Vikten av en observabel är att den kan bära mycket information, även om den beror på dolda variabler. Till exempel är transaktionsexekveringsordning en observerbar del. Det beror tydligt på dolda variabler, såsom orderflow. Det är dock fortfarande möjligt att konstruera en skattare utifrån observerbara och testa antaganden eller modeller för att bedöma reproducerbarheten av den observerade händelsen, utan att nödvändigtvis känna till den dolda variabeln. Vi kan jämföra den faktiska exekveringsordningen med en ideal, där transaktioner är perfekt ordnade efter prioritet, genom att definiera ett avstånd mellan den verkliga ordningen och den ideala ordningen. Härifrån får vi en specifik fördelning för varje schemaläggare. Under grundläggande antaganden, såsom tiden som läggs på att schemalägga transaktioner före exekvering och graden av parallellisering, kan vi reproducera de uppmätta fördelningarna med simuleringar där orderflödet antas vara enhetligt över alla schemaläggare. Vi finner att: - en schemaläggare som utför transaktioner när de blir tillgängliga, och endast använder prioritet för att lösa samtidiga transaktioner, och återger nästan perfekt Agave - en schemaläggare som batchar och utför transaktioner var 50 ms återskapar nästan perfekt BAM - en schemaläggare som väntar tills nära slutet av tidsluckan innan allt utförs, återger nästan perfekt Frankendancers intäktsschemaläggare Inget av detta förutsätter skillnader i orderflöde. Betyder detta att orderflöde kan elimineras som en dold variabel? Nej. Det faktum att en modell reproducerar data innebär inte att störningar i modellen inte kan ha svanseffekter, vilket gör orderflow till en avgörande variabel vid studier av avvikare eller upprepade anomala händelser. Betyder detta att ingenting kan läras genom att arbeta under ett "lika ordningsflöde"-system? Nej. Det du lär dig är hur schemaläggning fungerar under paritetsförhållanden.