Liquidatiecascade als handelssignaal: gedwongen, vooraf aangekondigde flow lezen

De meeste marktstromen zijn geheim totdat ze worden gedrukt. Een discretionaire verkoper besluit te verkopen wanneer hij daartoe besluit; je leert hun bedoeling achteraf van de tape. Liquidaties met hefboomwerking vormen de uitzondering, en de uitzondering is enorm. Een liquidatie is gedwongen – de positiehouder heeft geen zeggenschap over de vraag of dit gebeurt – en het is vooraf aangekondigd – de exacte prijs waartegen deze wordt afgevuurd is een deterministische functie van parameters die, on-chain, volledig openbaar en off-chain, statistisch schatbaar zijn. Elke long met hefboomwerking is een staande verkooporder op de markt tegen een prijs die wordt uitgezonden naar iedereen die deze wil berekenen.

Dat herkadert de hele zaak. Het [begeleidende artikel over de liquidatiemechanismen van Aave en Compound] (/blog/onchain-liquidations-aave-compound) behandelt liquidaties van de kant van de curator – de infrastructuurrace om degene te zijn die de oninbare schulden terugbetaalt en de bonus int. Dit artikel neemt de kant van de handelaar over hetzelfde onderwerp: niet "hoe win ik de liquidatie", maar "het totaal van de liquidatieprijzen van alle anderen is een kaart van toekomstige gedwongen stroom, en ik kan tegen die kaart handelen." We bouwen twee versies van de kaart – een exacte versie op de keten, een vage versie op CEX-daders – kwantificeren wanneer een keten van liquidaties zichzelf versterkt, en geven nauwkeurig aan wat de resulterende stroom met de prijs doet.

De dieptegrafiek van de on-chain liquidatie

Op een geldmarkt wordt de liquidatieprijs van een positie niet geschat. Het is afgeleid. Denk aan de gezondheidsfactor uit de mechanics primer: een positie is liquideerbaar wanneer

$HF = \frac{\sum_i C_i \, P_i \, LT_i}{\sum_j D_j \, P_j} < 1$

met $C_i$ de bedragen van de zekerheden, $P_i$ hun orakelprijzen, $LT_i$ de liquidatiedrempels, en $D_j P_j$ de schuldwaarden. We zullen dit niet opnieuw afleiden; wij keren het om. Neem het algemene geval: één enkel volatiel onderpand $C$ (zeg WETH) om stabiele schulden te financieren $D$ (USDC). Instelling $HF = 1$ en het oplossen van de onderpandprijs levert de triggerprijs van de positie op:

$P_{\text{liq}} = \frac{D}{C \cdot LT}$

Dat ene nummer is wat de lener heeft geadverteerd. Er staat: als WETH aanraakt $P_{\text{liq}}$ volgens het orakel wordt deze positie een gedwongen aanbod. En de omvang van dat aanbod is ook bekend: bij de trigger betaalt een curator terug $\text{closeFactor} \times D$ van schulden en neemt beslag op de waarde van onderpand $\text{repay} \times (1 + \text{bonus})$, zo ongeveer

$Q_{\text{forced}} \approx \text{closeFactor} \cdot D \cdot (1 + \text{bonus})$

van de waarde van het onderpand komt op de markt (of wordt afgedekt) wanneer de positie wordt geactiveerd.

Neem het concrete standpunt uit de handleiding over de mechanica: 10 WETH gestort op $3.000, 20.000 USDC geleend, liquidatiedrempel$LT = 0.83$, bonus 5$P_{\text{liq}} = 20{,}000 / (10 \times 0.83) = \char36 2{,}410$, en bij een close-factor van 50$0.5 \times 20{,}000 \times 1.05 = \char36 10{,}500$van gedwongen WETH-aanbod tegen die prijs. Eén lener, één balk op de kaart. Doe dit voor elke lener in het protocol en verzamel de resultaten$P_{\text{liq}}$, en je hebt een histogram: gedwongen verkoop notioneel als functie van de prijs. Dat is de on-chain liquidatiedieptegrafiek – de DEX-native neef van een orderboek, behalve dat de ‘orders’ onvrijwillig zijn en hun prijzen worden berekend en niet genoteerd.


Drie eerlijkheidswaarschuwingen zorgen ervoor dat dit geen fantasie is:

1. Multi-assetposities hebben geen enkele triggerprijs. Een positie met twee volatiele onderpanden en twee schulden liquideert op een oppervlak in prijsruimte, geen punt. De praktische reductie is om de trigger te berekenen langs de as van het dominante volatiele onderpand, terwijl elke andere orakelprijs op zijn huidige waarde wordt gehouden. Dat is correct voor een beweging in één actief en verkeerd voor een gecorreleerde basketbeweging – wat van belang is, omdat gecorreleerde crashes precies plaatsvinden wanneer veel triggers samen bewegen. Behandel het afzonderlijke activum $P_{\text{liq}}$ als een eerste-orde marginaal, niet als een garantie.
2. Gedwongen verkoop $\neq$ marktdump op één locatie. Bekwame curatoren verkopen niet blindelings in beslag genomen onderpand op de markt in de dunste beschikbare voorraad; ze lopen over DEX en CEX, en houden vaak een dader vast en delta-hedge in plaats van het onderpand onmiddellijk te realiseren (het exit-swap-probleem waar de mechanics primer over stilstaat). Dus $Q_{\text{forced}}$ is een bovengrens voor de prijsbeïnvloedende stroom, geen puntschatting. Een deel ervan lekt in heggen die nooit in contact komen met de plek.
3. Triggers bewegen mee met het orakel, niet met de markt. Op Aave en Compound wordt de positie liquideerbaar wanneer het orakel kruist $P_{\text{liq}}$, en orakels updaten de cadans van afwijkingen en hartslag, waardoor ze achterblijven bij de markt. De dieptekaart is daarom een ​​kaart van waar geforceerde stroming in aanmerking komt, afgesloten door de volgende orakeluitzending - een subtiliteit die in de primer tot in detail wordt behandeld.

Een derde bron bevindt zich tussen de geldmarktgrafiek en de CEX-heatmap: perp DEXs. Hyperliquid, GMX en dYdX v4 voeren perpetuals met hefboomwerking uit, zoals een gecentraliseerde beurs, maar houden de positiestatus on-chain of in een bevraagbaar clearinghouse. Dat betekent dat hun liquidatieprijzen voldoen aan dezelfde formule met geïsoleerde marges als CEX-daders – maar berekend op basis van werkelijke posities (omvang, onderpand, instap) in plaats van geschat op basis van de totale OI. De clearinghouse-staat van Hyperliquid maakt de marge en de markprijs van elke rekening zichtbaar; GMX-posities zijn on-chain en worden via keepers tegen orakel-afgeleide prijzen geliquideerd. Het praktische resultaat: voor dader-DEX's kun je een liquidatiekaart bouwen met een hefboomwerking in CEX-stijl, maar met precisie in de ketenstijl, veel dichter bij de nauwkeurigheid van de Aave-grafiek dan bij het giswerk van de heatmap. Wanneer een locatie vacatures publiceert, hoef je nooit te raden.

Zelfs met de kanttekeningen is de on-chain-grafiek de schoonste geforceerde stroomkaart die waar dan ook op de markt bestaat: geen aanname over de verdeling van de hefboomwerking, geen verborgen omvang, elke input is leesbaar vanuit de staat.

De heatmap van de CEX-liquidatie

Gecentraliseerde eeuwigdurende uitwisselingen geven u de tegenovergestelde situatie: een veel grotere open rente en bijna geen details op positieniveau die de on-chain grafiek exact maken. Je kunt geen individuele posities lezen. Wat u kunt lezen is de totale open rente en het verhandelde volume. De liquidatie-heatmap is wat u krijgt als u de dieptegrafiek probeert te reconstrueren op basis van die aggregaten plus aannames, en de aannames zijn dragend.

De rekenkunde per positie is eenvoudig. Voor een lineair met geïsoleerde marges (USDT-settled) lang ingevoerd tegen prijs $E$ met hefboomwerking $L$ en onderhoudsmarge $m$, liquidatie brandt wanneer het eigen vermogen aan de alimentatievereiste voldoet:

$\frac{E}{L} + (P - E) = E \cdot m \quad\Longrightarrow\quad P_{\text{liq}}^{\text{long}} = E\left(1 - \frac{1}{L} + m\right)$

en symmetrisch $P_{\text{liq}}^{\text{short}} = E\left(1 + \frac{1}{L} - m\right)$. Corrigeer een vermelding op $E = \char36 3{,}000$ met $m = 0.5\%$ en bewandel de hefboomniveaus:

De vorm van die kolom is de reden dat heatmaps net onder de recente koers oplichten: posities met een hoge hefboomwerking worden binnen een haartje na binnenkomst geliquideerd, dus overal waar onlangs volume werd verhandeld, bevindt zich een dichte band van 50-100× triggers op een fractie van een procent afstand. De heatmapbouwer gaat verder: behandel het recente verhandelde volume als een proxy voor waar posities geopend zijn (hun $E$), spreid dat volume over een veronderstelde reeks hefboomniveaus – 5×, 10×, 25×, 50×, 100× met enkele veronderstelde gewichten – projecteer elk segment op zijn $P_{\text{liq}}$, en schaduw de prijsas door de geschatte hefboomwerking die daar liquideert. Heldere banden zijn geschatte liquidatiezones met hoge dichtheid.

Wees expliciet over waarom dit een vaag beeld is en niet de tweelingbroer van de ketengrafiek:

• De verdeling van de hefboomwerking is onbekend. De gehele heatmap is een convolutie van het volume tegen een verondersteld hefboomhistogram. Verschillende aannames verplaatsen de heldere banden. Twee gerenommeerde dataleveranciers publiceren op dezelfde dag zichtbaar verschillende heatmaps voor dezelfde markt, en beide hebben "gelijk" gezien hun eerdere bevindingen.
• Kruismarge breekt de formule per positie. De $P_{\text{liq}}$ hierboven is een resultaat met een geïsoleerde marge. Een cross-marginpositie wordt geliquideerd op eigen vermogen, dus de effectieve trigger hangt af van de andere posities van de handelaar, zijn ongerealiseerde PnL en eventueel onderpand dat hij halverwege de zet aanvult – en niets daarvan is waarneembaar. De omvang van de marges is feitelijk onzichtbaar voor de schatter.
• Verborgen en dynamische omvang. Open rente is een netto-plus-bruto totaal; het vertelt u niet de toewijzing van OI aan individuele vermeldingen. Handelaren voegen voortdurend toe, trimmen en hedgen. Gelaagde onderhoudsmarge ($m$ stijgt met de theoretische positie) verschuift de triggers van grote posities ten opzichte van kleine posities met dezelfde hefboomwerking.
• Liquidatie gebeurt in delen, niet onmiddellijk. Beurzen liquideren stapsgewijs grote posities en leiden het resterende risico via een verzekeringsfonds en automatische schuldafbouw, zodat zelfs een correct gelokaliseerd cluster niet als één afdruk wordt gedumpt.

De juiste manier om de heatmap vast te houden is als een voorafgaand aan waar de geforceerde stroom waarschijnlijk geconcentreerd is, bevestigd of weerlegd door gerealiseerde liquidatieafdrukken (de forceOrder stream in het pijplijngedeelte hieronder), niet als grootboek. Het is echt nuttig en echt onnauwkeurig, en door het tegendeel te doen, worden mensen overspoeld door de clusters waarnaar ze kijken. Voor waarom er in de eerste plaats zoveel invloed op de daders ontstaat – en waarom de financieringskosten deze posities in de richting van hun triggers blijven duwen – zie funding rate arbitrage across exchanges.

Cascadedynamiek, gekwantificeerd

Eén enkele liquidatie is een datapunt. Een cascade is de feedbacklus en heeft een drempel die u kunt opschrijven. De cirkel is mechanisch: een gedwongen verkoop treft het boek → prijsimpact brengt de markt in beweging → de beweging duwt het volgende niveau van posities voorbij hun trigger → die liquideren → meer gedwongen verkopen → herhalen. Of dit sist of wegloopt, is geen kwestie van sentiment; het is een verhouding van twee hoeveelheden die je al hebt gebouwd.

Werk met fractionele prijsdalingen $r = -\Delta P / P$. Twee ingrediënten:

• Liquidatiedichtheid $\rho$ — Geforceerde verkoop notionele prijsdaling per eenheid, lees rechtstreeks uit de dieptegrafiek / heatmap: $\rho = -\,dQ / dr$. Het meet hoeveel brandstof er in een prijsklasse is gestapeld.
• Marktdiepte $\Delta$ — het idee van marktverkoop dat nodig is om de prijs met één eenheid te laten stijgen $r$. Onder een lineair (Kyle) impactmodel, fictief verkopen $Q$ beweegt de prijs met zich mee $r = Q / \Delta$. Dit is het vermogen van het orderboek om geforceerde stromen te absorberen, en het is precies de hoeveelheid waar de orderboekmuur en wachtrijpositieanalyse over gaat – een ‘muur’ is een lokale piek in $\Delta$.

Herhaal nu. Een exogene schok doet de prijs dalen $r_0$, triggeren $Q_0 = \rho \, r_0$ van gedwongen verkoop. Die verkoop zorgt voor een verdere daling $r_1 = Q_0 / \Delta = (\rho/\Delta)\, r_0$. Definieer de cascadevermenigvuldiger

$g = \frac{\rho}{\Delta}$

en de recursie is eenvoudig $r_{n+1} = g \, r_n$. De totale daling is een geometrische reeks:

$r_{\text{total}} = r_0 \left(1 + g + g^2 + \cdots\right) = \frac{r_0}{1 - g} \quad (g < 1)$

Alles leeft in de waarde van $g$:

• $g < 1$ — subkritisch. Elke liquidatieronde leidt tot minder verkopen dan de voorgaande ronde. De cascade dooft vanzelf; de totale zet is een begrensd veelvoud $1/(1-g)$ van de eerste schok. De meeste liquidatie-evenementen zijn hier.
• $g \ge 1$ — superkritisch. Elke ronde genereert minstens evenveel verkopen als de vorige. De geometrische reeks divergeert; de stap wordt alleen begrensd door de uitputting van liquideerbare posities, de verdieping van de portefeuille tegen lagere prijzen, of een wisselstroomonderbreker. Dit is het ‘flash crash/long squeeze’-regime.

$g$ is een reproductienummer — de $R_0$ van een liquidatie-epidemie. Het zegt dat de cascade precies wegloopt wanneer de gedwongen verkoopliquiditeit, geclusterd in een prijsklasse, groter is dan de boekliquiditeit die beschikbaar is om deze daar te absorberen. Dat is de reden waarom een ​​bescheiden schok in een dicht cluster op een dun boek veel gevaarlijker is dan een grote schok in een lege prijsruimte: het gevaar is $\rho / \Delta$, niet de schokgrootte. Deze zelfopwekkende structuur – gebeurtenissen die meer gebeurtenissen van dezelfde soort teweegbrengen – is dezelfde structuur die het modelleren van de orderstroom met Hawkes-processen motiveert, en is de reden waarom liquidaties eerder in clusters dan uniform plaatsvinden.

Zet er cijfers op. Stel dat het boek zodanig is dat $10 miljoen aan marktverkopen de ETH met 1$\Delta = 10\text{M} / 0.01 = \char36 1\text{B}$ van de notionele fractionele prijs per eenheid. Vergelijk nu twee regimes voor de 1% brede band net onder de vlek:

• Dichte band, $30 miljoen aan geclusterde nominale gedwongen verkoop. Dan $\rho = 30\text{M} / 0.01 = \char36 3\text{B}$ En $g = \rho/\Delta = 3$. Superkritisch: een schok die de bovenkant van de band doorsnijdt, laat de hele stapel ontploffen, en de modelvloer wordt niet gezet door $g$ maar overal waar de posities opraken.
• Sparse band, $6M geclusterd notioneel. Dan $\rho = \char36 600\text{M}$, $g = 0.6$, en de totale zet is $r_0 / (1 - 0.6) = 2.5\,r_0$ – een versterkte maar begrensde dip. Dezelfde schok, hetzelfde boek, een vijfvoudig dunner cluster, en de uitkomst verandert van instorting in een koopbare lont.

De discrete versie is een korte simulatie van de gesorteerde clusters, en het is de moeite waard om te schrijven omdat het de drempel tastbaar maakt:

def cascade(p0, clusters, kyle_lambda):
    """
    p0:          price after the exogenous shock
    clusters:    {trigger_price: forced_notional} for long positions
    kyle_lambda: fractional price impact per $ of market sell (1/depth)
    Returns the floor price and total liquidated notional.
    """
    p, sold, fired = p0, 0.0, set()
    while True:
        new = [(tp, n) for tp, n in clusters.items()
               if tp not in fired and tp >= p]
        if not new:
            break
        q = sum(n for _, n in new)          # this round's forced sell
        fired.update(tp for tp, _ in new)
        p *= (1 - kyle_lambda * q)          # linear price impact of the round
        sold += q
    return p, sold

Twee praktische opmerkingen. Eerst, $g$ is lokaal — het varieert langs de prijsas, omdat beide $\rho$ (clusterdichtheid) en $\Delta$ (boekdiepte) doen. De verhandelbare vraag is niet ‘is de markt kwetsbaar’, maar ‘tegen welke specifieke prijs dat wel is’ $g$ kruis 1.' Ten tweede werkt hetzelfde mechanisme in omgekeerde volgorde voor shorts op weg naar boven (een short squeeze is een cascade met de borden omgedraaid), dus de kaart heeft twee kanten: brandstof voor lange liquidatie onder de plek, brandstof voor korte liquidatie erboven. De lus van gedwongen verkopen-verwekt-prijs-impact-verwekt-gedwongen-verkoop is het mechanisme voor endogene risico's dat is geformaliseerd in de literatuur over brandverkoop (Cont & Wagalath), waar noodlijdende liquidatie haar oorsprong vindt. eigen correlatie en impact.

Signalen: clusters als magneten en omkeerzones

Een kaart van geforceerde stroming genereert twee verschillende, bijna tegengestelde, verhandelbare metingen, afhankelijk van timing ten opzichte van de cascade.

Vroeger: clusters zijn prijsmagneten. Een dichte liquidatiecluster is een pool van gegarandeerde, prijsongevoelige stromen. Dat is aantrekkelijk voor twee soorten actoren: liquiditeitszoekende handelaren die hun omvang willen opvullen tegen gedwongen tegenpartijen, en roofzuchtige handelaren die de prijzen specifiek naar het cluster duwen om de stroom op gang te brengen (de stop-hunt, op protocolschaal). Het resultaat is een goed gedocumenteerde tendens dat de koersen in de richting van grote clusters evolueren – het niveau werkt als een magneet – omdat er een blijvende prikkel bestaat om de afstand te overbruggen. Wanneer je de vlek bij lage overtuiging naar een heldere band ziet afdrijven, is de band zelf een deel van de verklaring. Het voorspellen van de reactie van het boek naarmate de prijs dichterbij komt – zal de muur de stroom of de vouw absorberen – is precies het soort orderboekvoorspellingsprobleem op de korte horizon dat modellen als DeepLOB aanvallen.

Na: clusters zijn omkeerzones. Dit is de waardevollere en meer misbruikte waarde, dus vermeld het zorgvuldig. De stroom van gedwongen liquidatie is per definitie niet-informatief: de verkoper verkoopt niet omdat hij van mening is dat de prijs te hoog is; ze verkopen omdat een marge-engine hen dat opdroeg. Niet-informatieve stroom brengt de prijs tijdelijk in beweging. Zodra de geclusterde posities zijn uitgeput, stopt de mechanische verkoop abrupt, en als de cascade op weg naar beneden de reële waarde overschrijdt, heeft de prijs de neiging zich terug te trekken – de ‘liquidatielont’. Het mechanisme is geen folklore: het is het standaardresultaat dat de prijsimpact van gedwongen, ongeïnformeerde verkoop een voorbijgaande component heeft die terugkeert zodra de stroom ophoudt, dezelfde logica van uitverkoop die tijdelijke ontwrichting en daaropvolgende gedeeltelijke omkering veroorzaakt in de literatuur over noodlijdende aandelen.

De discipline die dit vraagt, zo rond mogelijk geformuleerd:

• Gemiddelde terugkeer na een cascade is een gedocumenteerde tendens, geen wet, en geen getal. Het is afhankelijk van de voorwaarde dat de stroom werkelijk niet-informatief is geweest en dat er tijdens de cascade geen nieuwe informatie binnenkomt. Een liquidatiecascade die ook de herprijzing van de markt is op basis van echt nieuws (een depeg, een exploit, een macroschok) zal niet terugkeren – de gedwongen stroom en de informatiestroom worden over elkaar heen gelegd, en alleen de eerste is van voorbijgaande aard. Er is geen universeel 'koop de lont'-voordeel, en elk specifiek terugvalpercentage dat u ziet worden geciteerd zonder een vermeld monster, locatie en regime moet worden behandeld als marketing.
• Het signaal is de uitputting, niet de daling. Het verhandelbare moment is het moment waarop de gerealiseerde liquidatieprints afnemen – wanneer de forceOrder tape wordt stil na een burst - want dan is de mechanische verkoper weg. Midden in een superkritische cascade betreden ($g \ge 1$) stapt voor op de feedbacklus waarvoor de vorige sectie waarschuwde.
• Beide metingen hebben dezelfde kaart nodig. Magneet en omkering zijn dezelfde clusters die in verschillende fasen worden gezien; je kunt ook niet handelen zonder eerst de dieptegrafiek en heatmap te bouwen en deze voortdurend af te stemmen op gerealiseerde afdrukken.

Er is ook een langzamere, directionele lezing in de asymmetrie van de tweezijdige kaart. Brandstof voor lange liquidatie bevindt zich onder de plek, brandstof voor korte liquidatie erboven; wanneer de ene kant veel zwaarder wordt belast dan de andere, heeft de markt een mechanische neiging naar de zware kant, omdat daar een schok de meest zichzelf versterkende stroom vindt. Een markt met een muur van langdurige liquidaties van 3% lager en bijna niets daarboven is structureel kwetsbaar ten opzichte van de onderkant, ongeacht het verhaal: het pad van de minste weerstand is het pad met de meeste brandstof. Aanhoudende, eenzijdige financiering is vaak wat deze asymmetrie in de eerste plaats in de hand werkt: een markt die longs betaalt om short te blijven (zeer negatieve financiering) accumuleert overvolle shorts waarvan het liquidatiecluster vervolgens boven de prijs zit als squeeze-fuel, en vice versa. De financieringstape en de liquidatiekaart zijn twee weergaven van dezelfde hefboomwerking.

De datapijplijn

Het systeem is een samensmelting van twee feeds met tegengestelde karakters: een toekomstgerichte on-chain positie-index (waar geforceerde stroom in aanmerking komt) en een gerealiseerde CEX-liquidatiestroom (waar geforceerde stroom momenteel *aan het afdrukken is). Eén vertelt je waar de brandstof is; de ander vertelt je dat het is ontstoken.

De voorwaartse kaart – positie-index op de keten. Bootstrap uit de Aave/Compound-gebeurtenisgeschiedenis (Supply, Borrow, Repay, Withdraw, LiquidationCall), hetzij door logboeken opnieuw af te spelen of een subgrafiek op The Graph te bevragen, en deze samen te vouwen in de huidige saldi per gebruiker - het exacte indexeringssubsysteem dat de mechanics primer beschrijft voor liquidatiebots, hier hergebruikt voor aggregatie in plaats van uitvoering. Bereken de balansen plus de huidige risicoparameters voor elke positie $P_{\text{liq}}$ En $Q_{\text{forced}}$en duik in het dieptediagramhistogram. Vernieuwen op nieuwe blokken; het histogram is goedkoop om stapsgewijs bij te houden zodra de balansen live zijn.

De gerealiseerde tape — Binance forceOrder stream. Binance Futures publiceert feitelijke liquidaties via een websocket, wss://fstream.binance.com/ws/!forceOrder@arr (array met alle symbolen) of <symbol>@forceOrder, elke gebeurtenis heeft de kant, de prijs en de hoeveelheid van een liquidatiebevel. Er is één gedocumenteerd probleem, en het is precies het soort onnauwkeurigheid waar we eerlijk over moeten zijn: de publieke stroom wordt gereduceerd tot maximaal één liquidatiegebeurtenis per symbool per seconde – tijdens een gewelddadige cascade, wanneer liquidaties veel sneller arriveren dan 1/s, bemonstert de stroom in plaats van elke vulling te rapporteren, dus het totale liquidatievolume dat daaruit wordt gereconstrueerd, wordt systematisch ondergeteld, precies op het moment dat het er het meest toe doet. Gebruik de stroom voor timing en richting van de cascade (wordt hij afgevuurd, aan welke kant, versnelt hij of wordt hij dunner), niet als een nauwkeurig volumegrootboek.

Een skelet met minimale opname - twee asynchrone producenten die in één genormaliseerde bus schrijven:

import asyncio, json, websockets

async def binance_liquidations(bus):
    url = "wss://fstream.binance.com/ws/!forceOrder@arr"
    async with websockets.connect(url) as ws:
        async for msg in ws:
            o = json.loads(msg)["o"]              # order payload
            await bus.put({
                "src": "binance", "kind": "realized",
                "symbol": o["s"],
                "side": o["S"],                   # SELL = long liquidation
                "price": float(o["p"]),
                "qty": float(o["q"]),             # NB: stream is sampled at 1/s
            })

async def onchain_positions(bus, subgraph, poll=12):
    while True:
        positions = subgraph.fetch_open_positions()   # balances + risk params
        chart = {}
        for pos in positions:
            p_liq = pos.debt / (pos.collateral * pos.liq_threshold)
            q = pos.close_factor * pos.debt * (1 + pos.liq_bonus)
            chart[round(p_liq, 2)] = chart.get(round(p_liq, 2), 0.0) + q
        await bus.put({"src": "aave", "kind": "forward", "chart": chart})
        await asyncio.sleep(poll)                       # ~1 block cadence

async def main(subgraph):
    bus = asyncio.Queue()
    await asyncio.gather(
        binance_liquidations(bus),
        onchain_positions(bus, subgraph),
        consumer(bus),        # reconcile forward map vs realized tape, emit signals
    )

De consumer is waar de strategie leeft: houd de voorwaartse kaart vast (on-chain grafiek plus de geschatte CEX-heatmap), schat de lokale cascade-multiplier $g = \rho/\Delta$ tegen de live diepte van het orderboek, en bekijk de gerealiseerde resultaten forceOrder tape om ontsteking en — het verhandelbare deel — uitputting te detecteren. Wanneer de tape barst en vervolgens dunner wordt terwijl de prijs onder een cluster zit waarvan de kaart zei dat die daar was, heb je een niet-informatieve overshoot waarbij de gedwongen verkoper verdwenen is: de omkering. Wanneer de tape versnelt en $g \ge 1$ verderop heb je een superkritische cascade waar je uit de buurt moet blijven. Dezelfde kaart, tegengestelde acties, en de tape maakt ze in realtime ondubbelzinnig.

Wat mee te nemen

Liquidaties keren de gebruikelijke informatie-asymmetrie van de markten om: in plaats van dat de stroom wordt verborgen totdat deze wordt afgedrukt, kunnen de prijs en de omvang van gedwongen verkopen vooraf worden berekend – precies op de keten, ongeveer op basis van CEX-daders. Bouw de kaart (de dieptegrafiek op de keten is exact tot aan routing en orakelvertraging toe; de ​​CEX-heatmap is vooraf afhankelijk van een onbekende hefboomverdeling en blind voor cross-margin), en de kwetsbaarheid van de kaart wordt teruggebracht tot één verhouding: de cascade-vermenigvuldiger $g = \rho/\Delta$, gedwongen verkoopdichtheid boven boekdiepte, een reproductiegetal dat subkritisch is onder de 1 en daarboven op hol slaat. Het signaal splitst zich per fase – clusters zijn daarvoor magneten, daarna omkeerzones – en de omkeerrand bestaat alleen omdat de geforceerde stroom niet-informatief is en daarom van voorbijgaande aard, een gedocumenteerde tendens die verdampt op het moment dat een cascade samenvalt met echt nieuws. Ruil de uitputting, niet de druppel; respect $g$; en verwar een vage heatmap nooit met een grootboek van waar de lichamen begraven liggen.

Referenties

• Qin, Zhou, Gamito, Jovanovic, Gervais (2021), Een empirisch onderzoek naar DeFi-liquidaties: prikkels, risico's en instabiliteiten. arXiv:2106.06389.
• Kyle, A. S. (1985), Continuous Auctions and Insider Trading. Econometrica 53(6) — de lineaire prijs-impactcoëfficiënt $\lambda$ gebruikt in het cascademodel.
• Cont, R., & Wagalath, L. (2016), Fire Sales Forensics: het meten van endogene risico's. Wiskundige financiën 26(4) — prijsimpact van gedwongen liquidatie en endogene correlatie.
• Bacry, E., Mastromatteo, I., Muzy, J.-F. (2015), Hawkes Processes in Finance. Market Microstructure and Liquidity 1(1) – zelfopwekkende clustering van order- en liquidatiestromen.
• Binance Futures API-documentatie — Liquidatieorderstromen (!forceOrder@arr, <symbol>@forceOrder), inclusief de beperkingsnoot van 1 gebeurtenis per seconde per symbool.
• Aave v3 en Compound III subgrafieken op The Graph; Aaf getUserAccountData en reserverisicoparameters.