交易机器人用市价单还是限价单？更低手续费真的能提高收益吗？

限价并不保证挂单成交

可立即成交的买入限价单，可以马上吃掉现有卖单；留在订单簿上的限价单，则可能之后提供流动性。同一订单也可能包含这两类成交，因此费率应对应每笔执行，而不只是提交时的订单名称。Coinbase明确说明了这种拆分。Binance的LIMIT_MAKER指令则会拒绝立即以吃单方式交易的订单。拒单避免了那次执行，却不会免费提供想要的成交价。[1] [2]

限价约束允许的执行价格，不约束入场后的收益，也不保证成交概率。市价单同样无法在所有交易所状态下保证特定价格或全部成交。我们的问题是，哪种完整执行政策适合交易规则，而不是哪个订单名称听起来更便宜。Cont和Kukanov的订单投放研究把费率、队列、订单流与执行风险放在一起分析，其结果不为本BTC例子提供通用规则。[7]

比较入场前，先固定信号和退出政策

我们在计算结果之前规定了两种政策与五个互不重叠的合成BTC/USDT现货情形。案例是为展示机制而设计，不是用于估计发生频率的随机样本。两种政策收到相同的五次买入决策，间隔60,000毫秒，各以10,000 USDT开始，每个情形目标为0.02 BTC。订单到达时买价49,990、卖价50,010。市价政策按卖价买入完整目标量；被动政策停留在买价，不补足也不追价。

两者都在情形的10,000毫秒时，以预定买价卖出自己实际持有的数量。未成交的入场保留现金。账户承接此前所有结果；没有入金、借贷、资金费，也不让固定目标量随收益复利变化。假设数量与价格符合虚构过滤规则，每次模拟市价执行都有足够的可见流动性。事件流是外生的：两种政策都不影响后续价格、订单流和他人的行为。因此不能用它主张真实市场冲击或容量。

计算队列，而不是看到K线最低价就赋予成交

模型在一个价位采用简单的先到先得队列。符合条件的主动卖出量先消耗前方数量，再到达我们的订单。不因前方其他订单撤单而给予队列改善，并假设不存在隐藏量。这些是模型选择，不是从真实交易所推断的事实。Coinbase公布的撮合规则说明时间与可见性优先级为何重要，同时也包含本简化模型省略的冰山单优先级等细节。[3]

在情形C中，200 ms时有0.040 BTC可执行卖出流。消耗前方0.030 BTC后，0.020目标量中只有0.010 BTC成交，剩余0.010被撤销。K线最低价49,990无法揭示这个数量。聚合成交数据本身，也不能精确说明哪些撤单位于我们之前。可信的历史重建需要事件顺序与有依据的排队假设。

情形E在撤单前没有符合条件的卖出流，价格只在撤单生效后才下降。情形D中，卖出流在550 ms到达，晚于撤单请求，却早于撤单生效。完整的0.020 BTC成交，并在共同退出之前得到确认。因此，发出撤单请求的时间不能等同于订单不再存在的时间。

手续费低，被动政策仍然可能亏损

实际执行的十进制计算对每笔成交只收费一次，并在各情形间承接现金与库存。市价入场在五次决策中共买入0.100 BTC，被动入场买入0.050 BTC。被动订单参与率为3/5，即60%，因为两笔全部成交、一笔部分成交；数量成交率则为0.050/0.100，即50%。只报告三笔成交订单，就会把错失的机会移出比较。

市价的毛价格盈亏为−13.00000 USDT，手续费9.98900，净结果−22.98900。被动毛盈亏为−13.50000，手续费2.98590，净结果−16.48590。期末权益分别为9,977.01100和9,983.51410，对共同初始资本的收益率为−0.229890%与−0.164859%。被动只交易一半数量，手续费更低，但毛结果略差。这些设计案例不能建立预期收益、回撤分布或统计优势。不交易的现金基准在本无利息练习中收益为零，因此高于两者；这是会计比较，不是对底层市场策略的发现。

差额中只有一部分来自手续费节省

先把被动实际买入的0.050 BTC，与同一情形中市价政策的相同数量匹配，并采用相同退出。按49,990而不是50,010买入，使匹配数量的毛价格结果改善1.00000 USDT。入场手续费节省为0.050 × (50,010 × 0.001 − 49,990 × 0.0002) = 2.00060。数量、退出价和吃单费率相同，因此匹配比较中的退出手续费相抵。

剩余差额来自没有建立的敞口。市价政策中对应缺失数量，在A本会赚+7.78980，在C未成交的一半本会赚+0.89790，在E则会亏12.19020。合计净结果为−3.50250，因此不建立这些持仓给被动相对结果贡献+3.50250。我们没有事先识别该跳过哪些信号；这是计算后的会计拆分，不是建议的盈利过滤器。

总手续费减少7.00310，比匹配入场节省更大，是因为被动交易更少、退出手续费也更少。将全部下降称为更优执行，会把较少交易与更低成本执行同样敞口混为一谈。实际成交价已包含买卖价差，不要再扣一次价差估计。真实手续费资产、折扣与额外收费必须与账户核对。Binance的佣金文档解释了为什么有效收费并不总是一个公布的maker/taker费率。[4]

更好的入场价可能伴随不利信息

B和D显示被动买方先获得库存，随后以更低价格退出。较低入场价和费用相对即时市价入场有帮助，却没有让持仓盈利。这说明逆向选择风险：能够触及被动买单的事件，可能与之后较差的价格有关。五个刻意选择的情形不估计这种关系或其因果强度。在真实数据上，应将成交后的价格变化与成交概率一起研究，并保留未成交信号。

在D中，若系统将500-ms撤单请求视为成功，就会记为没有入场，实际0.020 BTC却在550 ms成交。正确账户必须包含−6.99396 USDT结果。Binance说明撤单传输期间仍可成交，用户数据报告也提供执行数量和订单状态。[5] [6] 应使用持久化决策记录，核对订单与持仓，并在状态未知时阻止盲目重试。客户端订单标识有助于识别订单，但它本身不是完整的应用级防重复设计。

队列假设的影响，比取消maker费更大

我们保持价格、流量、政策和费率不变，把前方数量分别设为0、0.01、0.03和0.05 BTC，重算同样五个情形。被动结果不随队列长度单调变化。短队列抓住更多设计中的盈利机会，但部分成交也属于亏损情形。最长队列只有0.010 BTC成交，因此较小亏损部分来自不交易；这不证明排在更差位置反而有优势。

在基准0.03-BTC队列下，将maker费降至零，被动净盈亏也仅从−16.48590改善至−15.98600。取消该费用节省0.49990，结果仍亏损。这项敏感性固定成交；真实费率或订单大小变化，可能改变行为与流动性。我们报告全部预定队列情形，而不是把表现最好的一个选作优化政策。

尚未结束的持仓仍属于账户权益

在E的9,000 ms，距计划的10,000-ms退出还有时间，假设可用买价已为49,500。市价账户持有0.020 BTC与8,988.00100 USDT现金。库存市值990.00000，因此权益9,978.00100。此时被动账户空仓，现金9,983.51410。删除市价账户的未平仓持仓会低估权益；只展示已平仓利润，则会漏掉当前价格亏损。

计划中的市价卖出再收取0.99000费用，将此前市值权益衔接至最终9,977.01100。退出前的估值不是已执行清算结果。我们提供离散成交与终点记录，没有完整的情形内估值序列，因此不报告最大回撤或时间加权敞口。总成交周转名义金额，市价为9,989.00000 USDT，被动为4,985.50000。前瞻测试指南详细说明现金与库存审计。

真实比较需要记录什么

评估前固定符合条件的信号集、到达时刻约定、价格、订单存续时间、部分成交处理、后备动作及退出规则。先等待再跨价差成交，是第三种候选政策，不是这里测试的被动政策；应另外规定规则和成本记录。入场执行也应与紧急降低风险分开：未成交退出的机会成本，可能与可选入场大不相同。

历史研究需要足够深度、带时间戳的订单簿与成交事件，检查序列缺口，并论证队列、延迟、撤单效应与冲击假设。采样报价或K线本身无法确定反事实成交。前瞻试运行应保留每个符合条件的意图、提交、拒单、部分成交、撤单与最终持仓。声明费率及收费资产，再以适合依赖结构的不确定性方法比较全账户净结果。优势还是运气研究解释为什么许多相关成交不等于许多独立检验。

ChatGPT或Claude可以辅助明确这些问题；Codex或Claude Code可以辅助审计事件逻辑与算术。本研究使用AI协助和对构造事件流实际执行的十进制计算，没有比较不同模型产品，也没有连接真实资金账户。应要求协作者保留未解决事件，而不是编造有利成交。

明确：固定信号资格、到达时刻、价格、存续时间、部分成交处理、撤单、后备动作及退出规则。指出缺少的决策。
实现：保留获批政策与完整事件顺序；不要仅因K线触及限价就赋予成交。
核对：跟踪现金、库存、手续费和未解决订单。区分撤单请求与已确认的生效。
报告：保留全部符合条件信号，将匹配成交的价格/费用效应与错失或避开的持仓分开。区分观测成交和模拟的反事实结果。

选择执行政策，而不是费率表里最低的一行

在这条构造事件流上，被动政策亏得更少，但6.50310 USDT相对改善中，只有2.00060是匹配入场手续费节省。错过盈利有代价，避开亏损有帮助；队列和撤单假设决定最终持有什么库存。低手续费解决不了这些问题。

对真实机器人，合理的下一步，是在自己的符合条件决策上进行带版本记录的执行比较，以有依据的成交与账户核对支撑。有效政策必须同时满足执行紧迫性、资本、风险约束和成本后经济性。本结果说明如何核算差异，而不是哪种订单类型会让未来系统盈利。