"Desire Orderbook" тұжырымдамасы: нарықтық мінез-құлықты болжаудың инновациялық тәсілі
"Desire orderbook" ("тілек ордербукі") нарық құрылымын талдаудағы революциялық тұжырымдама болып табылады, ол нарық қатысушыларының ықтимал әрекеттерін олар нақты орындалғанға дейін болжауға негізделген. Ағымдағы сатып алу және сату өтінімдерін көрсететін стандартты ордербуктен айырмашылығы, "desire orderbook" трейдерлердің болашақ ниеттері туралы болжамдарға негізделіп құрылады.
The Desire Orderbook Concept: Abstract gradients of potential future orders crystallizing into solid market liquidity structure.
Тұжырымдаманың теориялық негізі
"Desire orderbook" тұжырымдамасы көптеген трейдерлердің позицияны мақсатты түрде іске асырудың ішкі моделі бар деген болжамға негізделеді, ол көбіне ағымдағы нарықтық өтінімдерде көрініс таппайды. Бұл модель трейдерлердің мына қасиеттерге ие болатынын болжайды:
- Позицияға белгілі бір шығу жоспарымен кіреді
- Нарық жағдайына байланысты икемді іске асыру стратегияларына ие
- Белгілі бір баға деңгейлеріне (дөңгелек сандар, кіру деңгейлері, залалсыздық нүктелері) психологиялық түрде байланысты
- Ірі позицияларды іске асыруды бірқатар кішірек өтінімдер арқылы бөлуге бейім
Өтінімдерді модельдеудегі градиенттік тәсіл
Тұжырымдаманың негізгі жаңалығы әрбір ықтимал өтінімді нүктелік оқиға ретінде емес, ықтималдықтардың градиенті немесе "сатысы" ретінде ұсынуында жатыр:
P(sell|price, trader) = f(price, entry_price, position_size, market_conditions, trader_history)
Мұндағы:
- P(sell|price, trader) - трейдердің белгілі бір бағада сату өтінімін орналастыру ықтималдығы
- f - әртүрлі факторларды ескеретін күрделі функция
Probability Gradients: Visualizing the increasing likelihood of execution as price approaches a trader's psychological threshold.
Desire orderbook құру әдістемесі
1. Трейдерлерді профильдеу
Бірінші қадам — трейдерлердің тарихи мінез-құлқына негізделген профильдерін жасау:
- Стратегиялық профиль: қысқа мерзімді немесе ұзақ мерзімді сауда-саттыққа бейімділік
- Тәуекел профилі: шығынға төзімділік және пайданы фиксациялау
- Мінез-құлық профилі: нарықтық қозғалыстар мен жаңалықтарға реакция
- Уақыттық профиль: белсенділіктің қалаулы уақыты
2. Ашық позицияларды талдау
DEX-те анықталған әрбір трейдер үшін мыналар талданады:
- Ағымдағы ашық позициялар (көлемі, кіру бағасы)
- Ұқсас позицияларды жабудың тарихи үлгілері
- Позицияны орташа ұстау мерзімі
3. Ықтималдық градиенттерін құру
Әрбір ашық позиция үшін іске асыру ықтималдығының градиенті құрылады:
Realization gradient = {(price₁, probability₁), (price₂, probability₂), ... (priceₙ, probabilityₙ)}
Бұл градиент жалғыз ғана өтінімді емес, әртүрлі баға деңгейлерінде өтінім орналастыру ықтималдықтарының үлестірілуін көрсетеді. Мысалы:
- Ұзын позициясы бар трейдерде кіру бағасынан +10%, +20%, +50% деңгейлерінде сату ықтималдығы жоғары болуы мүмкін
- Қысқа позициясы бар трейдерде белгілі бір қолдау деңгейлеріне жеткенде жабу ықтималдығы жоғары болуы мүмкін
4. Градиенттерді бірыңғай desire orderbook-ке біріктіру
Соңғы қадам — мыңдаған жеке градиенттерді қабаттастырып, бірыңғай "desire orderbook" құру:
Desire_Orderbook(price) = ∑ᵢ Realization_gradient_trader_i(price)
Визуалды түрде мұны әртүрлі баға деңгейлеріндегі ықтимал сұраныс пен ұсыныстың жылу картасы ретінде көрсетуге болады.
DEX контекстіндегі қолданылуы
Орталықсыздандырылған биржалар "desire orderbook" тұжырымдамасын іске асыру үшін бірегей мүмкіндіктер береді, өйткені:
- Транзакциялардың толық ашықтығы - әрбір мекенжайдың тарихи үлгілерін бақылау мүмкіндігі
- Жазбалардың өзгермейтіндігі - тарихи деректерді жоюға немесе өзгертуге болмайды
- Байланысты мекенжайларды анықтау мүмкіндігі транзакциялар графын талдау арқылы
Қолданудың нақты мысалы
"Desire orderbook"-ті қолданудың нақты сценарийін қарастырайық:
- X токенінің ең ірі 1000 ұстаушысын анықтау
- Ұқсас нарықтық оқиғалардан кейінгі сатудың тарихи үлгілерін талдау
- Әрбір ұстаушы үшін сату ықтималдығының градиенттерін құру
- Бірыңғай "desire orderbook"-ке біріктіру
- Белгілі бір баға деңгейлеріндегі ықтимал сату немесе сатып алу "қабырғаларын" анықтау
Дәстүрлі ордербуктен артықшылықтары
"Desire orderbook" бірнеше маңызды артықшылықтарға ие:
- Болжамдық құндылық - ықтимал өтінімдерді олар орналастырылғанға дейін көрсетеді
- Жасырын сұраныс/ұсыныс деңгейлерін ашу - елеулі қысым туындауы мүмкін деңгейлерді анықтайды
- Стратегиялық жоспарлау - трейдерлерге басқа қатысушылардың ықтимал мінез-құлқын ескере отырып, кіру мен шығуды оңтайландыруға мүмкіндік береді
- Манипуляцияны анықтау - "desire orderbook"-тегі аномальды үлгілер үйлестірілген манипуляциялық әрекеттерді көрсетуі мүмкін
Градиенттерді құруға арналған машиналық оқыту моделі
Жеке градиенттерді тиімді құру үшін көпдеңгейлі машиналық оқыту моделін қолдануға болады:
1-деңгей: Трейдер түрін классификациялау
- Кіріс деректері: тарихи транзакциялар, позиция көлемдері, ұстау уақыты
- Шығыс деректері: трейдер санаты (спекулянт, инвестор, маркет-мейкер және т.б.)
2-деңгей: Іске асыру ықтималдығын болжау
- Кіріс деректері: трейдер түрі, ағымдағы позиция, нарық жағдайлары
- Шығыс деректері: әртүрлі баға деңгейлері бойынша ықтималдықтардың үлестірілуі
3-деңгей: Уақыттық талдау
- Кіріс деректері: іске асыру ықтималдықтары, уақыттық белсенділік үлгілері
- Шығыс деректері: уақыт пен баға бойынша ықтималдықтардың үлестірілуі
Техникалық қиындықтар және шешімдер
"Desire orderbook"-ті іске асыру бірнеше техникалық қиындықтармен байланысты:
-
Есептеу күрделілігі - мыңдаған градиентті қабаттастыру елеулі есептеу ресурстарын талап етеді
- Шешімі: үлестірілген есептеулерді, оңтайландырылған агрегациялау алгоритмдерін пайдалану
-
Пайдаланушылардың құпиялылығы - мінез-құлықты егжей-тегжейлі талдау құпиялылыққа қатысты алаңдаушылық тудыруы мүмкін
- Шешімі: деректерді анонимдеу, пайдаланушы топтары деңгейінде агрегациялау
-
Динамикалық жаңарту - нарық жағдайлары мен трейдерлердің ниеттері тез өзгереді
- Шешімі: модельді нақты уақыт режимінде инкременттік жаңарту
Desire orderbook-ті визуализациялау
"Desire orderbook"-ті визуализациялау әртүрлі формада болуы мүмкін:
- Жылу картасы - түс қарқындылығы белгілі бір баға деңгейінде өтінімдердің пайда болу ықтималдығын көрсетеді
- Көлем профилі - үш өлшемді көрсету, мұнда үшінші өлшем ықтималдық болып табылады
- Градиенттік лента - ықтималдықтың біркелкі өзгеруін көрсететін үздіксіз градиент
Market Liquidity Heat Map: Red zones indicate a high probability of sell walls forming based on predictive models.
Қорытынды
"Desire orderbook" тұжырымдамасы нарық құрылымын талдауға революциялық көзқарасты білдіреді, әсіресе орталықсыздандырылған қаржы контекстінде. Детерминистік ордербуктен ықтималдық ордербукіне көшу ықтимал нарықтық динамиканы едәуір кеңейтілген түрде түсінуге мүмкіндік береді.
Өтінімдерді нүктелік оқиғалар ретінде емес, ықтималдық градиенттері ретінде көрсету арқылы бұл модель нақты трейдер мінез-құлқын дәлірек көрсетеді, өйткені олар көбіне сатып алу немесе сату шешімдерін әртүрлі баға деңгейлеріне бөледі. Мыңдаған осындай градиенттің қабаттасуы ықтимал нарықтық белсенділіктің көп өлшемді картасын жасайды, жасырын қолдау мен кедергі деңгейлерін ашады.
Деректер жаңа мұнайға айналып жатқан дәуірде "desire orderbook" тұжырымдамасы блокчейндегі бар деректерден құнды түсініктер алудың инновациялық жолын білдіреді, бұл нарықты талдау мен сауда стратегияларына деген көзқарасты түбегейлі өзгертуі мүмкін.
Citation
@software{soloviov2025desireorderbook,
author = {Soloviov, Eugen},
title = {The 'Desire Orderbook' Concept: An Innovative Approach to Market Behavior Prediction},
year = {2025},
url = {https://marketmaker.cc/en/blog/post/desire-orderbook},
version = {0.1.0},
description = {Desire orderbook — a revolutionary concept of market structure analysis based on predicting potential actions of market participants before their actual execution.}
}
Authors
Trading-systems engineer
Trading-systems engineer building bots since 2017: cross-exchange arbitrage (connected up to 30 venues), cointegration-based pairs arbitrage across spot and futures, scalping, news and sentiment-driven strategies, trend algorithms, and portfolio management and balancing algorithms. Also builds sub-millisecond order execution, big-data warehouses, backtesting engines, AI agents, and trading interfaces (incl. open-source profitmaker.cc). Stack: JS/TS, Python, Rust/Zig/Go, DevOps, backend, frontend, architecture.