← 返回 Quant Digests · 站点首页

Slippage-at-Risk：把 perp 盘口“快要变薄”提前翻译成 size cap / execution veto

基础 alpha：无独立方向性 alpha；它服务于任意已有 raw alpha，把“薄书 + 流动性集中 + 预期冲击成本上升”转成进场 veto、仓位缩放与执行成本上限 是否可独立复现：是 是否可直接落地完整策略（entry/exit/sizing/risk/cost）：是（作为共享 overlay 直接挂到已有 1m/3m/5m/15m perp 策略上）

Slippage-at-Risk：把 perp 盘口“快要变薄”提前翻译成 size cap / execution veto

1. 这次看了什么

如果只看标题，这篇 2026 arXiv 很像“交易所风险管理论文”。但对我们更有用的读法不是保险基金怎么定，而是：把当前盘口深度、OI、流动性集中度，压缩成一个可实时更新的 execution / sizing overlay，挂到已有的 breakout、mean reversion、basis、funding、order-flow alpha 上。

更直白地说，这篇东西不是教你“何时做多/做空”，而是教你在 alpha 方向没变 时，先问一句：这笔单在当前盘口结构下，值得做、做多大、会不会因为流动性坍塌把本来有 edge 的单子做成负 EV？

如果非要回答一句“为什么这轮选 overlay 而不是继续补 raw alpha”：今晚扫到的几条新 raw-alpha 候选里，要么已被 digest 覆盖，要么只能拿到 abstract / metadata，难以支撑高质量新 intake；而这篇 2026 新文全文可得、参数和实施路径都很清楚，且能直接服务我们已经积累的一整池短周期 raw alpha，部署价值足够高。

2. 来源与我认为最值得提炼的那一层

论文

• Author / Year / Title / Venue：Otar Sepper (2026), *Slippage-at-Risk (SaR): A Forward-Looking Liquidity Risk Framework for Perpetual Futures Exchanges*, arXiv
• DOI：10.48550/arXiv.2603.09164
• Readable URL：https://arxiv.org/abs/2603.09164
• HTML / full text：https://arxiv.org/html/2603.09164
• Repo URL：未见作者仓库

这篇东西的 base alpha 是什么？

不是新的方向性 alpha。它是一个 shared execution / risk overlay：

• raw alpha 负责回答：现在该 long / short / spread 哪边？
• SaR overlay 负责回答：这笔单在当前流动性状态下还能不能做，做多大，预期滑点够不够把 edge 吃掉？

所以别把它伪装成“新主信号”。它的正确定位就是：overlay。

3. 论文里最能直接搬到 desk 的核心机制

论文定义了三层量：

1. 单币种、单时点的执行滑点函数

• 给定一个要强平/交易的名义规模 Q_i
• 沿盘口逐档吃单，得到该规模下的平均冲击成本 S_i(Q_i)

1. 横截面 SaR / ESaR / TSaR

• SaR(alpha)：全市场 token 的滑点分布分位数
• ESaR(alpha)：尾部 token 的平均滑点
• TSaR(alpha)：尾部 token 的总美元滑点暴露

1. 集中度修正（paper 里是重点）

• 同样深度的盘口，如果流动性由极少数做市商撑着，真实脆弱性远大于“看上去有深度”
• 作者用 HHI / N_eff / CR1 给滑点加 haircut，把“薄书 + 集中”翻成更高的 adjusted slippage

对短周期 desk 来说，最有价值的不是 paper 里的保险基金 sizing，而是下面这个转译：

> 同一笔 alpha 信号，在流动性分布健康时可以正常做；在 book 变薄、且深度高度集中时，应该减仓、延后、拆单，甚至直接 veto。

4. 论文里能直接拿来当阈值直觉的几个数字

作者用 Hyperliquid 2025-10-09 ~ 2025-11-03 的数据做实证：

• 184 个 perp 合约
• 5 分钟 order-book snapshots（深度到 2500 bps）
• 15 分钟 OI snapshots
• 含账户级归因，因此可以做真正的集中度修正

我觉得最有用的几组数字是：

4.1 常态下的“全场流动性体温计”

在 beta = 10% stress notional 下，作者给出的样本期汇总值：

• SaR(0.95) = 2.84%
• SaR_adj(0.95) = 3.47%
• ESaR_adj(0.95) = 8.92%
• TSaR_adj(0.95) = $127.4M
• 尾部只有 9 个 token，但对应了 $196M / 2.3% OI

翻成人话：看起来只是少数几个尾部标的在出事，但它们已经足够把全场执行风险拉高。

4.2 它不是事后统计，而是真的“提前变坏”

论文最重要的不是定义，而是 lead-lag：

• TSaR 对 12 小时后 deficit 的相关性约 0.61
• 对 24 小时后 deficit 的相关性仍有 0.42
• Granger causality：F = 8.47, p << 0.001

这说明它不是“市场炸了以后你才知道危险”，而是盘口先变脆，坏结果后发生。

4.3 案例里，风控信号比崩盘先到

以 2025-10-10 Hyperliquid cascade 为例：

• 事件前 36 小时，100bps 深度 $1.12B → $284M（-75%）
• 事件前 24 小时，SaR_adj(0.95) 2.41% → 3.12%（+30%）
• TSaR $89M → $156M，到级联时一度冲到 $847M
• 预估滑点 vs 实际滑点回归 R² = 0.78

对 desk 的启发很直接：如果我们的 alpha 本来就是 20~80 bps 级别的短周期 edge，那种 盘口预期冲击成本向 1%+ 迁移 的环境，本来就该少做。

5. 怎么把它改写成适合 1m / 3m / 5m / 15m 的 desk 版本

论文原始版本更像“交易所级别全市场风险仪表盘”。对我们来说，建议拆成两层：

5.1 交易级 overlay：单标的 execution veto / size cap

对每个可交易 symbol i，每 1 分钟或 5 分钟更新：

1. 定义压力成交规模

• Q_i = min(beta * OI_i, cap_notional_i)
• desk 起步可先用：
• BTC / ETH：beta = 1%~2%
• 中腰部 alt：beta = 2%~5%
• 不必上来就照 paper 的 10%，否则对短周期交易太保守

1. 从 L2 book 计算 raw slippage

• 沿 bid / ask 档位 walk the book
• 算出吃掉 Q_i 之后的 VWAP 偏离中间价百分比

1. 算 concentration proxy

• 在 fully on-chain venue（如 Hyperliquid）可尽量接近 paper 思路
• 若拿不到 maker 级归因，就退而求其次，用 top-k depth share、前 1/3/5 档深度占比、盘口撤单率 做 pseudo-concentration proxy

1. 得到 adjusted slippage

• adj_slip_i = raw_slip_i * (1 + haircut_i)

1. 做 veto / size / cost

• 若 adj_slip_i > expected_alpha_i * 0.5~0.7：直接 veto
• 若 adj_slip_i 进入过去 30 天自身分位数 top decile：仓位减半
• 若 adj_slip_i 处于低位：允许恢复正常 size

5.2 场馆级 overlay：全局 gross exposure scaler

除了单标的，还可以对 watchlist 横截面做一个 venue-level SaR_95：

• SaR_95_t = quantile_95( adj_slip_i,t over tradable universe )
• TSaR_t = sum( adj_slip_i,t * Q_i ) over tail tokens

然后把它直接作为组合总杠杆 / 总 gross 的缩放器：

• gross_scale = clip(theta / SaR_95_t, 0.3, 1.0)
• 或者更离散一点：
• SaR_95 在过去 60 天 < 70 分位：满仓
• 70~90 分位：gross x 0.7
• >90 分位：gross x 0.4 + 只保留最高 conviction 信号

这特别适合我们已有的：

• breakout / momentum
• mean reversion
• basis / funding pocket
• order-flow imbalance
• perp-perp relative value

因为这些 alpha 最大的共同敌人之一，不是“方向判断错了”，而是执行环境突然恶化。

6. 最小可复现实验（公开数据、能快做）

6.1 数据源

公开性：公开可得

1. Hyperliquid public order book / candles / asset context

• 文档：
• https://hyperliquid.gitbook.io/hyperliquid-docs/for-developers/api/websocket/subscriptions
• https://hyperliquid.gitbook.io/hyperliquid-docs/for-developers/api/info-endpoint
• 可直接拿：
• l2Book
• candle（支持 1m / 3m / 5m / 15m）
• activeAssetCtx（含 openInterest）

1. 已有策略自己的 signal 输出

• breakout / MR / basis / flow 任一已有信号都行

6.2 更新频率

• l2Book：实时 websocket
• activeAssetCtx：可轮询 / 订阅
• candle：1m/3m/5m/15m 原生支持

所以这个 overlay 天然能映射到我们当前主工作周期。

6.3 最小实验口径

先别全市场，直接做一个 SaR-lite overlay A/B test：

#### Universe

• BTC, ETH, SOL, HYPE, PEPE, DOGE, ARB, AVAX
• 覆盖：高流动性主流 + 中等流动性 alpha 常见币

#### Timeframe

• overlay 每 1m 更新一次
• signal 在 5m / 15m 上跑；若有高频策略再加 1m / 3m

#### 交易逻辑 先选 2 个已有 raw alpha：

1. 一个 trend / breakout
2. 一个 mean reversion 或 spread / basis pocket

然后只比较：

• Baseline：原策略照常交易
• Overlay-1：加单标的 adj_slip_i veto
• Overlay-2：加全局 SaR_95 gross scaler
• Overlay-3：两者都加

#### 成本口径 每笔 round-trip 成本改写为：

• fee + 2 * adj_slip_i

别再只用静态手续费；这正是 paper 真正想纠正的地方。

#### 最重要的输出指标 不是只看 Sharpe，要看：

• net PnL
• trade hit-rate
• average edge after cost
• MAE / MFE
• tail loss / worst 5 trades
• skipped-trade ratio
• gross-to-net conversion
• 在高 SaR 分位环境中的表现衰减幅度

7. 我会怎么先测（具体，不空）

实验 1：先验证它是不是“有用的 veto”

• 取最近 30 天 Hyperliquid 1m L2 + OI
• 对每个 5m 信号时点，记录：
• 该币 adj_slip_i
• 全场 SaR_95
• 信号后 5m / 15m forward return
• 先不做策略，只做条件分桶：
• 低 SaR / 中 SaR / 高 SaR
• 看同一个 raw alpha 在不同 SaR 桶里的净 edge 是否明显塌陷

如果 edge 只在低 SaR 桶显著存在，这个 overlay 就成立了。

实验 2：把它变成 size function，而不是 binary veto

对每个信号，把仓位函数写成：

• size = base_size * f(adj_slip_i, SaR_95_t)
• 一个最简单的 f：
• 低于 50 分位：1.0x
• 50~80 分位：0.75x
• 80~90 分位：0.5x
• >90 分位：0~0.25x

然后看：

• 回撤是否更小
• 高波动时段净值曲线是否更平
• alpha 是否从“赚的时候靠天、亏的时候一脚踩穿”变成可部署形态

实验 3：做 venue-stress router

如果我们手上同时有多 venue 或多 execution path：

• 先不问哪边信号更强
• 先问 哪边的 SaR 更低
• 把订单路由到更便宜、更新鲜的 liquidity path

这一步最适合之后接到 perp-perp basis、cross-venue spread、DEX/CEX same-asset lead-lag 里。

8. 这篇东西的局限，别误用

1. 它不是方向信号

• 不会告诉你 BTC 该涨还是跌
• 只会告诉你：现在这笔单做下去，冲击成本和流动性脆弱度是否在吃掉 edge

1. paper 的账户级集中度，在 CEX 上不一定拿得到

• 所以真正落地时，很多时候是 SaR-lite，不是论文原版
• 但即便只用公开 L2 depth + OI，已经够做一版实用 execution veto

1. paper 偏交易所风险管理，不是为 trader 写的

• 所以不要照抄保险基金 sizing 那段
• 对 desk 最值钱的是：raw_slip -> adjusted_slip -> veto/size/cost

9. 一句话结论

这篇 2026 SaR 论文最适合我们的读法，不是“又一个宏大风控框架”，而是：

> 把盘口深度、OI、流动性集中度，压成一个可以每 1m / 5m 刷新的 shared overlay，专门给现有 short-cycle raw alpha 做进场 veto、仓位缩放和成本上限。

它不替代 raw alpha，但很可能能让我们手上已经有的 alpha，少死很多本来不该死的单。

10. 下一步怎么测

按优先级我建议直接做下面 3 步：

1. 先做 Hyperliquid SaR-lite 采集器

• 拉 l2Book + activeAssetCtx + candle
• 每 1 分钟落一版 raw_slip / adj_slip / SaR_95 / TSaR

1. 先挂到两个已有策略上

• 一个 breakout / momentum
• 一个 mean reversion / relative-value
• 先看 overlay 是否显著改善 net-of-cost 和 tail risk

1. 最后再谈更复杂的 concentration proxy

• 先用 top-k depth concentration 代理就够
• 等确认 veto 有价值，再补 maker concentration / cancel dynamics / spoof filter

---

来源链接

• Paper abstract / metadata: https://arxiv.org/abs/2603.09164
• Paper HTML: https://arxiv.org/html/2603.09164
• DOI: https://doi.org/10.48550/arXiv.2603.09164
• Hyperliquid docs / websocket subscriptions: https://hyperliquid.gitbook.io/hyperliquid-docs/for-developers/api/websocket/subscriptions
• Hyperliquid docs / info endpoint: https://hyperliquid.gitbook.io/hyperliquid-docs/for-developers/api/info-endpoint