البصمة الرقمية للمتداول: كيفية تحديد صانع السوق من خلال سلوكه في دفتر الأوامر

البصمة السلوكية لخوارزمية التداول: أنماط فريدة في التوقيت والحجم والتموضع

كل خوارزمية تترك بصمة فريدة. تعلّم قراءتها — وستعرف من يقف على الطرف الآخر من صفقتك.

المقدمة: دفتر الأوامر كمسرح جريمة

عندما يصل محقق الطب الشرعي إلى مسرح الجريمة، يبحث عن بصمات الأصابع وآثار الأقدام والحمض النووي — أي شيء يربط الحدث بفرد محدد. دفتر الأوامر هو مكان يترك فيه مئات المشاركين "بصماتهم" كل ثانية: أوامر بحجم محدد، بتردد محدد، على مسافة محددة من السعر، بمدة صلاحية محددة.

في البورصات المركزية (CEX)، تكون هذه البصمات مجهولة الهوية — لا ترى سوى الحجم المجمّع عند كل مستوى سعر. لكن حتى من البيانات المجمّعة يمكن تعلم الكثير. وفي بورصات DEX ذات دفتر الأوامر على السلسلة — مثل Hyperliquid — يرتبط كل أمر بعنوان محفظة محدد، وتصبح "البصمات" شخصية.

في هذا المقال، سنستكشف كيفية بناء نظام "بصمات سلوكية" لتحديد أنواع المشاركين وخوارزميات صناعة السوق المحددة.

الجزء الأول: ما هي البصمة السلوكية

مخطط رادار: الأبعاد الخمسة الرئيسية للبصمة السلوكية للمتداول

كل خوارزمية هي مجموعة من القواعد

بوت صناعة السوق هو برنامج يتخذ قرارات بناءً على قواعد صارمة (أو مُتعلَّمة):

• ما المسافة من السعر الوسيط لوضع الأوامر؟ لكل صانع سوق "ملف سبريد" خاص به.
• ما الحجم؟ لوتات مستديرة (100، 500، 1000)؟ أرقام عشوائية؟ حجم ثابت مع ضوضاء ±5%؟
• كم مرة يتم تحديث الأسعار؟ كل 50 مللي ثانية؟ فقط عندما يتغير السعر الوسيط؟ بموقت؟
• كيف يتم الاستجابة للتنفيذ؟ إعادة تسعير فورية؟ توقف مؤقت؟ تحريك الجانب المتبقي؟
• كيف يتم الاستجابة للتقلب؟ توسيع السبريد؟ سحب الأسعار؟ تقليل الحجم؟
• كيف تُدار المخزون؟ انحراف الأسعار عند تراكم المركز؟

كل مجموعة من الإجابات على هذه الأسئلة هي "توقيع" فريد للخوارزمية.

الأبعاد الخمسة للبصمة

┌─────────────────────────────────────────────────────────────────┐
│              البصمة الرقمية للمتداول                              │
│                                                                 │
│  1. التوقيت      │  الفواصل بين الأوامر، الاستجابة               │
│                  │  للأحداث، الأنماط اليومية                     │
│──────────────────┼─────────────────────────────────────────────  │
│  2. الحجم        │  توزيع أحجام الأوامر،                        │
│                  │  نسبة اللوتات المستديرة، التشتت               │
│──────────────────┼─────────────────────────────────────────────  │
│  3. التموضع      │  المسافة من السعر الوسيط،                    │
│                  │  تماثل العرض/الطلب، تثبيت المستوى            │
│──────────────────┼─────────────────────────────────────────────  │
│  4. الاستجابة    │  الرد على التنفيذ، الإلغاءات، قفزات السعر،   │
│                  │  تغيرات التقلب                                │
│──────────────────┼─────────────────────────────────────────────  │
│  5. دورة الحياة  │  متوسط عمر الأمر،                           │
│                  │  شروط الإلغاء، modify مقابل cancel+new       │
│──────────────────┴─────────────────────────────────────────────  │
└─────────────────────────────────────────────────────────────────┘

الجزء الثاني: استخراج الخصائص

عملية Hawkes ذاتية الإثارة: تجمعات أحداث مع تناقص أُسّي

التوقيت: متى وكم مرة

نمط التوقيت هو العنصر الأصعب تزويراً في البصمة. يتحدد بهندسة الخوارزمية، وزمن وصول الشبكة، والعتاد، وحتى المنطقة الزمنية للمطورين.

المقاييس الرئيسية:

• الفاصل بين الأوامر (IOI) — الوقت بين الأوامر المتتالية من نفس المشارك. لبوت HFT، IOI = 50-500 ميكروثانية. للمتداول اليدوي — ثوانٍ إلى دقائق.

• زمن الاستجابة للصفقة — التأخير بين تنفيذ أمر والإجراء التالي. يعكس البنية الداخلية للبوت.

• النمط اليومي — ملف النشاط اليومي. صانع السوق المؤسسي يعمل خلال جلسات التداول. بوت العملات المشفرة يعمل على مدار الساعة.

• الإثارة الذاتية (شدة Hawkes) — مدى قوة "تحفيز" الأمر الحالي للأمر التالي. يُظهر صناع السوق إثارة ذاتية قوية.

لنمذجة أنماط التوقيت، تُعد عمليات Hawkes — العمليات النقطية ذاتية الإثارة — مثالية. معاملات عملية Hawkes (الشدة الأساسية μ، معامل الإثارة α، معدل التناقص β) تشكل "بصمة زمنية" مدمجة للمشارك.

الحجم: كم ومتى وكيف

• توزيع الحجم — توزيع أحجام الأوامر. غالباً ما يستخدم صناع السوق المحترفون لوتات مستديرة مع ضوضاء: 100 ± 5، 500 ± 10.
• ارتباط الحجم-العمق — هل يعتمد حجم الأمر على العمق الحالي للدفتر؟
• عدم تماثل حجم العرض-الطلب — نسبة الأحجام في العرض والطلب. نمط الانحراف هو "خط يد" إدارة المخزون.
• الارتباط الذاتي للحجم — تكرار الأحجام عبر الزمن.

التموضع: أين في الدفتر

• إزاحة السبريد — المسافة من السعر الوسيط بالتيكات أو نقاط الأساس
• تفضيل المستوى — التثبيت بمستويات محددة (أرقام مستديرة؟)
• تماثل التسعير — مدى تماثل أوامر العرض والطلب
• البصمة متعددة المستويات — كم عدد المستويات المسعّرة في وقت واحد

الاستجابة: كيف يرد على الأحداث

• السلوك بعد التنفيذ — ماذا يحدث بعد تنفيذ أمر
• الاستجابة للتقلب — كيف يتغير السلوك عند زيادة التقلب
• نسبة التسعير إلى التداول (QTR) — نسبة تحديثات الأوامر إلى التنفيذات
• الاستجابة للاختيار المعاكس — رد الفعل على حركة السعر ضد المركز

دورة الحياة: دورة حياة الأمر

• توزيع عمر الأمر — متوسط وقت بقاء الأمر
• Modify مقابل Cancel+New — هل يُحدَّث عبر التعديل أم الإلغاء+جديد؟
• تجميع الإلغاءات — هل يُلغي واحداً تلو الآخر أم دفعة واحدة؟

الجزء الثالث: تصنيف المشاركين

تصنيف المشاركين في السوق: صناع السوق، HFT، انتهازيون، أساسيون، ومتداولو الضوضاء

تصنيف المشاركين في السوق

بناءً على الخصائص السلوكية، يمكن تصنيف المشاركين إلى فئات مستقرة. بحث CFTC (Kirilenko et al., 2011):

1. صناع السوق

• تسعير ثنائي الاتجاه (عرض + طلب) لأكثر من 80% من الوقت
• مركز صافٍ صفري أو قريب من الصفر بنهاية اليوم
• QTR مرتفع (>100:1)
• يستجيبون للتقلب بتوسيع السبريد

2. المتداولون عالو التردد (HFT)

• معدل رسائل فائق (>1000 حدث/دقيقة)
• فترة احتفاظ قصيرة جداً (ثوانٍ)
• أوقات استجابة دون المللي ثانية

3. المتداولون الانتهازيون

• تردد معتدل
• يستجيبون لظروف سوق محددة
• توقيت غير منتظم، متجمع حول الأحداث

4. المتداولون الأساسيون

• يراكمون مراكز طويلة الأجل
• تردد منخفض، أحجام أوامر كبيرة
• خوارزميات TWAP/VWAP للتنفيذ

5. متداولو الضوضاء (التجزئة)

• أحجام صغيرة، توقيت غير منتظم
• تفاعليون: يتداولون بعد حركة السعر، لا قبلها
• أوامر سوق عند ذروة التقلب

طرق التصنيف

التعلم الخاضع للإشراف: لبيانات DEX (Hyperliquid)، يمكن تجميع مجموعة تدريب من عناوين صناع السوق المعروفين. نماذج RNN تحقق دقة >85%.

التعلم غير الخاضع للإشراف:

• التجميع الطيفي (Cont et al., 2023) — التجميع بمصفوفة تشابه أنماط تدفق الأوامر
• FIDR-SCAN (2024) — استيفاء الخصائص + تقليل الأبعاد + التجميع القائم على الكثافة
• التعلم المعزز العكسي (CFTC, 2014) — استعادة دالة المكافأة لكل متداول

الجزء الرابع: تحديد صناع سوق محددين

من التصنيف إلى التحديد

التصنيف يجيب على السؤال "هل هذا صانع سوق؟" التحديد يجيب على السؤال "هل هذا صانع السوق المحدد ذاك؟"

بناء متجه البصمة

من الأبعاد الخمسة، نستخرج متجهاً رقمياً — التضمين الخاص بالمشارك:

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)   │
└──────────────────────────────────────────────────────────┘

تجميع العناوين: "مشغّل واحد — N محفظة"

رسم بياني لتجمعات العناوين: مشغّل واحد — محافظ متعددة، مجمّعة حسب التشابه السلوكي

على Hyperliquid، يمكن لصانع سوق واحد العمل من خلال عشرات أو مئات العناوين.

خوارزمية التجميع:

1. لكل عنوان نشط — بناء متجه البصمة خلال نافذة من N ساعة
2. التجميع الهرمي — دمج العناوين ذات المسافة < العتبة
3. التحقق الزمني — التأكد من استقرار التجمع عبر الزمن
4. التحقق عبر الأزواج — إذا كان عنوانان يتداولان أزواجاً مختلفة لكن البصمات متطابقة — إشارة قوية

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%

الجزء الخامس: سيناريوهات التلاعب وبصماتها

الخداع (Spoofing): بصمة الجدار الوهمي

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

الضغط (Squeeze): فخ السيولة

أربع مراحل: تراكم هادئ، إزالة السيولة، سلسلة أوامر الإيقاف، جني الأرباح. الكشف في الوقت الفعلي ممكن من خلال تحديد الانتقال من المرحلة الأولى إلى المرحلة الثانية.

جبل الجليد / التراكم الخفي: البناء الصامت

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

التداول الوهمي (Wash Trading): التعامل الذاتي

عنوانان أو أكثر من نفس التجمع يجلسان في وقت واحد على العرض والطلب ويتداولان مع بعضهما. الهدف: تضخيم حجم التداول.

الجزء السادس: التنفيذ في Marketmaker.cc

هيكلية نظام البصمة السلوكية

┌─────────────────────────────────────────────────────────────┐
│  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                         │
└─────────────────────────────────────────────────────────────┘

ما يراه المتداول في المحطة الطرفية

╔═══════════════════════════════════════════════════════════════════════════╗
║  10000 USDT  │  الإجمالي: 3,200                                        ║
║──────────────┼───────────────────────────────────────────────────────── ║
║  التفصيل:    │  🤖 MM (cluster#7, ~Wintermute): 800 lots [5 levels]   ║
║              │  🤖 MM (cluster#12, غير معروف):  400 lots [3 levels]   ║
║              │  ⚠️ مشبوه (spoof score 87):      500 lots [lifetime<2s]║
║              │  🟡 @pro_scalper:                 100 lots              ║
║              │  🔴 أنا:                          10 lots               ║
║              │  👤 تجزئة / غير مصنف:             1,390 lots           ║
║──────────────┼───────────────────────────────────────────────────────── ║
║  الطابور أمامي│  فعلي: ~1,200 (باستثناء spoof)   اسمي: 1,800          ║
║  ETA "نظيف"  │  6.7 ثانية (مقابل الاسمي 10 ثوانٍ)                    ║
║  نوع الجدار: │  مدعوم من MM (65% حجم MM) — من المرجح أن يصمد         ║
╚═══════════════════════════════════════════════════════════════════════════╝

التنبيهات

• 🔴 كشف خداع عند مستوى سعرك — تم تحديد كتلة مشبوهة أمام أمرك
• 🟡 انسحاب صانع السوق — سحب صانع السوق أسعاره، انخفضت السيولة
• 🟡 كشف إعداد ضغط — مجموعة عناوين تراكم مراكز وتزيل السيولة
• 🟢 تعزيز الجدار — أُضيف حجم من صانع سوق معروف عند مستواك

الجزء السابع: الأخلاقيات والقيود

ما هو مقبول وما هو غير مقبول

مقبول ومشجع:

• تصنيف المشاركين المجهولين حسب النوع لقرارات التداول الخاصة بك
• كشف التلاعب للحماية من الاختيار المعاكس
• تجميع العناوين على DEX لفهم هيكل السوق

غير مقبول:

• كشف هوية الأفراد من خلال عناوين المحافظ
• بيع الأنماط المحددة دون موافقة
• استخدام البيانات للتلاعب بالسوق

القيود

1. الخوارزميات التكيفية — صناع السوق المتقدمون يضيفون عشوائية
2. تبديل النظام — بوت واحد يمكنه تغيير سلوكه حسب نظام السوق
3. الإيجابيات الكاذبة — مشاركان قد يشتركان بالصدفة في معاملات مشابهة
4. عدم شفافية CEX — بيانات L3 غير متاحة على CEX

الخاتمة: من قراءة الدفتر إلى قراءة المشاركين

المتداول التقليدي يرى: 2,400 لوت عند مستوى 10000. المتداول المتقدم يرى: "أمري في المرتبة 1,800 في الطابور، الوقت المتوقع — 15 ثانية." لكن المتداول الذي يمتلك البصمات السلوكية يرى:

"800 من أصل 2,400 هم صانع سوق (على الأرجح Wintermute)، الجدار متين. 500 يُشتبه بأنها خداع، الطابور الفعلي أمامي هو 1,300 وليس 1,800. الوقت المتوقع المعدّل — 10 ثوانٍ. صانع السوق لا يسحب أسعاره — لذا لا يُتوقع تحرك كبير في الوقت الحالي."

كل طبقة جديدة من المعلومات هي ميزة تنافسية. وعلى عكس السرعة، فإن جودة تفسير دفتر الأوامر هي مجال يمكن لمتداول التجزئة المنافسة فيه.

في Marketmaker.cc، نبني هذا النظام — من موضع الطابور إلى البصمات السلوكية — كمنتج موحد.

المقال السابق في السلسلة: "الطابور داخل الجدار: تحليل موضع الأمر في كثافة دفتر الأوامر"

المراجع والقراءات الإضافية

• 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)