Трейдердің цифрлық саусақ ізі: маркет-мейкерді ордер кітабындағы мінез-құлқы бойынша қалай анықтауға болады

Сауда алгоритмінің мінез-құлықтық саусақ ізі: уақыттық, көлемдік және орналастыру заңдылықтарының бірегей үлгісі

Әрбір алгоритм өзінің бірегей саусақ ізін қалдырады. Оны оқи білсеңіз — мәміленің екінші жағында кім тұрғанын білесіз.

Кіріспе: ордер кітабы — қылмыс орны ретінде

Криминалист қылмыс орнына келгенде саусақ іздерін, аяқ табанының іздерін, ДНҚ-ны — оқиғаны нақты адаммен байланыстыратын кез келген нәрсені іздейді. Ордер кітабы — әр секунд сайын жүздеген қатысушы белгілі бір көлемдегі, белгілі бір жиіліктегі, бағадан белгілі бір қашықтықтағы, белгілі бір өмір сүру уақыты бар ордерлер түрінде өз "саусақ ізін" қалдыратын орын.

Орталықтандырылған биржаларда (CEX) бұл іздер анонимді — сіз тек әр баға деңгейіндегі жиынтық көлемді көресіз. Бірақ жиынтық деректерден де көп нәрсе білуге болады. Ал он-чейн ордер кітабы бар DEX биржаларында — мысалы, Hyperliquid — әрбір ордер нақты әмиян мекенжайымен байланысты, сондықтан "саусақ іздері" жеке сипатқа ие болады.

Бұл мақалада қатысушы түрлерін және нақты маркет-мейкер алгоритмдерін анықтау үшін "мінез-құлықтық саусақ іздерінің" жүйесін қалай құруға болатынын қарастырамыз.

1-бөлім: мінез-құлықтық саусақ ізі деген не

Радиалды диаграмма: трейдердің мінез-құлықтық саусақ ізінің бес негізгі өлшемі

Әрбір алгоритм — ережелер жиынтығы

Маркет-мейкинг боты — қатаң (немесе үйренген) ережелер негізінде шешім қабылдайтын бағдарлама:

• Ордерлер орта бағадан қандай қашықтықта орналасады? Әрбір MM-нің өзіндік "спред профилі" бар.
• Қандай көлемде? Дөңгелек лоттар (100, 500, 1000)? Кездейсоқ сандар? ±5% шуы бар тұрақты көлем ме?
• Котировкалар қаншалықты жиі жаңартылады? Әр 50 мс сайын ба? Тек орта баға өзгергенде ме? Таймер бойынша ма?
• Толтырылымдарға қалай реакция жасайды? Жедел қайта котировка ма? Кідіріс пе? Қалған жақты ауыстыру ма?
• Волатильдікке қалай реакция жасайды? Спредтің кеңеюі ме? Котировкаларды алып тастау ма? Көлемді азайту ма?
• Инвентарьды қалай басқарады? Позиция жинақталғанда котировканың қисаюы ма?

Осы сұрақтарға берілген жауаптардың әрбір жиынтығы алгоритмнің бірегей "қолтаңбасы" болып табылады.

Саусақ ізінің бес өлшемі

┌─────────────────────────────────────────────────────────────────┐
│              DIGITAL FINGERPRINT OF A TRADER                    │
│                                                                 │
│  1. TIMING       │  Inter-order intervals, reaction             │
│                  │  to events, circadian patterns               │
│──────────────────┼─────────────────────────────────────────────  │
│  2. SIZING       │  Order size distribution,                    │
│                  │  round-lot ratio, dispersion                  │
│──────────────────┼─────────────────────────────────────────────  │
│  3. PLACEMENT    │  Distance from mid-price,                    │
│                  │  bid/ask symmetry, level anchoring            │
│──────────────────┼─────────────────────────────────────────────  │
│  4. REACTION     │  Response to fills, cancels, price jumps,    │
│                  │  volatility changes                           │
│──────────────────┼─────────────────────────────────────────────  │
│  5. LIFECYCLE    │  Average order lifetime,                     │
│                  │  cancel conditions, modify vs cancel+new      │
│──────────────────┴─────────────────────────────────────────────  │
└─────────────────────────────────────────────────────────────────┘

2-бөлім: белгілерді (feature) шығару

Өзін-өзі қоздыратын Hawkes процесі: экспоненциалды ыдырауы бар оқиғалар кластерлері

Timing: қашан және қаншалықты жиі

Уақыттық үлгі — саусақ ізінің ең жасанды түрде қайталауы қиын элементі. Ол алгоритмнің архитектурасымен, желі кідірісімен, аппараттық құралмен және тіпті әзірлеушілердің уақыт белдеуімен анықталады.

Негізгі метрикалар:

• Ордерлер арасындағы интервал (IOI) — бір қатысушының дәйекті ордерлері арасындағы уақыт. HFT боты үшін IOI = 50–500 микросекунд. Қолмен сауда жасайтын трейдер үшін — секундтардан минуттарға дейін.

• Мәмілеге реакция уақыты — ордердің толтырылуы мен келесі әрекет арасындағы кідіріс. Боттың ішкі архитектурасын көрсетеді.

• Циркадиандық үлгі — тәуліктік белсенділік профилі. Институционалдық MM сауда сессиялары кезінде жұмыс істейді. Крипто бот тәулік бойы, аптасына жеті күн жұмыс істейді.

• Өзін-өзі қоздыру (Hawkes қарқындылығы) — ағымдағы ордердің келесі ордерді қаншалықты күшпен "тудыратыны". Маркет-мейкерлерге күшті өзін-өзі қоздыру тән.

Уақыттық үлгілерді модельдеу үшін Hawkes процестері — өзін-өзі қоздыратын нүктелік процестер — тамаша келеді. Hawkes процесінің параметрлері (базалық қарқындылық μ, қоздыру коэффициенті α, ыдырау жылдамдығы β) қатысушының ықшам "хронологиялық саусақ ізін" құрайды.

Sizing: қанша және қалай

• Көлем үлестірімі — ордер көлемдерінің үлестірімі. Кәсіби MM-дер жиі шуы бар дөңгелек лоттарды пайдаланады: 100 ± 5, 500 ± 10.
• Көлем-тереңдік корреляциясы — ордер көлемі кітаптың ағымдағы тереңдігіне тәуелді ме?
• Bid-ask көлем асимметриясы — bid пен ask жақтарындағы көлемдер қатынасы. Қисаю үлгісі — инвентарь басқарудың "қолжазбасы".
• Көлем автокорреляциясы — уақыт бойынша көлемдердің қайталанғыштығы.

Placement: кітаптың қай жерінде

• Спред ауытқуы — орта бағадан тиктер немесе базистік пункттердегі қашықтық
• Деңгей артықшылығы — белгілі бір деңгейлерге бекіну (дөңгелек сандар ма?)
• Котировка симметриясы — bid және ask ордерлерінің қаншалықты симметриялы екені
• Көп деңгейлі із — бір мезгілде қанша деңгей котировкаланады

Reaction: оқиғаларға қалай жауап береді

• Толтырылымнан кейінгі мінез-құлық — ордер толтырылғаннан кейін не болады
• Волатильдікке реакция — волатильдік артқанда мінез-құлық қалай өзгереді
• Quote-to-trade қатынасы (QTR) — ордерді жаңарту мен толтырылым қатынасы
• Кері селекцияға реакция — позицияға қарсы баға қозғалысына жауап

Lifecycle: ордердің өмірлік циклі

• Ордердің өмір сүру уақыты үлестірімі — ордердің орташа өмір сүру уақыты
• Modify vs Cancel+New — жаңарту modify арқылы жүреді ме, әлде cancel+new арқылы ма?
• Болдырмау кластерленуі — бір-бірлеп болдырмайды ма, әлде топтап па?

3-бөлім: қатысушыларды жіктеу

Нарық қатысушыларының таксономиясы: маркет-мейкерлер, HFT, оппортунистік, фундаменталды және шулы трейдерлер

Нарық қатысушыларының таксономиясы

Мінез-құлықтық белгілер негізінде қатысушыларды тұрақты санаттарға жіктеуге болады. CFTC зерттеуі (Kirilenko et al., 2011):

1. Маркет-мейкерлер

• Уақыттың >80%-ында екі жақты котировкалар (bid + ask)
• Күн соңында нөлге жақын таза позиция
• Жоғары QTR (>100:1)
• Волатильдікке спредті кеңейту арқылы реакция жасайды

2. Жоғары жиілікті трейдерлер (HFT)

• Өте жоғары хабарлама жиілігі (>1000 оқиға/минут)
• Өте қысқа ұстау кезеңі (секундтар)
• Миллисекундтан аз реакция уақыты

3. Оппортунистік трейдерлер

• Орташа жиілік
• Нақты нарықтық жағдайларға реакция жасайды
• Тұрақсыз уақыттылық, оқиғалар айналасында кластерленген

4. Фундаменталды трейдерлер

• Ұзақ мерзімді позициялар жинақтайды
• Төмен жиілік, үлкен ордер көлемдері
• Орындау үшін TWAP/VWAP алгоритмдері

5. Шулы трейдерлер (Retail)

• Кіші көлемдер, тұрақсыз уақыттылық
• Реактивті: баға қозғалғаннан кейін сауда жасайды, алдын ала емес
• Волатильдіктің шыңында нарықтық ордерлер

Жіктеу әдістері

Оқытылатын (supervised) оқыту: DEX деректері үшін (Hyperliquid) оқыту жиынтығын белгілі маркет-мейкерлердің мекенжайларынан жинауға болады. RNN модельдері >85% дәлдікке жетеді.

Оқытылмайтын (unsupervised) оқыту:

• Спектралды кластерлеу (Cont et al., 2023) — ордер ағынының үлгісінің ұқсастық матрицасы бойынша кластерлеу
• FIDR-SCAN (2024) — белгілерді интерполяциялау + өлшемділікті азайту + тығыздыққа негізделген кластерлеу
• Кері күшейтілген оқыту (Inverse Reinforcement Learning) (CFTC, 2014) — әрбір трейдердің сыйақы функциясын қалпына келтіру

4-бөлім: нақты маркет-мейкерлерді анықтау

Жіктеуден анықтауға дейін

Жіктеу "Бұл маркет-мейкер ме?" деген сұраққа жауап береді. Анықтау (идентификация) "Бұл нақ сол маркет-мейкер ме?" деген сұраққа жауап береді.

Саусақ ізі векторын құру

Бес өлшемнен біз сандық векторды — қатысушының эмбеддингін — шығарамыз:

Fingerprint Vector (example):
┌──────────────────────────────────────────────────────────┐
│  Timing:                                                 │
│    hawkes_mu:           0.3       (base intensity)       │
│    hawkes_alpha:        0.7       (self-excitation)      │
│    hawkes_beta:         1.2       (decay rate)           │
│    median_IOI_ms:       240       (ms between orders)    │
│    circadian_peak_utc:  14.5      (peak activity)        │
│                                                          │
│  Sizing:                                                 │
│    median_size:         500                              │
│    size_cv:             0.08      (coeff. of variation)  │
│    round_lot_ratio:     0.92      (round lot share)      │
│    bid_ask_size_ratio:  0.97                             │
│                                                          │
│  Placement:                                              │
│    median_offset_bps:   3.2       (from mid-price)       │
│    quoting_symmetry:    0.94      (0=asymmetric,1=symm)  │
│    num_levels:          5         (quoted levels)         │
│                                                          │
│  Reaction:                                               │
│    post_fill_delay_ms:  12                               │
│    vol_spread_elasticity: 2.1     (spread/sigma)         │
│    qtr:                 850       (quote-to-trade ratio)  │
│                                                          │
│  Lifecycle:                                              │
│    median_lifetime_ms:  1200                             │
│    modify_ratio:        0.85      (modify vs cancel+new) │
│    batch_cancel_rate:   0.60      (batch cancel share)   │
└──────────────────────────────────────────────────────────┘

Мекенжайларды кластерлеу: "бір оператор — N әмиян"

Мекенжайлар кластерінің графы: бір оператор — бірнеше әмиян, мінез-құлықтық ұқсастығы бойынша топтастырылған

Hyperliquid платформасында бір ғана маркет-мейкер ондаған немесе жүздеген мекенжай арқылы жұмыс істей алады.

Кластерлеу алгоритмі:

1. Әрбір белсенді мекенжай үшін — N сағаттық терезе бойынша саусақ ізі векторын құру
2. Иерархиялық кластерлеу — арақашықтығы шектен төмен мекенжайларды біріктіру
3. Уақыттық валидация — кластердің уақыт бойынша тұрақтылығын тексеру
4. Кросс-жұп валидациясы — егер екі мекенжай әртүрлі жұптарда сауда жасаса, бірақ саусақ іздері сәйкес келсе — бұл күшті сигнал

Cluster #7 (suspected: Wintermute)
├── 0x3a1f...2e8c  — BTC/USDT, 45% of activity
├── 0x7b2d...9f1a  — ETH/USDT, 30% of activity
├── 0xc4e8...5d3b  — SOL/USDT, 15% of activity
└── 0x91fa...0c7e  — ARB/USDT, 10% of activity

Common pattern: symmetric quoting, 5 levels, median_IOI=240ms,
median_size=500±8%, batch cancel 60%, presence 95%

5-бөлім: манипуляция сценарийлері және олардың саусақ іздері

Spoofing: жалған қабырғаның саусақ ізі

Spoofer fingerprint:
  cancel_rate:         > 95%
  lifetime:            < 2 seconds
  placement:           1-3 ticks from mid-price
  size:                anomalously large (>10x median depth)
  reaction_to_approach: cancel when price approaches
  cyclicity:           repeats >3 times / minute

Squeeze: өтімділік тұзағы

Төрт кезең: тыныш жинақтау, өтімділікті алып тастау, стоп-ордерлер каскады, пайданы алу. Real-time режимінде 1-кезеңнен 2-кезеңге өтуді анықтау арқылы табу мүмкін.

Iceberg / жасырын жинақтау: үнсіз құрылым

Hidden accumulation fingerprint:
  visible_size:        small (10-50 lots)
  refill_speed:        instant (< 100ms after fill)
  refill_count:        > 20 at a single level per session
  price_reaction:      price does not move despite volume

Wash Trading: өзімен-өзі мәміле жасау

Бір кластерден екі немесе одан да көп мекенжай бір мезгілде bid және ask жақтарында отырып, бір-біріне қарсы орындалады. Мақсаты — көлемді жасанды түрде ұлғайту.

6-бөлім: Marketmaker.cc жүйесінде іске асыру

Мінез-құлықтық саусақ ізі жүйесінің архитектурасы

┌─────────────────────────────────────────────────────────────┐
│  DATA LAYER                                                 │
│  ├── Hyperliquid Node  → L3 order-by-order + wallet IDs    │
│  ├── CEX WebSocket     → L2 depth + trades                 │
│  └── Historical Store  → QuestDB / Parquet                 │
├─────────────────────────────────────────────────────────────┤
│  FEATURE EXTRACTION                                         │
│  ├── Timing Engine     → Hawkes fit, IOI distribution       │
│  ├── Sizing Engine     → Size stats, round-lot detection    │
│  ├── Placement Engine  → Offset calc, symmetry analysis     │
│  ├── Reaction Engine   → Post-fill tracker, vol response    │
│  └── Lifecycle Engine  → Lifetime stats, cancel patterns    │
├─────────────────────────────────────────────────────────────┤
│  CLASSIFICATION / IDENTIFICATION                            │
│  ├── Online Classifier → Real-time participant tagging      │
│  ├── Cluster Engine    → Address clustering (DEX)           │
│  ├── Similarity Search → Fingerprint matching               │
│  └── Anomaly Detector  → Spoof / squeeze / wash detection   │
├─────────────────────────────────────────────────────────────┤
│  VISUALIZATION                                              │
│  ├── Queue Position + Participant Labels                    │
│  ├── Cluster Graph (known MM clusters)                      │
│  ├── Alert System (manipulation detected)                   │
│  └── Historical Fingerprint Browser                         │
└─────────────────────────────────────────────────────────────┘

Трейдер терминалда нені көреді

╔═══════════════════════════════════════════════════════════════════════════╗
║  10000 USDT  │  Total: 3,200                                           ║
║──────────────┼───────────────────────────────────────────────────────── ║
║  Breakdown:  │  🤖 MM (cluster#7, ~Wintermute): 800 lots [5 levels]   ║
║              │  🤖 MM (cluster#12, unknown):     400 lots [3 levels]   ║
║              │  ⚠️ Suspicious (spoof score 87):  500 lots [lifetime<2s]║
║              │  🟡 @pro_scalper:                 100 lots              ║
║              │  🔴 MINE:                         10 lots               ║
║              │  👤 Retail / unclassified:         1,390 lots           ║
║──────────────┼───────────────────────────────────────────────────────── ║
║  Queue ahead │  Real: ~1,200 (excl. spoof)       Nominal: 1,800       ║
║  "Clean" ETA │  6.7s (vs nominal 10s)                                  ║
║  Wall type:  │  MM-backed (65% MM volume) — likely to hold             ║
╚═══════════════════════════════════════════════════════════════════════════╝

Хабарламалар (alerts)

• 🔴 Сіздің баға деңгейіңізде spoof анықталды — ордеріңіздің алдында күдікті блок табылды
• 🟡 MM шегінуі — маркет-мейкер котировкаларын алып тастады, өтімділік төмендеді
• 🟡 Squeeze дайындығы анықталды — мекенжайлар кластері позиция жинақтап, өтімділікті алып тастап жатыр
• 🟢 Қабырға нығайтылды — деңгейіңізге белгілі MM тарапынан көлем қосылды

7-бөлім: этика және шектеулер

Не қолайлы, не қолайлы емес

Қолайлы және қолдау көрсетіледі:

• Өз сауда шешімдері үшін анонимді қатысушыларды түрі бойынша жіктеу
• Кері селекциядан қорғану үшін манипуляцияны анықтау
• Нарық құрылымын түсіну үшін DEX-те мекенжайларды кластерлеу

Қолайсыз:

• Әмиян мекенжайлары бойынша жеке тұлғалардың анонимділігін бұзу
• Анықталған үлгілерді келісімсіз сату
• Деректерді нарықты манипуляциялау үшін пайдалану

Шектеулер

1. Бейімделгіш алгоритмдер — озық MM-дер кездейсоқтықты қосады
2. Режим ауысуы — бір бот нарық режиміне байланысты мінез-құлқын өзгерте алады
3. Жалған позитивтер — екі қатысушының параметрлері кездейсоқ түрде ұқсас болуы мүмкін
4. CEX ашық еместігі — L3 деректері CEX-те қолжетімсіз

Қорытынды: кітапты оқудан қатысушыларды оқуға дейін

Дәстүрлі трейдер көретіні: 10000 деңгейінде 2,400 лот. Озық трейдер көретіні: "менің ордерім кезекте 1,800-ші, ETA — 15 секунд." Бірақ мінез-құлықтық саусақ ізін пайдаланатын трейдер көретіні:

"Сол 2,400-нің 800-і — маркет-мейкер (мүмкін, Wintermute), қабырға берік. 500-і күдікті spoof, алдымдағы нақты кезек 1,800 емес, 1,300. Түзетілген ETA — 10 секунд. Маркет-мейкер котировкаларын алып тастамай тұр — демек, қазірше үлкен қозғалыс күтілмейді."

Әрбір жаңа ақпарат қабаты — артықшылық. Жылдамдықтан айырмашылығы, ордер кітабын түсіндіру сапасы — retail трейдер бәсекеге түсе алатын сала.

Marketmaker.cc-те біз осы жүйені — кезектегі позициядан бастап мінез-құлықтық саусақ ізіне дейін — біртұтас өнім ретінде құрып жатырмыз.

Сериядағы алдыңғы мақала: "Қабырға ішіндегі кезек: ордер кітабының тығыздығындағы позицияны талдау"

Әдебиеттер және қосымша оқу

• Kirilenko A., Kyle A., Samadi M., Tuzun T. — "The Flash Crash: High-Frequency Trading in an Electronic Market" (CFTC, 2011)
• Paddrik M., Hayes R., Scherer W., Beling P. — "Gaussian Process-Based Algorithmic Trading Strategy Identification" (CFTC / OFR, 2014)
• Cont R. et al. — "Unsupervised spectral clustering of trader order flow" (2023)
• FIDR-SCAN — "Explainable Machine Learning for HFT Dynamics Discovery" (2024)
• Do B.L., Putniņš T.J. — "Detecting Layering and Spoofing in Markets" (SSRN, 2023)
• Hawkes A.G. — "Spectra of Some Self-Exciting and Mutually Exciting Point Processes" (Biometrika, 1971)
• Avellaneda M., Stoikov S. — "High-Frequency Trading in a Limit Order Book" (Quantitative Finance, 2008)