Торговля на солнце или в тени: рыночное воздействие и неблагоприятный отбор на Hyperliquid

6.5/10

Аннотация

Теория sunshine trading предсказывает, что публичное раскрытие торговых намерений может уменьшить неблагоприятный отбор и привлечь предоставление ликвидности, снижая издержки исполнения. Эмпирических свидетельств мало, поскольку явное преданонсирование крупных заявок на традиционных рынках редко. Мы изучаем Hyperliquid — полностью ончейн лимитный стакан для криптовалютных бессрочных фьючерсов, где протокольно-нативные TWAP-заявки раскрывают свои условия с момента создания и остаются видимыми, пока активны, — естественную форму sunshine trading. Используя данные на уровне адресов, мы восстанавливаем 4.3 миллиона скрытых мета-ордеров и сравниваем их с 465 000 видимых TWAP-исполнений. Два стиля исполнения резко различаются: скрытые мета-ордера следуют смещённым к началу U-образным расписаниям, согласующимся с оптимальным исполнением при транзиентном импакте, тогда как TWAP торгуют почти равномерно. Мы проверяем предсказания преданонсирования Адмати и Пфляйдерер (1991). Видимые TWAP несут меньшие издержки исполнения, чем сопоставимые скрытые мета-ордера, и оставляют меньшее перманентное ценовое воздействие. Скрытые мета-ордера, исполняемые одновременно с уже видимым TWAP-потоком того же направления, несут более высокие перманентные издержки: издержки неблагоприятного отбора сдвигаются на неанонсирующих. Наконец, видимые TWAP-программы вызывают предоставление ликвидности: пока они активны, отображаемая глубина растёт и стакан наклоняется к поглощающей стороне — тем сильнее, чем крупнее анонсированная заявка.

1. Введение

Моделирование рыночного воздействия, то есть того, как цены реагируют на заявки и сделки, чрезвычайно важно как для понимания того, как информация впитывается в цены, так и для количественной оценки транзакционных издержек. Это ещё более верно и трудно для мета-ордеров, то есть последовательностей заявок и сделок, исполняемых постепенно в течение длительного периода в рамках единого инвестиционного решения. Основополагающая работа Кайла [1] показала, что информированные трейдеры оптимально разбивают крупные сделки во времени на дочерние заявки, чтобы сбалансировать издержки исполнения и утечку информации.

Несмотря на важность, удовлетворительная модель и характеризация рыночного воздействия всё ещё недоступны по двум основным причинам: во-первых, данные о мета-ордерах редко доступны, поскольку они обычно являются проприетарной информацией или должны идентифицироваться статистически из специально размеченных данных; во-вторых, рыночное воздействие мета-ордеров в принципе зависит от многих характеристик, которые могут быть ненаблюдаемы и/или неудачно смоделированы, и поэтому наблюдаемые свойства могут быть результатом гетерогенных агрегаций.

С эмпирической стороны исследования сходятся к серии стилизованных фактов о рыночном воздействии. Первый — закон импакта квадратного корня [2, 3, 4, 5], утверждающий, что ожидаемое знаковое изменение цены, называемое также временным импактом¹, $I(Q)$ между началом и концом мета-ордера размера $Q$ хорошо описывается формулой

где $\sigma_D$ — дневная волатильность, $V_D$ — дневной объём торгов, знак положителен (отрицателен) для покупок (продаж), и $\delta \simeq 1/2$. Более свежие анализы показывают линейное поведение при малых объёмах или долях участия [6, 7, 8, 9]. Заметим, что закон квадратного корня означает, что стиль торговли не важен для ценового воздействия — вывод, возможно, справедливый только внутри некоторой области торговых траекторий.

Во-вторых, значительный объём литературы [10, 11, 12] исследовал ценовую траекторию во время исполнения мета-ордера. Обычно обнаруживается, что цена растёт вогнутым образом как функция времени, а после окончания исполнения мета-ордера спадает с пикового значения импакта. Величина возврата активно обсуждается, но свидетельства однозначно указывают, что рыночное воздействие имеет значительную транзиентную компоненту. Долгосрочный предел знакового изменения цены, называемый перманентным импактом мета-ордера, должен быть связан с информационным содержанием сделки. Например, Waelbroeck и Gomes [13] показывают, что после исполнения неинформированных мета-ордеров цены в среднем стремятся вернуться к своему уровню до исполнения.

Все эти эмпирические закономерности наблюдаются на рынках, где сделки и заявки анонимны, то есть личность инвестора неизвестна другим участникам. Этот элемент — ключевой для осмысленности исполнения мета-ордеров: как предположил Кайл, у информированного трейдера есть стимул скрывать своё торговое намерение. На традиционных рынках многие торговые стратегии пытаются статистически идентифицировать исполнение крупных мета-ордеров, чтобы предсказывать будущие изменения цен. Поэтому естественно спросить, как рыночное воздействие и ценовые траектории зависят от того, раскрываются ли торговые намерения ex ante, то есть от того, что литература называет sunshine trading.

Sunshine trading — это торговая стратегия, в которой крупные институциональные инвесторы преданонсируют своё намерение торговать, например раскрывая, что они будут покупать или продавать заданное количество актива в течение указанного периода. Идея, введённая в литературу по микроструктуре рынка, прежде всего Адмати и Пфляйдерер [14], состоит в том, что прозрачность может смягчить классическую проблему неблагоприятного отбора, с которой сталкиваются неинформированные или ликвидностные трейдеры. В стандартных моделях крупных трейдеров, торгующих тайно, принимают за информированных, из-за чего маркетмейкеры расширяют спреды и увеличивают ценовое воздействие. Напротив, когда сделки публично анонсированы, то есть совершаются «на солнце», другие участники рынка могут лучше понять, что поток заявок не обусловлен информацией, что уменьшает неопределённость и может улучшить исполнение.

Теоретические предсказания нюансированы. С одной стороны, sunshine trading может снизить ценовое воздействие и торговые издержки, уменьшая информационные асимметрии и поощряя предоставление ликвидности [14]. С другой стороны, публичное раскрытие подставляет трейдера под фронтраннинг или стратегическое поведение других участников рынка, которые могут торговать впереди анонсированной заявки и двигать цены неблагоприятно [15]. В результате равновесные модели обычно предсказывают компромисс: sunshine trading привлекательнее, когда неблагоприятный отбор силён и рынки неликвидны, но менее желателен, когда доминируют стратегическая торговля и хищническое поведение. В целом литература подчёркивает, что оптимальная степень прозрачности зависит от структуры рынка, присутствия информированных трейдеров и стратегических ответов других агентов.

Традиционные эмпирические свидетельства относительно узки, поскольку явный sunshine trading редок. Релевантный квазиестественный эксперимент — «флэш-заявки» Nasdaq, которые временно раскрывали маркетабельные заявки подмножеству участников перед маршрутизацией. Skjeltorp, Sojli и Tham [16] находят, что введение флэш-функциональности улучшило ликвидность Nasdaq, а качество рынка ухудшилось после её удаления, что в целом согласуется с идеей, что избирательное раскрытие может смягчить информационную асимметрию. Связанные свидетельства с предсказуемых роллов нефтяных ETF указывают в том же направлении, подчёркивая предоставление ликвидности и устойчивость рынка, а не систематическое хищничество [17]. В то же время и теоретическая, и регуляторная литература подчёркивают, что прозрачность не безусловно полезна: если раскрытие приглашает опережение, хищничество или фрагментированный доступ к информации, оно может просто сдвинуть ценовое воздействие раньше, а не устранить его.

Подъём блокчейн-децентрализованных бирж (DEX) даёт родственную, но отличную среду для переосмысления sunshine trading. В DeFi прозрачность — не только выбор трейдера о раскрытии, но и переменная дизайна на уровне протокола, зависящая от архитектуры рынка, производства блоков и упорядочивания исполнения. В принципе ончейн-данные делают поток заявок и результаты исполнения публично наблюдаемыми, и, в зависимости от дизайна протокола, торговые намерения могут становиться видимыми до исполнения. Эта прозрачность особенно релевантна для хищнической торговли. На традиционных рынках главная забота — фронтраннинг или стратегическое предвосхищение заявок после раскрытия. В DeFi родственные механизмы включают фронтраннинг, сэндвич-атаки, игры с упорядочиванием транзакций и, в целом, извлечение MEV [18, 19, 20]. Эти опасения мотивировали несколько механизмов смягчения: приватный поток заявок, приватные или шифрованные мемпулы, батч-аукционы и MEV-защитные конструкции.

Связь с sunshine trading становится особенно тесной с развитием ончейн центральных лимитных стаканов, которые прямо сопоставимы с классическими электронными рынками — в отличие от автоматических маркетмейкеров (AMM). DeFi, таким образом, — полезная лаборатория для изучения издержек и выгод прозрачности.

В этой работе мы исследуем роль sunshine trading в ценовом воздействии и транзакционных издержках, используя уникальную среду блокчейна Hyperliquid [21]. Hyperliquid — рынок спота и бессрочных фьючерсов, основанный на полностью ончейн центральном лимитном стакане (CLOB), то есть стандартном рыночном механизме традиционных финансов. Его архитектура делает рыночную активность наблюдаемой на высокой частоте: поток заявок, исполнения, активность на уровне счетов и адрес, инициирующий каждое действие, можно восстановить из публичных данных. Что важнее, трейдеры на Hyperliquid могут использовать протокольно-нативные TWAP-заявки, которые автоматически разбивают мета-ордер на дочерние заявки, подаваемые через равные интервалы. Поскольку существование и основные параметры нативного TWAP видимы с момента создания, эти заявки представляют естественную форму sunshine trading на традиционном электронном рынке. Наряду с ними мы восстанавливаем статистические мета-ордера, то есть исполнения без протокольно-нативного механизма, реализуемые проприетарными методами исполнения. Мы идентифицируем их, агрегируя последовательности однознаковых рыночных заявок с одного адреса под стандартной гипотезой разбиения [22, 23, 24]. Это позволяет сравнить автоматизированные TWAP-программы, параметры родительской заявки которых наблюдаемы с момента создания, с латентными мета-ордерами, восстановленными постфактум, чьи планируемый размер, горизонт и правило исполнения напрямую не наблюдаются.

Наши основные результаты таковы. Во-первых, на агрегированном уровне нативные TWAP имеют систематически меньший временный импакт, чем статистические мета-ордера, и два класса резко различаются динамикой исполнения: статистические мета-ордера следуют U-образным расписаниям исполнения и заметно невогнутым ценовым траекториям с двумя перегибами, с выраженным пиком около завершения и последующим спадом после сделки, что согласуется с оптимальным стратегическим исполнением в интерпретации транзиентного импакта; траектории нативных TWAP, напротив, гораздо ближе к гладкому вогнутому корневому пути, ассоциируемому с равномерной торговлей в моделях пропагатора [12, 7]. Далее мы организуем остальные свидетельства вокруг четырёх механизмов анализа преданонсирования Адмати и Пфляйдерер. В частности, мы находим:

1. Анонсирующие несут меньшие издержки: при медианной волатильности и при условии характеристик исполнения видимые TWAP имеют примерно на 9 базисных пунктов меньший временный импакт, чем латентные мета-ордера.
2. Анонсированный поток менее информационно неблагоприятен: после завершения нативные TWAP оставляют примерно на 5 базисных пунктов меньшее пост-исполненческое смещение цены, чем сопоставимые статистические мета-ордера.
3. Зеркальные издержки падают на неанонсирующих: скрытые мета-ордера, исполняемые в направлении уже видимого TWAP-потока, несут более высокое пост-исполненческое смещение цены — примерно 0.8–0.9 базисного пункта на каждые 10 процентных пунктов роста одностороннего видимого TWAP-доминирования.
4. Лимитный стакан отвечает на видимое исполнение: во время активных TWAP-окон отображаемая глубина растёт и стакан наклоняется к поглощающей стороне; эти отклики отображаемой ликвидности масштабируются с анонсированным размером и не объясняются благоприятными предшествующими трендами.

В совокупности свидетельства согласуются с интерпретацией sunshine trading, в которой публично видимый TWAP-поток в среднем менее информирован, а его видимость вызывает предоставление ликвидности, а не хищнический фронтраннинг [14, 16].

Остальная часть статьи организована так. Раздел 2 описывает данные Hyperliquid, построение выборок нативных TWAP и статистических мета-ордеров и основные описательные статистики. Раздел 3 изучает агрегированное рыночное воздействие, траектории импакта и расписания исполнения для двух режимов исполнения. Раздел 4 интерпретирует свидетельства через призму sunshine trading, рассматривая издержки анонсирующих, информационное содержание анонсированного потока, издержки неанонсирующих и отклик стакана вокруг видимого исполнения. Раздел 5 обсуждает основные ограничения анализа. Раздел 6 подводит итог.

2. Уникальный набор данных: Hyperliquid

Наше исследование основано на публично наблюдаемых данных Hyperliquid. Hyperliquid — специализированный блокчейн первого уровня, исполнение состояния которого разделено на два тесно интегрированных компонента: HyperCore, размещающий полностью ончейн центральные лимитные стаканы (CLOB) для спота и бессрочных фьючерсов, и HyperEVM — универсальную среду смарт-контрактов, защищённую тем же консенсусом [21]. Консенсус реализован через HyperBFT — специальный BFT-протокол, явно описанный как вдохновлённый HotStuff и его преемниками [21, 25]. Важно, что консенсус протокола идёт раундами, которые могут фиксировать блок исполнения, а параметры набора валидаторов эволюционируют по эпохам стейкинга [21]. Запуск нод не требует разрешения, а активный набор валидаторов прозрачно выбирается по стейку. По документации, доступной на 1 июня 2026 года, активный набор состоит из топ-24 валидаторов по делегированному стейку [21].

Консенсус оптимизирован под сквозную латентность. Сквозная латентность измеряется как время между отправкой запроса и получением зафиксированного ответа. Для заявки, поданной географически ко-локализованным клиентом, медиана сквозной латентности — 0.2 секунды, а 99-й перцентиль — 0.9 секунды [21].

Эта архитектура особенно полезна здесь, поскольку исполнения и активность на уровне счетов наблюдаемы на частоте транзакций и могут быть восстановлены напрямую из данных блокчейна. Сырые исторические данные мы получаем через Reservoir от Hydromancer — публичный слой данных Hyperliquid [26]. Другие недавние работы также используют ончейн-данные сообщений Hyperliquid для изучения микроструктуры рынка [27, 28].

Мы изучаем все 201 рынок бессрочных фьючерсов Hyperliquid за период с 28 июля 2025 года по 23 марта 2026 года. Эти инструменты — крипто-перпетуалы: линейные контракты на оракульный индекс соответствующего спотового актива, без даты экспирации и с почасовым фандингом. По основной спецификации контрактов Hyperliquid перпетуалы маржируются в USDC и номинируются в USDT: залог и торгуемые номиналы учитываются в USDC, тогда как оракульные цены обычно номинированы в USDT. Соответственно, на протяжении статьи размер заявки, рыночный объём и торгуемая стоимость измеряются как номиналы в USDC, которые мы для привычности называем USD, поскольку USDC привязан к доллару США один к одному. Выборка содержит более 641 миллиона исполнений, соответствующих примерно 365 миллионам рыночных заявок и около 1.93 триллиона USD торгового объёма. Поскольку Hyperliquid торгуется непрерывно 24/7, нормировочные переменные анализа, такие как дневной объём торгов и волатильность, мы вычисляем по 24-часовому окну вперёд, привязанному к старту мета-ордера.

Ключевая особенность набора данных — атрибуция на уровне кошельков: каждое действие можно отнести к инициирующему ончейн-адресу. Мы идентифицируем мета-ордера двумя способами:

• протокольно-нативные TWAP-мета-ордера: Hyperliquid предлагает нативное TWAP-исполнение как механизм уровня протокола для разбиения мета-ордера на последовательность дочерних заявок, подаваемых валидаторами автоматически каждые 30 секунд. Протокол стремится держать исполнение близко к пропорциональному времени расписанию при ограничении максимального проскальзывания 3% на каждый срез и позволяет более поздним срезам увеличиваться в размере при недоборе ранних, с ограничением догоняющего поведения максимум тройным размером обычной подзаявки [21]. Эти нативные TWAP особенно релевантны для нашего анализа мета-ордеров и импакта, поскольку сочетают ex-ante наблюдаемость с ex-post прослеживаемостью в данных. С одной стороны, полная инструкция родительской заявки становится публично видимой сразу после подачи соответствующей ончейн-транзакции, позволяя участникам рынка наблюдать существование TWAP-программы и её основные характеристики, включая направление, общий размер, горизонт исполнения и другие параметры. Это делает нативные TWAP протокольной формой sunshine trading: в отличие от латентных мета-ордеров, восстановленных постфактум из однознаковых сделок одного адреса, они раскрывают намерение исполнения до завершения.² С другой стороны, на уровне данных дочерние TWAP-исполнения идентифицируемы, поскольку экспонируются как исполнения TWAP-срезов и потому появляются с нулевым хэшем транзакции (0x00...00); кроме того, TWAP-исполнения несут выделенное поле twapId, группирующее исполнения одного родительского TWAP [21].
• статистические мета-ордера: последовательности идущих подряд однознаковых рыночных сделок с одного адреса по одной паре, сгруппированные под гипотезой разбиения, когда интервалы между приходами меньше 30 минут.

После применения ограничений выборки финальный набор данных содержит примерно 4.3 миллиона статистических мета-ордеров — оставлены только восстановленные мета-ордера как минимум с 10 дочерними заявками (более строгий порог, уменьшающий ложные срабатывания от случайной кластеризации заявок) — и около 465 000 нативных TWAP-мета-ордеров как минимум с 5 дочерними заявками, поскольку идентификация на уровне протокола делает восстановление однозначным даже для коротких последовательностей. Далее мы ограничиваем обе выборки исполнениями, завершающимися в пределах 24 часов, в согласии со скользящим 24-часовым окном нормировки размера и волатильности, поскольку торгуемая доля более длинного исполнения плохо определена относительно 24-часового референсного окна. Это ограничение несущественно: среди восстановленных мета-ордеров с не менее чем 10 дочерними заявками оно удаляет лишь 28 904 заявки — 0.7% по количеству и 1.5% по номиналу.

Для анализа стакана мы дополняем транзакционные данные отдельной выборкой снимков лимитного стакана. Скачанные данные стакана покрывают исследуемые рынки с 15 декабря 2025 года по 23 марта 2026 года с минутной частотой. Сырые файлы стакана содержат 18 701 панель пара-день и около 26.9 миллиона снимков. Для каждого снимка пара-минута мы наблюдаем первые 20 ценовых уровней на обеих сторонах стакана, включая цены, отображаемые размеры и число стоящих заявок на каждом уровне. Более короткая выборка стакана отражает доступность данных: снимки стакана доступны с 15 декабря 2025 года.

2.1. Статистика мета-ордеров

Начнём с описательных статистик нашей выборки. Мы характеризуем каждое исполнение размером заявки, физической длительностью, торгуемой долей, длительностью в объёмном времени, долей участия и числом дочерних заявок. Для заявки $i$, исполненной на рынке перпетуалов $m_i$, определим номинальный размер, физическую длительность и число дочерних заявок как

Здесь $q_k$ — знаковое количество, исполненное в дочерней сделке $k$, $p_k$ — соответствующая цена исполнения, а $T_i$ измеряется в минутах. Поскольку знак заявки кодируется отдельно через $\epsilon_i$, $Q_i$ всегда положителен.

Мы используем две нормировки на рыночный объём. Во-первых, вычисляем полный номинальный объём, проторгованный на том же рынке перпетуалов за скользящее 24-часовое окно, начинающееся в момент старта заявки:

Таким образом, $\phi_i$ — торгуемая доля. Эта нормировка не основана на календарных днях или конкретном часовом поясе: каждая заявка нормируется по собственному 24-часовому окну, привязанному к её времени старта.

Во-вторых, мы измеряем количество рыночной активности, происходящей в окне исполнения заявки:

Здесь $F_i$ — длительность исполнения в объёмном времени, то есть доля 24-часового рыночного объёма, проторгованная в окне исполнения, а $\eta_i$ — средняя доля участия в том же окне. По построению $\phi_i = \eta_i F_i$. Таким образом, $\eta_i$ измеряет агрессивность заявки относительно одновременной рыночной активности, а не относительно дневного объёма.

Рисунок недоступен для встраивания — смотреть в оригинале

Рис. 1 приводит распределения этих величин для статистических мета-ордеров и нативных TWAP-заявок нашей выборки. Верхние панели показывают оценённые маргинальные плотности номинала заявки $Q$, длительности в объёмном времени $F$ и доли участия $\eta$. Нижняя левая панель — распределение числа дочерних заявок $N$, остальные нижние панели — совместное распределение $F$ и $\eta$.

Распределения размеров в целом сопоставимы в центре, но различаются в правом хвосте. Медианный статистический мета-ордер имеет номинал около 8.5 тысячи USD, медианный нативный TWAP — около 9.1 тысячи USD. Однако на высоких квантилях TWAP крупнее: 95-й перцентиль — примерно 496 тысяч USD для TWAP против 256 тысяч USD для статистических мета-ордеров. Таким образом, нативные TWAP включают существенный хвост крупных анонсированных исполнений.

Распределение длительности в объёмном времени показывает, что TWAP склонны охватывать чуть больше рыночной активности. Медианный $F$ — около 0.009 для статистических мета-ордеров и 0.012 для нативных TWAP, то есть медианное исполнение занимает соответственно примерно 0.9% и 1.2% скользящего 24-часового номинального объёма рынка. Разница выраженнее в верхнем хвосте: 95-й перцентиль $F$ — около 0.23 для TWAP против примерно 0.16 для статистических мета-ордеров. Нативные TWAP, следовательно, склонны растягивать исполнение на большую долю одновременного рыночного объёма.

Самое важное различие — в долях участия. Статистические мета-ордера гораздо агрессивнее на медиане: медианный $\eta$ — около 3.4%, тогда как медианное участие TWAP — около 0.45%. Этот разрыв остаётся большим по всему распределению. 75-й перцентиль — около 20% для статистических мета-ордеров и около 5.4% для TWAP. Нативные TWAP, следовательно, склонны распределять свой объём по большему количеству рыночной активности, даже когда их абсолютный номинал велик.

Распределение числа дочерних заявок показывает дальнейшее различие в стиле исполнения. Статистические мета-ордера обычно состоят из относительно немногих дочерних заявок: медианное число $N = 16$, 75-й перцентиль — 25, 95-й — 73. У нативных TWAP распределение числа дочерних заявок тяжелее: медиана $N = 30$, но 75-й и 95-й перцентили поднимаются примерно до 61 и 527 соответственно. Таким образом, TWAP не только менее участвующие в каждый момент — они также реализуют это меньшее участие через более тонкое нарезание мета-ордера.

Совместные тепловые карты в нижнем ряду уточняют эту картину. В обеих выборках заселённая область организована вокруг сильной нисходящей огибающей в плоскости $(F, \eta)$. Это естественная геометрия декомпозиции $\phi = \eta F$: при данной торгуемой доле $\phi$ заявки с большей длительностью в объёмном времени должны иметь меньшее участие, а очень агрессивные заявки должны быть короткими в объёмном времени. Поскольку экстремально большие торгуемые доли на практике редки, верхняя правая область — одновременно длинные в объёмном времени и высокоучаствующие — по существу пуста.

Внутри этой общей огибающей две популяции занимают разные области. Статистические мета-ордера более рассеяны и кладут гораздо больше массы на высокие доли участия, особенно при коротких и промежуточных значениях $F$. Нативные TWAP смещены к меньшему участию и несколько большей длительности в объёмном времени, что согласуется с плановым исполнением, намеренно распределяющим объём по рыночной активности.

В совокупности маргинальные распределения, панель числа дочерних заявок и совместные тепловые карты показывают, что контраст между двумя выборками — это прежде всего не различие в размере заявок, а различие в footprint'е исполнения. Статистические мета-ордера обычно более концентрированы и агрессивны, тогда как нативные TWAP крупнее в правом хвосте, разбиты на больше дочерних заявок и исполняются пассивнее относительно одновременного объёма.

3. Рыночное воздействие и ценовые траектории

В этом разделе мы изучаем рыночное воздействие на трёх взаимодополняющих уровнях. Сначала анализируем закон квадратного корня — связь между временным импактом и торгуемой долей $\phi$. Это даёт агрегированное сравнение издержек исполнения нативных TWAP и статистических мета-ордеров, абстрагируясь от детального тайминга сделок. Затем мы обращаемся к динамическому измерению импакта, изучая и ценовые траектории во время исполнения, и соответствующие расписания исполнения. Эти объекты позволяют понять, как импакт нарастает в течение жизни мета-ордера и связаны ли различные ценовые траектории с различными паттернами разбиения заявок. Наконец, мы используем простой бенчмарк с транзиентным импактом для интерпретации наблюдаемых форм.

3.1. Закон квадратного корня и поверхность импакта

Начнём со стандартного агрегированного бенчмарка литературы о рыночном воздействии: зависимости временного импакта от размера заявки, выраженного как доля 24-часового рыночного объёма. Для каждой заявки мы используем торгуемую долю $\phi_i = Q_i/V_{24h,i}$, определённую в разделе 2.1.

Нормированный на волатильность временный импакт определяется как знаковое относительное изменение цены между началом и концом исполнения, перемасштабированное дневной волатильностью того же рынка:

Здесь $S_{m_i}(t)$ — цена последней сделки рынка $m_i$ в момент $t$, а $\sigma_{D,i}$ — дневная волатильность того же рынка. Мы оцениваем $\sigma_{D,i}$ по скользящему 24-часовому окну $[t_{s,i}, t_{s,i} + 24h)$ с помощью оценщика Паркинсона [29], где $H_i$ и $L_i$ — наибольшая и наименьшая транзакционные цены на рынке $m_i$ за это окно.

Мы оцениваем $\mathcal{I}_{\mathrm{tmp}}(\phi)$, усредняя $\mathcal{I}_{\mathrm{tmp},i}$ внутри бинов $\phi_i$. Результаты — на рис. 2. Аппроксимирующие кривые оценены на диапазоне $\phi \ge 10^{-5}$.

Рисунок недоступен для встраивания — смотреть в оригинале

Две популяции не описываются общей агрегированной кривой импакта. Нативные TWAP-заявки показывают приблизительно линейную зависимость в лог-лог масштабе на отображённом диапазоне:

с оценками $\hat\alpha = -0.780 \pm 0.004$ и $\hat\beta = 0.303 \pm 0.002$. Эквивалентно, $\mathcal{I}_{\mathrm{tmp}}^{\mathrm{TWAP}}(\phi) \propto \phi^{0.303}$ — показатель заметно ниже корневого бенчмарка.

Статистические мета-ордера показывают заметно иную форму. Их бинированный импакт аппроксимируется нелинейной арктангенсной спецификацией

с оценками

и $R^2 = 0.968$ по подогнанным бинам. Эта функциональная форма схватывает уплощение импакта статистических мета-ордеров при малых торгуемых долях, резкий рост на промежуточных торгуемых долях и последующее насыщение при больших $\phi$.

Подогнанные кривые пересекаются примерно при

Таким образом, порядок импакта статистических мета-ордеров и TWAP не постоянен на носителе. Главное — не точное расположение этих пересечений, а то, что две выборки имеют разные агрегированные формы: импакт TWAP близок к регулярному степенному закону, тогда как импакт статистических мета-ордеров сильно искривлён и насыщается. Следовательно, в этой выборке единый закон квадратного корня не даёт универсального описания временного импакта.

Торгуемая доля $\phi$ суммирует размер заявки одной переменной, но не различает два экономически разных измерения: как долго заявка исполняется и насколько агрессивно она участвует в рынке. Чтобы разделить эти эффекты, мы используем декомпозицию

где $F_i$ — длительность в объёмном времени, а $\eta_i$ — средняя доля участия, обе определены в разделе 2.1.

Объединяя статистические мета-ордера и нативные TWAP, мы оцениваем поверхность временного импакта в координатах $(\log_{10}\eta, \log_{10}F, \log_{10}\mathcal{I}_{\mathrm{tmp}})$, бинируя заявки в плоскости $(\eta, F)$ и вычисляя средний временный импакт в каждом заселённом бине. Затем аппроксимируем полученную объединённую бинированную поверхность сепарабельным степенным законом:

Эта спецификация хорошо описывает агрегированную поверхность:

с $R^2 = 0.886$.

В целом подогнанная объединённая поверхность меняется больше вдоль измерения длительности, чем вдоль измерения доли участия. Показатель при $F$ — около 0.31, тогда как при $\eta$ — около 0.12. Таким образом, при декомпозиции $\phi = \eta F$ количество рыночной активности, охваченной исполнением, — более сильный предиктор временного импакта. Участие тоже входит положительно, но с существенно меньшей эластичностью. Одномерный бенчмарк закона квадратного корня, следовательно, неполон: заявки с одной торгуемой долей могут иметь разный импакт в зависимости от того, как эта доля разложена между долей участия и длительностью в объёмном времени. Это контрастирует с Zarinelli et al. [6], которые находят совместную степенную аппроксимацию с обоими показателями около одной второй. В нашей объединённой выборке Hyperliquid обе эластичности меньше и поверхность гораздо сильнее наклонена в сторону длительности в объёмном времени. Отклонение от корневого бенчмарка, таким образом, — не сбалансированная зависимость от $\eta$ и $F$, а в основном доминирование канала длительности.

3.2. Траектории импакта и расписания исполнения

Предыдущий анализ сжимает каждый мета-ордер в единственную меру временного импакта. Это полезно для сравнения агрегированных издержек исполнения, но отбрасывает динамическую информацию ценового пути во время исполнения. Поэтому мы изучаем траектории импакта, чтобы сравнить, как импакт нарастает в течение жизни мета-ордера и как эволюционирует после завершения.

Для этого анализа время измеряется физически. Для каждого мета-ордера $i$ пусть $T_i := t_{e,i} - t_{s,i}$ — его длительность по часам. Если $t$ — время, прошедшее от старта мета-ордера, нормированное физическое время есть $\tau := t/T_i$, так что $\tau = 0$ соответствует началу исполнения, а $\tau = 1$ — завершению. Значения $\tau < 0$ и $\tau > 1$ описывают показанные на рисунке окна до и после исполнения. Для каждой заявки $i$ строим знаковую траекторию импакта

где $S_i(\tau) := S_{m_i}(t_{s,i} + \tau T_i)$ — цена последней сделки рынка $m_i$ в нормированное физическое время $\tau$.

Чтобы сравнивать формы траекторий заявок с разными масштабами агрегированного импакта, мы нормируем каждую знаковую траекторию подогнанным временным импактом, предсказанным для её класса исполнения. Пусть $g(i) \in \{\mathrm{stat}, \mathrm{TWAP}\}$ — класс заявки $i$. Определим

где

— подогнанные агрегированные законы импакта с оценёнными параметрами. Эта нормировка удаляет, отдельно для двух механизмов исполнения, среднюю зависимость временного импакта от торгуемой доли и делает рисунок информативным прежде всего о форме траектории, а не об абсолютных уровнях импакта. Она, однако, не заставляет траекторию равняться единице при завершении: знаменатель — импакт, предсказанный агрегированным законом при $\phi_i$, а не реализованный импакт завершения $I_i(1)$; каждая панель усредняет отношения на уровне заявок, которые не обязаны совпадать с отношением средних; и закон объединён по $\phi$, тогда как панели кондиционируются на $(T, \eta)$. Уровень завершения $\widetilde{I}_i(1)$, следовательно, сам по себе информативен: он измеряет, насколько реализованный импакт в каждой ячейке $(T, \eta)$ отклоняется от одномерного закона квадратного корня.

Рисунок недоступен для встраивания — смотреть в оригинале

Рис. 3 сравнивает средние траектории импакта после совместного кондиционирования на длительность по часам $T_i$ и долю участия $\eta_i$. На нормированной левой оси траектории нативных TWAP растут вогнуто и строго монотонно на интервале исполнения; однако в нескольких панелях они лежат существенно ниже единицы, то есть ниже импакта, предсказанного агрегированным корневым законом. Построенные в знаковых базисных пунктах по правой вертикальной оси, те же траектории показывают типичный вогнутый корневой профиль, задокументированный в эмпирической литературе, растущий по мере исполнения и хорошо аппроксимируемый степенным законом вида $A\tau^{\gamma}$ [12, 6].

Статистические мета-ордера демонстрируют иной динамический паттерн. Их траектории заметно невогнуты, с формой с двумя перегибами, резким пиком около завершения и более выраженным спадом после сделки. Этот паттерн — не артефакт нормировки: та же качественная форма наблюдается и когда траектории выражены в знаковых базисных пунктах. Это говорит о том, что различие между статистическими мета-ордерами и нативными TWAP — не только различие в уровнях импакта, но и в способе, которым импакт накапливается во время исполнения и релаксирует после. Такие паттерны согласуются с оптимальным исполнением в моделях транзиентного импакта [30, 31], которое предписывает U-образную форму скорости торговли.

Предысполненческие сегменты на рис. 3 выявляют ещё одно различие между двумя режимами: ценовые условия, при которых начинается исполнение. Статистические мета-ордера в среднем стартуют против недавнего движения цены: в 30-минутном окне перед стартом знаковая предстартовая доходность в среднем составляет −7.0 базисных пункта (медиана −3.9), и лишь 47.7% предстартовых движений совпадают с направлением последующей заявки. Нативные TWAP начинают по тренду: +18.2 базисных пункта в среднем (медиана +13.5) с долей совпадения направления 58.4%. Это свойство решения о входе, а не рыночных состояний, которые выбирают две группы: при измерении за 24 часа до старта разрыв исчезает (−0.2 базисных пункта, $p = 0.73$). Латентные мета-ордера, таким образом, в среднем контртрендовые, а анонсированные TWAP — трендследящие.

Чтобы понять, связаны ли эти различия ценовых траекторий с различиями торговых расписаний, мы далее изучаем кумулятивную исполненную долю по нормированному физическому времени. Пусть $Q_i(\tau)$ — объём, исполненный к прошедшему времени $\tau T_i$, $\tau \in [0, 1]$. Определим расписание исполнения как

Таким образом, $C_i(\tau)$ — кумулятивная доля мета-ордера, исполненная к нормированному физическому времени $\tau$. Линейное расписание $C_i(\tau) = \tau$ соответствует равномерному исполнению в физическом времени.

Рисунок недоступен для встраивания — смотреть в оригинале

Рис. 4 показывает, что различие траекторий зеркально отражается различием расписаний исполнения. Нативные TWAP-заявки по построению являются линейным бенчмарком: на Hyperliquid мета-ордер разбивается на регулярно расставленные дочерние заявки на интервале исполнения. Положительный сдвиг, видимый на рисунке, механический, поскольку первая дочерняя сделка отнесена к $\tau = 0$ в нашем измерении кумулятивного расписания. Статистические мета-ордера, напротив, систематически нелинейны: скорость исполнения примерно в 1.5–1.7 раза выше равномерного бенчмарка в первой дециле нормированного времени, падает до 0.6–0.8 в середине окна и снова растёт до 1.1–1.4 в последней дециле, перед финальным скачком при $\tau = 1$, содержащим механическую массу последней дочерней заявки ($\approx 1/N$, аналогично сдвигу при $\tau = 0$). Эта асимметричная, смещённая к началу U-образная форма типична для оптимального исполнения в модели транзиентного импакта с риск-аверсией.

Естественное опасение: конечная точка восстановленного мета-ордера определяется постфактум последней сделкой, поэтому трейдер, останавливающийся из-за движения цены, механически концентрировал бы пиковый импакт при завершении. Расписания говорят против такого прочтения. Ценозависимая остановка при постоянной скорости торговли оставила бы внутреннее расписание плоским, лишь с финальным механическим шагом размера $\approx 1/N$; вместо этого ускорение нарастает на протяжении всей последней децили. Более того, форма не реагирует на реализованный ценовой путь: при разбиении мета-ордеров по знаку внутриоконного движения цены обе группы показывают одно и то же терминальное ускорение (1.01 против 1.03 от равномерного бенчмарка). Завершение предвосхищается программой исполнения, а не запускается ценой.

Вместе рис. 3 и 4 поддерживают интерпретацию транзиентного импакта. Почти равномерное TWAP-исполнение порождает гладкие корнеподобные траектории, тогда как U-образные расписания статистических мета-ордеров связаны с более сильной кривизной, пиками при завершении и S-образными траекториями. Мы не претендуем на структурную идентификацию модели оптимального исполнения; свидетельство скромнее, но оно согласуется с моделью транзиентного импакта. Приложение A разбирает ценовые траектории, ожидаемые в модели транзиентного импакта, и их связь с эмпирическими данными.

4. Sunshine trading

Термин sunshine trading означает преданонсирование намеченной заявки трейдера до исполнения. Адмати и Пфляйдерер [14] анализируют этот механизм, разделяя два эффекта преданонсирования. Первый — информационный. В их базовой модели с гетерогенной частной информацией и нулевыми издержками входа все спекулянты уже присутствуют на рынке. Преданонсирование, следовательно, не меняет размер рынка; вместо этого оно меняет то, что рынок узнаёт из потока заявок. Если известно, что анонсированный спрос исходит от ликвидностных трейдеров, он отделяется от потока заявок, который может быть частно информирован. В этом случае преданонсирование снижает ожидаемые торговые издержки анонсирующих, повышает ожидаемые торговые издержки неанонсирующих, снижает совокупные ожидаемые торговые издержки ликвидностных трейдеров и делает цены более информативными.

Второй эффект действует через участие поставщиков ликвидности. В отдельной модели без частной информации, но с положительными издержками входа спекулянты должны заплатить фиксированную стоимость входа на рынок рискового актива. Без преданонсирования вход основан на распределении ликвидностного спроса. С преданонсированием вход может кондиционироваться на реализованном анонсированном спросе. Когда издержки входа достаточно высоки, это может увеличить эффективное предложение ликвидности вокруг анонсированных заявок и снизить ожидаемые торговые издержки анонсирующих. Однако когда издержки входа низки, большинство спекулянтов вошли бы и без преданонсирования, поэтому выгода от координации входа ограничена и эффект на торговые издержки может развернуться. Таким образом, модель предсказывает чёткий информационный эффект отбора, тогда как канал предложения ликвидности зависит от важности маржи входа.

Hyperliquid даёт эмпирический аналог этих механизмов. Протокольно-нативные TWAP-заявки видимы, пока активны, и раскрывают основные характеристики программы исполнения до завершения. Статистические мета-ордера, напротив, выводятся лишь постфактум из однонаправленных торговых последовательностей одного адреса. Релевантное сравнение поэтому — не просто между двумя алгоритмами исполнения, а между двумя режимами исполнения, различающимися ex-ante наблюдаемостью. Нативные TWAP играют роль видимого ликвидностного спроса, а статистические мета-ордера дают бенчмарк латентного разбиения заявок.

Мы организуем свидетельства вокруг четырёх эмпирических аналогов результатов Адмати–Пфляйдерер. Во-первых, проверяем, имеют ли видимые TWAP меньшие издержки исполнения, чем в остальном сопоставимые скрытые мета-ордера, как предсказано для анонсирующих в информационной модели и в модели с платным входом при достаточно важной марже входа. Во-вторых, проверяем, менее ли информационно неблагоприятен видимый TWAP-поток, изучая пост-исполненческую устойчивость цены: если анонсированный поток менее информирован, он должен оставлять меньшее перманентное смещение цены после завершения. В-третьих, спрашиваем, ухудшает ли видимая TWAP-активность издержки исполнения скрытых неанонсирующих трейдеров, как в эффекте неблагоприятного отбора для неанонсирующих, или, наоборот, приносит им выгоду через экстерналию предложения ликвидности. В-четвёртых, изучаем отклик лимитного стакана вокруг активных TWAP-окон как наблюдаемый аналог отклика предложения ликвидности рынка на преданонсированное исполнение.

Поскольку трейдеры самоотбираются в нативное TWAP-исполнение, сравнение следует интерпретировать как равновесное сравнение видимого и латентного режимов исполнения, а не как рандомизированное воздействие видимости заявки.

4.1. Торговые издержки анонсирующих

Первое эмпирическое предсказание касается торговых издержек анонсирующих трейдеров. Если преданонсирование отделяет видимый ликвидностный спрос от потенциально информированного потока заявок или привлекает дополнительное предложение ликвидности при важной марже входа, анонсированные заявки должны нести меньшие издержки исполнения, чем сопоставимые латентные.

Мы проверяем это предсказание, сравнивая нормированный на волатильность временный импакт $\mathcal{I}_{\mathrm{tmp},i}$ протокольно-нативных TWAP и статистических мета-ордеров. Мы сравниваем группы на общем носителе $(\eta_i, F_i)$, где $\phi_i = \eta_i F_i$, чтобы учесть различия распределений двух выборок, задокументированные в подразделе 2.1. Мы также ограничиваем анализ вторым и третьим столбцами участия сортировки 3 × 3 по длительности–участию, исключая область наименьшего участия, где в знаковых изменениях цены доминирует идиосинкратическая волатильность, а не импакт исполнения. Дополнительно требуем $F \in [3 \times 10^{-4}, 1]$ и не менее 50 наблюдений на группу в каждой ячейке $(\eta, F)$.

Рисунок недоступен для встраивания — смотреть в оригинале

Рис. 5 показывает полученные поверхности. Статистические мета-ордера имеют больший временный импакт, чем нативные TWAP, в 81% заселённых ячеек общего носителя. При ограничении на ячейки, где оба средних положительны, эта доля — 79%, а взвешивание ячеек меньшим из двух счётчиков групп поднимает её до 88%. Медианная лог-разность — 0.37, что соответствует медианному отношению импактов около 2.3.

Разрыв сконцентрирован на коротких и промежуточных длительностях в объёмном времени. При $F < 3 \times 10^{-3}$ статистические мета-ордера превышают нативные TWAP в каждой положительной ячейке с медианным отношением около 5.4. При $3 \times 10^{-3} \le F < 3 \times 10^{-2}$ медианное отношение — около 3.1. При $F \ge 3 \times 10^{-2}$ две поверхности почти совпадают, с медианным отношением около единицы и неустойчивым знаком. Таким образом, при сопоставимых участии и длительности в объёмном времени латентные статистические мета-ордера порождают больший временный ценовой импакт, чем видимые TWAP, на большей части экономически релевантного общего носителя.

Чтобы суммировать сравнение параметрически, аппроксимируем сепарабельной степенной спецификацией

Для статистических мета-ордеров подогнанные параметры: $Y_{\mathrm{stat}} = 0.202 \pm 0.006$, $\delta_{\mathrm{stat}} = 0.150 \pm 0.006$ и $\gamma_{\mathrm{stat}} = 0.303 \pm 0.005$, с $R^2 = 0.889$. Для нативных TWAP соответствующие оценки: $Y_{\mathrm{TWAP}} = 0.294 \pm 0.013$, $\delta_{\mathrm{TWAP}} = 0.010 \pm 0.011$ и $\gamma_{\mathrm{TWAP}} = 0.622 \pm 0.011$, с $R^2 = 0.868$.

Подогнанные эластичности показывают, что две поверхности различаются формой, а не только уровнем. Для нативных TWAP показатель участия совместим с нулём: при условии длительности в объёмном времени участие содержит мало дополнительной информации о временном импакте. Для статистических мета-ордеров участие имеет малую, но значимую эластичность, тогда как эластичность по длительности ниже. В результате две поверхности пересекаются: статистические мета-ордера доминируют на коротких длительностях в объёмном времени, и разрыв сужается с ростом $F$.

Как проверку поверхностного свидетельства на уровне заявок мы оцениваем объединённую регрессию с взаимодействиями на той же выборке общего носителя. Мы используем лог-ковариаты, центрированные по медиане, так что индикатор TWAP оценивается на медианном профиле исполнения. А именно, для $x \in \{Q, F, \eta, \sigma\}$ пусть $x_i^c = \log x_i - \mathrm{med}_{j \in S}(\log x_j)$, где $S$ — оценочная выборка общего носителя. Оцениваем

Здесь $D_i^{\mathrm{TWAP}}$ — индикатор, равный единице для нативных TWAP, $\mu_{m(i)}$ — фиксированные эффекты рынка, $\lambda_{h(i)}$ — фиксированные эффекты часа старта, $\delta_{d(i)}$ — фиксированные эффекты дня старта. Стандартные ошибки кластеризованы по дню старта. Коэффициенты $\beta_x$ описывают, как временный импакт меняется с размером, длительностью, участием и волатильностью для статистических мета-ордеров, а $\beta_x + \kappa_x$ даёт соответствующий наклон для нативных TWAP. Коэффициент $\theta$ измеряет разрыв TWAP–статистические на медианном профиле исполнения внутри одного рынка, часа старта и дня старта.

Оценённый TWAP-разрыв: $\hat\theta = -0.0177$ со стандартной ошибкой 0.0010. При объединённой медианной волатильности $\sigma \simeq 0.050$ это соответствует примерно на 8.9 базисного пункта меньшему временному импакту нативного TWAP относительно статистического мета-ордера с тем же референсным профилем исполнения. Таким образом, регрессия на уровне заявок подтверждает главный вывод поверхностного сравнения: меньшая стоимость видимого исполнения — не только следствие того, что TWAP занимают другую область плоскости $(\eta, F)$.

Поскольку два режима входят при противоположных ценовых условиях (раздел 3.2), часть разрыва могла бы в принципе отражать продолжение или разворот предсуществующих трендов, а не издержки исполнения. Добавление знаковой предстартовой доходности как контроля оставляет оценку по существу неизменной: $\hat\theta = -0.0173$, около 8.7 базисного пункта при медианной волатильности — скидка анонсирующего не артефакт условий входа.

Таблица 1. Наклоны регрессии на уровне заявок для нормированного на волатильность временного импакта на общем носителе рис. 5. Первый столбец — $\beta_x$, наклон для статистических мета-ордеров; второй — $\beta_x + \kappa_x$, соответствующий наклон для нативных TWAP. Стандартные ошибки, кластеризованные по дню старта, в скобках. Уровни значимости: * $p < 0.10$, ** $p < 0.05$, *** $p < 0.01$.

Таблица 1 показывает, что два режима различаются не только средним импактом, но и маржами, по которым импакт варьируется. Для статистических мета-ордеров временный импакт значимо растёт с номинальным размером, длительностью в объёмном времени и участием. Для нативных TWAP импакт тоже растёт с номинальным размером и длительностью в объёмном времени, но наклон по участию мал и статистически неотличим от нуля. Таким образом, при условии количества рыночной активности, охваченной заявкой, участие остаётся важной маржой издержек для латентных мета-ордеров, но не для видимых TWAP. Это усиливает интерпретацию подогнанных поверхностей: статистические мета-ордера штрафуются, когда исполняются агрессивно относительно одновременного объёма, тогда как издержки TWAP определяются в основном размером и экспозицией по объёмному времени.

В целом свидетельства согласуются с предсказанием об издержках анонсирующих в sunshine trading. Видимые TWAP имеют меньший временный импакт, чем латентные статистические мета-ордера, на большей части общего носителя, особенно для исполнений, сконцентрированных во (объёмном) времени. Параметрическая аппроксимация укрепляет этот результат: два режима связаны не простым сдвигом уровня, а разными эластичностями к участию и длительности в объёмном времени. В этом смысле прозрачный канал исполнения ассоциирован с меньшими торговыми издержками анонсирующих, а пересечение поверхностей указывает, что выгода видимости сильнее всего для относительно концентрированных исполнений.

4.2. Информационное содержание анонсированного потока

Второе следствие касается информационного содержания анонсированного потока заявок. В информационной модели преданонсирование идентифицирует часть ликвидностного спроса как неинформированную, делая равновесные цены более информативными. Однако в нашей постановке трейдеры сами выбирают, использовать ли нативное TWAP-исполнение, так что неинформированная природа анонсированного потока не навязана протоколом. Эмпирический вопрос — менее ли информационно неблагоприятен видимый TWAP-поток, чем латентные статистические мета-ордера.

Мы используем пост-исполненческую ценовую динамику как редуцированную меру информационного содержания. Временный импакт при завершении может отражать две компоненты. Одна — транзиторное давление ликвидности, порождённое самим исполнением, которое должно частично развернуться после завершения заявки. Другая — информация, встроенная в цены, которая должна быть более перманентной. Таким образом, если нативные TWAP менее информационно неблагоприятны, чем статистические мета-ордера, их импакт должен спадать после завершения быстрее и оставлять меньшее перманентное смещение цены.

Рисунок недоступен для встраивания — смотреть в оригинале

Рис. 6 показывает пост-исполненческий спад импакта после нормировки каждой траектории её значением при завершении. Эта нормировка приравнивает все траектории единице при $\tau = 1$, так что сравнение фокусируется на доле импакта завершения, остающейся после исполнения. В большинстве бинов статистические мета-ордера удерживают большую долю своего импакта завершения на пост-трейдовом окне, тогда как нативные TWAP-заявки релаксируют быстрее. Главные исключения сконцентрированы в бинах большей длительности, где нормированные пути TWAP остаются ближе к путям статистических мета-ордеров или спадают медленнее. В целом этот паттерн говорит о том, что импакт видимого TWAP-потока более транзиторен, тогда как большая компонента импакта статистических мета-ордеров остаётся встроенной в цены.

Мы квантифицируем это различие через перманентный импакт. Для $\tau \in \{1.5, 2, 3, 4\}$ мы вычисляем цену $S_i(\tau)$, определённую в разделе 3.2, на пост-исполненческих горизонтах, выраженных в кратных собственной длительности заявки. Определим

Этот объект измеряет знаковое смещение цены от начала мета-ордера до пост-исполненческого горизонта, которое мы называем перманентным ценовым импактом мета-ордера.

Для каждого горизонта $\tau$ оцениваем

Мы также оцениваем спецификацию без контроля торгуемой доли:

Фиксированные эффекты — по активу, часу старта и дню старта, стандартные ошибки кластеризованы по календарному дню. Коэффициент интереса — $\beta_{\mathrm{TWAP}}$: отрицательное значение означает, что при условии включённых контролей и фиксированных эффектов нативные TWAP оставляют меньшее перманентное смещение цены, чем статистические мета-ордера.

Таблица 2. TWAP-скидка в перманентном импакте. Таблица приводит коэффициент $\beta_{\mathrm{TWAP}}$ при $D_i^{\mathrm{TWAP}}$ из уравнений (5)–(6). Зависимая переменная — $I_i^{\mathrm{perm}}(\tau)$, в базисных пунктах. Стандартные ошибки, кластеризованные по календарному дню, в скобках. Все спецификации включают фиксированные эффекты актива, часа старта и дня старта. Выборка содержит примерно 3.09 миллиона наблюдений и 239 кластеров-дней. *** $p < 0.001$.

Таблица 2 показывает, что нативные TWAP оставляют меньшее перманентное смещение цены, чем статистические мета-ордера, на каждом пост-исполненческом горизонте. В базовой спецификации коэффициент TWAP лежит между −5.0 и −5.5 базисного пункта и высокозначим на всех горизонтах.

Спецификация без контроля торгуемой доли даёт тот же качественный результат с коэффициентами около −3.3…−3.8 базисного пункта. Ослабление указывает, что часть разрыва связана с различиями относительного размера, но TWAP-скидка не зависит от контроля $\phi_i$.

Условия входа — более острая проблема для перманентного импакта: поскольку статистические мета-ордера в среднем контртрендовые, часть их большего перманентного следа могла бы отражать разворот предвходного ценового провала, а не информацию. Контроль знаковой предстартовой доходности ослабляет коэффициент TWAP на 5–11% по горизонтам (с −5.4 до −5.1 базисного пункта при $\tau = 1.5$ и с −5.2 до −4.7 при $\tau = 4$), оставляя вывод неизменным.

В совокупности кривые спада и регрессии на конечных горизонтах указывают на один вывод. Нативные TWAP не только порождают меньший временный импакт при завершении — они также оставляют меньшее перманентное смещение цены. Это согласуется с информационным каналом Адмати–Пфляйдерер: смещение цены, переживающее исполнение, — компонента, наиболее правдоподобно связанная с информацией, и она систематически меньше для видимого канала исполнения.

4.3. Торговые издержки неанонсирующих

Третий тест переносит фокус с трейдеров, выбирающих видимое исполнение, на скрытых трейдеров, исполняющих во время активного видимого TWAP-потока. Ключевой вопрос — меняет ли присутствие анонсированного потока заявок стоимость латентных мета-ордеров. Если рынок интерпретирует видимые TWAP как относительно неинформированный ликвидностный спрос, то скрытая односторонняя торговля может стать более неблагоприятно отобранной остаточной категорией и потому нести более высокие издержки исполнения. В то же время видимая TWAP-активность может также привлекать предложение ликвидности — тогда скрытые трейдеры могли бы выиграть, а не пострадать. Поэтому мы проверяем, становятся ли статистические мета-ордера дороже или дешевле при пересечении с нативным TWAP-потоком.

Направление пересекающегося TWAP-потока центрально для этого теста. Односторонний TWAP — видимый поток заявок в том же направлении, что и фокальный статистический мета-ордер. Если видимый односторонний поток воспринимается как менее информационно неблагоприятный, то оставшийся скрытый поток в том направлении должен оцениваться как более неблагоприятно отобранный. Это прямой аналог предсказания Адмати–Пфляйдерер для неанонсирующих. Напротив, TWAP-поток противоположной стороны имеет иную механическую интерпретацию: он давит против направления фокальной заявки и может уменьшить её знаковую стоимость. Поэтому мы декомпозируем одновременное TWAP-доминирование по сторонам.

Для каждого фокального статистического мета-ордера $i$ вычисляем пересекающийся объём мета-ордеров в его окне исполнения $[t_{s,i}, t_{e,i}]$. Пусть $W_i^+$ — временно пропорциональный USD-объём нативных TWAP в том же направлении, что и фокальная заявка, а $W_i^-$ — соответствующий объём нативных TWAP противоположного направления. Пусть $M_i$ — временно пропорциональный USD-объём других статистических мета-ордеров, пересекающих то же окно, исключая саму фокальную заявку. Определим

Таким образом, $D_i^+$ измеряет одностороннее видимое TWAP-доминирование, а $D_i^-$ — видимое TWAP-доминирование противоположной стороны. Агрегированная мера доминирования $D_i = D_i^+ + D_i^-$ объединяет эти две компоненты. Поскольку экспозиции своей и противоположной стороны имеют разное экономическое содержание и, как показано ниже, противоположные знаки, агрегированная мера — неподходящий объект для проверки предсказания о неанонсирующих.

Остаётся опасение, что тайминг фокального статистического мета-ордера может быть связан с видимой TWAP-активностью. Чтобы отделить TWAP-поток, уже видимый на момент фокального старта, от TWAP, начинающихся позже, мы также строим «уже видимые» версии переменных доминирования, $D_i^{+,\mathrm{vis}}$ и $D_i^{-,\mathrm{vis}}$. Эти переменные определяются как в уравнении (7), но включают только пересекающиеся TWAP-программы, начавшиеся до старта фокального мета-ордера, $t_{s,j}^{\mathrm{TWAP}} \le t_{s,i}$. Так TWAP-программа была наблюдаема рынком на приходе фокального, а её последующие дочерние исполнения всё ещё могут пересекать фокальное окно исполнения.

В качестве исхода используем перманентный импакт $I_i^{\mathrm{perm}}(\tau)$, определённый в уравнении (4), оценённый и при завершении ($\tau = 1$), и на пост-исполненческих горизонтах $\tau \in \{1.5, 2, 3, 4\}$, каждый симметрично винзоризован на уровне 99%. Значение при завершении изолирует знаковую стоимость исполнения, а пост-исполненческие горизонты показывают, сохраняется ли эффект: чисто механический эффект ценового давления должен слабеть после исполнения, тогда как эффект неблагоприятного отбора должен оставаться видимым в перманентном смещении цены.

Для каждого исхода $Y_i \in \{I_i^{\mathrm{perm}}(\tau) : \tau \in \{1, 1.5, 2, 3, 4\}\}$ оцениваем

где $X_i = (\log Q_i, \eta_i, \log T_i, N_i)$. Фиксированные эффекты — по рынку, часу старта и дню старта, стандартные ошибки кластеризованы по дню старта. Мы также оцениваем ту же спецификацию, заменяя $(D_i^+, D_i^-)$ на $(D_i^{+,\mathrm{vis}}, D_i^{-,\mathrm{vis}})$. Оценочная выборка применяет те же ограничения, что и анализ общего носителя, и содержит 2 711 963 фокальных статистических мета-ордера по 199 рынкам и 239 кластерам-дням старта.

Таблица 3. Регрессии перманентного импакта при завершении и после него на одновременное TWAP-доминирование с декомпозицией по сторонам. Столбцы «+» — одностороннее TWAP-доминирование, столбцы «−» — TWAP-доминирование противоположной стороны. Столбцы 2–3 используют все пересекающиеся TWAP. Столбцы 4–5 ограничиваются TWAP, чьи программы были уже видимы на старте фокального статистического мета-ордера. Коэффициенты — в базисных пунктах на единичный рост доминирования, где доминирование — доля между нулём и единицей; стандартные ошибки, кластеризованные по дню старта, в скобках. Все спецификации включают контроли $(\log Q_i, \eta_i, \log T_i, N_i)$, фиксированные эффекты рынка, часа старта и дня старта. Значимость: *** $p < 0.001$. Выборка содержит 2 711 963 наблюдения и 239 кластеров-дней старта.

Таблица 3 показывает, что одностороннее TWAP-доминирование и доминирование противоположной стороны имеют большие эффекты противоположных знаков. При использовании всех пересекающихся TWAP односторонний коэффициент — около +25 базисных пунктов на единицу доминирования, тогда как коэффициент противоположной стороны — около −30 базисных пунктов. Агрегирование двух экспозиций, следовательно, затемнило бы релевантную экономику: односторонний видимый поток ассоциирован с более высокими издержками латентных трейдеров того же направления, тогда как видимый поток противоположной стороны работает против направления фокальной заявки.

Односторонний эффект — не краткоживущий эффект окна исполнения: коэффициент при $D_i^+$ по существу не меняется от завершения к пост-исполненческим горизонтам, оставаясь между +23 и +25 базисными пунктами вплоть до $\tau = 4$.

Спецификация «уже видимых» даёт более консервативную оценку. Когда доминирование вычисляется только по TWAP-программам, уже видимым на фокальном старте, односторонний коэффициент остаётся положительным, высокозначимым и стабильным по горизонтам. Оценки лежат между +8.4 и +9.2 базисного пункта на единицу доминирования от завершения до $\tau = 4$. Поскольку доминирование — доля, это соответствует примерно 0.84–0.92 базисного пункта на каждые 10 процентных пунктов роста уже видимого одностороннего TWAP-доминирования. Экономически: скрытые заявки, исполняемые в направлении видимого TWAP-потока, несут более высокие перманентные издержки.

Коэффициенты противоположной стороны имеют противоположный знак. В спецификации «уже видимых» $\hat\beta_-^{\mathrm{vis}}$ отрицателен на всех горизонтах и растёт по величине от примерно −6 базисных пунктов при завершении до примерно −11 базисных пунктов к $\tau = 4$. Эквивалентно, рост уже видимого TWAP-доминирования противоположной стороны на 10 процентных пунктов ассоциирован с примерно на 0.6–1.1 базисного пункта меньшим перманентным импактом. Этот паттерн согласуется с тем, что собственный ценовой след TWAP противоположной стороны механически выгоден фокальной заявке; прямой тест ниже подтверждает это прочтение.

Остаётся механическое опасение: пересекающийся TWAP-поток двигает цены через собственный, в основном перманентный, импакт. Поэтому мы добавляем в уравнение (8) корневое давление пересекающегося потока на каждой стороне, $\sqrt{W_i^{\pm}/V_i^{\mathrm{exec}}}$, вместе со знаковой предстартовой доходностью фокального. Последняя ничего не меняет. Первое важно: в спецификации всех пересечений односторонний коэффициент падает с примерно +25 до +8 базисных пунктов, а отрицательный эффект противоположной стороны целиком поглощается ценовым следом самого противоположного потока. Консервативный коэффициент «уже видимых» же смещается лишь с +8.6 до +6.4 базисного пункта при завершении (стандартная ошибка 2.9). То, что остаётся, — эффект композиции. При условии механического ценового давления пересекающегося потока скрытые мета-ордера, исполняемые, когда односторонний спрос уже видим, всё равно платят примерно на 6 базисных пунктов больше, чем скрытые мета-ордера, исполняемые, когда этот спрос остаётся латентным. Этот остаточный эффект согласуется с каналом неблагоприятного отбора в механизме преданонсирования Адмати и Пфляйдерер.

Результаты, таким образом, поддерживают предсказание механизма Адмати–Пфляйдерер для стороны неанонсирующих. Предыдущий подраздел показывает, что видимый TWAP-поток имеет меньший перманентный след, чем латентные статистические мета-ордера. Настоящий подраздел показывает зеркальный эффект: при условии латентности статистический мета-ордер, исполняемый в направлении уже видимого TWAP-потока, несёт более высокие перманентные издержки, устойчиво к контролю ценового давления самого видимого потока. Тот же канал сортировки, который делает анонсированный поток дешевле, ассоциирован с более высокими издержками скрытого потока, остающегося на той же стороне.

Эта сортировка условна: она действует внутри рынка, в направлении одновременного видимого потока. Естественный дальнейший вопрос — проявляется ли она и как межрыночная сравнительная статика, поскольку самое резкое предсказание Адмати и Пфляйдерер в том, что экономия издержек от видимого исполнения должна быть больше там, где неблагоприятный отбор сильнее. Мы завершаем прямой проверкой этого предсказания и находим, что оно не выполняется против грубых общерыночных мер неблагоприятного отбора: нуль, который, как мы утверждаем, фиксирует уровень, на котором механизм действует, а не противоречит ему.

Для каждого рынка $m$ мы оцениваем сепарабельные поверхности временного импакта уравнения (2) отдельно для двух каналов и определяем скидку анонсирующего

на медианном профиле общего носителя рынка $(\eta_m^\star, F_m^\star)$; $\Delta_m$ — рыночный аналог объединённой скидки $-\theta$ из раздела 4.1. Скидка положительна в подавляющем большинстве рынков, так что результат об издержках анонсирующих выполняется рынок за рынком.

Мы связываем $\Delta_m$ с тремя рыночными прокси силы неблагоприятного отбора, все построены по ленте сделок: коэффициент ценового воздействия Кайла $\lambda_m^{\mathrm{Kyle}}$, $R^2$ той же регрессии ценового воздействия и автокорреляция лага один знака потока заявок [32, 23]. Мы берём автокорреляцию потока заявок как предпочитаемый прокси, поскольку она почти ортогональна волатильности, тогда как $\lambda_m^{\mathrm{Kyle}}$ и $R^2$ ценового воздействия сильно с ней сонаправлены. Записывая $s_m$ для типового стандартизованного прокси, оцениваем кросс-секционную регрессию

где квадратичный член позволяет экономии издержек от видимого исполнения быть немонотонной по неблагоприятному отбору, а $Z_m$ контролирует размер рынка, волатильность и концентрацию тейкерского объёма, измеренную индексом Херфиндаля–Хиршмана тейкерских рыночных долей. Предсказание — $b_1 > 0$: скидка должна расширяться там, где неблагоприятный отбор сильнее. Вместо этого $b_1$ и $b_2$ совместно незначимы для каждого прокси ($p > 0.28$), с точечными оценками, если что, слабо отрицательными. Мы также переоцениваем связь внутри рынка, а не между рынками, на панели рынок×неделя из 1 973 ячеек по 122 рынкам и 34 неделям, с фиксированными эффектами рынка и недели и стандартными ошибками, кластеризованными по рынку. Это использует движение скидки во времени внутри данного рынка, и связь снова остаётся плоской: для ортогонального волатильности прокси линейный коэффициент $\hat b_1 = -0.011$ со стандартной ошибкой 0.007, совместное $p$-значение 0.32, внутригрупповой $R^2$ 0.002. Впрочем, этот внутрирыночный тест имеет ограниченную мощность: каждая поверхность рынок-неделя оценивается лишь на нескольких сотнях заявок, так что недельная скидка шумна и близка к белому шуму от недели к неделе, с автокорреляцией лага один всего 0.075.

Мы читаем этот нуль не как свидетельство против механизма, а как утверждение об уровне, на котором он действует в наших данных. Сравнительная статика Адмати и Пфляйдерер сформулирована в терминах общерыночной интенсивности неблагоприятного отбора, которую наши грубые прокси по ленте сделок призваны уловить. Тесно связанный механизм для неанонсирующих, однако, условен: он касается вывода, который рынок делает об остаточном скрытом потоке, как только часть ликвидностного спроса становится видимой. Наши регрессии с декомпозицией по сторонам изолируют ровно этот условный объект, теперь разрешённый по направлению, — и там предсказание выполняется резко: одностороннее видимое доминирование повышает перманентные издержки скрытого потока примерно на 8–9 базисных пунктов. Сортировка Адмати–Пфляйдерер, таким образом, действительно проявляется в наших данных, но в этой условной, событийной форме, а не как связь между скидкой анонсирующего и общерыночной мерой неблагоприятного отбора.

4.4. Предоставление ликвидности вокруг анонсированных заявок

Последнее следствие касается предложения ликвидности вокруг анонсированных заявок. Два канала у Адмати и Пфляйдерер указывают в одном направлении. В модели с платным входом поставщики ликвидности могут кондиционировать своё участие на реализованном анонсированном спросе и добавлять ликвидность вокруг видимых заявок. В информационной модели даже без маржи входа поставщики ликвидности, уже присутствующие на рынке и понимающие, что анонсированный поток относительно неинформирован, сталкиваются с меньшим неблагоприятным отбором на той стороне и могут котировать агрессивнее. В любом случае отображаемая ликвидность должна подстраиваться вокруг видимого исполнения.

Адмати и Пфляйдерер моделируют предложение ликвидности в стилизованной постановке батч-аукциона, а не в лимитном стакане, поэтому модель не говорит напрямую о величинах уровня стакана. Hyperliquid позволяет пойти на шаг дальше: поскольку площадка — полностью ончейн CLOB, мы наблюдаем сторону предложения ликвидности напрямую — через отображаемую глубину, дисбаланс стакана и стоящие лимитные заявки. Поэтому мы адаптируем предсказание о предложении ликвидности к этой CLOB-постановке и проверяем, меняется ли стакан во время активного нативного TWAP-исполнения способом, согласующимся с откликом предложения ликвидности на видимый поток заявок, не занимая позицию о том, какой канал его движет.

Для анализа стакана мы оставляем события длительностью не менее пяти минут и номинальным размером не менее 10 000 USD. Для статистических мета-ордеров дополнительно требуем не менее десяти дочерних сделок. Мы изучаем переменные уровня стакана вокруг исполнения заявок: относительные спреды, отображаемую глубину, дисбаланс стакана и стоимость свипа фиксированного номинала.

Все зависящие от стороны переменные стакана ориентированы направлением заявки: для заявок на покупку мы оцениваем ликвидность на стороне ask, для заявок на продажу — на стороне bid. После этой ориентации положительный дисбаланс, большая глубина и меньшие стоимости свипа соответствуют большей ликвидности, доступной для поглощения потока заявок. Мы измеряем эти переменные на каждом снимке стакана и отслеживаем их в событийном времени вокруг каждой заявки; на рисунках событийное время параметризовано нормированным временем заявки $\tau = t/T_i$, а в панельных регрессиях ниже — относительной минутой $m$ от старта заявки. Для данного снимка пусть $B^{(k)}$ и $A^{(k)}$ — отображаемые размеры bid и ask, накопленные по всем уровням стакана, чьи цены не дальше $k$ котируемых спредов от мидпрайса. Это даёт локальную меру отображаемой ликвидности близко к вершине стакана, а масштабирование окна спредом делает её адаптивной к различиям в узости между активами и рыночными условиями. Определим ориентированный дисбаланс как

Таким образом, положительные значения всегда означают, что отображаемая глубина наклонена к поглощающей стороне. Мы полагаем $k = 5$, так что полоса охватывает пять котируемых спредов. Глубина — соответствующая долларовая глубина на этой стороне, накопленная в той же полосе. Относительный спред — $(a_1 - b_1)/\mathrm{mid}$, в базисных пунктах. Стоимость свипа фиксированного номинала — дополнительная стоимость, относительно исполнения по мидпрайсу, немедленного исполнения фиксированного USD-номинала на поглощающей стороне стакана; все исходы стоимости свипа приведены в базисных пунктах.

Интуитивно, при интерпретации sunshine trading предсказанные знаки специфичны для исходов. Широкий отклик предложения ликвидности должен проявляться вдали от вершины: дисбаланс должен расти, глубина должна расти, а стоимость свипа фиксированного номинала — падать. Эти три — знаки стакана, становящегося более способным поглотить анонсированный поток, пока программа активна. Котируемый спред — неоднозначный: поставщики ликвидности могут расширить внутреннюю котировку, защищаясь во время предсказуемого окна исполнения, даже поставляя больше глубины глубже в стакане, поэтому сужение спреда — не обязательное следствие.

Рисунок недоступен для встраивания — смотреть в оригинале

Рис. 7 сравнивает описательную динамику стакана вокруг видимых нативных TWAP и вокруг латентных статистических мета-ордеров, отдельно для коротких, средних и длинных длительностей мета-ордера. Самый яркий TWAP-паттерн — в первом столбце: ориентированный дисбаланс, измеренный в пределах пяти котируемых спредов от мида, резко растёт в начале окна исполнения. При этом соглашении нативные TWAP показывают заметный рост дисбаланса в активном интервале, отчётливее всего на коротких и средних длительностях, где он скачет при $\tau = 0$ и держится до завершения. Это согласуется с наклоном стакана к стороне, способной поглотить анонсированный поток. Статистические мета-ордера тоже показывают положительный дисбаланс, но рост более постепенный и склонен достигать пика около завершения, а не в начале. Это согласуется с тем, что они не анонсируются публично при $\tau = 0$, но могут становиться постепенно выводимыми в ходе исполнения из однонаправленной торговли одного адреса. Разбиение по длительности поддерживает эту интерпретацию: для более длинных статистических мета-ордеров дисбаланс растёт более устойчиво на окне исполнения, что указывает на то, что маркетмейкеры узнают, что данный адрес ведёт направленную программу, даже без явного TWAP-анонса. Для более коротких статистических мета-ордеров динамика стакана также отражает U-образное расписание исполнения, задокументированное выше. Более агрессивные дочерние сделки около начала и конца программы оказывают более сильное немедленное давление на стакан, что может подавлять ориентированный дисбаланс и повышать и относительные спреды, и стоимости свипа фиксированного номинала у краёв исполнения.

Панели спреда и стоимости свипа выявляют различие между котируемой ликвидностью у вершины и исполнимой ликвидностью глубже в стакане. Нативные TWAP демонстрируют положительный отклик относительного спреда после начала исполнения: внутренняя котировка становится дороже, а не уже. В то же время стоимость свипа фиксированного номинала падает во время активного TWAP-интервала: проход по стакану дешевеет, хотя лучшие котировки расширяются. Эта комбинация не обязательно парадоксальна. Как только крупная заявка анонсирована, поставщики ликвидности могут быть готовы поглощать предсказуемый поток заявок только по ценам, компенсирующим ожидаемый инвентарный риск. В лимитном стакане это может выглядеть как более широкий внутренний спред вместе с большей глубиной дальше от лучшей котировки на поглощающей стороне. Стакану, следовательно, не нужно дешеветь у самой вершины, чтобы стать более способным поглотить анонсированный поток. Это прочтение согласуется с параллельным свидетельством, что предоставление ликвидности на Hyperliquid доминируется высокочастотными маркетмейкерскими стратегиями, агрессивно конкурирующими за приоритет в очереди большими объёмами post-only заявок [28]. Оба паттерна видимы по всем корзинам длительности и резче всего на коротких и средних.

Поскольку рисунок описательный, мы дополняем его событийной плацебо-регрессией, изолирующей, меняется ли ликвидность дифференциально во время активного TWAP-окна, за вычетом событийных базовых уровней и общих событийно-временных паттернов.

Мы реализуем тест отклика ликвидности на TWAP событийным плацебо-дизайном. Для события $i$ и относительной минуты $m$ оцениваем

Здесь $y_{i,m}$ — одна из определённых выше мер ликвидности уровня стакана (ориентированный дисбаланс, отображаемая глубина, относительный спред или стоимость свипа фиксированного номинала), $\alpha_i$ — фиксированные эффекты события, $\lambda_m$ — фиксированные эффекты относительной минуты. Индикатор воздействия равен единице только для наблюдений, принадлежащих реальным нативным TWAP-событиям в их активном окне исполнения. Плацебо-старты, взятые из той же панели стакана, дают группу сравнения. Коэффициент $\beta$, следовательно, измеряет, меняется ли ликвидность дифференциально в активном TWAP-окне относительно событийных базовых уровней и общих событийно-временных паттернов. Стандартные ошибки кластеризованы по событию.

Таблица 4 превращает описательный рисунок в событийные плацебо-регрессии для нативных TWAP, объединённые по длительностям. Регрессия использует те же меры дисбаланса и глубины в пределах пяти котируемых спредов, что и рис. 7. Во время активного TWAP-окна относительные спреды примерно на 0.28 базисного пункта выше, чем в плацебо-сравнении, так что внутренняя котировка не улучшается. Однако вдали от вершины все знаки благоприятны: дисбаланс растёт на 0.022, глубина — примерно на 4 200 USD, а стоимость свипа 10 000 USD падает на 0.025 базисного пункта.

Мы исследуем два дальнейших вопроса, дополняя уравнение (10). Обозначим $A_{i,m} = \mathbb{1}\{\mathrm{TWAP}_i\}\, \mathbb{1}\{0 \le m \le T_i\}$ — индикатор активного окна. Во-первых, чтобы проверить, что оценки активного окна — не артефакт дифференциального предтренда, добавляем предоконный лид $L_{i,m} = \mathbb{1}\{\mathrm{TWAP}_i\}\, \mathbb{1}\{m < 0\}$ и оцениваем

при чистой событийной интерпретации изменение происходит при анонсе, так что $\hat\delta$ должна быть близка к нулю. Во-вторых, чтобы спросить, масштабируется ли отклик с размером анонсированной программы, взаимодействуем активное окно с лог-номиналом относительно его выборочной медианы, $q_i = \log(Q_i/Q_{\mathrm{med}})$, где $Q_{\mathrm{med}}$ — медианный анонсированный номинал (около 49 000 USD), и оцениваем

положительная $\hat\zeta$ на исходах отображаемой ликвидности — самая резкая версия канала платного входа, в которой более крупная видимая заявка вызывает больший отклик стакана. Таблица 4 приводит $\hat\delta$ и $\hat\zeta$ рядом с базовой $\hat\beta$.

Таблица 4. Событийный отклик ликвидности во время активного нативного TWAP-исполнения, объединённый по длительностям. Каждая ячейка приводит коэффициент с кластеризованной по событию стандартной ошибкой в скобках. $\hat\beta$ — эффект активного окна из уравнения (10); $\hat\delta$ — предоконный лид из уравнения (11), значение около нуля означает отсутствие дифференциального предтренда; $\hat\zeta$ — взаимодействие с размером из уравнения (12). Положительные дисбаланс и глубина и отрицательные коэффициенты стоимости свипа означают стакан, более способный поглотить анонсированный поток. Дисбаланс и глубина накоплены по всем уровням стакана в пределах пяти котируемых спредов от мидпрайса. Выборка — около 9.4 миллиона наблюдений событие-минута по 56 692 событиям. Значимость: * $p < 0.05$, ** $p < 0.01$, *** $p < 0.001$.

Предоконный лид подтверждает, что благоприятные отклики стакана — не предтренды. Для дисбаланса, глубины и стоимости свипа коэффициент лида экономически пренебрежим и, где значим, противоположного знака к эффекту активного окна: лид дисбаланса — около трёх процентов оценки активного окна, а лиды глубины и стоимости свипа по существу нулевые. Исключение — относительный спред, чей лид (+0.21 б.п.) того же порядка, что и его коэффициент активного окна (+0.28 б.п.): большая часть расширения спреда присутствует уже до активации программы, хотя оно продолжает расти в активном TWAP-окне. Сравнение со статистическими мета-ордерами помогает прояснить лид спреда. Латентные мета-ордера начинают исполнение в состояниях стакана с относительными спредами примерно на 0.16 б.п. выше сопоставленных плацебо-окон — близко к возвышению 0.21 б.п. у нативных TWAP, — но показывают лишь гораздо меньшее расширение внутренней котировки на самом старте: около 0.05 б.п. против 0.17 б.п. у TWAP. Уровень спреда до исполнения, таким образом, — свойство рыночных состояний, в которых инициируются заметные направленные программы, общее для видимого и латентного исполнения, тогда как только дополнительное, совпадающее с анонсом расширение вершины специфично для нативных TWAP. Соответственно мы читаем лид спреда как отбор в состояния с более широким спредом, а не как отклик на видимость TWAP.

Взаимодействие с размером показывает, что отклик отображаемой ликвидности масштабируется с анонсированным размером. Коэффициент положителен и сильно значим для дисбаланса. Рост анонсированного номинала на одну лог-единицу, что соответствует примерно в 2.7 раза большей программе, увеличивает отклик дисбаланса на $\hat\zeta = +0.0028$ — около одной восьмой базового эффекта. Коэффициент также положителен и значим для глубины: более крупные видимые программы встречаются большим наклоном стакана к поглощающей стороне и большей отображаемой глубиной — ровно та сравнительная статика, которую подразумевают поставщики, кондиционирующиеся на реализованном анонсированном спросе. Улучшение исполнимой стоимости, напротив, не масштабируется: взаимодействие стоимости свипа положительно, так что снижение стоимости для более крупных заявок, если что, меньше.

В целом свидетельства стакана указывают на отклик предложения ликвидности вокруг активного нативного TWAP-исполнения. В активном окне стакан сильнее наклоняется к поглощающей стороне, отображаемая глубина растёт и стоимости свипа фиксированного номинала падают, тогда как котируемые спреды расширяются. Этот паттерн согласуется со стаканом, готовящимся поглотить анонсированный поток заявок по ценам, по которым поставщики ликвидности готовы нести соответствующий инвентарный риск. В этом смысле видимые TWAP ассоциированы со стаканом, становящимся более способным вместить анонсированное исполнение, а не просто с более агрессивными внутренними котировками. Эти отклики не объясняются благоприятными предтрендами и, для мер отображаемой ликвидности, масштабируются с размером анонсированной программы.

5. Ограничения

Несколько ограничений уточняют интерпретацию свидетельств. Во-первых, поскольку основной анализ базируется на рыночных заявках, он может также классифицировать очень активных поставщиков ликвидности как исполнителей мета-ордеров, когда те многократно пересекают спред в одном направлении. Диагностика по исполненным лимитным заявкам иллюстрирует проблему. В популяции восстановленных мета-ордеров с не менее чем десятью дочерними заявками 46.2% имеют хотя бы одно мейкерское исполнение того же адреса в окне исполнения и 40.3% — однонаправленное мейкерское исполнение. Этот пассивный объём, однако, сильно сконцентрирован: топ-40 адресов по объёму пассивных мейкерских исполнений дают около 68% всего пассивного одноадресного мейкерского USD и около 65% однонаправленного пассивного USD. Эти адреса также показывают мейкерские исполнения и в том же, и в противоположном направлении, что согласуется с маркетмейкер-подобной активностью, а не с диффузным паттерном пассивного исполнения мета-ордеров. После исключения этих топ-40 адресов по пассивному объёму доля однонаправленных мейкерских исполнений падает примерно до 31%. Поэтому мы сохраняем определение только по рыночным заявкам как основной объект и рассматриваем свидетельство по исполненным лимитным заявкам как оговорку о загрязнении и классификации, а не как поправку к размеру или участию мета-ордера.

Во-вторых, контраст между нативными TWAP и статистическими мета-ордерами наблюдательный. Трейдеры выбирают, использовать ли протокольно-нативный TWAP-инструмент, и этот выбор сильно связан с идентичностью трейдера. В гонке моделей вне выборки модель только по паре имеет AUC 0.674, добавление предстартового состояния стакана поднимает его лишь до 0.685, тогда как прайор идентичности тейкера достигает AUC 0.998; межтейкерская доля вариации выбора TWAP/статистический — около 0.93. В полной выборке 86.6% заявок порождены тейкерскими адресами, использующими исключительно один из двух механизмов. Оговорка: адреса не обязаны соответствовать трейдерам один к одному. Hyperliquid нативно поддерживает субсчета, которые делят объёмный уровень комиссий мастер-счёта и потому являются естественным способом разделить стратегии по кошелькам; субсчета, однако, публично связываемы со своим мастер-счётом ончейн. Агрегирование нативных субсчетов к мастер-счетам (мы сопоставляем адреса, дающие 99.7% объёма выборки) оставляет картину по существу неизменной: доля заявок от единиц с одним механизмом смещается с 86.6% до 85.4%, и лишь 39 сущностей, дающих 0.24% объёма, состоят из чисто-TWAP и чисто-статистических кошельков, объединённых под одним мастером. Разбиение потока по независимым, несвязываемым кошелькам, наоборот, денежно затратно, поскольку уровни комиссий вычисляются на счёт по скользящему 14-дневному объёму, так что фрагментация объёма перманентно ухудшает шкалу комиссий каждого кошелька. Сегрегация механизмов, таким образом, — свойство сущностей, а не артефакт разбиения кошельков. Эти числа показывают, что сравнение идёт между режимами исполнения, населёнными разными типами трейдеров, а не рандомизированным сравнением одного трейдера, выбирающего два механизма при прочих равных.

В-третьих, «скрытые» статистические мета-ордера скрыты не в том смысле, что анонимные институциональные мета-ордера на традиционных рынках. Каждая сделка на Hyperliquid сообщает адрес, поэтому однонаправленная торговля одного адреса может статистически выводиться по мере разворачивания. Различие, которое мы используем, — между явным протокольным преданонсированием мета-ордера и постепенной статистической выводимостью из потока на уровне адресов. Это важно для интерпретации стакана: постепенный рост ориентированного дисбаланса стакана вокруг статистических мета-ордеров может отражать обучение участников рынка на повторяющихся сделках уровня адреса, тогда как нативные TWAP раскрывают программу исполнения напрямую с момента создания. Бенчмарк статистических мета-ордеров, следовательно, — латентный, но частично обучаемый режим исполнения, а не идеально анонимный бенчмарк скрытого потока.

В-четвёртых, предсказуемость по состоянию рынка ограничена. В дискретном упражнении на приход по пятиминутным бинам динамическое состояние стакана и потока улучшает PR-AUC для стартов TWAP лишь с 0.0033 при климатологии пара-час до 0.0053, тогда как улучшение для стартов статистических мета-ордеров больше — с 0.094 до 0.142. Это говорит, что состояние рынка полезнее для идентификации режимов с высоким хазардом статистических мета-ордеров, чем для прогноза точного старта нативного TWAP. При условии прихода заявки идентичность трейдера доминирует над состоянием стакана. Статью, следовательно, не следует читать как показывающую, что стакан сильно предсказывает отдельные приходы TWAP.

Наконец, Hyperliquid — среда с видимыми адресами и протокольно-нативным низкофрикционным TWAP-механизмом. Эти особенности центральны для стратегии идентификации, но они также означают, что перенос на анонимные традиционные рынки или площадки без нативного TWAP-инструмента следует делать с осторожностью.

6. Заключение

Эта работа изучает рыночное воздействие на Hyperliquid — среде, в которой и пути исполнения, и механизмы исполнения необычно прозрачны. Протокольно-нативные TWAP-заявки публично видимы, пока активны, и потому представляют протокольную форму sunshine trading, тогда как статистически восстановленные мета-ордера выводятся лишь постфактум. Этот контраст позволяет сравнить не два алгоритма исполнения, а два режима исполнения, различающихся ex-ante наблюдаемостью, по измерениям временного импакта, траекторий импакта, расписаний исполнения, пост-трейдовой релаксации и окружающего стакана.

Сначала мы устанавливаем, что нативные TWAP имеют систематически меньший временный импакт, чем статистические мета-ордера, на широком диапазоне торгуемых долей, и что два класса резко различаются динамикой: траектории и расписания TWAP гладкие и близки к корневому бенчмарку равномерного исполнения, тогда как статистические мета-ордера показывают U-образные расписания, более сильную кривизну траектории, локальный пик около завершения и большее перманентное смещение цены. Эти паттерны согласуются с интерпретацией стратегического исполнения через транзиентный импакт.

Затем мы читаем сравнение через четыре механизма Адмати и Пфляйдерер. Видимые TWAP несут меньшие издержки как анонсирующие, и их поток менее информационно неблагоприятен, оставляя меньший перманентный ценовой след. Зеркальные издержки падают на неанонсирующих, поскольку скрытый поток, исполняемый в том же направлении, что и уже видимая TWAP-активность, оценивается как более неблагоприятно отобранный. Стакан тоже отвечает на видимое исполнение. Конкретно, в активном TWAP-окне стакан становится асимметричным: больше отображаемого размера накапливается на стороне, которой предстоит поглотить анонсированный поток, чем на противоположной, так что наша мера ориентированного дисбаланса растёт. Полная отображаемая глубина у вершины также увеличивается, и в результате стоимость свипа фиксированного номинала падает. Внутренний спред, напротив, расширяется, а не сужается: поставщики ликвидности не котируют агрессивнее на лучших bid и ask, а выставляют дополнительный размер чуть позади вершины, по ценам, по которым они готовы исполнить предсказуемую заявку и получить компенсацию за принимаемый инвентарный риск. Все эти отклики отображаемой ликвидности масштабируются с анонсированным размером.

В целом свидетельства согласуются с интерпретацией sunshine trading: на Hyperliquid публично видимый TWAP-поток выглядит в среднем менее информированным, и его видимость вызывает предоставление ликвидности, а не запускает хищнический фронтраннинг. Шире, Hyperliquid даёт редкую эмпирическую среду, в которой издержки и выгоды предторговой прозрачности можно изучать напрямую, а не выводить косвенно.

Литература

• [1] A. S. Kyle, "Continuous auctions and insider trading," Econometrica, pp. 1315–1335, 1985. ↑
• [2] R. Almgren, C. Thum, E. Hauptmann, and H. Li, "Direct estimation of equity market impact," Risk, vol. 18, no. 7, pp. 58–62, 2005. ↑
• [3] B. Tóth, Y. Lemperiere, C. Deremble, J. De Lataillade, J. Kockelkoren, and J.-P. Bouchaud, "Anomalous price impact and the critical nature of liquidity in financial markets," Physical Review X, vol. 1, no. 2, p. 021006, 2011. ↑
• [4] J. Donier and J. Bonart, "A million metaorder analysis of market impact on the Bitcoin," Market Microstructure and Liquidity, vol. 1, no. 02, p. 1550008, 2015. ↑
• [5] B. Tóth, Z. Eisler, and J.-P. Bouchaud, "The square-root impact law also holds for option markets," Wilmott, vol. 2016, no. 85, pp. 70–73, 2016. ↑
• [6] E. Zarinelli, M. Treccani, J. D. Farmer, and F. Lillo, "Beyond the square root: Evidence for logarithmic dependence of market impact on size and participation rate," Market Microstructure and Liquidity, vol. 1, no. 2, p. 1550004, 2015. ↑
• [7] J. Donier, J. Bonart, I. Mastromatteo, and J.-P. Bouchaud, "A fully consistent, minimal model for non-linear market impact," Quantitative Finance, vol. 15, no. 7, pp. 1109–1121, 2015. ↑
• [8] M. Benzaquen and J.-P. Bouchaud, "Market impact with multi-timescale liquidity," Quantitative Finance, vol. 18, no. 11, pp. 1781–1790, 2018. ↑
• [9] F. Bucci, M. Benzaquen, F. Lillo, and J.-P. Bouchaud, "Crossover from linear to square-root market impact," Physical Review Letters, vol. 122, no. 10, p. 108302, 2019. ↑
• [10] E. Moro, J. Vicente, L. G. Moyano, A. Gerig, J. D. Farmer, G. Vaglica, F. Lillo, and R. N. Mantegna, "Market impact and trading profile of hidden orders in stock markets," Physical Review E, vol. 80, no. 6, p. 066102, 2009. ↑
• [11] X. Brokmann, E. Serie, J. Kockelkoren, and J.-P. Bouchaud, "Slow decay of impact in equity markets," 2014. ↑
• [12] E. Bacry, A. Iuga, M. Lasnier, and C.-A. Lehalle, "Market impacts and the life cycle of investors orders," Nov. 2014. ↑
• [13] H. Waelbroeck and C. Gomes, "Is market impact a measure of the information value of trades? Market response to liquidity vs. informed trades," 2013. Working paper / SSRN. ↑
• [14] A. R. Admati and P. Pfleiderer, "Sunshine trading and financial market equilibrium," The Review of Financial Studies, vol. 4, no. 3, pp. 443–481, 1991. ↑
• [15] T. Schöneborn and A. Schied, "Liquidation in the face of adversity: Stealth vs. sunshine trading." EFA 2008 Athens Meetings Paper, Mar. 2009. ↑
• [16] J. A. Skjeltorp, E. Sojli, and W. W. Tham, "Sunshine trading: Flashes of trading intent at the Nasdaq," Tech. Rep. Discussion Paper 12-141/IV, Tinbergen Institute, 2012. ↑
• [17] H. Bessembinder, A. Carrion, L. A. Tuttle, and K. Venkataraman, "Liquidity, resiliency and market quality around predictable trades: Theory and evidence," Journal of Financial Economics, vol. 121, no. 1, pp. 142–166, 2016. ↑
• [18] P. Daian, S. Goldfeder, T. Kell, Y. Li, X. Zhao, I. Bentov, L. Breidenbach, and A. Juels, "Flash boys 2.0: Frontrunning, transaction reordering, and consensus instability in decentralized exchanges," in 2020 IEEE Symposium on Security and Privacy, pp. 910–927, IEEE, 2020. ↑
• [19] L. Zhou, K. Qin, C. F. Torres, D. V. Le, and A. Gervais, "High-frequency trading on decentralized on-chain exchanges," in 2021 IEEE Symposium on Security and Privacy, pp. 428–445, IEEE, 2021. ↑
• [20] K. Qin, L. Zhou, and A. Gervais, "Quantifying blockchain extractable value: How dark is the forest?," in 2022 IEEE Symposium on Security and Privacy, pp. 198–214, IEEE, 2022. ↑
• [21] Hyperliquid Foundation, "Hyperliquid Documentation," 2026. ↑
• [22] J.-P. Bouchaud, J. Bonart, J. Donier, and M. Gould, Trades, Quotes and Prices: Financial Markets Under the Microscope. Cambridge University Press, 2018. ↑
• [23] F. Lillo and J. D. Farmer, "The long memory of the efficient market," Studies in Nonlinear Dynamics & Econometrics, vol. 8, no. 3, 2004. ↑
• [24] B. Tóth, I. Palit, F. Lillo, and J. D. Farmer, "Why is equity order flow so persistent?," Journal of Economic Dynamics and Control, vol. 51, pp. 218–239, 2015. ↑
• [25] M. Yin, D. Malkhi, M. K. Reiter, G. G. Gueta, and I. Abraham, "HotStuff: BFT consensus with linearity and responsiveness," in Proceedings of the 2019 ACM Symposium on Principles of Distributed Computing (PODC '19), ACM, 2019. ↑
• [26] Hydromancer, "Reservoir: Hyperliquid Historical Data," 2026. ↑
• [27] J. Albers, M. Cucuringu, S. Howison, and A. Y. Shestopaloff, "An open book: Level 4 order book data from the Hyperliquid exchange," Mar. 2026. SSRN Working Paper. ↑
• [28] J. Albers, M. Cucuringu, S. Howison, and A. Y. Shestopaloff, "The 'Neutrinos' of the order book: Pervasive, weakly interacting order flow and its consequences," Feb. 2026. SSRN Working Paper. ↑
• [29] M. Parkinson, "The extreme value method for estimating the variance of the rate of return," The Journal of Business, vol. 53, no. 1, pp. 61–65, 1980. ↑
• [30] J. Gatheral, "No-dynamic-arbitrage and market impact," Quantitative Finance, vol. 10, no. 7, pp. 749–759, 2010. ↑
• [31] J. Gatheral, A. Schied, and A. Slynko, "Transient linear price impact and Fredholm integral equations," Mathematical Finance, vol. 22, no. 3, pp. 445–474, 2012. ↑
• [32] J. Hasbrouck, "Measuring the information content of stock trades," The Journal of Finance, vol. 46, no. 1, pp. 179–207, 1991. ↑
• [33] J.-P. Bouchaud, Y. Gefen, M. Potters, and M. Wyart, "Fluctuations and response in financial markets: the subtle nature of 'random' price changes," Quantitative Finance, vol. 4, no. 2, pp. 176–190, 2003.

Приложение A. Бенчмарк с транзиентным импактом

Для интерпретации эмпирических паттернов рассмотрим простой бенчмарк транзиентного импакта на основе модели пропагатора [33, 23, 30]. Модель записана в модельном времени $v \in [0, F]$, где $F$ — горизонт исполнения:

где $q(u)$ — знаковая скорость исполнения, $G(\cdot)$ — ядро транзиентного импакта, а $W_v$ схватывает экзогенные ценовые флуктуации. Скорость исполнения — инфинитезимальный аналог кумулятивного расписания: если $C(v)$ — доля заявки размера $Q(F)$, исполненная ко времени $v$, то

Таким образом, разные расписания исполнения $C$ соответствуют разным скоростям торговли $q$ и, следовательно, разным траекториям импакта.

Мы используем линейный пропагатор со степенным затухающим ядром:

Как только ядро зафиксировано, детерминированная форма траектории импакта определяется расписанием исполнения. В частности, при расписании постоянной скорости $q(u) = q_0$

Расписание постоянной скорости, таким образом, естественно порождает корнеподобную траекторию импакта, давая простой бенчмарк для нативного TWAP-исполнения.

Та же конструкция объясняет и то, почему нелинейные расписания могут порождать траектории с двумя перегибами, наблюдаемые у статистических мета-ордеров. Мы вычисляем оптимальные расписания из целевой функции в духе среднее–дисперсия, балансирующей ожидаемую стоимость транзиентного импакта против квадратичного штрафа за оставшийся инвентарь:

где $\mathcal{C}(q)$ — компонента ожидаемой стоимости импакта, $\mathcal{R}(q)$ — компонента инвентарного риска, а $\lambda \ge 0$ индексирует риск-аверсию. При $\lambda = 0$ риск-нейтральный оптимум в этом бенчмарке транзиентного импакта U-образен, с более быстрой торговлей около начала и конца интервала исполнения. Увеличение $\lambda$ сдвигает расписание к началу интервала, поскольку трейдер придаёт больший вес снижению незавершённой экспозиции. Бенчмарк, следовательно, даёт экономный механизм, связывающий расписания исполнения на рис. 4 с траекториями импакта на рис. 3.

Рисунок недоступен для встраивания — смотреть в оригинале

Рис. 8 иллюстрирует этот механизм для четырёх значений $\lambda$. Синие кривые показывают пути импакта во время исполнения, порождённые оптимальными расписаниями с разными горизонтами $F$, чёрные точки отмечают завершение. Красная кривая — соответствующий временный импакт при завершении $\mathcal{I}_{\mathrm{tmp}}(F)$, интерполированный по горизонтам. В верхнем ряду доля участия фиксирована, так что $Q(F) = \eta F$ и временный импакт растёт с $F$. В нижнем ряду фиксирован полный размер, так что $Q(F) = Q_0$ и более долгое исполнение снижает участие. При движении слева направо более высокая риск-аверсия смещает исполнение к началу и заставляет импакт достигать пика раньше, порождая невогнутые формы во время исполнения, похожие на наблюдаемые у статистических мета-ордеров. Это упражнение задумано не как структурная калибровка модели, а как качественный бенчмарк, показывающий, что эмпирические формы согласуются с динамикой транзиентного импакта.

Сноски

1. Эту величину иногда также называют пиковым импактом. Временный импакт не следует путать с временной компонентой импакта, используемой, например, в модели Альмгрена–Крисса. ↩
2. Активные TWAP можно инспектировать, например, на HypurrScan: hypurrscan.io/dashboard. ↩

Перевод выполнен с сохранением структуры, формул и данных оригинала. Оригинал: arXiv:2606.15715 · Barone, Lillo (Scuola Normale Superiore) · CC BY 4.0.