盈利的交易机器人能承载更多资金吗？流动性、滑点与策略容量

更大的账户，不一定意味着更大的订单

如果下单数量不变，向账户增加现金可能不改变交易。放大策略，意味着改变实际投入资金、同时持仓数、市场流量参与程度或执行时间范围。采用固定资本百分比仓位的回测，会随着账户增长自动增大订单。即使信号相同，策略能够获得的价格也可能改变。

此前的市价单与限价单研究区分了费用节省与错失交易。这里研究另一个问题：拟定规模在入场和退出时会消耗多少报价深度？我们采用真实公开订单簿观测，再应用明确假设的执行计算。实测深度是有用证据，却不能单独证明盈利容量。

计算前先记录订单簿及其来源

采集前，我们固定BTCUSDT现货为主要品种、至少间隔20秒的三次采集，以及100、1,000、10,000、100,000、100万、1,000万和1亿USDT现金预算。从Binance文档列明的公开行情接口，请求每边5,000个价格档位。未使用凭证、连接账户或提交交易订单。[1] [2]

三份响应于2026年10月26日在下列UTC请求区间内收到。我们保存原始字节、SHA-256摘要、请求元数据，以及每次订单簿请求前后的服务器时间查询。检查数量为正、价格唯一且排序、最优买卖价不交叉、更新标识递增。这些是分离的REST快照。lastUpdateId不是时间戳，递增标识也不能证明事件流没有缺口。本地请求区间和服务器时钟区间，并不标识每笔报价的准确交易所时刻。

三个快照与七档预算全部报告。这是短时间前瞻测量，不是流动性状态的代表性样本，也不是留出期盈利检验。稍后重新访问实时接口会返回不同订单簿；已采集原始输入与计算记录保留在内部。

S1 fc2c8e288b0f755f2fe1d16862ad6a5b944a3577b41ac3613b574fc57d2f3e39
S2 f9ed09669d92ad0aa78167dbfc1200fe63bf096d1b686c78a0df8471b30b451d
S3 4031506584a0599b7689312182bad12a63d5786c43c3c1973deca74e57339e58

定义执行资金份额，买入前预留手续费

每档预算B都是独立可用现金份额，包含入场费。假设每边费率f = 0.001，可用购买名义金额上限为B/(1+f)。从低到高遍历卖盘，直到花完该金额或触及已采集深度边界。数量为各档取得量之和，买入VWAP为总购买名义金额除以该数量。随后按价格从高到低遍历同一快照买盘，处理已取得单位。

这是连续数量的反事实计算，并非向交易所提交的订单。不按真实手数步长取整，也不施加账户特有的名义金额、数量或订单保护。Binance另外提供这些过滤规则。计算还假设报价数量保持可用、没有竞争订单到达，且假设交易不改变后续行为。我们没有模拟延迟后的真实退出或订单簿补充。[4]

两边假设费用均以USDT支付，且各计一次。它们不是特定账户费率报价；实际收费资产、折扣和附加费用可能不同。卖盘/买盘遍历已经包含报价价差和沿深度变差的价格，因此不再添加一笔价差或滑点费用。Binance的佣金文档解释了相应账户机制。[5]

entry_notional = sum(ask_price * quantity_taken)
entry_fee = f * entry_notional
unused_cash = B - entry_notional - entry_fee
sale_notional = sum(bid_price * quantity_sold)
exit_fee = f * sale_notional
ending_cash = unused_cash + sale_notional - exit_fee
static_cost_bps = 10000 * (B - ending_cash) / B

费率相同，规模增大后的总成本却不同

预算不超过1,000万USDT时，每个静态计算中取得的全部单位，都能在采集的买盘深度内覆盖。表中报告同一订单簿买卖回合总成本，包含两边假设手续费，以可用现金预算的基点计。1个基点等于0.01%。1亿预算不被已采集卖盘或买盘覆盖；为其赋予全额变现成本，就会编造观测之外的价格。

100万预算下，三个订单簿的成本范围为21.2165–22.8795个基点；1,000万为39.2707–44.2687。这是随规模变化的报价深度计算，不是实际交易测出的市场冲击。即使很小预算，静态成本也约为19.9813个基点，因为假设的入场和退出费用远大于极小报价价差。

沿一个订单簿的两边核对100万预算

在S1中，1,000,000-USDT执行份额预留999.000999 USDT入场费，花999,000.999001购买BTC。遍历105档卖盘，以80,412.310721的VWAP取得约12.42348330 BTC。假设交易前中间价为80,404.005，因此买入VWAP比中间价高约1.0330个基点。

把相同数量卖入43档已采集买盘，得到80,402.348251的VWAP和998,877.230423毛收入。退出手续费998.877230，剩余现金997,878.353193。没有剩余库存或外部现金流时，静态成本为2,121.646807 USDT，即21.216468个基点。计算核对了现金和数量，并不证明真实交易能够取得这些价位。

若这份执行资金来自500万USDT账户，同样假设成本占整个账户资本约4.2433个基点，而不是21.2165。未使用的400万不会获得策略持仓收益。在把较大账户与小机器人百分比利润比较前，必须明确执行份额、订单和完整账户各自的分母。

未来价格需要改善多少，才能支付较大订单的成本？

静态即时买卖回合没有交易预测，因此负结果在预期之中。为将执行与经济性联系起来，保持每次取得数量和买盘深度不变，将所有假设未来买价乘以1+g。这是预先声明的价格提升敏感性，不是预测信号会赚g，也不是断言未来深度类似当前快照。条件净结果为sale_notional × (1+g) × (1−f)，再减去入场使用现金。

精确盈亏平衡提升为cash_used/[sale_notional × (1−f)] − 1。S1的100万执行份额需要21.2616个基点，略高于21.2165静态成本，因为未来价格提升采用不同分母。若提升30个基点，三个100万计算留下+7.0518至+8.7199个基点；1,000万下，同样假设却为−14.4015至−9.3885。因此，一个规模下看似充分的信号经济性，可以在预测不变时，无法覆盖更大规模成本情景。

采集前我们也规定了20个基点提升情景。它对下表三档规模都不够。两种敏感性都不估计真实预期优势。恰当经济比较需要策略自己的前瞻盈亏、实际成本及不确定性；实盘测试研究进一步解释这些差别。

快照到头，不等于未知订单簿消失

1亿预算下，S1已采集卖盘可覆盖含假设手续费的30,404,511.278176 USDT入场现金，即目标的30.4045%。遍历取得376.50736000 BTC；已采集买盘仅覆盖204.10621000 BTC，剩余172.40115000 BTC在已知深度中没有卖价。这是数据边界，不是报告真实交易所订单只能部分成交，也不是证明更深订单不存在。Binance明确提醒有限深度快照不包含边界外价位的数量。[2] [3]

模型保留69,595,488.721824 USDT未使用入场现金。卖出已知买盘覆盖部分后，模型现金为85,929,861.018185，仍剩172.40115000 BTC。按原始最优买价给剩余库存估值，会得到13,861,742.064600会计价值；但已知买单已被消耗后，不能宣称其余变现仍能取得该价格。我们将完全清算收益和价格提升门槛留为未确定，而不是把估值视为成交。

窄价差不说明退出能力或深度恢复

S1和S2最优买卖价完全相同，但100万静态成本分别为21.2165与22.8795个基点。两次观测间，最优买价可见数量由7.42169 BTC降为0.07093 BTC。S1的100万卖出遍历43档买盘，S2则为197档。只看价差或入场卖价，就会漏掉对手边的变化。

三个快照不能说明已消耗深度补充多快、竞争机器人如何反应，或者压力退出时哪些流动性仍然存在。ECB区分深度、紧密度和韧性，并指出窄价差可能掩盖最优报价处很少的数量。原创订单簿研究也用事件流研究价格变化，而不只用静态价差。这些支持提出问题，却没有为我们的快照校准冲击或韧性模型。[6] [7]

把下一档配置视为新的执行与风险测试

定义拟定订单规模和完成期限，再在多种条件下用序列、延迟和账户记录评估符合条件的信号。将买卖VWAP与同期决策参考比较，记录错失、部分和拒绝执行。计入当前持仓和其他代理的同时订单：两个机器人不能各自像独处市场一样占用同一份可见流动性。被动或拆单政策可能改变成本、延迟和错失机会风险，需要另行比较，并非静态遍历的免费改善。

开仓前预留费用与剩余风险资本，规定退出计划和放大规模后的回退条件。较大账户可以保留现金，而不是强迫相同比例投入市场。固定运营费用、适用融资成本、市场与集中度风险仍然重要。更多资本不会产生更大的预测优势，盈利小额试运行也没有测量下一档规模的执行。

ChatGPT或Claude可以辅助把扩容建议写成测试规范；Codex或Claude Code可以辅助审计订单簿遍历与现金恒等式。本文由AI协助分析，Python对已记录公开响应执行十进制计算，没有评估AI交易模型、账户或真实订单。应要求报告区分观测字段、计算反事实与未测量的未来行为。

给定这些带时间记录的公开订单簿与现金预算，预留声明的费用，不编造更深流动性，遍历卖盘与买盘并核对现金和库存。报告VWAP、消耗档位、已知深度覆盖和未解决库存。区分观测报价与假设成交。列明哪些延迟、冲击、手数过滤、补充速度、未来收益和账户风险没有测量。不要把单个快照的规模阈值称为策略容量上限。

实测订单簿支持什么，又留下什么问题？

记录支持一个具体结果：在一种连续数量静态深度计算与固定费率假设下，模型实施负担从100万到1,000万USDT明显上升。预定的30个基点未来买价提升，覆盖前一情景却覆盖不了后一情景。到1亿，采集数据根本不能覆盖拟定完整买卖回合。这些事实都不确定通用资本上限，也不证明较小情景盈利。

策略容量，是完整交易流程仍能满足经济与风险条件的资金配置。确定它，需要同时考察收益机会、执行政策、并发、持有时间和不利退出状态。合理下一步是保留证据的有限规模实验，而不是把小机器人历史百分比收益直接乘以较大入金。