2021年幣圈最大的熱點非Layer2莫屬。

前有LRC、MATIC，後有SNX、ZKS，凡是跟Layer2概念沾邊的幣種，均在本輪牛市中取得不錯漲幅，幾十倍乃至上百倍。

有這樣一個去中心化交易平臺，它的目標是在使用者數量和交易量方面都能夠超越中心化交易所。值得注意的是，該平臺嘗試在保留 Layer-2 模型優勢的同時，還在建立一種同時滿足散戶和機構交易者需求的交易平臺，被視為Layer2賽道最大的黑馬之一。

這個去中心化平臺就是Injective。近日，Injective官方發文《injective ：一種新穎的訂單簿匹配機制》，其中釋放了不少財富密碼，各位看官enjoy：

injective ：一種新穎的訂單簿匹配機制

連續雙向拍賣（CDA）存在的問題

去中心化交易所的加密資產衍生品和傳統金融市場都會用到連續雙向拍賣（Continuous double auctions，簡稱 CDA）。

在這個模型中，訂單一到達交易所就會被處理。要麼立即與對手盤訂單成交，或者持續留在訂單簿上直到訂單匹配。

然而，在價格更新的這段時間內，高頻交易員（HFTs）仍然有機會在做市商取消之前完成過時的訂單，以獲取套利資金。這個狙擊遊戲提供了巨大且持續的利潤，為此，HFTs 投資於先進的技術和裝置，如微波發射塔和 FPGA，以參與納秒（十億分之一秒）級速度的競爭，使做市商們處於巨大的劣勢。

由於這些突出的問題，做市商經常被迫增加對技術裝置的投資以增強競爭力，而這些資金往往由交易員透過更高的交易費用間接支付。此外，做市商通常會因為市價深度的顯著增加而選擇規避風險，這不僅損害了能以更優價格成交訂單的散戶交易者的利益，而且還造成了價差內部的高波動性，在短時間範圍內破壞市場的穩定。因此，散戶交易員經常被迫以更差的代價成交訂單。

CDA 匹配引擎會在極端行情時要求極高的吞吐量，在大多數正常交易量時要求不高。即使是對於中心化平臺，基於 CDA 的交易所也很少能夠100%正常執行。而在受區塊鏈網路約束的去中心化交易領域內，情況進一步惡化。因此，在設計如何解決同樣的問題時，相對於中心化交易所，DEXs 的靈活性明顯要小得多。

目前，對基於 CDA 的 DEXs 都沒有做出實質性改變的嘗試，最終對散戶交易員造成了財務上的損失。例如，系統並不是按提交時間對訂單進行優先排序，而是先執行 Gas 費最高的訂單，然後再遵循 Gas 高低排序的規則執行其餘訂單。

在基於 AMM 的交易協議上交易過的使用者都特別清楚被機器人搶先交易的痛苦。這些機器人支付略高的 Gas 費，直接從使用者的交易滑點中獲利。由於 AMM 旨在減少對機構做市商的需求，因此 CDA 相關的資本效率低下的成本直接轉嫁給了散戶交易員。

Injective 的頻繁批次拍賣 (FBA) 機制：開啟交易新時代

經濟期刊中提出了一種頻繁批次拍賣 (FBA) 模型，作為解決 CDA 資本效率低下的解決方案。它的一個好處是，透過消除搶先交易，可以明確地提供更具流動性的市場。

FBA 主要包括以下三個功能：

功能一：離散時間 (Discrete Time)

在離散時間段（稱為交易間隔）內接受訂單。在每個拍賣間隔結束時，訂單交易的優先順序如下：

市價單首先被成交成交此前拍賣間隔中尚未成交的限價單最後一次拍賣間隔的限價單將被最後成交

如果買單與賣單之間的數量不一致，則數量小的一方被全部成交，數量大的一方按比例成交執行。

功能二：統一清算價 (Uniform Clearing Price)

限價單在交叉點數量最高的地方以統一的結算價格成交。如果買單和賣單的數量相同，則中間價用於結算價格。

功能三：密封投標 (Sealed Bid)

在拍賣間隔結束並批次拍賣成交後，訂單才會釋出到訂單簿。這就消除了搶先交易和出現負利差的可能性。

頻繁批次拍賣 (FBA) 對做市商的激勵措施

相對較大的拍賣間隔為做市商提供了充足的時間在高頻交易者完成套利之前取消過時的訂單。這消除了做市商必須處理搶先交易問題的風險，也消除了他們對技術裝置更新進行投資的需求。

Tendermint 基於 BFT 的 PoS 共識（Injective 採用的共識機制）的即時確定性與每個間隔結束時的 FBA 執行非常地吻合。由於 FBA 在拍賣間隔內沒有時間優先權的概念，它是在相同基礎上執行的區塊鏈的理想市場設計，這種設計非常適合定製的 Injective 基礎設施。

總結

透過用頻繁批次拍賣 (FBA) 代替連續雙向拍賣 (CDA) ，Injective 正在採用一種市場設計，使其在技術上非常強大，並且與去中心化交易平臺相比具有競爭力。我們能夠消除搶先交易，同時讓做市商以更低的滑點提供更深的流動性。

此次，Injective 引入頻繁批次拍賣正是為了與機構級的中心化交易所進行競爭做好準備。

參考文獻

[1] Aldrich, Eric M., and Kristian López Vargas. 2018. “Experiments in High-Frequency Trading: Testing the Frequent Batch Auction.”

[2] Budish, Eric, Peter Cramton, and John Shim. 2013. “The High-Frequency Trading Arms Race: Frequent Batch Auctions as a Market Design Response.”

[3] Budish, Eric, Peter Cramton, and John Shim. 2014. “Implementation Details for Frequent Batch Auctions: Slowing Down Markets to the Blink of an Eye.”

[4] Fricke, Daniel and Austin Gerig. 2016. “Too Fast or Too Slow? Determining the Optimal Speed of Financial Markets.”

[5] Jagannathan, Ravi. 2019. “On Frequent Batch Auctions for Stocks.”