Iceberg Orders

هدف یادگیری

پس از مطالعه این درس، قادر خواهید بود با استفاده از تحلیل کمّی و آماری، سفارش‌های یخچالی را در دفتر سفارش شناسایی کنید، رفتار احتمالی بازیگران نهادی را مدل‌سازی نمایید، و استراتژی معاملاتی متناسب با حضور نهنگ‌ها در بازار طراحی کنید.

---

۱. ساختار ریاضی Iceberg Order

یک Iceberg Order سفارشی است که تنها بخش کوچکی از حجم کل آن در دفتر سفارش عمومی نمایش داده می‌شود. اگر کل سفارش را Q_total و بخش نمایش‌یافته را Q_visible بنامیم، نسبت پنهان‌سازی (Concealment Ratio) به صورت زیر تعریف می‌شود:

CR = 1 − (Q_visible / Q_total) = Q_hidden / Q_total

در اکثر صرافی‌های حرفه‌ای، تریدرهای نهادی نسبت CR بین ۰.۷۰ تا ۰.۹۵ انتخاب می‌کنند؛ یعنی تنها ۵ تا ۳۰ درصد از سفارش واقعی در معرض دید عموم است.

مثال محاسباتی:
فرض کنید یک نهنگ می‌خواهد ۵٬۰۰۰ BTC در قیمت ۶۷٬۰۰۰ دلار خریداری کند:

- Q_total = 5,000 BTC
- Q_visible = 50 BTC → CR = 0.99
- هر بار که لایه نمایشی پر می‌شود، یک slice جدید ۵۰ BTC جایگزین می‌شود

اگر حجم روزانه بازار ۸٬۰۰۰ BTC باشد، این سفارش معادل ۶۲.۵٪ از حجم روزانه است — حجمی که اگر یکجا نمایش داده می‌شد، فوری قیمت را جابجا می‌کرد.

تابع هزینه پنهان‌سازی:
یک مارکت‌میکر بزرگ هنگام انتخاب CR بهینه، تابع زیر را مینیمم می‌کند:

Cost(CR) = α × Market_Impact(1−CR) + β × Slippage(CR) + γ × Information_Leakage(1−CR)

- α: وزن اثر بازار (price impact)
- β: وزن لغزش قیمت
- γ: وزن نشت اطلاعات به رقبا

برای حجم‌های بالای ۱۰۰۰ BTC، معمولاً جمله اول تسلط دارد و CR بهینه به سمت ۰.۹۵ می‌رود.

---

۲. مکانیزم اجرا در صرافی‌های مختلف

صرافی‌های CEX (مثل بایننس):
موتور تطبیق (Matching Engine) سفارش‌های یخچالی را با اولویت‌بندی زمانی FIFO پردازش می‌کند. هر بار که Q_visible تکمیل می‌شود، سیستم به‌صورت اتوماتیک slice بعدی را وارد دفتر سفارش می‌کند. نکته کلیدی: در FIFO، زمان ورود اولیه Iceberg حفظ می‌شود یا از نو ثبت می‌شود؟ در اکثر صرافی‌ها، timestamp ریست می‌شود، بنابراین Iceberg در صف اولویت پایین‌تر قرار می‌گیرد.

بازارهای آتی (مثل CME Bitcoin Futures):
الگوریتم تطبیق Pro-Rata به جای FIFO استفاده می‌شود. در این مدل، حجم‌های بزرگ‌تر سهم تکمیل بیشتری می‌گیرند. این تفاوت ساختاری بر انگیزه پنهان‌سازی تأثیر اساسی دارد: در Pro-Rata، یک Iceberg با Q_visible بزرگ‌تر می‌تواند fill rate بهتری داشته باشد، اما در عین حال اطلاعات بیشتری لیک می‌کند.

DEX و On-chain Orderbooks (مثل dYdX):
در این محیط‌ها، تمام تراکنش‌ها روی زنجیره ثبت می‌شوند. تریدرهای نهادی به جای Iceberg سنتی، از TWAP/VWAP algorithmic execution استفاده می‌کنند که عملاً همان هدف را با ابزار متفاوت محقق می‌کند.

---

۳. روش‌های کمّی تشخیص

۳.۱ تحلیل الگوی Time-and-Sales

وقتی یک Iceberg Order فعال است، در داده‌های تایم-اند-سیلز یک الگوی مشخص ایجاد می‌شود:

۱. معاملات پشت‌سرهم در همان قیمت
۲. حجم‌های یکنواخت در هر trade
۳. فواصل زمانی منظم بین پر شدن هر slice

فرمول تشخیص تکرار حجم — Volume Uniformity Index:

VUI = 1 − (σ_volume / μ_volume)

اگر VUI > 0.80 در یک بازه قیمتی خاص، احتمال وجود Iceberg بالاست. در جریان سفارش عادی، VUI معمولاً زیر ۰.۴۰ است.

۳.۲ تحلیل Delta دفتر سفارش

یکی از قوی‌ترین سیگنال‌ها، مقایسه حجم واقعی معاملات با تغییرات ظاهری دفتر سفارش است:

Δ_LOB = Volume_Traded − ΔLOB_Size

اگر Δ_LOB در یک سطح قیمتی به‌طور مداوم مثبت و بزرگ باشد — یعنی حجم معامله‌شده بسیار بیشتر از کاهش ظاهری bid است — یک Iceberg Order در حال پر شدن است.

مثال عددی:
- قیمت: ۶۷٬۰۰۰ دلار
- حجم معامله‌شده در ۵ دقیقه: ۳۰۰ BTC
- کاهش ظاهری bid در ۶۷٬۰۰۰ دلار: ۴۵ BTC
- Δ_LOB = 300 − 45 = 255 BTC → سیگنال قوی Iceberg

۳.۳ Order Flow Imbalance (OFI)

OFI یکی از متریک‌های کلیدی در تحلیل میکروساختار است:

OFI_t = Σ(ΔQ_bid × I_bid − ΔQ_ask × I_ask)

که در آن I نشانگر ورود سفارش جدید (+1) یا حذف سفارش (−1) است.

وقتی یک Iceberg buy order فعال است، OFI مثبت پایدار مشاهده می‌شود حتی در غیاب رشد آشکار bid size در دفتر سفارش. این ناهمخوانی بین OFI و تغییرات ظاهری LOB، یکی از قوی‌ترین سیگنال‌های تشخیصی است.

۳.۴ مدل‌سازی احتمالاتی (Bayesian Approach)

با استفاده از چارچوب بیزی، می‌توان احتمال پسین وجود Iceberg را محاسبه کرد:

P(Iceberg | Data) = [P(Data | Iceberg) × P(Iceberg)] / P(Data)

- Prior P(Iceberg): در ساعات پرنوسان BTC، حدود ۱۵ تا ۲۵ درصد برآورد می‌شود
- Likelihood P(Data | Iceberg): با ترکیب VUI، Δ_LOB، و OFI محاسبه می‌شود

وقتی هر سه سیگنال همزمان فعال باشند، احتمال پسین می‌تواند به بالای ۷۰٪ برسد.

---

۴. پیامدهای میکروساختاری بازار

۴.۱ دیوار فانتوم (Phantom Wall)

Iceberg Orders یک سطح حمایت یا مقاومت پنهان ایجاد می‌کنند. قیمت برای مدت طولانی در کنار این سطح oscillate می‌کند و سپس به‌صورت ناگهانی حرکت می‌کند. چرخه زندگی این پدیده:

• فاز تجمیع: قیمت در یک range کوچک گیر می‌کند
• فاز اشباع: Iceberg در حال تکمیل است، نقدینگی یک طرف در حال کاهش است
• فاز پیامد: بعد از پر شدن Iceberg، یک side از بازار خالی می‌شود و قیمت jump می‌کند

۴.۲ مدل Kyle Lambda — تخمین اثر قیمتی

تأثیر قیمتی یک Iceberg Order را می‌توان با مدل Kyle (1985) تخمین زد:

ΔP = λ × Q_executed

که λ (لامبدا، ضریب تأثیر بازار) برابر است با:

λ = σ_v / (2 × σ_u)

- σ_v: انحراف معیار ارزش ذاتی دارایی
- σ_u: انحراف معیار جریان سفارش uninformed traders

برای BTC در بازار نقدی با نقدینگی متوسط، λ تقریباً در بازه 0.00005 تا 0.0002 (به ازای هر BTC) قرار دارد. بنابراین یک Iceberg ۵۰۰۰ BTC می‌تواند اثر قیمتی انتظاری:

ΔP = 0.0001 × 5000 = 0.50 = 50%

داشته باشد اگر یکجا اجرا شود — دقیقاً به همین دلیل نهادها از Iceberg استفاده می‌کنند.

۴.۳ افزایش Adverse Selection

وقتی یک Iceberg بزرگ در حال اجراست، هر کسی که در آن سطح به عنوان counter-party معامله می‌کند، احتمالاً با یک informed trader طرف است. فرمول هزینه Adverse Selection در spread:

ASEL = E[V | Buy_arrives] − Mid_Price

در حضور Iceberg، این مقدار به دلیل اطلاعات نامتقارن افزایش می‌یابد. مارکت‌میکرهای هوشمند این هزینه را در spread خود بازتاب می‌دهند، بنابراین می‌توان از افزایش ناگهانی effective spread به عنوان یک سیگنال غیرمستقیم وجود Iceberg استفاده کرد.

---

۵. استراتژی‌های پیشرفته معاملاتی

۵.۱ Iceberg Sniffing — کاوش سفارش‌های پنهان

این استراتژی شامل ارسال probe orders برای شناسایی Iceberg است:

• ارسال یک سفارش کوچک در سطح قیمتی مشکوک
• مشاهده سرعت و حجم refill دفتر سفارش
• اگر refill فوری و با حجم ثابت اتفاق افتاد، Iceberg تأیید می‌شود

محاسبه Refill Rate:

RR = Q_refill / Δt_refill

اگر RR بالا و ثابت باشد (انحراف معیار σ_RR کم)، احتمال Iceberg بالاست.

۵.۲ Liquidity-Adjusted Momentum — بازی پس از اشباع

وقتی یک Iceberg buy در حال تکمیل است و به نقطه اشباع نزدیک می‌شود، می‌توان یک momentum trade گرفت:

Expected_Return = (Q_remaining × λ) − Transaction_Cost

اگر Q_remaining کوچک باشد (پایان Iceberg نزدیک است) و سمت راست معادله مثبت باشد، ورود به همان جهت Iceberg (درست پیش از پایان آن) توجیه‌پذیر است — چون پس از تکمیل، یک طرف بازار از نقدینگی خالی می‌شود.

۵.۳ مدیریت ریسک در برابر Iceberg

اگر در تحلیل‌تان یک Iceberg بزرگ در مسیر trade شما قرار دارد، باید سایز پوزیشن را تعدیل کنید:

Adjusted_Position = Base_Position × (1 − CR_estimated)

یعنی اگر تخمین می‌زنید CR = 0.85، سایز پوزیشن را ۸۵٪ کاهش دهید. پس از تکمیل Iceberg و مشاهده jump قیمت، می‌توان به سایز اصلی بازگشت.

---

نتیجه‌گیری

Iceberg Orders از پیچیده‌ترین ابزارهای تأثیرگذاری بر میکروساختار بازار هستند. آنها یک تعادل اطلاعاتی ناپایدار ایجاد می‌کنند: نهنگ می‌خواهد پنهان بماند، اما هر بار که یک slice پر می‌شود، ردپای آماری به جا می‌گذارد. تریدر حرفه‌ای کسی است که این ردپاها را در نویز بازار تشخیص دهد، موقعیت خود را تعدیل کند، و از فاز پیامد (جهش قیمت پس از تکمیل) بهره ببرد.

---

خلاصه نقطه‌ای:

- Concealment Ratio (CR) نشان می‌دهد چه درصدی از حجم کل پنهان است؛ معمولاً ۷۰ تا ۹۵٪
- Volume Uniformity Index بالای ۰.۸ نشانه احتمالی وجود Iceberg در جریان معاملات است
- Delta تحلیل (حجم معامله‌شده منهای تغییر ظاهری LOB) قوی‌ترین سیگنال تشخیصی مستقیم است
- OFI پایدار و مثبت در غیاب رشد ظاهری bid، یک Iceberg buy را نشان می‌دهد
- Kyle Lambda ابزار کمّی برای تخمین jump قیمت پس از تکمیل Iceberg است: ΔP = λ × Q
- Adverse Selection در حضور Iceberg افزایش می‌یابد؛ effective spread گسترش پیدا می‌کند
- Position Sizing باید بر اساس CR تخمینی کاهش یابد: Adjusted = Base × (1−CR)
- پس از تکمیل یک Iceberg بزرگ، انتظار جهش سریع قیمت در همان جهت Iceberg را داشته باشید