延迟套利与主机托管：微秒级速度差到底值多少钱

先说结论#

主机托管的销售话术是「我们能让你快 50 微秒」。这句话本身没有信息量。

我做了一个每个参与者真实延迟都由构造已知的竞速模拟，结论是四条：

1. 绝对速度一文不值。把我、所有对手、被套利方的撤单窗口全部同步乘以 10，我的年化毛收入比值精确等于 1.00000000，绝对偏差 0.00e+00。市场从微秒尺度整体搬到十微秒尺度，赚的钱一分不变。
2. 值钱的只有名次。同一个 15μs 的席位，只把自己提到 1.5μs（对手不动），毛收入从 895 万美元跳到 4380 万，4.89 倍；反过来只让对手快 10 倍（我不动），我从 895 万塌到 122 万，剩 24.6%。
3. 一微秒的价格取决于你身边挤了多少人。10μs 处每快 1 微秒值 92.7 万美元/年，50μs 处只剩 6.68 万——差 13.9 倍。同样是「快一微秒」，位置不同，价格差一个数量级。
4. 这笔钱不是流动性报酬，是逆向选择租金。把被套利方的撤单窗口设为 0（它永远不留陈旧报价），我在 1μs / 10μs / 100μs 三个速度上的毛收入全部精确等于 $0.00。没有人挂错价，再快也赚不到一分钱。

最反直觉的一条：在自由进入下，技术前沿推到哪里，全行业总投入恒等于租金池本身——8μs、4μs、2μs、1μs、0.5μs 五个前沿档位，全行业总支出都是 8870 万美元，变异系数 7.5e-17（浮点零）。整个军备竞赛没有创造任何价值，只是把同一块钱换了个方式烧掉。

一、模型：把「速度」翻译成可计算的东西#

租金从哪来#

延迟套利的钱不是凭空产生的，它来自一个具体的会计事实：某个交易场所的报价已经过时了，而挂这个报价的人还没来得及撤。

一个跨市场的价格变动发生在 T 时刻。做市商在慢速场所挂的买单现在偏高了，他需要撤单。从他察觉到撤单成功，中间有一个窗口 D。谁在这个窗口内打到这张单，谁就赚走了差价。

所以整个生意由三个量决定：

• D：陈旧报价窗口（被套利方的撤单反应时间）
• L_me：我的 tick-to-trade 延迟
• {L_k}：所有竞争对手的延迟

我在这场竞速里能拿到多少，取决于两件事：我是否在窗口内赶到（L_me < D），以及有多少人比我先到。

关键建模决策：份额是按到达顺序分配的#

盘口上的显示量是有限的。第一个到的吃 60%，第二个吃 30%，第三个吃 10%，第四名以后什么都没有。

这个「按名次瓜分」的结构是全文所有结论的来源。它意味着收益函数对延迟是离散、非线性、且强烈依赖对手分布的。

import numpy as np

# 对手的 tick-to-trade 延迟（微秒），对应真实的技术档位：
# FPGA / 内核旁路 / 调优软件 / 远程接入
COMP_L = np.array([1.5, 2.5, 4.0, 8.0, 15.0, 30.0, 60.0, 120.0])
SIG_J  = 0.35     # 每次竞速的对数正态抖动
D_MED  = 120.0    # 陈旧报价窗口中位数（微秒）
SIG_D  = 0.80
SHARES = np.array([0.60, 0.30, 0.10])   # 前三名的瓜分比例
P_PART = 0.55     # 每家参与每场竞速的概率

def race_share(L_me, comp_L=COMP_L, d_med=D_MED, sig_j=SIG_J,
               sig_d=SIG_D, nrace=300_000, seed=20260806, p_part=P_PART):
    """蒙特卡洛：每场竞速平均抢到的显示量份额"""
    rng = np.random.default_rng(seed)
    kk = len(comp_L)
    t_me = L_me * np.exp(sig_j * rng.standard_normal(nrace))
    t_c  = comp_L[None, :] * np.exp(sig_j * rng.standard_normal((nrace, kk)))
    D    = d_med * np.exp(sig_d * rng.standard_normal(nrace))

    # 没参与这场竞速的对手不可能抢在我前面
    present = rng.random((nrace, kk)) < p_part
    t_c = np.where(present, t_c, np.inf)

    in_time = t_me < D                                  # 我赶上了窗口
    beat_me = (t_c < t_me[:, None]) & (t_c < D[:, None])  # 比我快且也赶上了
    ahead   = beat_me.sum(axis=1)

    share = np.zeros(nrace)
    ok = in_time & (ahead < len(SHARES))
    share[ok] = SHARES[ahead[ok]]
    return share.mean()

有一个建模细节必须交代：P_PART = 0.55。

第一版我让所有对手参与每一场竞速，结果整个模型退化了——只要你比第 3 名慢，份额精确等于 0，于是每一个「边际价值比值」都炸到 1e7 量级。那不是发现，那是我把参与者数量设得太少造成的假象。真实世界里不同机构盯的标的不同、风控额度不同、信号不同，不是每家都参与每一场。加入参与概率之后，慢速席位的份额平滑衰减，比值回到 51 倍这个可信的量级。

成本侧#

延迟成本是幂律的——从 100μs 降到 10μs 花的钱，远少于从 10μs 降到 1μs：

def cost_of(L):
    """维持 L 微秒延迟的年化全成本（美元）
    校准点：100μs → $0.8M，10μs → $4.0M，1μs → $20M"""
    return 0.8e6 * (100.0 / np.asarray(L, dtype=float)) ** 0.699

租金池设定为 800 场/日/标的 × 200 标的 × 252 日 × $2.2/场 = $8870 万/年。

二、速度价值曲线：中间地带是死亡谷#

三个读数值得说：

最优点不在最快处。 0.5μs 抢到第一的概率高达 99.2%，比 1μs 的 87.5% 高出 11.7 个百分点，但成本从 2000 万涨到 3247 万。多花的 1247 万只换来 326 万毛收入增量。净利润反而从 2976 万掉到 2055 万。

中间地带最惨。 90μs 处净利润只有 59 万——你已经付了 86 万的技术费用，却只抢到 1.63% 的份额。这就是死亡谷：投入足够让你被计入成本，却不足以让你进前三。要么进 1-2μs 的第一梯队，要么彻底退出这个游戏，中间的钱是纯烧。

220μs 之后净利润转负。 从这里开始，连托管的基础费用都赚不回来。

三、核心检验：绝对速度一文不值#

这是全文最硬的一个对照。

AC1 — 尺度不变性。 把我的延迟、所有对手的延迟、陈旧报价窗口全部同步乘以 10：

绝对偏差 0.00e+00。两个不同起点，比值都精确等于 1。

这不是近似，是模型的结构性恒等式：竞速的结果只由 t_me / t_k 和 t_me / D 的相对关系决定，同比缩放所有时间尺度不改变任何一个比较的符号。

现实含义很直接：如果整个行业明天集体慢 10 倍，没有人的利润会变化一分钱，但全行业每年能省下几亿美元的技术投入。这正是「速度上限」「随机延迟」这类交易所设计提案的理论基础。

AC2 — 单边提速。 只改我一个人：

同样是「速度变了 10 倍」，同步变化收益为 0，单边变化收益 4.89 倍。速度是纯粹的位置商品（positional good）。

四、一微秒的价格，取决于你身边挤了多少人#

「每快 1 微秒值多少钱」这个问题没有统一答案。实测：

10μs 处是 50μs 处的 13.9 倍。

这里有一个方法论陷阱要点名：「每微秒的美元数」这个指标本身在远离对手密集区时是退化的。当你在 400μs 处，份额已经趋近 0，分母再怎么减小，分子也是 0，比值会给出无意义的数字。

所以我改用一个尺度无关的量：把延迟砍一半能多赚多少钱。

比值 51.2 倍。同样是「投入减半延迟」的工程量，在 3μs 处的回报是 400μs 处的 51 倍。

边际价值的峰值出现在对手分布最密集的地方（1.3μs，对手延迟中位数 11.5μs 附近的密集带）。这解释了为什么军备竞赛总是在头部最激烈——不是因为头部的人更疯狂，而是因为只有在人堆里，快一点才真的换得到钱。

五、四个安慰剂：证明这钱来自哪里#

AC3：零离散——没有速度差，变快毫无价值#

让所有对手的延迟精确等于我的延迟，然后在 0.5μs 到 20μs 之间整体扫描：

理论值 (0.6+0.3+0.1)/(8+1) = 0.111111。实测均值 0.111076，极差仅 3.87e-04。

份额在整个 40 倍的速度区间里是一条平线。当所有人一样快，速度的边际价值精确为零。

AC4：零窗口——没人挂错价，再快也归零#

把陈旧报价窗口 D 设为 0（被套利方瞬间撤单）：

三个速度全部精确归零。

这条对照锁死了收入的性质：延迟套利的钱 100% 来自对手方的陈旧报价，即逆向选择租金。它不是做市报酬，不是风险补偿，不是流动性提供的对价。速度本身不产生价值，速度只是争夺别人失误的工具。

六、租金耗散：全行业烧的钱恒等于能抢的钱#

这是全文最有政策含义的一张图。

在自由进入下（企业不断进场直到利润为零），我们可以解出均衡的参与者数量：n* = 租金池 / 单家成本。

五个前沿档位，全行业总投入全部等于 8870 万美元，变异系数 7.51e-17。

技术从 8μs 推进到 0.5μs——16 倍的进步——没有让任何人多赚一分钱。它只是把参与者从 19 家挤到 2.7 家，每家的投入从 468 万涨到 3247 万。社会总支出恒定，全部等于那块可抢的租金。

这就是经典的租金耗散（rent dissipation）：一场所有人都必须参加、但赢家的奖金恰好等于全体的入场费的比赛。

七、军备竞赛自带刹车#

前面所有分析都把陈旧报价窗口 D 当作外生给定的。但被套利的那一方不是傻子——他也在升级。

当被套利方的撤单反应时间从 120μs 提升到 15μs：

注意这条曲线的形状：它是非线性的。从 480μs 压到 30μs，租金池只掉了 4%——因为套利方的速度（1-120μs）远快于这个窗口，压缩窗口不影响他们赶到。

但一旦窗口逼近套利方自身的延迟量级（1-5μs），租金池断崖式塌陷：1μs 窗口下只剩 2460 万，缩水 71.9%。

这是整个生态的自平衡机制。延迟套利的租金池不是固定的，它是被套利方技术水平的函数。 当所有做市商都用上 FPGA，这门生意会自己饿死——而这也解释了为什么这个行业的利润率在过去十年持续下滑。

八、抖动比均值更值钱#

一个容易被忽略的工程结论。在 1μs 的席位上：

把延迟抖动从 0.35 压到 0.05，收益略高于把平均延迟砍掉一半。

原因在名次结构里：抢到第一的概率从 87.5% 升到 100.0%。竞速的胜负由每一次的实际到达时间决定，而不是平均值。一个平均 1μs 但偶尔飙到 5μs 的系统，会在那些飙高的场次里输掉整个份额。

工程上，降低 p99.9 尾延迟通常比降低均值便宜得多。这是这个模型给出的最实用的一条建议。

九、已知偏差#

1. 租金池是外生标定的，不是从真实数据推出来的。 800 场/日/标的 × $2.2/场 是一个量级合理的假设，不是实测值。所有美元金额应当理解为相对量级，而非某个具体市场的真实规模。所有比值型结论（1.000000 的尺度不变性、51 倍的砍半回报差、CV=7.5e-17 的耗散恒等式）不依赖这个标定；所有绝对金额结论都依赖。

2. 没有建模「被抢单」的成本。 真实的延迟套利里，慢的一方不只是赚不到钱，他还会被别人抢走单子并承担逆向选择损失。我的模型里慢速参与者的最差结果是份额为 0，现实中是负数。这意味着死亡谷比我算出来的更深。

3. 单场竞速独立假设。 我假设每场竞速的抖动独立抽取。真实系统的延迟是自相关的——网络拥塞、GC 暂停、市场数据洪峰会让慢的时刻连成一片，而这些时刻恰恰是竞速最密集的时刻。这会让抖动的代价比我算的更大，第八节的结论方向不变但幅度被低估。

4. 成本函数的幂律指数 0.699 是构造的。 换一个指数会改变最优点的位置（当前 1.0μs）。但不会改变尺度不变性、零窗口归零、租金耗散恒等式这三条——它们是结构性结果，与成本曲线无关。

5. 没有建模交易所的费率结构和 rebate。 真实的做市商收入里有相当一部分来自 maker rebate，这会改变「值不值得留在游戏里」的门槛。

十、结果解读#

这门生意的本质是名次，不是速度。 尺度不变性检验给出了 1.00000000 的比值和 0.00e+00 的绝对偏差——这不是统计上的「无显著差异」，是恒等式意义上的严格相等。任何以「我们能让你快 X 微秒」为卖点的方案，如果不告诉你对手在哪里，这个数字就是没有信息量的。

边际价值的分布极度不均匀。 3μs 处砍半值 1464 万，400μs 处砍半值 28.6 万，差 51 倍。这意味着延迟投资的决策不能用平均 ROI——必须先定位自己在对手分布里的位置，再决定投不投。在死亡谷（本模型里 90μs 附近，净利 59 万）继续追加投入，是把钱扔进一个结构性亏损的位置。

收入 100% 是逆向选择租金。 零窗口安慰剂在三个速度档上全部精确归零。这个结论对监管讨论是关键的：延迟套利者的收入，逐美元地等于被套利方（通常是慢速做市商和最终投资者）的损失。它不创造流动性，也不改善价格发现——它只是把别人的失误变现。

军备竞赛在社会层面是纯损失。 租金耗散那张表里，技术前沿推进 16 倍，全行业总投入恒定在 8870 万，变异系数 7.5e-17。这些钱没有换来更好的价格、更深的盘口或更快的信息聚合，只换来了同一块租金的重新分配。这是「速度上限」和「频繁批量拍卖」这类市场设计提案最有力的论据。

但这个生意会自己终结。 窗口扫描显示，当被套利方的撤单速度追平套利方的进攻速度（窗口压到 1μs），租金池缩水 71.9%。延迟套利的利润是对手方技术落后的函数，而技术落后是会被时间消灭的。 这也是为什么这个赛道的头部机构近年都在向做市、大宗执行等方向转型——他们比谁都清楚这口井在见底。

如果你真的要做这件事：先量化对手分布，再决定要不要进场；进场就进第一梯队，中间地带是纯烧钱；工程预算优先砸尾延迟而不是均值；并且给这门生意设一个明确的退出条件——当你观察到目标场所的撤单窗口开始逼近你自己的延迟量级时，租金池的塌陷会比你的成本下降快得多。