你在摊位上同时挂出收购价和售价，转身看了一眼手机。就在这一秒，别处的价格已经变了。熟悉行情的人只会在你的旧价格对自己有利时成交，亏损则留给你。做市商面对的正是这道速度题：报价晚更新一秒，究竟值多少钱？如果不能更快，又要筛掉多少知情订单才能补回来？
Aleksei Adadurov 等人的论文把两种防御放进同一套盈亏账：更快撤改报价，以及筛查知情订单流。前者缩短旧报价暴露的时间，后者减少会利用旧报价的交易。论文再用四个 USDC-WETH 池做校准，给出从十二秒降到一秒的比较。
本文数字与结论均来自该论文这一项信源，尚未得到独立复核；实证样本也只覆盖 2026 年 6 月至 8 月、四个池和一个中心化交易所基准。
旧报价像一张送给快手的选择权
做市商同时报买价和卖价。两者之间的差叫买卖价差，它不只是利润，也用来补偿运营成本、库存风险，以及被更知情的交易者占便宜的损失。论文关注的是其中最后一项。
假设外部公允价格已经上涨，做市商的卖价却还没更新。看见新价格的人会立刻按旧卖价买入；若价格下跌，他们则会从旧买价卖出。反过来，当价格变化没有越过价差时，他们不交易。也就是说，知情交易者拿到了一张选择权：有利才成交，不利就离开。
这就是陈旧报价（stale quote）。由此产生的损失属于逆向选择（adverse selection）：来成交的人并非随机出现，而是更可能知道短期价格往哪边走。
论文用“盈亏平衡半价差”给这张选择权定价。半价差是买卖报价宽度的一半；盈亏平衡则意味着，普通订单贡献的价差收入，刚好抵消未被筛掉的知情订单造成的预期损失。模型不计库存、融资等其他成本，因此这里算出的不是现实做市商的完整报价，而是陈旧报价风险单独需要多宽的保护垫。
一把尺怎么同时量速度和筛查？
关键变量是价格在报价暴露期间的“创新”，也就是外部参考价格在这段时间里新发生、设价时尚不知道的变化。论文计算价格变化超过半价差的那一部分预期损失：没越过价差，不会触发知情交易；越得越远，做市商损失越大。
缩短更新间隔，会改变这段价格创新的分布。筛查订单流，则在损失发生前拒绝一部分知情机会。论文设定的筛查很理想化：它不误伤普通订单，而且被拒绝的知情订单与机会大小无关。因此，筛掉某一比例的知情机会，就等比例削减预期知情损失。
在这个设定下，作者给出一个精确的盈亏平衡条件：先算出更快、完全不筛查的场所需要多宽的价差；再问较慢场所在同一价差下会多承担多少损失。慢场所必须筛掉的最低比例，就是把这部分额外陈旧损失抵消掉的比例。说白了，它回答的是：“慢下来的代价，要靠多强的订单筛查才能买回来？”
这个结果只要求价格创新可积，也就是价格变化绝对值的期望有限。它不要求价格服从正态分布，也不要求方差有限，所以容得下突然跳价、某些价格变化集中在同一点，以及极厚尾部。作者强调，做市商真正要付钱的不只是波动有多宽，还包括尾部是什么形状。
慢十一秒，模型算出84.5%
论文研究了四个 USDC-WETH 池，以 Binance ETH-USDT 作为外部参考价格。2026 年 6 月至 8 月的样本显示，一秒价格创新明显偏离 Gaussian（高斯或正态）分布：73% 的秒内价格没有变化。
按这组经验分布校准，把报价更新间隔从十二秒缩短到一秒，可减少 84.5% 的预期冲击。映射到论文的盈亏平衡模型，一名十二秒更新的做市商，至少要筛除 84.5% 的知情订单流，才能匹配一秒更新、但完全不筛查的场所。若强行采用 Gaussian 模型，同一比例只有 71.1%。后者是模型反事实，不是另一组实测结果。
两者相差 13.4 个百分点，说明正态分布会改写这笔速度账。这里的 84.5% 也不能直接理解成现实系统实际拦截了多少订单。它是建立在“筛查不误伤普通流量、且与知情机会的获利程度无关”等条件上的模型等价率。
论文还考察了趋势市场。在外部价格持续朝某个方向移动时，陈旧池子会在成交时被挑选：顺趋势成交的有效价差，比逆趋势成交低 11.1 个基点，即 0.111 个百分点；四个池的方向一致。这与模型直觉相符：当报价落后于行情，交易者更愿意打向已经变便宜的那一侧。
漂移不是一定要付的速度税
如果价格存在可预测漂移——也就是下一段价格变化的平均方向并非零——仍把报价中心钉在当前即期价格上，所需价差会变宽。但论文认为，这首先是报价中心放错了位置。若将中心移到预期参考价格，漂移造成的额外成本会消失，价差回到无漂移情形。
这一区分很重要。价格的不确定变化需要更宽的保护；已经能够预测的方向变化，原则上可以通过移动报价中心处理。速度负责缩短暴露窗口，筛查负责减少有毒流量，重新定中心则处理可预测方向。三者不是同一件事。
为什么值得关注
低延迟投入常被描述成“越快越好”，订单筛查也常被单独讨论。这篇论文的价值，是把二者换算成同一种经济量：为维持相同盈亏平衡价差，慢速场所需要拒绝多少知情流量。
这让技术投入有了可比较的问题形式。一个场所若无法缩短更新间隔，就必须判断自己能否达到相应的筛查强度；若筛查能力有限，更快重定价能减少多少陈旧报价损失，也可以沿同一框架衡量。它不是给出“一秒的统一价格”，而是说明一秒的价值取决于暴露期限、知情流量占比，以及价格变化的完整分布，尤其是尾部形状。
局限与未知
- 实证范围很窄：只有三个月、四个 USDC-WETH 池，并以 Binance ETH-USDT 为单一参考。USDT 与 USDC 的差异、跨场所基差，以及采样和清洗方式，都可能影响 73% 的静止秒和后续校准，不能外推到所有资产与市场状态。
- 筛查率依赖理想化定义。基准模型假设筛查没有成本、不拒绝普通订单，也不会优先拦截损失最大的知情订单；现实分类器若有误判，其经济效果会不同。
- 摘要未说明 11.1 bps 的四池汇总或加权口径。四池方向一致也不代表每个池的结果都达到统计显著。模型还排除了库存、融资、订单冲击和普通交易者对价格的需求反应，因此不能把阈值直接当成完整的商业回报测算。