零点零四零个价位：交易所该在什么时候干预

做市商学出来的策略有个习惯：报宽价。价差宽的时候少赚，但风险也低。学到最后它们会稳定在一个偏宽的报价上，交易者付的钱就多。

交易所可以干预。把更多订单路由到更紧的报价上，看起来直接。但这里有个陷阱：宽价可能是真实风险的反映，不是做市商在偷懒。

10 月 13 日提交的一篇论文处理的是这个更麻烦的问题：即使你确认了干预有效，怎么证明它有效是因为选对了时机，而不是因为别的？

🎯 四种解释，四种可能

论文先把问题拆开。学出来的做市商会稳定在宽报价上，这时候交易所把订单流更多地推向紧报价，端到端看起来是有效的。但端到端的对比无法区分四种机制：

• 规则干预的次数更多
• 规则挑中的时机更好
• 规则被提前公告了
• 规则本身就是在奖励紧报价

论文提出的方法叫 SOFA，State-aligned Order-Flow Allocation，由三部分组成。

状态打分器用滞后的公开数据对市场状态排序。这一步是整套方法的关键：滞后的意思是它不能看到未来，只用已经发生的数据。

承诺调度器在做市商报价之前就公布这一轮的干预强度，并且是有预算上限的。提前公布这一点很重要，它堵掉了「做市商因为知道要被干预所以主动收紧报价」这条路径。

报价到订单流分配器把一部分有界的固定客户需求推向更紧的报价。有界和固定这两个限定词都是刻意的：需求总量不因为干预而虚增。

🔬 让做市商重新适应

光有机制不够，还得有干净的对照。论文设计了一套配对再适应协议：给互相竞争的规则相同的干预强度，只改变时机；让做市商从同一个检查点出发重新适应每一条规则；然后一次只断开一条链路。

一次只断一条链是这个设计的核心。如果同时动多处，得到的结果无法归因。

实验设定是 20 个独立训练出来的做市商群体，跑在 ABIDES 市场上。

结果：把干预集中到打分器判为低风险的状态上，在全部 20 个群体里都让低风险执行成本相对随机时机下降，平均是 0.040 个价位。tick 是市场最小报价单位。而如果公告是过期的，或者报价到订单流的链路被断开，这个成本反而上升。

换句话说，收益确实来自状态对齐这一个环节。公告时机和路由链路两头都做了反向验证。

⚖️ 一个不太漂亮的结论

论文自己在摘要里点出了一个负面结果，这个结果比正面结果更值得注意。

在主要设定下，收益是从高风险交易的代价上升里换来的。高风险交易的成本会涨。

于是有一个盈亏平衡点：状态对齐只对「低风险成本的权重超过高风险成本权重的 1.38 倍」的交易所划算。

1.38 这个数字是论文给的门槛。它来自两种成本的相对变化，算的是加权净收益过零的位置。低于这个权重比，交易所花的钱比省下的多。

一个让一部分参与者变差的机制，被论文自己算出了一个适用边界并写进了摘要。这是这类论文里少见的处理方式。

🧩 这套方法没覆盖什么

论文把方法限定为「公开订单流合约」，是给交易所设计的机制，不是给交易者的策略。适用范围也限定在有做市商的学习型环境里。ABIDES 是一个模拟环境，二十个群体是学出来的智能体，与真实市场的做市商不同。

真实市场里没有「从同一个检查点重新适应」这个条件。做市商不会在你发一条新规则的时候集体回到某个历史状态。所以论文的对照协议在概念上很干净，在实操上做不到。

另外这套方法依赖一个前提：存在一个可以从滞后公开数据里算出来的风险排序。打分器排得好不好，决定了状态对齐有没有意义。论文把打分器当成给定的组件，没有讨论它的构造与误差如何传播到最终收益。

📌 剩下的疑问

论文给出的 1.38 倍门槛是一个静态数字。真实市场的风险分布在时间上会变，低风险与高风险的划分本身在漂移。用一个在某个时期算出的权重比去指导另一个时期的干预，可能本身就是一种过拟合。

值得盯的是打分器的稳定性。如果市场结构变了而打分器没变，状态对齐会退化成随机时机，而后者在论文的对照里是基线本身。