diff --git a/research/live/shadow_depth.py b/research/live/shadow_depth.py
index 0c92bb6..1c9b176 100644
--- a/research/live/shadow_depth.py
+++ b/research/live/shadow_depth.py
@@ -1,4 +1,16 @@
-"""从落盘的完整盘口与成交流，算资金容量与 maker 腿成交率。
+"""从落盘的完整盘口与成交流，算资金容量、排队量与单根成交率。
+
+## 结论先行（2026-08-28）
+
+主口径仓位 **10 万 USDT**。该规模下两条约束都不绑定：
+
+  冲击      单边 0.01~1.87bp，占预算 0.1~11.1%，冲击反推上限 100~500 万
+  成交率    按逐根累积结算，预算降幅 BTC −0% / ETH −0% / SOL −1.1%
+
+⚠ 本文件里的 `composite_fill` 曾给出「10 万仓位全额成交率仅 7~63%」这种数，
+那个口径只算**首次触及那一根**的可成交量，系统性偏悲观，已不作为结论。
+真实成交率见 lib/exit_fill.py（挂单常驻多根逐步成交）。
+
 
 这两个数都不该等实盘暴露：
 
@@ -71,10 +83,51 @@ def impact_bp(levels: list, notional: float, mid: float) -> float | None:
     return (cost / qty / mid - 1.0) * 1e4
 
 
+def queue_ahead(books_path: Path, notional: float = 1e5) -> None:
+    """限价单排在多少量之后。
+
+    这是唯一还没建模的成本项。exit_fill 假定我们能吃到该价位的全部对手方
+    成交量，实际上我们排在该价位既有挂单之后。
+
+    这里量不了 3ATR 处的排队——3ATR 约 30bp，而 50 档盘口只覆盖 1.4~4.5bp，
+    那个价位远在可见深度之外。但价格走到我们的限价时，我们的单就成了盘口
+    最优档附近的一员，所以「最优档通常趴着多少量」是个有用的上界参照。
+    """
+    per: dict[str, dict[str, list[float]]] = {}
+    for r in read_jsonl_gz(books_path):
+        asks, bids = r["asks"], r["bids"]
+        if not asks or not bids:
+            continue
+        mid = (asks[0][0] + bids[0][0]) / 2.0
+        d = per.setdefault(r["sym"], {"top": [], "b1": [], "b5": []})
+        d["top"].append(asks[0][0] * asks[0][1])
+        for tag, bp in (("b1", 1.0), ("b5", 5.0)):
+            lim = mid * (1 + bp / 1e4)
+            d[tag].append(sum(p * a for p, a in asks if p <= lim))
+    if not per:
+        return
+    print(f"\n\n########## 限价单前方的排队量 ##########")
+    print(f"  主口径仓位 {notional:,.0f} USDT\n")
+    for sym, d in sorted(per.items()):
+        top = np.array(d["top"]); b1 = np.array(d["b1"])
+        b5 = np.array(d["b5"])
+        print(f"  {sym}  最优档 {np.median(top):>10,.0f} · "
+              f"1bp 内累计 {np.median(b1):>10,.0f} · "
+              f"5bp 内累计 {np.median(b5):>10,.0f}")
+        print(f"    我们的 {notional:,.0f} 相当于最优档的 "
+              f"{notional / max(np.median(top), 1):.1f} 倍、"
+              f"1bp 内总量的 {notional / max(np.median(b1), 1):.2f} 倍")
+    print("\n  倍数远小于 1 则排队可忽略；接近或超过 1 则我们本身就是那一档的")
+    print("  主要挂单，exit_fill 的成交量假设需要打折。")
+    print("  SOL 的最优档倍数畸高是 tick 更细所致（Bitget 的 SOL tick 比同类")
+    print("  细约 10 倍，同样的量摊到 10 倍多的价位上），所以对 SOL 该看 5bp")
+    print("  档而非最优档；但即便如此它仍是三个币里排队压力最大的一个")
+
+
 def capacity(books_path: Path, budgets: dict[str, float],
              pctl: float = 10.0) -> None:
     """报各币的深度曲线与「冲击吃掉预算多少」的资金上限。"""
-    grid = [1e4, 5e4, 1e5, 2e5, 3.2e5, 5.3e5, 1e6, 2e6, 5e6]
+    grid = [1e4, 2.5e4, 5e4, 1e5, 2e5, 5e5, 1e6, 2e6]
     per: dict[str, dict[float, list[float]]] = {}
     n = 0
     for r in read_jsonl_gz(books_path):
@@ -130,7 +183,7 @@ def capacity(books_path: Path, budgets: dict[str, float],
 
 
 def maker_fill(tape_path: Path, mults=(3.0, 8.0),
-               notionals=(1e5, 3.2e5, 5.3e5)) -> None:
+               notionals=(5e4, 1e5, 2e5)) -> None:
     """限价单挂在离场目标位，本根内有多少主动量打到那里。
 
     这里只回答「量够不够」。真实成交还要看排队位置——我们的单排在该价位
@@ -208,8 +261,15 @@ def tape_shape(tape_path: Path, kgrid: np.ndarray) -> dict[str, np.ndarray]:
 
 
 def composite_fill(tape_path: Path, pen_path: Path, cache: Path,
-                   notionals=(1e5, 3.2e5, 5.3e5)) -> None:
-    """把穿透深度分布与成交量曲线合并，出真实 maker 成交率。"""
+                   notionals=(5e4, 1e5, 2e5)) -> None:
+    """把穿透深度分布与成交量曲线合并，出**单根**内的 maker 成交率。
+
+    ⚠ 这个数只回答「限价单若仅有首次触及那一根可以成交，能否成交」。真实的
+    挂单是常驻的：它在那儿放最多 48 根，每根都在成交，且价格决定性穿过限价
+    时整根成交量都可用。所以本函数系统性**偏悲观**，不能当作成交率结论。
+    真实成交率见 lib/exit_fill.walk_filled 与 step43_fill_aware_budget.py，
+    那里按逐根累积结算，10 万仓位下预算降幅不足 1%。
+    """
     if not pen_path.exists():
         print("\n没有 penetration.csv，先跑 penetration.py")
         return
@@ -276,8 +336,9 @@ def main() -> None:
     d = out_dir()
     from lib.shadow_budget import BUDGET_BP
     tape = Path(a.tape) if a.tape else d / "shadow_tape.jsonl.gz"
-    capacity(Path(a.books) if a.books else d / "shadow_books.jsonl.gz",
-             BUDGET_BP)
+    books = Path(a.books) if a.books else d / "shadow_books.jsonl.gz"
+    capacity(books, BUDGET_BP)
+    queue_ahead(books)
     maker_fill(tape)
     composite_fill(tape, d / "penetration.csv",
                    Path(__file__).resolve().parent / "cache")
diff --git a/research/live/shadow_hb.py b/research/live/shadow_hb.py
index 7abe2c4..45028eb 100644
--- a/research/live/shadow_hb.py
+++ b/research/live/shadow_hb.py
@@ -77,10 +77,11 @@ BOOK_KEEP_S = 30                        # 缓冲保留 30 秒,够回查到 +5s
 BOOK_TOL_MS = 250                       # 回查容差:10Hz 正常 ≤100ms,留些余量
 BOOK_DEPTH = 50                         # 双边各 50 档，实测能撑 78 万~261 万美元
 DELAYS_S = (0.5, 1.0, 2.0, 5.0)         # 回查点
-# 便利视图用的仓位档。**真正的答案在 shadow_books.jsonl.gz 里**——完整盘口
-# 落了盘，任意资金量级的冲击都能离线算，换个规模不必重测。这里的档位只是
-# 为了让 CSV 直接可读，覆盖到按 2ATR 止损反推的十万量级真实仓位
-NOTIONALS = (50_000.0, 100_000.0, 320_000.0, 530_000.0)
+# 主口径 10 万名义额（2026-08-28 定：不会有更大资金）。上下各留两档是为了
+# 读出局部斜率——单点看不出「再大一倍会怎样」。
+# **真正的答案在 shadow_books.jsonl.gz 里**：完整盘口已落盘，任意资金量级的
+# 冲击都能离线重算，换规模不必重测，这里的档位只为让 CSV 直接可读
+NOTIONALS = (25_000.0, 50_000.0, 100_000.0, 200_000.0)
 NUM_COLS = ["timestamp", "open", "high", "low", "close", "volume"]