← 最新论文
💰 quantitative finance

Post-Rejection Follow-up Sampling: A Methodology for Counterfactual Outcome Measurement in Algorithmic DEX Trading

本文介绍了后拒绝追踪采样(Post-Rejection Follow-up Sampling, PRFS)方法论,该方法通过追踪被算法 DEX 交易系统拒绝的代币的实时市场表现,生成了一个包含 67,000 个前向结果观测值的数据集,从而能够根据实际市场结果而非合成回测来评估过滤器的精确度。

原作者: Arati Uday Kamat

发布于 2026-06-09
📖 1 分钟阅读☕ 轻松阅读

原作者: Arati Uday Kamat

原始论文采用 CC BY 4.0 许可(http://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

想象一下,你是一名大型、混乱音乐节的星探。每天,你的工作就是扫描成千上万支试图登上舞台的新乐队。你有一套严格的规则(过滤器)来决定谁能入选。

问题所在:“拒绝”的“黑箱”
通常情况下,当你的系统拒绝一个乐队时,故事就结束了。你只能看到那些最终登台表演的乐队以及观众对他们的反应。你永远无法知道那些被你拒之门外的乐队原本会如何。他们是否拥有一首秘密热门歌曲?他们是很糟糕吗?还是他们从世界上销声匿迹了?

在去中心化交易所(DEXs)的自动化交易世界中,这是一个巨大的盲点。计算机算法每天都会拒绝成千上万个潜在的代币(数字资产)。传统方法试图通过观察旧的价格图表来猜测这些被拒绝的代币原本会发生什么,但那些图表就像是在看一张已经改变了城市地图。它们并没有告诉你被你的系统说“不”的特定代币究竟发生了什么。

解决方案:“拒绝后随访”(PRFS)
这篇论文介绍了一种聪明的新方法,称为拒绝后随访采样(Post-Rejection Follow-up Sampling, PRFS)

把 PRFS 想象成一支专门的“跟踪”团队(以一种非常礼貌、收集数据的方式)在追踪那些被你拒绝的乐队。

  1. 决策: 你的主交易系统对一个代币说“不”,并记录原因。
  2. 随访: PRFS 系统不再忽略这个代币,而是开始密切观察它。它会定期检查该代币的价格和可用于交易的资金量(流动性)。
  3. 时间线: 它会持续观察长达 24 小时。
    • 第一小时: 它会进行非常频繁的检查(就像每 5 分钟看一次手机),因为那是情况通常变化最快的时候。
    • 后期: 随着时间的推移,检查频率会降低(例如每小时一次)。
  4. 停止: 如果 24 小时结束、代币从市场消失(就像乐队在演出前退出)、或者系统达到技术限制,它就会停止观察。

这实现了什么
通过这样做,研究人员终于能够看到“反事实”的结果。他们可以回答:“如果我们当时真的让这个被拒绝的代币进入,它是会赚钱,还是会变成一个骗局?”

这不仅仅是猜测或模拟;这是在测量现实。它将“如果……会怎样”变成了“实际上发生了什么”。

实验
研究人员在 2026 年 4 月的八天内,在 Solana 区块链上测试了这一方法。

  • 他们追踪了系统拒绝代币的 2,997 次情况。
  • 他们成功为其中约 55% 的拒绝案例获取了至少一次更新。
  • 总共收集了 67,000 个数据点(价格检查)关于这些被拒绝的代币。

结果(“双峰分布”的惊喜)
数据展示了一个非常有趣的划分,就像两种不同类型的被拒绝乐队:

  1. “幽灵”乐队: 大约一半的被拒绝代币几乎立即消失了(在第一次检查时)。在交易术语中,这些很可能是骗局,或者是资金瞬间枯竭的代币。系统成功地拒绝了它们,随访也证实了它们的消失。
  2. “长寿”乐队: 另一组则在 24 小时内一直存在。其中一些实际上是系统误判的优秀代币,而另一些则只是毫无波动的平庸代币。

为什么这很重要
论文认为,这种方法是优化交易算法的一种更好方式。通过这种方式,你不再是靠猜,而是可以直接观察被拒绝代币的实际命运,从而得出结论:“嘿,我们的过滤器对这类代币太严格了,”或者“太棒了,我们的过滤器抓到了那个骗局。”

局限性
作者诚实地说明了限制条件:

  • 窗口期: 他们只观察了八天。市场环境是变化的,所以这只是一个快照。
  • 密度: 对于某些代币,他们没有获得足够多的数据点来绘制出完美的移动曲线。他们只得到了几个点,而不是一条平滑的曲线。这是因为数据源(价格预言机)对请求处理量有限制。
  • “消失”之谜: 如果一个代币在被拒绝后立即消失,系统会假设它是一个骗局。论文承认这是一个合理的猜测,但尚未通过独立记录对其进行 100% 的验证。

总结
这篇论文并不声称找到了某种神奇的赚钱公式。相反,它提供了一个新的测量工具。这就像给一位厨师提供了一种品尝被丢弃食材的方法,以便他能准确了解哪些食材是坏的,哪些是被意外扔掉的好食材。这有助于他在未来烹饪出更好的佳肴(做出更好的交易决策)。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →