所的每一條規則下，漂移仍大於半價差，因此結果的符號從未改變。標錯的交易也可能新增或移除一筆成交，使得某一分類法下的成交筆數介於真實值的 0.930 至 1.082 倍之間，而六組配對誤差中只有三組的區間排除零。

準確度無法為誤差排序

Hyperliquid 的 Lee–Ready 與交易所一致的頻率略高於 Bybit（93.6% 對 93.2%），但其誤差占效應的 20.4%，Bybit 僅 3.8%。Binance 的 tick rule 在一致率上也勝過 Bybit，誤差卻仍達 13.4%，Bybit 為 3.8%，這表示一致率幾乎說明不了分類法會把 markout 移動多少。真正能推廣的是一個界限：在這些面板上，沒有任何分類法讓彙整 markout 移動達其大小的四分之一，或改變其符號。

Lee–Readytick rule

Fig. 3:取自論文：各分類法相對於交易所標記所產生的配對淨誤差，附 95% 區間，以及該誤差占交易所自身效應的比例。分類法使中心化交易所的結果比真實值負得少，使 Hyperliquid 負得多。一致率視圖中每個幣種一個圓點，範圍從 Hyperliquid TIA 在 tick rule 下的 74.2%，到 Binance 在 Lee–Ready 下的 99% 以上。

時鐘與規則同樣重要

成交與訂單簿更新共用時間戳的比例，在 Bybit 為 0.3%，在 Hyperliquid 為 8% 至 10%，在以毫秒標記時間戳的 Binance USD-M 則為 52.7%。在 Binance 交易量很大的某一天，報價規則若嚴格讀取交易之前的資料得分為 0.996，若讀取同時或之前的資料則為 0.620，這個差異屬於資料流的時鐘，否則會被歸咎於分類法。與本頁其他圖表不同，這些時間戳重疊比例與兩個報價規則分數是直接讀自原始成交記錄，而原始成交記錄不在可重現套件之內。

統計推論

究竟有多少獨立觀測值？

面板的每一列是一個幣種日，而幣種日沿著兩個互不巢套的方向相關：同一月份的日子共同承受全市場衝擊，同一幣種的日子則彼此相似。僅依月份叢集會忽略第二個方向，因此主要區間採用 Cameron, Gelbach and Miller 的雙向估計式，並在旁邊報告僅月份的區間。在 Bybit 上雙向標準誤是僅月份的 6.0 倍（0.0882 對 0.0147 bp），在 Binance 為 2.0 倍，在 Hyperliquid 為 1.2 倍，且沒有任何判定因此改變。

幣種日相關的兩種方式

帳面上的叢集很多，實際上仍可能很少。當一個幣種占三分之一的成交時，它的日子會主導平均值，而 Kish 的有效數量（總權重的平方除以權重平方和）會縮向真正有分量的幣種數目。Bybit 的 13 個幣種相當於 5.96 個，Hyperliquid 的 20 個相當於 5.43 個，Binance 的 15 個相當於 10.73 個；凡是有效數量低於五，隨附程式碼便不予判定，而不是報告一個薄弱的判定。

互動 · 有效幣種數

長條是各交易所真實的逐幣種成交占比。從等權重滑過實測權重，再到更集中的面板，觀察有效數量如何變動；t 乘數跟隨有效幣種數與有效月份數中較小者，低於五時則不予判定。

權重實測

等權重實測集中

有效幣種

0.00 ／ 0

有效月份

t 乘數

判定

不予判定

各幣種占該交易所成交的比例

除了估計式的選擇之外，論文還在形狀與這些面板相似的模擬面板上檢驗其區間方法。若幣種效應跨月份持續存在，僅月份叢集會在 86.7% 的情況下拒絕為真的虛無假設，而名目水準是 5%，雙向估計式則維持在 5.7%。當權重最大的叢集同時也是最異常的叢集時（Bybit BTC 正是如此），t 與雙向估計式的拒絕率達 18.3%，而防護機制只在 14% 的執行中給出判定，論文將此情況列為首要威脅。

掛得更深

返佣決定該在哪裡報價

在另一組 300 個 Bybit 幣種日的樣本上（僅買方），報價被放在距中間價五個價位上。每往深一個價位，每筆成交的虧損就更少，從觸價的 −0.72 bp 到第五個價位的 −0.33 bp，但成交頻率大幅下降，只有觸價的 12%。由於返佣是按每筆成交支付，在零返佣時每次報價機會虧損最少的價位，並不是返佣增加後勝出的那個價位。

互動 · 深度與返佣邊界

每次報價機會的價值，等於成交率乘以每筆成交的淨額加上返佣，再減去任何剩餘手續費。調整返佣看看哪個價位勝出，再加上剩餘手續費，觀察每個門檻都平移相同的幅度。

每筆成交的造市商返佣0.50 bp

剩餘造市商手續費0.00 bp

最佳價位

無

每筆成交淨額

最深價位損益兩平

0.000 bp

觸價反超

0.000 bp

x：返佣，每筆成交 bp · y：每次報價機會 bp

返佣低於 0.328 bp 時，沒有任何價位能在每次機會上獲利；介於 0.328 與 0.771 bp 之間，最深的價位最佳；高於 0.771 bp，觸價便反超。這個交叉點依幣種叢集的區間為 [0.716, 0.834]，但剩餘造市商手續費會使它一比一移動，因此真實造市商落在哪一側，取決於它自己的手續費級距，而非這個面板。這些門檻都不是獲利主張，因為模擬報價者並未被證明符合真實返佣級距所附帶的上線時間、覆蓋範圍或數量義務。

考慮存貨的報價

在 91 個 Bybit 幣種日上，一個 Avellaneda–Stoikov 風格的對照組每筆成交的虧損比觸價少，為 −0.54 對 −0.91 bp，代價是成交筆數僅為 9.2%，且在其中 66 天仍為負值。依幣種叢集後，這項優勢並不顯著；以每次報價機會計，返佣高於 0.908 bp 時排序便反轉。該對照組自身的診斷顯示它的行為就像一條深度規則，因此這項結果對一般的存貨感知造市並無任何結論。

這些面板無法定論之處

交易所比較。在 325 個配對幣種日上，Bybit 的淨額比 Hyperliquid 低 0.355 bp，且在 13 個幣種中 13 個皆較低；但該數字背後的 2,000 ms 重新報價級距是手動設定的，而差距依所用的擷取版本不同讀作 −0.350 或 −0.223 bp，因此只主張方向。兩個交易所同時在跳動點網格、手續費、撮合引擎與發布速度上都不同，因此無從主張任何架構上的成因。
領先落後。Bybit 的訂單簿領先 Hyperliquid 的中位數為 500 ms，與兩個交易所發布頻率的 441 ms 差距相近，使得資訊領先與發布節奏無法區分。
波動與交易時段。在另一個 Bybit 子樣本上，亞洲、歐洲與美國時段的平靜對壓力比較在 12 個幣種上給出 p = 0.79、0.77 與 0.29，這是低檢定力下的未能拒絕，而非結果在不同市場狀態下皆穩定的證據。
下市幣種。每個面板都是存活者集合，而視窗期間內下市的十個 Bybit 永續合約，在配對日期上比存活者差 0.848 bp，據此以成交權重計遺漏的影響上限為 0.072 bp，以幣種數計為 0.126 bp，方向是讓報告的淨額看起來較好。
成交選擇。由於報價只在大於前方佇列的交易上成交，讓它成交的是那些清空價位、事後往往帶來最大漂移的交易。把每個幣種的日子依平均成交量分成三分位後，Bybit 持平，Binance 呈相反方向，而 Hyperliquid 則依令人擔憂的方向排列，為 −0.42、−0.45 與 −0.52 bp；實現的成交量上限為一顆幣，因此這項檢定只能為上限以下可見的那部分管道設界。
Hyperliquid 擷取版本。同樣 500 個 Hyperliquid 幣種日的兩個隨附擷取版本，在相同的 100 ms 重新報價上限下執行，成交筆數相差一倍，淨額分別為 −0.58 與 −0.34 bp，而 Bybit 的兩個擷取版本則逐筆成交一致。因此兩者之一必定錯了與估計值本身同等大小的量；論文指出，若此事的解決結果不利於該面板，這一項最會改變其結論，而要釐清它，需要位於套件之外、各交易所專用的程式。
模擬器本身。沒有任何模擬成交與真實成交比對過。Albers, Cucuringu, Howison and Shestopaloff 在 2025 年 7 月 Hyperliquid 的 BTC 永續合約上，以實際觀察到的造市商成交衡量同一個量，在返佣之前、以 5 秒視窗與成交量加權約為 −0.48 bp，接近本文 Hyperliquid BTC 在 10 秒、以成交筆數加權的 −0.58 bp，論文將此解讀為方向上的一致，而非一次重現。

什麼能推翻它

要推翻這項主張，需要某個交易所、幣種或狀態，在相同的區間規則下，其淨進場 markout 穩定地在正值一側排除零。這些面板中不存在這樣的格子，因為在點估計為正的七個 Hyperliquid 幣種中，五個沒有判定，而受檢定的兩個並未排除零。逐幣種結果檔的編排方式，讓重現者能立刻發現這樣的格子。

方法

同一個佇列模擬器在三個交易所上執行，在每個快照（至多每 100 ms 一次）於觸價兩側各掛一單位，排在所有可見掛單量之後，且只在溢出時成交。
每筆成交拆成捕獲的半價差與 10 秒及 60 秒的逆向漂移，以交易所的主動方標記決定符號，參考中間價嚴格取自成交之前。
彙整區間依日曆月份與幣種叢集，t 乘數取自由度為較小的 Kish 有效數量減一，有效叢集少於五時則不予判定。
分類法反事實在 Lee–Ready 與 tick rule 下重跑整個模擬，因此每條規則都產生自己的成交集合，誤差則在幣種日內配對。
逐幣種結果經多重檢定校正，在 10 秒時排除零的全部 27 個格子皆通過 Benjamini–Hochberg。
存活者偏誤界限依循一份事先固定預測、幣種集合、日期配對與權重並經雜湊戳記的計畫；由於儲存庫由作者控管，這個先後順序是被記錄下來的，而非可獨立驗證的。

可重現性

重現套件 crypto-adverse-selection，隨附十個彙總幣種日面板、由這些面板產生每一個結果檔的分析程式、繪圖腳本，以及一份機器可讀的契約，列出證據所允許的主張。這些面板可由經雜湊驗證、但本身並未隨附的凍結產物逐位元組重建，因此讀者可以核對雜湊值，卻無法重跑這一步；原始交易所檔案與各交易所專用的擷取程式同樣不在套件之內。

隨附結果與重建結果的比對深度因檔案而異，三個檔案涵蓋每一個數值，領先落後檔案卻只涵蓋 6,575 個中的 68 個；而對 2024 年 1 月之後 Bybit 資料的全新解析已無法重現隨附面板，因為訂單簿解析器現在優先採用另一個時間戳。套件還會安裝一個小型命令列工具，可將進場 markout 拆解與不予判定規則套用到任何帶有真實主動方標記的訂單簿與成交記錄上，不過它記錄並測試的是成交規則，並非產生論文成交的那支程式。本頁的互動圖表取自隨附的結果檔與面板。

引用

Cite as

Gatto, D. V. (2026). Quoting the Touch Does Not Pay Its Adverse Selection: A True-Aggressor-Signed Entry-Markout Decomposition for a Last-in-Queue Quoter Across Bybit, Binance USD-M and Hyperliquid. SSRN Working Paper 7461901. https://ssrn.com/abstract=7461901

@techreport{gatto2026quoting,
  author      = {Gatto, Daniel V.},
  title       = {Quoting the Touch Does Not Pay Its Adverse Selection:
                 A True-Aggressor-Signed Entry-Markout Decomposition for a
                 Last-in-Queue Quoter Across Bybit, Binance USD-M and Hyperliquid},
  year        = {2026},
  institution = {Universidade Paulista (UNIP)},
  type        = {SSRN Working Paper},
  number      = {7461901},
  url         = {https://ssrn.com/abstract=7461901}
}

另見

CME 配套論文Adverse Selection Consumes the Touch，在期貨上以排在佇列最前端的掛單執行同一套拆解；而No Edge Without Information則研究去中心化交易所資金池中的流動性，那裡根本沒有訂單簿，也沒有佇列。