> **Source:** https://permissionless.fi/zh/10-funding-rates
> From *无需许可的金融* (无需许可的金融：从永续合约到链上全球市场) by Eric Cheung. Licensed under CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/).

# 第 10 章 资金费率的博弈论分析

2020年3月12日，加密货币市场遭遇了历史上最剧烈的单日暴跌之一，这一天后来被称为“黑色星期四” [1]。比特币价格在短短24小时内下跌了近50%，从约7900美元骤降至最低3867美元 [2]。这场由全球新冠疫情恐慌引发的宏观冲击，在加密衍生品市场中触发了规模空前的杠杆头寸清算级联，仅 BitMEX 一家交易所的清算量就超过了7亿美元 [3]。然而，在这场流动性枯竭与恐慌性抛售交织的崩溃中，衍生品市场的资金费率机制出现了严重的功能异常：BitMEX 的 XBTUSD 永续合约价格一度较现货折价超过10%，资金费率单期触及-0.375%的极端水平 [4]。

在那个特定的时刻，永续合约的价格已经大幅低于现货价格（BitMEX 的 XBTUSD 永续合约一度较现货折价超过500美元），呈现出极端的负基差状态 [5]。按照标准理论对资金费率机制的描述，这种负基差应当触发负的资金费率，即空头向多头支付费用，从而激励交易者买入永续合约，推动价格向现货价值回归。然而，即使费率已经转为极端负值，价格也未能回归。套利者因区块链网络拥堵而无法将资金存入 BitMEX 以执行套利操作 [5]，清算级联产生的强制卖单持续压低永续价格，形成了“费率极端→仍无法纠偏→基差继续扩大”的正反馈循环。资金费率的锚定机制在流动性枯竭的环境下几乎失效。

这个极端异象暴露了关于永续合约底层机制的三个根本性问题。资金费率的锚定力量究竟从何而来？它到底是一个被动的数学价差修正公式，还是一个多方参与、充满摩擦的复杂博弈均衡结果？在此基础上，为什么这个在过去90%以上的时间里都能运转良好的机制，会在市场最需要它发挥锚定作用的关键时刻严重失灵？综合以上分析，资金费率的极端行为本身，是否蕴含着关于市场杠杆状态和系统脆弱性的深层信号？

为了回答这些问题，本章将超越“算法锚定的负反馈循环”这一表层描述，建立一套系统的博弈论分析框架。本章通过三层分解模型来解构资金费率的经济学成分，利用锚定强度谱来度量锚定机制在不同市场状态下的有效性边界，构建三层博弈模型以解析多空双方、套利者与交易所之间的互动结构。进一步地，探讨费率极化正反馈如何解释极端化的生成机制，并最终提出费率作为状态变量的假说，将资金费率从一个被动的市场“输出”重新定位为预测未来波动与系统风险的“预测器”。全章从机制定义到三层分解、锚定强度、博弈结构、正反馈、策略行为、结算频率、状态变量，直至总结构成从基础概念到前沿分析的完整逻辑链条。通过五个相互嵌套的理论框架来论证资金费率是理解加密衍生品市场微观结构与博弈动态的核心变量。

## 10.1 机制与定义

在深入复杂的博弈论分析之前，必须建立一套清晰且严谨的共同语言。从永续合约的三重价格体系，到资金费率公式的内部结构，再到不同交易所之间的参数设计差异，这些技术定义构成了后续所有博弈展开的初始条件和支付结构，决定了套利者的利润空间、投机者的持仓成本，以及整个系统在极端压力下的韧性。在分析参与者的策略之前，必须精确地定义博弈的规则。

### 10.1.1 三重价格体系

永续合约之所以能够脱离交割日约束而独立运行，依赖于一套三重价格体系。三种价格各自承担不同的职能，通过相互作用维持市场的运转。理解它们之间的区别与联系，是把握资金费率机制的前提。

指数价格是整个体系的客观价值基准。它通常通过对全球多家主流现货交易所（如 Coinbase、Kraken、Bitstamp 等）的最新成交价进行成交量加权平均计算得出 [6]。指数价格的设计初衷是提供一个难以被单一实体或单笔大额交易操纵的全球共识价值。为了确保其稳健性，交易所通常会在计算中引入多重异常检测机制：自动剔除偏离度过大的报价源、排除流动性枯竭时段的数据、以及对权重进行动态调整。例如，当某家现货交易所的报价偏离其他交易所的中位数超过一定阈值时，该交易所的权重会被自动降低甚至归零。这种设计使得指数价格成为了一个相对“外生”的变量，它反映的是全球现货市场的综合状态，而非任何单一衍生品交易所内部的供需动态。然而，指数价格的“外生性”假设成立的前提是其成分交易所具有足够的流动性深度。对于 BTC、ETH 等主流资产，多家高流动性交易所的加权平均使得操纵成本极高，外生性假设可以合理成立。然而，对于低流通市值的长尾资产（如本章后续将分析的 ALPACA），成分交易所的深度可能极度稀薄，单笔中等规模的市价单即可显著移动现货价格，进而影响指数价格。此时，三重价格体系的“外生锚”假设部分失效，操纵者可以同时影响指数价格和永续价格，使得费率机制的锚定基础被从根本上削弱。2022年10月的 Mango Markets 事件即为典型案例：攻击者 Avraham Eisenberg 通过在低流动性现货市场操纵 MNGO 代币价格，成功影响了预言机喂价，最终造成逾1.1亿美元（>\$110M，CFTC/DOJ 口径）的协议损失。这一风险维度将在§10.6.3的费率操纵可行性分析中进一步展开。

永续价格，即衍生品订单簿上的最新成交价，是实时反映衍生品市场内部供需关系、杠杆方向和交易情绪的直接指标。它由多空双方在交易所内部竞价直接形成，具有高度的“内生性”。当大量杠杆多头涌入时，永续价格会被推高至指数价格之上，形成正溢价；反之，当恐慌性抛售或空头力量占据主导时，永续价格会跌至指数价格之下，形成负溢价（即折价）。然而，正是由于其内生性，永续价格极易受到单笔大额订单的冲击或短期市场操纵的影响，一笔足够大的市价单就可以在流动性稀薄的时段制造出显著的价格偏离。

标记价格则是在锚定真实价值与反映市场现实之间取得均衡的设计产物。它通常由稳健的指数价格加上经过移动平均化处理的基差（永续价格与指数价格之差）构成 [7]。需要指出的是，不同交易所的标记价格计算存在根本性差异：BitMEX 采用基于订单簿中间价和指数价格的复合计算，EMA 窗口长度随合约不同而变化；Binance 取指数价格和买一卖一中间价的加权平均，权重因合约流动性状况动态调整；Hyperliquid 则使用预言机中位数价格加上小窗口 EMA 基差。这些差异直接决定了清算触发时点：在同一市场条件下，同一交易者可能在一家交易所被清算而在另一家不被清算。标记价格的核心职能有二：其一，它是计算未实现盈亏和评估保证金水平的唯一依据；其二，在极端波动时，它作为触发强制平仓的警戒线。标记价格的设计目标在于过滤永续价格的短期噪音，为市场提供缓冲层。如果直接使用永续价格来触发清算，那么一次短暂的“插针”（即价格在极短时间内大幅偏离后迅速回归）就可能导致大量无辜头寸被不必要地清算。标记价格通过其平滑机制，将这种风险降至最低。

这三者的交互关系构成了资金费率运作的基础设施：基差经时间加权平均成为驱动费率计算的溢价分量，而标记价格维持着系统的偿付能力底线，防止过度杠杆头寸因短暂价格扰动而引发系统性风险。

![三重价格体系与资金费率锚定机制示意图](./images/fig-10-1.png)

**图 10-1.** 永续合约的三重价格体系与资金费率锚定机制

### 10.1.2 费率公式解构

不同交易所的资金费率计算细节可能略有差异，但其核心逻辑高度一致。以主流交易所的通用公式为例，资金费率 $F$ 可以解构为以下形式 [8]：

$$F = P + \text{clamp}(I - P,\ -0.05\%,\ +0.05\%)$$

其中 $F$ 为资金费率，$P$ 为溢价分量，$I$ 为利率分量。

该公式蕴含多层经济学含义：溢价分量捕捉了市场的方向性偏好，利率分量固化了持仓的资本成本，而 clamp 函数则通过边界约束引入了非线性的制度摩擦。三者的交互作用使得资金费率在不同市场状态下表现出截然不同的响应特征：在温和偏离时被锁定在固定基准，在极端偏离时才呈现出对溢价的线性敏感性。

溢价分量是费率中信息密度最高的动态部分，直接量化了永续价格偏离指数价格的程度。它通常是基差在一段时间（如8小时结算周期）内的时间加权平均值，而非简单的瞬时快照。具体而言，BitMEX 使用过去一分钟的时间加权平均价格（TWAP），Binance 使用结算周期内每分钟采样的算术平均，而 Hyperliquid 使用每5秒采样后在1小时窗口内的平均值。这些采样差异直接影响费率对短期价格冲击的敏感度。这种时间加权的设计具有直接影响：它防止了交易者通过在结算时刻前瞬间制造大额基差来操纵费率，同时也使得费率更能反映一段时间内持续的市场方向性偏好，而非短暂的噪音。当 $P$ 为正时，意味着永续合约在结算周期内持续存在溢价，多头需求旺盛；当 $P$ 为负时，则存在持续折价，空头力量主导。溢价分量直接度量了市场参与者愿意为方向性敞口支付的溢价，在费率的各组成部分中信息密度较高。

利率分量反映了持有合成杠杆头寸的资金成本。BitMEX 于2016年开创永续合约时，将其设定为固定的每8小时0.01%（简单年化约10.95%）[9]；这一利率分量的制度性成因（为何并非精确的宏观无风险利率、如何为激励套利者提供流动性而设定为制度性基准）见§10.2.1的融资成本层。随着永续合约被全球各大交易所广泛采用，这个0.01%的利率分量成为了一个事实上的行业标准，深刻地影响着整个市场的结构性特征。

clamp 函数是公式中常被低估的组成部分，其影响范围远超表面所见。它是一个边界约束函数，将 $(I - P)$ 的值强制限制在 $[-0.05\%,\ +0.05\%]$ 的区间内。其数学定义为：

$$\text{clamp}(x,\ a,\ b) = \max\bigl(a,\ \min(x,\ b)\bigr)$$

clamp 函数的作用不限于限制极端波动。它创造了一个非对称效应，构成理解资金费率结构性特征的基础。为了直观理解这一点，我们可以分析资金费率 $F$ 对溢价分量 $P$ 的响应曲线。当利率分量 $I = 0.01\%$ 时，整个响应关系呈现出3段式的分段线性特征（表 10-1）：

| 溢价分量 P 的范围 | clamp 的值 | 最终费率 F = P + clamp | 经济学含义 |
| :--- | :--- | :--- | :--- |
| $P < -0.04\%$ | $+0.05\%$（上限） | $F = P + 0.05\%$，随 $P$ 线性下降 | 深度折价区：费率随折价加深而下降，但始终被 $+0.05\%$ 的修正项“拖住” |
| $-0.04\% \leq P \leq +0.06\%$ | $I - P$（无截断） | $F \equiv 0.01\%$（恒定） | 稳定区间：clamp 抵消 $P$ 的波动，费率被锁定 |
| $P > +0.06\%$ | $-0.05\%$（下限） | $F = P - 0.05\%$，随 $P$ 线性上升 | 深度溢价区：费率随溢价加深而上升，但被 $-0.05\%$ 的修正项“减速” |

**表 10-1.** 资金费率对溢价分量的三段式分段线性响应（利率分量 I=0.01%）（数据来源：作者整理）

实证数据验证了这一设计的效果 [8]：BitMEX 2025年第三季度报告显示，BTC 永续合约费率在78.19%、ETH 在87.52%的时间里精确等于 $0.01\%$，这并非市场持续处于均衡（溢价分量 $P$ 实则持续波动），而是 clamp 函数制造的一种“稳定区间幻觉”。该稳定区间由此使资金费率带有一个内建的正向偏差，即使市场轻微折价多头仍需向空头付费，构成不可忽视的“制度摩擦层”。这一结构性正偏差的完整论证（含稳定区间宽度、$P = -0.03\%$ 的临界举例与正费率占比数据）将在§10.2的“三层分解模型”中正式化，详见§10.2.3。

### 10.1.3 跨交易所的参数差异

资金费率并非单一的统一标准，而是一个具有多维参数的设计空间。不同交易所在结算频率、利率分量、Clamp 边界、指数价格构成和费率上限等参数上的差异，虽然在表面上看只是“技术实现细节”，但它们会显著改变参与者的成本收益结构，从而塑造出截然不同的博弈环境。理解这些差异，是理解为什么同一资产在不同平台上的资金费率可以呈现出截然不同行为的关键。

表 10-2从结算频率、利率分量、Clamp 范围、费率上限和指数价格来源五个维度，对比了 BitMEX、Binance 和 Hyperliquid 3家代表性交易所的核心设计参数。这些参数差异直接决定了各平台上套利资本的响应速度、操纵攻击的可行成本以及极端行情中费率极化的幅度。

| 设计维度 | BitMEX | Binance | Hyperliquid |
| :--- | :--- | :--- | :--- |
| 结算频率 | 每8小时（固定） | 动态（8h / 4h / 1h）[10] | 每1小时（固定）[11] |
| 利率分量 | 0.01% / 8h | 0.01% / 8h | 0.01% / 8h（实际支付 $F/8$ / 1h）[11] |
| Clamp 范围 | ±0.05% | ±0.05% | ±0.05% |
| 费率上限 | ±0.75% / 8h | BTC/ETH 等主流资产：±0.75%/8h；长尾资产触发动态结算后可扩大至±2%~±4% | ±4% / 1h（统一上限） |
| 指数价格来源 | 多家 CEX 成交量加权平均 | 多家 CEX 成交量加权平均 | 验证者预言机（CEX 加权中位数；许可制验证者集，排序器中心化执行）[11] |

**表 10-2.** 主流交易所资金费率核心设计参数对比（数据来源：作者整理自各平台公开文档）

结算频率是改变博弈时间尺度的核心变量。BitMEX 长期坚持每8小时结算一次（UTC 04:00、12:00、20:00），这一经典设计为套利者留出了充足的缓冲时间来部署资金和执行策略。Binance 在2025年引入了动态结算频率机制，允许根据市场波动率和特定合约的特性，在8小时、4小时甚至1小时之间灵活切换 [10]。这一调整源于 Binance 对 ALPACA 等费率操纵事件的直接回应：更高的结算频率意味着操纵者需要在更短的时间窗口内维持其头寸，从而大幅提高了操纵成本。Hyperliquid 等去中心化交易所（DEX）则采用了每1小时结算的设计 [11]。结算频率越高，价格锚定在理论上越紧密，但同时也显著增加了单边趋势行情中持仓者的持续成本压力。在某些极端案例中（如后文§10.7.3将详细分析的高频结算挤压事件），空头在24小时内仅因费率支出就可能损失名义本金的近20%。

利率分量与 Clamp 范围的差异直接决定了费率的基准线和波动性。BitMEX 和 Binance 均采用固定的 $0.01\%$ 利率分量和 $\pm0.05\%$ 的 Clamp 范围，这创造了前文所述的结构性正向偏差和稳定区间。Hyperliquid 的费率计算采用了一种“先计算、后缩放”的归一化架构 [11]：其公式首先使用与8小时结算交易所相同的参数（利率分量 $I = 0.01\%$，Clamp 边界 $\pm0.05\%$）计算出一个名义费率 $F$，然后将实际每小时支付金额设为 $F/8$。这意味着在 Clamp 绑定的稳定区间内，每小时的默认费率为 $0.01\%/8 = 0.00125\%$。值得注意的是，虽然公式参数与8小时交易所相同，但 Hyperliquid 的溢价指数采样窗口为1小时（每5秒采样一次后取平均），而非8小时。更短的采样窗口使溢价分量对短期价格冲击更为敏感，这部分解释了 Hyperliquid 费率波动性更高的统计特征。更重要的是，Hyperliquid 的费率上限设定为每小时4%，远高于中心化交易所通常的每8小时0.75%上限（BitMEX）。这意味着在极端行情中，Hyperliquid 上的费率可以达到远超中心化交易所的水平，为投机者和操纵者提供了更大的策略空间。

指数价格来源的差异则影响着费率计算的“锚”本身的可靠性。中心化交易所通常采用多家现货交易所的成交量加权平均价格，并辅以异常检测和权重动态调整机制。而 Hyperliquid 作为链上协议，依赖其验证者网络提供的预言机喂价，每个验证者独立计算多家 CEX 现货价格的加权中位数 [11]。这种设计在去中心化和抗审查方面具有优势，但也引入了预言机延迟和更新频率的额外风险维度。更深入地审视，Hyperliquid 的实际中心化程度高于其去中心化叙事所暗示的水平：其验证者集为许可制（约16-24个节点，截至2026年初约21个），Hyperliquid 团队控制着相当比例的质押权重；订单匹配和费率计算由中心化排序器（sequencer）执行，验证者更接近“确认者”而非独立的共识参与者；实际喂价更新延迟受排序器吞吐量限制。2025年3月的 JELLY 事件即暴露了这一架构的脆弱性，预言机喂价的滞后性被操纵者利用，导致了显著的市场扭曲。

这些参数差异在实证数据中有明确体现。BitMEX 2025年第三季度的数据清晰地展示了不同设计选择如何塑造截然不同的费率行为 [8]：

![跨交易所BTC资金费率统计对比](./images/fig-10-2.png)

**图 10-2.** 2025年Q3主流交易所 BTC 与 ETH 资金费率统计特征对比 [8]

如图 10-2所示，3家交易所的费率行为呈现出显著差异。BitMEX 的 BTC 费率在78.2%的时间里稳定在0.01%（图C），标准差仅为0.0049%，表现出较高的可预测性。Binance 作为全球最大的交易所，其费率均值（0.0057%）反而低于 BitMEX（0.0081%），这反映了 Binance 平台上持续存在的空头压力，可能来自于大量的对冲基金和做市商在 Binance 上建立空头头寸以对冲其他平台的多头敞口。Hyperliquid 的费率均值（0.0120%，图A）和标准差（0.0097%，图B）均显著高于两家中心化交易所，最大值达到0.0672%，表现出较高的波动性和对市场情绪的敏感度 [8]。

| 交易所 | BTC 均值费率 | BTC 标准差 | BTC 费率=0.01%频率 | BTC 正费率频率 |
| :--- | :--- | :--- | :--- | :--- |
| BitMEX | 0.0081% | 0.0049% | 78.19% | 93.83% |
| Binance | 0.0057% | 0.0039% | 30.70% | 92.54% |
| Hyperliquid | 0.0120% | 0.0097% | 39.45% | 95.98% |

**表 10-3.** 2025年Q3三家交易所 BTC 资金费率核心统计指标 [8]（数据来源：作者基于 [8] 整理）

一个共性特征是：尽管三家交易所的设计参数和费率波动性差异巨大，但它们的 BTC 正费率频率都超过了92%（表 10-3）。这意味着在整个2025年第三季度，无论在哪个平台上，多头在超过九成的时间里都在向空头支付费用。这一现象并非偶然，而是利率分量 $I = 0.01\%$ 这一制度性基准与 clamp 函数的结构性正偏差共同作用的结果，即使在市场方向性偏好相对中性的时期，费率的“默认状态”也是正值。BitMEX 在其报告中将这一现象称为“公式的秘密正偏差”[8]。

这些跨交易所的参数差异和统计表现并非次要的技术细节。它们决定了不同平台上套利资本的厚度和响应速度，决定了操纵者发动“费率挤压”攻击的成本和可行性，决定了极端行情中费率极化的速度和幅度。更重要的是，它们构成了本章后续所有分析的初始条件：§10.2的“三层分解模型”将解释为什么这些参数差异会导致制度摩擦层的大小不同；§10.3的“锚定强度谱”将论证不同设计如何影响锚定的有效性边界；§10.4的“三层博弈模型”将分析参数差异如何改变各层博弈的均衡结构；而§10.7将专门深入探讨结算频率这一核心设计维度。

## 10.2 三层分解模型

在加密货币衍生品市场中，资金费率通常被交易者简单地视为“多空力量的方向指标”或“市场情绪指标”。然而，这种单一维度的理解掩盖了资金费率在微观结构上的复杂性。为了准确解析资金费率所传递的市场信号，我们必须摒弃将其视为单一变量的视角，转而采用三层分解模型。该模型将表面上观测到的资金费率解构为三个可分解、经济学含义不同的成分：融资成本层、情绪溢价层与制度摩擦层。需说明，制度摩擦层由情绪溢价层 $P$ 经 clamp 函数决定，二者并非统计正交，而是机制上相互依赖。

### 10.2.1 融资成本层

资金费率的最底层是融资成本层，它代表了在无风险套利假设下，持有衍生品头寸所隐含的资本成本。这一层面的存在使得永续合约的资金费率不仅仅是一个相对价格的调节工具，更是一个绝对收益率的体现。

在分析各层之前，有必要从整体上把握三层分解模型的架构。图 10-3 将费率的三个组成部分按其变动频率从低到高排列。

![图 10-3](./images/fig-10-3.png)

**图 10-3.** 资金费率的三层分解模型

如图 10-3所示，融资成本层构成了费率的底层基准，在缺乏极端市场偏离时维持费率在0.01%附近的默认状态；情绪溢价层叠加在融资成本层之上，随市场多空力量的变化实时波动；制度摩擦层则通过 clamp 函数对前两层的合成结果施加非线性截断，形成了费率分布的结构性正偏差。三层的交互作用决定了任一时刻的实际观测费率。

在大多数主流加密货币交易所（如 BitMEX、Binance）的资金费率公式中，融资成本层被硬编码为一个固定的利率分量（通常记为 $I$）。例如，BitMEX 最初设定的基准利率为每8小时0.01%，折合年化利率约为10.95%（简单年化，即 $0.01\% \times 3 \times 365$；若按复利计算则约为11.57%，即 $(1 + 0.01\%)^{1095} - 1$） [8]。这一设定并非任意的数学常数，而是基于早期加密市场中美元（或稳定币）与比特币之间借贷成本差异的经验估计。这构成了一种制度性刚性：当美联储在2023年将基准利率提升至5.25%后，加密市场10.95%的固定利率分量相对于传统无风险利率的溢价被大幅压缩（从零利率时代的超过10个百分点缩小至约5.7个百分点），但公式本身并未进行动态调整。

借贷成本假说认为，永续合约的买方实际上是在借入计价货币（如 USDT）来购买基础资产（如 BTC），而卖方则是在借入基础资产来获得计价货币。因此，资金费率的基准应该反映这两种资产在现货借贷市场上的利差。由于加密市场中对稳定币的借贷需求长期高于对原生加密资产的借贷需求，这种结构性的供需失衡导致了稳定币借贷利率显著高于加密资产借贷利率，从而在公式层面被固化为一个恒正的利率分量。

### 10.2.2 情绪溢价层

在融资成本层之上，是高度动态的情绪溢价层，这是资金费率中最受交易者关注的部分。情绪溢价层由溢价分量（通常记为 $P$）构成，它实时衡量了永续合约价格与现货指数价格之间的偏差。情绪溢价层是市场微观结构中多空力量博弈的直接结果，代表了风险的公开市场定价。当市场预期未来价格上涨时，投机性多头力量增强，推高永续合约价格，导致 $P > 0$；反之，当市场预期下跌时，空头力量占据主导，导致 $P < 0$。在2024年11月比特币突破10万美元的牛市阶段，BTC 永续合约的溢价分量持续维持在0.05%至0.15%的高位区间，反映了杠杆多头需求的集中涌入；而在2025年1月底 DeepSeek 引发的 AI 板块异动期间，部分山寨币的溢价分量骤降至-0.3%以下，显示出恐慌性抛售对衍生品市场微观结构的冲击。

在套利资本充足的正常市场环境下，情绪溢价层反映了套利者为吸收市场单边失衡而要求的风险补偿。国际清算银行的 Schmeling 等人在关于“加密货币套利”的研究中指出，加密期货的套利收益本质上是一种高度波动的“便利收益”，这种收益源于散户投资者追求杠杆上涨敞口的趋势追踪行为，以及愿意承担基差风险的套利资本相对稀缺 [12]。因此，情绪溢价层不仅是情绪的度量，更是市场流动性提供者（套利者）对其资本占用的定价。

### 10.2.3 制度摩擦层

三层分解模型中常被忽视但在实际运行中作用显著的是制度摩擦层。这一层源于交易所为了防止资金费率过度波动而人为引入的数学截断机制，即 clamp 函数。BitMEX 在2016年设计永续合约时引入这一机制，其初衷是防止单期费率的极端波动引发连锁清算，同时为套利者提供可预期的收益下限以维持其参与积极性。大多数交易所的最终资金费率公式可以表示为：$F = P + \text{clamp}(I - P, -0.05\%, +0.05\%)$。这一看似简单的平滑机制，在微观层面上创造了显著的非对称效应。

![clamp函数与资金费率的稳定区间效应](./images/fig-10-4.png)

**图 10-4.** clamp 函数对资金费率的非对称截断效应与稳定区间（基于公式推导的概念示意，非实测数据；clamp 阈值约±0.05%、利率分量0.01%、稳定区间宽度0.10%均为公式常量 [8]）

如图 10-4所示，clamp 函数创造了一个宽度为0.10%的“稳定区间”（当溢价分量 $P$ 介于 -0.04% 和 +0.06% 之间时）。在这个区间内，公式中的截断项抵消了溢价的波动，使得最终资金费率被强行锚定在 $I = 0.01\%$ 的水平。

这种机制导致了资金费率分布的结构性正偏差。即使永续合约处于轻微的折价状态（例如 $P = -0.03\%$），由于 clamp 函数的干预，多头依然需要向空头支付0.01%的资金费率。只有当折价幅度超过 -0.05% 时，资金费率才会降至零；只有当折价幅度更深时，费率才会转为负值。

BitMEX 2025年第三季度衍生品报告印证了这一结构性特征（图 10-2）：BTC 资金费率在高达 78.19% 的时间内精确等于0.01%、在 93.83% 的时间内保持为正值 [8]，即使波动性更高的 Hyperliquid 其正费率占比也高达95.98%。这表明市场上“长期正费率”现象很大程度上并非源于市场持续乐观，而是制度摩擦层（即公式的内置正偏差）所导致的结果。

### 10.2.4 宏观利率共振与套利经济学

将资金费率分解后，我们可以将其融资成本层与宏观经济环境进行对比，从而揭示跨市场套利的经济学驱动力。图 10-5 对比了2020年至2025年间美联储基准利率与永续合约隐含利率的偏离趋势，以及由此产生的跨市场套利利差的演变。

![宏观利率环境与永续合约利率分量的偏离](./images/fig-10-5.png)

**图 10-5.** 宏观利率环境与永续合约隐含利率的偏离与套利空间（示意性趋势图，非逐月真实序列；美联储路径为公开宏观数据，永续隐含利率年化约10.95%为公式算术常数，利差收窄趋势与彭博报道一致 [13]）

如图 10-5所示，永续合约的利率分量（年化约10.95%）在设计之初是固定的。在2020年至2021年的“零利率时代”，美联储基准利率接近于零，传统金融市场的无风险收益极低。此时，加密市场高达10%以上的基准资金费率创造了巨大的跨市场套利利差（超过10%）。这种巨大的利差吸引了大量传统机构资本（如早期的加密对冲基金）进入加密市场执行期现套利，为市场提供了充足的流动性。

然而，进入2023年至2024年的“高利率时代”后，美联储基准利率攀升至5.25%以上，传统无风险收益率大幅提高。此时，加密市场固定利率分量相对于传统美元无风险利率的优势被大幅压缩，套利利差收窄至5%左右。这种宏观环境的变化导致了套利资本的边际机会成本上升。正如彭博社在2026年初的报道所指出的，随着基差收益率下降至5%左右，华尔街对冲基金开始从比特币基差交易中撤退 [13]。

除了利差收窄这一价格信号外，宏观利率上升还通过两个被遗漏的渠道削弱永续合约的锚定强度。其一为**ETF/CME 通道的结构性分流**：2024年1月 BTC 现货 ETF 获批后，机构可通过 ETF+CME 期货构建套利，无需承担加密原生交易所的对手方风险。这不仅是利差收窄导致的总量撤退，更是套利资本从加密原生平台向传统金融基础设施的结构性转移，机构不再需要在 Binance 或 Bybit 上承担交易所信用风险即可获取基差收益。其二为**数量传染与风险偏好传染**：宏观利率上升不仅通过价格信号（利差收窄）影响套利活动，还通过数量冲击（LP 赎回导致合规基金被迫撤出套利头寸）和风险偏好传染（宏观 risk-off 导致加密市场价格下跌触发清算级联）两个渠道直接削弱锚定强度。这三重传染渠道（利差收窄、资本结构性分流、风险偏好传导）共同解释了为什么2023年以来永续合约市场的套利深度出现了结构性下降。

这种宏观利率的共振与偏离解释了为什么在不同的宏观周期下，加密衍生品市场的流动性深度和套利资本的充裕程度会有显著差异。当美联储在2025年下半年开始降息周期后，传统无风险收益率的下降将重新扩大加密市场的套利利差，可能吸引此前撤退的机构资本回流。与此同时，链上 DeFi 借贷利率（如 Aave 上 USDC 的浮动借款利率）为融资成本层提供了一个更为实时的动态代理指标，其与永续合约资金费率之间的利差构成了跨协议套利的驱动力。

### 10.2.5 三层分离的实证方法

在实证研究和量化交易中，准确分离这三层成分是构建有效策略的前提。量化研究者通常采用以下方法进行分离（表 10-4）：

| 成分 | 观测与分离方法 | 经济学意义 | 交易策略应用 |
| :--- | :--- | :--- | :--- |
| 融资成本层 ($I$) | 交易所公开的固定参数（通常为0.01%/8h），或通过 DeFi 稳定币借贷利率（如 Aave USDC 借款利率）进行动态代理估计。 | 资本的时间价值与跨市场无风险利率基准。 | 作为跨市场套利的基准收益率，评估套利资本的机会成本。 |
| 情绪溢价层 ($P$) | 通过高频订单簿数据，计算永续合约（成交价/中间价）与现货指数价格的实时基差。 | 纯粹的市场微观结构失衡与单边投机动能。 | 构建动量策略或均值回归策略；识别极端的市场情绪反转点。 |
| 制度摩擦层 | 无摩擦极限下 $F = P + (I-P) = I$（溢价 $P$ 相互抵消），故制度摩擦项应由截断量度量：$\text{friction} = \text{clamp}(I-P,\,-0.05\%,\,+0.05\%) - (I-P)$，即 clamp 对 $(I-P)$ 的截断幅度。 | 交易所规则对市场自然出清过程的干预与扭曲。 | 寻找“处于折价但费率仍为正”的结构性错配区间，构建具有正期望的统计套利策略。 |

**表 10-4.** 资金费率三层成分的实证分离方法（数据来源：作者整理）

值得注意的是，三层分解模型并非解释资金费率驱动因素的唯一理论框架。在传统金融学文献中，期货基差的定价存在若干竞争性理论。便利收益假说认为，持有现货资产本身具有隐含价值（如投票权、质押收益、即时可用性），这种价值应当反映在期货的折价中。在加密市场语境下，持有现货 BTC 的便利收益可能包括链上质押或 DeFi 参与的机会成本。对冲压力假说则强调，当生产者（在加密市场中类比为矿工或代币发行方）系统性地做空期货以锁定远期价格时，空头的集中供给会压低期货价格，产生与投机需求无关的负基差。市场分割假说指出，如果现货和衍生品市场的参与者在资本、信息或准入方面存在系统性差异，两个市场的价格可以持续偏离而不被套利抹平。本章采用的三层分解模型并不排斥上述理论，而是将它们的部分洞见纳入了不同层面：便利收益和对冲压力的效应被情绪溢价层所吸收，市场分割则通过套利受阻条件（§10.3.3）间接体现。然而，严格的实证检验（例如将费率分解为便利收益成分和投机情绪成分的回归分析）留待未来研究。

通过三层分解模型，我们认识到资金费率并非一个纯粹由市场供需决定的自由浮动价格，而是一个被制度规则深度塑造的混合指标。交易者在解读资金费率信号时，必须剥离制度摩擦层造成的“伪稳态”和融资成本层造成的“正偏差”，才能触及情绪溢价层所反映的真实市场微观结构状态。

## 10.3 锚定强度谱

在传统金融的期货市场中，到期日的物理或现金交割机制提供了一种“硬锚定”。无论合约在存续期间偏离现货价格多远，在到期那一刻，期货价格与现货价格必须强制收敛，否则将产生无风险的确定性套利机会。然而，永续合约没有到期日，其价格向现货价格的收敛完全依赖于资金费率机制。这种依赖于持续支付的机制被称为“软锚定”。

理解永续合约市场的关键，在于认识到这种软锚定并非一个非黑即白的二元状态（要么锚定，要么脱锚），而是一个连续的锚定强度谱。

### 10.3.1 锚定强度的定义

我们可以引入一个介于 0 和 1 之间的参数 $\alpha$（锚定强度）来量化这一概念。在操作层面，$\alpha$ 可以通过永续合约价格对现货价格偏离的半衰期来估计：半衰期越短，意味着偏离被纠正的速度越快，锚定强度越高。当 $\alpha = 1$ 时，为完美锚定，等同于传统期货在到期日的硬交割状态，期货价格 $F_t$ 严格等于现货价格 $S_t$。当 $\alpha = 0$ 时，为无锚定，永续合约退化为一种完全不受现货价格约束的纯投机工具，其价格完全由衍生品市场内部的多空博弈决定。在实际的永续合约市场中，锚定强度始终处于 $0 < \alpha < 1$ 的连续谱上。在操作层面，$\alpha$ 可以通过误差修正模型进行估计。设 $b_t = P_t^{\text{perp}} - P_t^{\text{spot}}$ 为 $t$ 时刻的基差，基差的动态可以建模为：

$$\Delta b_t = -\kappa \cdot b_{t-1} + \varepsilon_t$$

其中 $\kappa > 0$ 为均值回复速度参数，$\varepsilon_t$ 为白噪声扰动。$\kappa$ 越大，基差被纠正的速度越快，锚定越紧。$\alpha$ 的操作化代理为 $\hat{\alpha} = 1 - e^{-\kappa}$，对应的半衰期为 $h = \ln 2 / \kappa$。在正常市场环境中，基于 BitMEX 和 Binance 的高频基差数据，初步的误差修正模型（ECM）估计表明 $h$ 约为2至4小时，即基差的一半会在2至4小时内被套利活动修正（对应在 8 小时内累积修正约 75\%--94\% 的基差、16 小时内约 94\%--99.6\%）。然而，在极端事件（如2020年3月“黑色星期四”）中，$h$ 可超过48小时（对应 $\alpha < 0.2$），表明锚定机制几乎完全失效。需要指出的是，$\kappa$ 的估计值高度依赖数据频率，且在极端事件中 $\varepsilon_t$ 呈现厚尾特征，可能导致 OLS 估计有偏。更精细的 Markov 区制转换模型可捕捉 $\kappa$ 在正常、压力和危机三种状态下的切换，其估计与检验留待未来研究。上述半衰期参数应理解为本书基于描述性分析的初步估计，而非严格的计量检验结果。

在绝大多数正常市场时间里，$\alpha$ 接近于 1（例如 $\alpha \approx 0.9$），资金费率有效地将永续合约价格约束在现货价格附近。

![锚定强度谱](./images/fig-10-6.png)

**图 10-6.** 锚定强度谱与极端事件的偏离（概念示意，非实测数据；锚定强度 α 为本书定义的模型参数，作者估计值）

如图 10-6所示，锚定强度在正常市场环境中保持在0.8至0.95的高位区间，此时永续合约价格与现货价格的偏差通常不超过0.1%。当市场进入极端事件（如2020年3月“黑色星期四”或2021年5月杠杆崩盘），锚定强度骤降至0.2以下，永续合约价格与现货价格出现数百美元的持续偏离。这种非线性衰减特征表明，资金费率的锚定效力并非沿线性路径下降，而是在特定阈值处发生急剧崩溃。

### 10.3.2 套利活动与锚定强度

资金费率公式本身仅是计算规则，不具备直接拉动价格的力量。公式不创造锚定，公式只是创造了套利的利润空间；真正创造锚定的是被利润吸引而来的套利资本。当永续合约出现溢价（$P > 0$）时，资金费率为正。套利者会通过“做空永续合约 + 买入现货”来构建市场中性组合，从而无风险地收取资金费率。这一操作在衍生品市场产生了卖盘（压低合约价格），在现货市场产生了买盘（推高现货价格），从而物理性地迫使两者的价格收敛。

Ackerer、Hugonnier 和 Jermann (2025) 提出了 AHJ 框架 [14]，在无摩擦、连续交易的假设下证明了这一点。他们指出，永续合约的价格可以表示为在反映价格锚定强度的随机时间点采样的现货价格的风险中性期望。而这种锚定强度，在微观结构上主要取决于动态交易和原始证券复制的顺畅程度，即套利活动的效率。

因此，我们可以得出一个核心结论：$\alpha$ 是套利活动强度的单调递增函数。这一结论与 Gabaix 和 Maggiori (2015) 提出的中介资本资产定价理论高度一致 [15]。在他们的框架中，资产价格的偏离程度不取决于基本面的变化，而取决于金融中介（在本文语境下即套利者）的资本充裕程度：当中介资本收缩时，即使基本面未变，价格偏离也会急剧放大。永续合约的锚定强度恰恰是这一理论在加密衍生品市场中的直接映射：套利者的资本状况决定了“软锚定”的有效性边界。可以将其形式化表示为 $\alpha = g(A, L, \sigma)$，其中 $A$ 为市场中活跃套利资本的总量，$L$ 为跨市场执行的流动性深度，$\sigma$ 为当前波动率水平。只要套利渠道畅通、资本充足且波动率处于可控范围，资金费率就能有效发挥锚定作用；一旦 $A$ 因资本撤退而骤减、$L$ 因做市商撤单而枯竭、或 $\sigma$ 飙升至套利者风控阈值之上，锚定强度就会迅速向 0 滑落。

### 10.3.3 套利受阻的条件

如果套利活动是锚定强度的唯一来源，那么“费率为什么会失灵”的问题就转化为“套利为什么会受阻”。在极端市场动荡中，套利者往往面临以下六个阻碍条件，导致他们无法执行本应平抑基差的套利操作，从而引发锚定崩溃。

![套利受阻的六个条件](./images/fig-10-7.png)

**图 10-7.** 导致永续合约锚定崩溃的六个套利受阻条件

保证金耗竭是首要阻碍，在剧烈的单边行情中，套利者的对冲头寸可能会面临巨大的浮亏。虽然整体投资组合是市场中性的，但衍生品端的浮亏需要不断补充保证金。如果套利者面临流动性约束，无法及时补充法币或稳定币保证金，就会面临被强制平仓的风险。这一机制与 Brunnermeier 和 Pedersen (2009) 提出的市场流动性与融资流动性的螺旋效应高度对应 [16]。在他们的理论框架中，资产价格下跌导致交易者的保证金约束收紧，迫使其减仓，减仓行为进一步压低价格，形成自我强化的去杠杆循环。加密市场中的套利者保证金耗竭正是这一融资流动性螺旋在永续合约市场中的具体表现：套利者不是因为策略失效而退出，而是因为融资约束被击穿而被迫离场。与此同时，对手方风险也随之加剧。当市场出现系统性风险时，套利者会担忧交易所本身的偿付能力。如果预期交易所可能破产或限制提现，即使资金费率再高，套利资本也会选择撤离以保护本金安全，导致套利力量真空。此外，基础设施故障往往在关键时刻爆发。套利依赖于高频、低延迟的跨市场操作，在极端行情下，交易所的 API 接口可能过载宕机，或者底层区块链网络出现严重拥堵。流动性蒸发进一步恶化了套利环境，在恐慌蔓延时，做市商为了规避风险会撤销订单，导致订单簿极度变薄。此时，套利者在建立或解除现货与衍生品头寸时将面临巨大的滑点成本，这可能瞬间吞噬掉数月的资金费率收益，使得套利在经济上变得不可行。抵押品顺周期性则进一步恶化了这一局面，在早期以 BTC 本位为主的永续合约中，当 BTC 价格暴跌时，空头套利者不仅面临合约价格下跌的压力，其用作保证金的 BTC 本身的法币价值也在同步缩水。这种双重效应显著放大了爆仓风险，迫使套利者在市场最需要流动性的时候被动平仓。

除上述五个条件外，**跨资产保证金传染**构成了第六个往往被忽视的套利受阻条件。在 Binance、Bybit 等交易所的统一保证金模式下，套利者的 BTC 期现套利头寸可能与其他资产头寸共享保证金池。当另一资产（如2022年的 LUNA）崩盘时，该资产的亏损会侵蚀统一保证金，迫使套利者平掉原本健康的 BTC 套利头寸。这一传染路径意味着 BTC 的锚定强度可能在非 BTC 事件中意外下降，套利者不是因为 BTC 市场本身的压力而退出，而是被其他资产的风险溢出所击穿。2022年5月 LUNA/UST 崩盘期间，部分在统一保证金模式下运行的套利基金被迫同时清算 BTC 和 ETH 的市场中性头寸，这一事件为该传染路径提供了实证支持。

### 10.3.4 AHJ 框架的应用与局限

AHJ 框架在理论上为永续合约的无套利定价奠定了坚实的数学基础，证明了在完美（无摩擦、连续交易）市场假设下，通过特定的资金费率设定，永续合约价格收敛于现货价格 [14]。

然而，将该理论框架应用于现实的加密市场时，其局限性便显露无疑。AHJ 模型的核心假设是无摩擦市场和连续交易能力。正如我们在上文分析的套利受阻条件所示，加密市场在极端时刻恰恰表现出极高的摩擦（滑点、拥堵）和交易的非连续性（宕机、断路器）。

因此，AHJ 框架描绘的是图 10-6中 $\alpha \approx 1$ 的理想状态。它解释了为什么资金费率在 99% 的常态时期能够有效运作，但却无法解释在 1% 的“危机时刻”，为何会出现深度的价格脱节。无套利条件在面临系统性流动性冲击时表现出显著的脆弱性。

### 10.3.5 锚定悖论

结合上述分析，我们得出了加密货币衍生品市场中一个核心的微观结构悖论，即锚定悖论。在市场平稳、波动率低的时候，永续合约价格与现货价格的自然偏离本就很小。此时，套利渠道畅通，流动性充裕，资金费率机制有效运作，锚定强度极高。然而，此时市场并不真正“需要”强大的锚定机制，因为价格本身就没有脱轨的动力。

相反，当市场遭遇黑天鹅事件、波动率飙升、衍生品价格因恐慌或贪婪而大幅偏离现货价格时，正是市场最需要资金费率发挥锚定作用的时刻。但恰恰是在这个时候，由于套利受阻的六个条件被同时触发，套利资本大规模撤退甚至被强制清算，导致资金费率的传导机制彻底断裂，锚定强度降至最低水平。

![锚定悖论：波动率与锚定强度的反向关系](./images/fig-10-8.png)

**图 10-8.** 市场波动率与锚定强度的反向关系（概念示意，非实测数据；锚定强度 α 为估计值、波动率轴为定性刻度低、中、高，事件点为定性定位）

如图 10-8所示，加密市场的历史极端事件充分验证了这一悖论。

在2020年3月12日的“黑色星期四”暴跌中，比特币价格单日腰斩。Multicoin Capital 的复盘报告指出，当时由于区块链网络极度拥堵和 BitMEX 交易所流动性枯竭，套利者因区块链网络拥堵而无法将 BTC 存入 BitMEX 来抹平价差 [5]。整个 BitMEX 订单簿上只剩下约2000万美元的买单，却面临超过2亿美元的多头清算。资金费率机制完全失效，导致 BitMEX 上的永续合约价格一度比其他现货交易所低了数百美元（峰值时折价超过500美元，见本章引言），甚至险些闪崩归零。

同样，在2025年10月10日的190亿美元清算风暴中，地缘政治引发的恐慌导致全网流动性瞬间蒸发。套利资本在极端的滑点和高昂的网络 Gas 费面前无能为力，导致资金费率的锚定作用短暂失效，基差大幅走阔 [17]。

锚定悖论揭示了资金费率作为一种“软锚定”机制的内生缺陷：它的有效性依赖于市场流动性，但它自身并不能在流动性枯竭时创造流动性。这一悖论在本质上是 Shleifer 和 Vishny (1997) 提出的“套利限制”理论在加密衍生品市场中的精确映射 [18]。Shleifer 和 Vishny 指出，现实世界中的套利者并非教科书中的无约束代理人，他们依赖外部资本，而资本提供者在市场最需要套利时往往选择撤资，因为此时的账面浮亏最为严重。永续合约的锚定悖论正是这一逻辑的加密版本：套利者在市场平静时轻松赚取费率收益，但在极端偏离时因资本约束和执行摩擦而无法履行其价格纠偏功能。这就是为什么资金费率在“大部分时间工作，但在最关键的时刻偶尔失灵”的根本博弈论原因。

那么，是否存在缓解锚定悖论的机制设计路径？至少有三种潜在方案值得讨论，但每一种都引入了新的权衡。第一种是**保险基金充当最后套利者**：交易所在极端基差时主动执行期现套利（如 Hyperliquid 的 HLP vault 在正常市场中扮演了类似角色），但这将交易所从中立的规则制定者转变为市场的直接参与者，引入新的利益冲突，且保险基金的规模在系统性危机中可能远不足以填补套利真空。第二种是**极端基差熔断机制**：当基差超过阈值时暂停清算引擎，但暂停清算可能造成更大的风险积累（未清算头寸的浮亏持续扩大），且在去中心化协议中难以实现需要人工判断的干预。第三种是**动态费率上限提升**：自动提高极端状态下的费率上限以增强负反馈。但如后续§10.6.3的 ALPACA 案例所示，极端费率本身可能成为操纵工具而非纠偏力量。锚定悖论的完全解决可能需要在费率机制之外引入额外的稳定机制，这构成了衍生品机制设计的开放性研究前沿。

## 10.4 三层博弈模型

资金费率并非单纯的数学计算结果，而是多方参与者在特定规则框架下进行持续博弈的产物。为了深刻理解这一机制在加密资产衍生品市场中的运作逻辑，我们构建了一个“三层博弈模型”。该模型从微观的持仓对抗，到中观的跨市场套利，再到宏观的规则攻防，系统性地解构了资金费率动态均衡的形成过程与脆弱性。

### 10.4.1 锚定博弈

在最微观的层面，资金费率的本质是多头与空头阵营之间的一场近似零和的“消耗战”。当永续合约价格高于现货指数价格时，资金费率为正，多头必须定期向空头支付费用；反之亦然。这种机制的设计初衷是通过增加偏离方向的持仓成本，迫使价格回归现货锚定。

图 10-9 以同心圆结构将三种博弈按参与者范围与时间尺度排列。

![图 10-9](./images/fig-10-9.png)

**图 10-9.** 资金费率的三层博弈模型嵌套关系

如图 10-9所示，三层博弈呈现出从内到外的嵌套结构：最内层的锚定博弈决定了单一交易所内部的多空力量对比和基差方向；中间层的趋同博弈通过跨市场套利将不同平台的价格和费率拉向一致；最外层的策略博弈则决定了博弈规则本身的演化路径。三层之间存在自下而上的反馈：内层博弈的失衡会向外层传导，而外层的规则调整又会改变内层的博弈结构。

为了精确刻画锚定博弈的均衡结构，我们将其建模为一个2×2正规形博弈。考虑一个简化的单周期博弈：多头和空头各自选择“持仓”或“平仓”。令 $F$ 为当期资金费率（正值时多头向空头支付），$\Delta$ 为方向性收益预期（正值有利于多头），$\lambda$ 为因对手方平仓引发的清算风险损失。支付矩阵如表 10-5 所示：

|  | **空头：持仓 (H)** | **空头：平仓 (E)** |
| :--- | :--- | :--- |
| **多头：持仓 (H)** | $(\Delta - F,\; -\Delta + F)$ | $(\Delta + \lambda,\; -\lambda)$ |
| **多头：平仓 (E)** | $(-\lambda,\; F + \lambda)$ | $(0,\; 0)$ |

**表 10-5.** 锚定博弈的 2×2 正规形支付矩阵（数据来源：作者整理）

该博弈的纳什均衡取决于费率 $F$ 相对于方向性收益 $\Delta$ 和清算风险 $\lambda$ 的大小关系。当 $F - \lambda \leq \Delta \leq F + \lambda$（即 $|\Delta - F| \leq \lambda$）时，多空双方互为最优反应，(持仓, 持仓) 构成唯一的纯策略纳什均衡（其中上界 $\Delta \leq F+\lambda$ 是空头的容忍条件，是经济上更具约束力的一侧），多空双方都有经济动力维持头寸，锚定博弈处于稳态。当费率上升至 $F > \Delta + \lambda$ 时，多头对空头持仓的最优反应变为平仓（因 $-\lambda > \Delta - F$），而空头对多头平仓的最优反应是持仓（因 $F + \lambda > 0$），二者互为最优反应，均衡跳转为 (平仓, 持仓)，这正是资金费率负反馈机制发挥作用的条件。然而，当方向性收益预期极端化（$\Delta \gg F$）时，多头的持仓激励变得不可动摇，即使费率持续攀升也无法触发均衡跳转。这种状态下，博弈从“双方持仓”的稳态滑入正反馈区间，资金费率丧失纠偏功能。值得注意的是，上述分析假设了单周期的静态博弈框架；在多周期动态博弈中，声誉效应、学习行为和策略适应会进一步丰富均衡的结构，但核心的费率阈值依赖性保持不变。

需要指出的是，上述分析假设方向性收益预期 $\Delta$ 为外生共知参数，但实际中多头和空头对 $\Delta$ 的估计存在系统性偏差。Scheinkman 和 Xiong (2003) [19] 的异质信念模型表明，过度自信的多头系统性高估 $\Delta$，恐慌中的空头系统性低估 $\Delta$。更重要的是，$\Delta$ 本身内生于博弈：多头加杠杆推高价格会提高 $\Delta$ 的事后实现值，形成自我实现预言。将 $\Delta$ 视为外生参数掩盖了这种反身性：多空双方面对的不是同一个 $\Delta$，而是各自主观概率加权下的不同 $\Delta_L$ 和 $\Delta_S$，且这些主观信念通过影响市场价格而部分地自我验证。这一方法论限定不影响上述均衡分析的定性结论，但提示完整的理论处理需要引入异质信念的动态博弈框架。

然而，在实际运行中，这种消耗战往往表现出强烈的反身性特征 [20]。De Long、Shleifer、Summers 和 Waldmann (1990) 的噪声交易者风险模型为理解这一现象提供了理论基础 [21]。在他们的框架中，即使理性套利者知道价格偏离了基本面，噪声交易者的非理性行为可能在短期内进一步推高偏离，使得套利者面临“在正确方向上被清算”的风险。在永续合约市场中，这种噪声交易者风险被高杠杆机制急剧放大：套利者不仅要承受价格继续偏离的风险，还面临每个结算周期的费率现金流压力，这使得理性套利者即使在费率极端时也可能选择不入场。在牛市周期中，多头预期资产价格的上涨幅度将远超其支付的资金费率成本。因此，即使面临高昂的持仓成本，多头不仅拒绝平仓，反而可能利用浮盈继续加杠杆。这种行为导致合约溢价进一步扩大，进而推高资金费率。此时，高昂的资金费率不再是抑制投机的阻力，反而成为了市场极度乐观情绪的“确认信号”，吸引更多投机资金涌入，形成“价格上涨-费率上升-预期强化-继续加仓”的自我强化循环。

这场消耗战的胜负取决于双方对成本的忍耐极限。空头虽然能够持续收取无风险的费率收益，但必须承担价格继续上涨带来的爆仓风险。当市场情绪极度狂热时，空头阵营可能因无法承受保证金追加压力而被迫平仓，这不仅会导致价格瞬间飙升，还会使资金费率在短期内失去“对手方”，从而进一步扭曲锚定机制。

### 10.4.2 趋同博弈

第一层的多空消耗战若缺乏外部力量的介入，很容易陷入极端失衡。第二层博弈的核心参与者是费率套利者，他们通过跨市场操作，在追求无风险收益的同时，客观上促成了市场的双重均衡：价格趋同与费率趋同。

价格趋同主要通过“期现套利”实现。当永续合约溢价过高（资金费率为正）时，套利者会在现货市场买入资产，同时在永续合约市场做空等量仓位。这种操作不仅锁定了价格波动的风险，还能稳定赚取资金费率。套利者的卖空行为直接增加了合约市场的空头力量，压低了合约价格，促使其向现货价格回归。

费率趋同则通过“跨所套利”实现。由于不同交易所的流动性深度、用户结构和费率计算细节存在差异，同一资产在不同平台上的资金费率往往不同。套利者会在费率较高的交易所做空，在费率较低的交易所做多，赚取两者之间的费率差。这种资本流动最终会抹平不同平台间的费率差异。然而，这种趋同受限于跨平台的资金调拨摩擦：CEX 间的资金转移涉及提现手续费、链上确认延迟（BTC 需30-60分钟）和反洗钱审查；CEX 与 DEX 之间还涉及跨链桥接的智能合约风险。这些摩擦决定了一个“无套利区间”的存在：在跨平台转移成本之内的费率差异无法被套利消除，构成了费率差异的均衡宽度而非趋同到零的暂态。根据 Boros Finance 在2025年的实证研究（需注意，Boros 作为费率互换产品的提供者，其报告所展示的收益率为扣除执行成本前的毛收益率，实际净收益需扣除跨所资金调拨成本、双交易所保证金锁定的资本效率损失、滑点和仓位再平衡摩擦，可能显著低于标称值），通过在 Hyperliquid 和 Binance 之间进行 BTC 和 ETH 的跨所费率套利，可以获得5.98%至11.4%的加权平均固定年化收益率，在某些极端时期，峰值收益率甚至超过23%[22]。

![跨交易所费率套利收益率对比](./images/fig-10-10.png)

**图 10-10.** BTC 与 ETH 跨交易所资金费率套利年化收益率（毛收益率，扣执行成本前；BTC 与 ETH 对应不同到期日，非单一资产常数）[22]

如图 10-10所示，BTC 和 ETH 的跨所费率套利收益率呈现出显著的时变特征。BTC 的加权平均年化收益率为11.4%（对应10月31日到期档），ETH 为5.98%（对应11月28日到期档）；需注意两者对应不同到期日，并非单一资产常数，且该报告所示为扣除执行成本前的毛收益率。收益率在特定时段出现峰值（超过23%），通常对应着市场情绪极端化导致的跨平台费率差扩大。这些高收益窗口为套利资本提供了进入的经济激励，客观上促进了费率的跨平台趋同。

### 10.4.3 策略博弈

第三层博弈发生在规则制定者（交易所）与规则适应者（交易者）之间。交易所的目标是维护合约价格的平稳锚定，防范系统性风险，并最大化交易量；而交易者的目标是在规则框架内寻找漏洞以最大化利润。

为了防止资金费率过度波动导致大规模连环清算，各大交易所普遍设置了费率钳制函数和费率上限/下限。例如，BitMEX 的实证数据显示，在其钳制机制下，资金费率有高达78.19%的时间被固定在默认的0.01%（每8小时），相当于约10.95%的年化基准利率[8]。这种规则虽然降低了日常波动，但也创造了规则套利的空间。

近年来，随着市场演进，这种策略博弈愈发激烈。例如，当某些交易所将结算频率从每8小时提高到每1小时甚至实时结算时，高频交易者迅速开发了“秒级抢跑”策略，在结算前瞬间建仓并在结算后立即平仓以无成本获取费率收益。作为反制，交易所（如 Binance 在2025年9月的算法更新）引入了频率归一化因子，通过平滑计算窗口来消除这种时间套利空间。这种“规则漏洞发现-策略利用-规则修补”的动态博弈，构成了资金费率机制演进的底层动力。

### 10.4.4 状态依赖与锚定效力衰减

这三层博弈模型的有效性并非一成不变，而是高度依赖于当前的市场状态。随着市场从平静走向极端，资金费率的锚定效力呈现出明显的非线性衰减特征（表 10-6）。

| 市场状态 | 基差特征 | 核心主导力量 | 锚定效力评估 | 典型历史案例 |
| :--- | :--- | :--- | :--- | :--- |
| 正常状态 | 极小（< ±0.1%） | 费率套利者、做市商 | 强效：套利资本充足，微小偏离被迅速抹平，资金费率维持在默认基准附近。 | 2024-2025年大部分平稳交易期 |
| 压力状态 | 显著（±0.1% ~ ±1%） | 投机者（单边情绪） vs 套利者 | 减弱：单边情绪导致套利空间扩大，但套利资本的执行约束开始显现，费率出现持续的正向或负向极化。 | 2024年8月日元套利平仓冲击；2025年1月底 DeepSeek 引发的 AI 板块异动 |
| 危机状态 | 极端（> ±1%） | 清算机制（强制平仓） | 失效：套利渠道因流动性枯竭或网络拥堵而彻底断裂，清算机制接管市场，费率机制不再发挥锚定作用，反而可能加速崩溃。 | 2020年3月12日“黑色星期四”；2021年5月19日杠杆崩盘事件[23] |

**表 10-6.** 资金费率锚定效力的市场状态依赖性衰减（数据来源：作者整理）

![市场状态依赖性与锚定效力衰减](./images/fig-10-11.png)

**图 10-11.** 不同市场状态下三层博弈力量的相对强度与锚定效力衰减（概念示意，非实测数据；各层力量为强、中、弱、失效的定性强弱，基差阈值取自正文§10.4.4）

在正常状态下，第二层的趋同博弈（套利者）占据主导，资金费率有效发挥了锚定作用。然而，当市场进入危机状态（如2021年5月19日加密市场暴跌30%，全网爆仓超80亿美元[23]），由于现货流动性枯竭和网络严重拥堵，套利者无法执行跨市场操作。此时，第二层博弈完全失效，第一层的多空消耗战演变为单方面的连锁强制平仓，资金费率不仅无法拉回价格，其极端的负值反而成为了市场恐慌的度量指标。

在危机状态下，当资金费率的锚定机制失效、清算级联全面展开时，交易所的保险基金和自动减仓机制成为维持市场连续性的最后防线。保险基金的核心功能是吸收穿仓损失：当某个头寸的清算价格劣于破产价格时，差额由保险基金承担，从而避免将穿仓损失转嫁给盈利方。在2020年3月12日的“黑色星期四”中，BitMEX 的保险基金在数小时内回撤约800万至1,300万美元（约1,600至2,600 BTC），但仍然不足以覆盖全部穿仓损失 [5]。当保险基金耗尽时，自动减仓（Auto-Deleveraging, ADL）机制被触发：系统按照特定排名算法自动缩减对手方头寸以弥补穿仓缺口。不同交易所的 ADL 排名算法存在显著差异：BitMEX 和 Binance 使用盈利百分比与有效杠杆的双因子排名，而 Hyperliquid 优先使用 HLP vault 资金吸收穿仓损失，仅当 HLP 不足时才触发对交易者的 ADL。ADL 的历史触发频率目前缺乏系统性的公开数据（标记为实证数据空白），但 Hyperliquid 的链上透明性为未来的实证研究提供了数据基础。

ADL 机制从根本上改变了博弈的支付函数。在没有 ADL 的理想世界中，交易者的收益是其方向性判断和杠杆选择的确定性函数。但 ADL 的存在意味着，即使一个交易者做对了方向并且保持了审慎的杠杆水平，其盈利头寸仍可能在清算级联中被强制缩减。“做对方向但杠杆过高的邻居”的穿仓损失会通过 ADL 传导至盈利方。这创造了一种独特的负外部性：高杠杆投机者的冒险行为不仅威胁自身的存续，还通过 ADL 机制侵蚀了审慎交易者的收益确定性。对锚定博弈的均衡而言，ADL 的存在削弱了套利者的参与激励，套利者虽然构建了市场中性组合，但其盈利端仍面临被 ADL 强制缩减的尾部风险。这一机制设计上的张力，即保护系统连续性与激励套利参与之间的矛盾，至今仍是永续合约机制设计中未完全解决的开放性问题。

此外，在统一保证金制度下，一个资产的费率极化不仅影响该资产本身的博弈均衡，还可能通过共享保证金池传导至其他资产。例如，SOL 的极端负费率导致 SOL 空头被清算时，若这些空头在同一保证金池中持有 ETH 多头，ETH 多头也可能被连带清算，即使 ETH 市场本身并未出现异常。这一跨资产传染机制将在第11章的清算级联分析中进一步展开。

### 10.4.5 套利者的结构性边界

既然套利者是维持资金费率锚定机制的核心力量，为何在极端行情下他们会集体“失踪”？这源于套利者面临的三道结构性边界。如图 10-12 所示，在正常市场中，三道约束均处于宽松状态，套利活动不受阻碍；当市场进入极端状态，三道约束同时收紧，套利容量急剧萎缩。

![套利者的结构性边界](./images/fig-10-12.png)

**图 10-12.** 费率套利者面临的三道结构性约束

Gromb 和 Vayanos (2002) 从一般均衡的视角严格证明了资本约束对套利者行为的系统性影响 [24]。在他们的模型中，当套利者面临融资约束时，市场均衡偏离无套利定价的程度取决于套利者的财富水平：套利者越贫穷，价格偏离越大，市场福利损失也越严重。这一结论直接适用于永续合约市场：资金费率的持续偏离（即锚定强度的下降）本质上反映了套利资本相对于投机需求的不足。

这三道约束在机制上与§10.3.3的六个套利受阻条件相对应，此处不再逐条复述其运作细节，仅点明各自的约束内核。资本约束源于期现与跨所套利的资本密集性：套利者必须在多个平台预留大量冗余保证金以防范单边爆仓，资本效率因此显著降低，当套利空间扩大而闲置资本告罄时，费率偏离便持续存在。执行约束体现为极端行情下交易所 API 接口的限流、延迟甚至宕机（如2021年5月19日部分头部交易所出现的服务中断[25]），以及链上转账拥堵、Gas 费飙升导致的资金调拨迟滞。对手方约束则是套利者对中心化交易所信用风险与规则单边修改（如强行回滚交易、调整费率上限、暂停提币）的被动承受。这些尾部风险使理性的套利者在市场最需要流动性供给时，往往选择退出观望。

这三道约束共同决定了资金费率锚定机制的容量上限。这一上限在数量上取决于套利者可调配的总资本规模、跨平台资金调拨的速度以及交易所的信用评级。在 BTC 永续合约市场中，由于 Ethena 等系统性套利实体的参与，套利容量通常较为充裕，而在长尾山寨币市场中，套利容量可能仅为数百万美元，一笔中等规模的定向交易即可突破这一上限。当市场偏离产生的纠偏需求超过了套利者的结构性容量时，三层博弈模型的均衡就会趋于崩溃。

## 10.5 费率极化与正反馈

在经典的金融理论中，资金费率被设计为负反馈系统：当合约价格偏离现货时，费率上升增加偏离方的持仓成本，迫使其平仓或吸引套利者入场，最终使价格回归，费率回落。然而，在加密市场的极端行情中，这种负反馈机制可能发生翻转，演变为自我强化的正反馈系统，导致费率出现极端的两极分化。

### 10.5.1 正反馈的触发条件

负反馈向正反馈翻转的数学触发条件可以形式化为以下命题。

**命题（持仓续持的必要条件）。** 设 $E_t[\Delta P_{t+1}]$ 为交易者在 $t$ 时刻对下一期价格变动的条件期望，$F_t$ 为当期资金费率，$\gamma$ 为交易者的风险厌恶系数，$\text{Var}_t[\Delta P_{t+1}]$ 为价格变动的条件方差。当以下条件成立时，理性交易者选择维持头寸，资金费率的负反馈机制失效：

$$E_t[\Delta P_{t+1}] > F_t + \gamma \cdot \text{Var}_t[\Delta P_{t+1}]$$

该不等式的左侧是持仓的预期收益，右侧是持仓的总成本，包含确定性的费率支出 $F_t$ 和风险厌恶调整后的方向性风险溢价 $\gamma \cdot \text{Var}_t[\Delta P_{t+1}]$。在简化版本中（令 $\gamma = 0$，即风险中性假设），条件退化为 $E_t[\Delta P_{t+1}] > F_t$，即预期方向性利润超过费率成本即可。完整版本引入了风险厌恶系数，意味着即使预期收益超过费率，如果方向性风险过大（高 $\text{Var}_t$），风险厌恶的交易者仍可能选择退出。当市场叙事高度确定（如 ALPACA 退市公告）时，交易者倾向于立即建仓，正反馈更容易被触发。然而这一分析需要更精细的区分：退市公告在方向上提供了确定性（价格应该下跌），却在幅度和时间路径上增加了不确定性，退市前的价格路径可能出现剧烈波动和轧空（事后证明确实如此）。行为金融学中的“聚焦幻觉”（focusing illusion, Kahneman 2011 [26]）可能更好地解释了这一现象：交易者过度聚焦于方向性叙事（“退市=暴跌”）而低估了路径风险，导致其系统性高估了立即建仓的净期望收益。

需要明确的是，上述不等式刻画了持仓者不退出的静态决策条件，是正反馈形成的必要条件而非充分条件。正反馈还需要一个动态信号闭环：持仓行为维持溢价→高费率被市场解读为趋势延续的确认信号→吸引更多同方向资金流入→溢价进一步扩大。该闭环的完整形式化需要一个包含信息反馈的多期模型，留待未来研究。此外，关于 $\gamma$ 的量纲需要说明：此处 $\gamma$ 的量纲为价格变动方差的倒数（即如果 $\Delta P$ 以百分比计量，$\gamma$ 的单位为 $\%^{-2}$），其经济含义为交易者在单位方差风险暴露下要求的额外风险补偿。

以具体数值为例，若交易者预期某代币在未来3天内上涨20%，而每8小时的资金费率为0.3%（日累计约0.9%），则3天的费率总成本约为2.7%，远低于20%的预期收益。在这种收益预期下，即使费率进一步上升至每8小时1%，交易者仍有经济动力维持多头头寸。

以2025年4月至5月的 ALPACA 代币退市事件为例。Binance 宣布将在5月2日下架 ALPACA 现货并结算其永续合约[27]。市场普遍预期退市会导致价格暴跌，因此大量投机者涌入永续合约做空，导致资金费率迅速触及负向极值（每8小时-1.24%，甚至有报道称峰值达到-2.0%）。

按照负反馈逻辑，如此高昂的做空成本应迫使空头平仓，从而减轻向下的价格压力。但实际情况是，空头预期现货退市时的跌幅将远超每天约3.72%（-1.24% × 3）的资金费率成本。只要预期的方向性利润足够大，投机者就愿意忍受极端的费率持续支出。这种“算得过账”的博弈导致空头不仅不平仓，反而继续加码，最终导致了大规模轧空：ALPACA 价格在退市前并未暴跌，反而暴涨超过1100%（从约0.024美元升至约0.29美元），大量空头在支付了极高资金费率后仍被爆仓清算 [27]。

![负反馈向正反馈的翻转机制](./images/fig-10-13.png)

**图 10-13.** 资金费率机制从负反馈向正反馈的翻转（基于概念流程的机制示意，非实测数据；ALPACA 事件中 −1.24%/8h 为峰值负费率、日累计 3.72% 为按3期推算，价格区间 0.024→0.29 美元为保守口径 [27]）

如图 10-13所示，翻转过程呈现出明确的阶段性。在正常状态下，合约溢价引发正费率，费率成本抑制多头并吸引套利者入场，形成价格回归的负反馈环路。当方向性利润预期超过费率成本后，持仓者不再因费率压力而平仓，费率上升反而被解读为趋势延续的确认信号，吸引更多同方向资金进入，从而将负反馈翻转为正反馈。ALPACA 事件中，这种翻转在退市公告后的6天内完成，伴随价格上涨超过1100%和空头的连锁强制平仓 [27]。

### 10.5.2 行为金融学解释

在正反馈阶段，市场呈现出一种反直觉的现象：“资金费率越高，支付方越拒绝平仓”。除了上述的纯数学利润计算外，Skwarek (2025) 等学者的行为金融学研究为加密市场的这种非理性行为提供了更深层的解释[28]：

沉没成本谬误与处置效应是首要因素，交易者在已经支付了大量资金费率并承受浮亏后，往往不愿认赔出局。处置效应表明，投资者倾向于过早卖出盈利资产，而过久持有亏损资产。在高费率环境下，平仓意味着将账面浮亏和已支付的费率转化为实际损失，这种心理痛苦使得交易者选择继续扛单。与此同时，确认偏误进一步强化了这种行为模式。在极化市场中，交易者倾向于选择性地寻找支持其持仓方向的信息，而忽略高昂资金费率发出的风险信号。例如，在牛市顶峰，多头会用机构入场或技术突破等叙事来合理化其支付的极端正费率。此外，羊群效应进一步加剧了这一动态。加密市场具有显著的社交属性和社群驱动特征。当资金费率极度偏向一方时，实际上反映了市场参与者的高度同质化预期。散户交易者往往认为大众的判断更为准确，从而跟随大众方向建仓，进一步加剧了费率的极化。在理论层面，需要区分两种不同的羊群机制：Banerjee (1992) [29] 所描述的信息级联（rational information cascade），即每个交易者根据前人的行为推断其私有信息并理性地模仿，与纯粹的社会压力从众（social conformity）。加密市场的链上仓位透明度（如 Hyperliquid 公开的巨鲸持仓排行榜）通过降低行为观察成本，显著加速了信息级联效应，交易者可以近乎实时地观察到大额持仓的方向和规模，这在传统金融的羊群效应文献中没有直接对应物。这些因素共同指向了类似赌博的寻求刺激行为，Delfabbro 等人的研究指出，部分加密交易者的行为在结构上类似于病态赌博 [30]。极端的高杠杆和高费率环境不仅没有起到威慑作用，反而提供了他们所追求的高波动性和刺激感。

### 10.5.3 极端化的终结路径

一旦资金费率陷入极化的正反馈循环，其终结方式通常只有两条路径，二者对市场结构的影响截然不同。图 10-14 沿杠杆集中度与流动性深度两个维度，对比了极化正反馈的两条终结路径：温和均值回归与清算级联。

![资金费率极化的两条终结路径](./images/fig-10-14.png)

**图 10-14.** 资金费率极化正反馈的两条终结路径对比（基于合成轨迹的概念示意，非实测数据）

在温和均值回归的情形中，资产价格的单边运动开始放缓或停滞，方向性利润的预期随之降低，数学触发条件发生逆转（预期利润 < 费率成本）。持仓者意识到继续支付高昂费率已不划算，开始有序、分批地主动平仓。随着单边头寸的减少，合约价格向现货价格靠拢，资金费率逐步回落至正常水平。这种路径通常发生在流动性较好、套利资本充裕的主流资产（如 BTC、ETH）上，且未受到重大外部宏观消息的冲击。

与之相对的是清算级联路径，其破坏性远高于前者。当极化的单边头寸（通常伴随高杠杆）遭遇突发的反向价格波动时，部分处于边缘的仓位会被触发强制平仓。在正费率极化（多头拥挤）的情况下，多头爆仓会产生大量的市价卖单，瞬间压低合约价格，进而触发更低价位的多头止损和爆仓。这种多头连锁强制平仓会导致合约价格在极短时间内远低于现货价格，资金费率不仅会瞬间归零，甚至会发生极性翻转，由极端的正费率变为极端的负费率。2021年5月19日的暴跌即是典型案例，超过80亿美元的多头杠杆在约24小时内被清算，资金费率从持续的高正值跌至极端负值 [23]。

### 10.5.4 费率极化与杠杆周期

资金费率的极化并非孤立事件，它是 Hyman Minsky“金融不稳定假说”在加密衍生品市场中的对应[31]。Minsky 认为，长期的稳定会导致过度自信，进而引发债务杠杆的积累，最终走向崩溃（即“Minsky 时刻”）。

需要明确这一映射的精确范围和偏离之处。Minsky 框架的核心因果链是债务/收入比的渐进恶化和到期偿还本金的硬约束。而永续合约持仓者不面临到期偿还约束，触发去杠杆的不是“现金流无法覆盖利息”，而是保证金被强制清算。这改变了危机的时间轮廓：传统 Minsky 周期是渐进式的（通常历经数月至数年的杠杆积累），而加密市场的清算级联可以在几分钟内完成，从“繁荣”到“崩溃”的转换速度快了数个数量级。因此，加密市场的杠杆周期更准确地说是“加速版 Minsky”，保留了杠杆驱动的正反馈核心机制，但将危机的展开速度从宏观经济的季度尺度压缩至微观市场的分钟尺度。

在加密市场中，资金费率的演化轨迹与杠杆周期呈现出紧密的映射关系。图 10-15 将这一映射分解为杠杆积累、临界、去杠杆与恢复四个阶段。

![杠杆周期与资金费率的映射关系](./images/fig-10-15.png)

**图 10-15.** 加密市场杠杆周期与资金费率演变的映射关系（概念示意，非实测数据；横轴为定性周期阶段、纵轴为相对水平，非实测刻度）

杠杆积累期（对冲融资阶段）标志着周期的起点，此时市场平稳上涨，资金费率保持在略高于0.01%的温和正值，套利者积极参与，市场看似处于稳定的均衡状态。随着行情的推进，市场进入临界期或狂热期（投机与庞氏融资阶段）。价格加速上涨，投机者利用浮盈加仓，对费率成本脱敏。资金费率飙升并持续处于高位，套利者的资本被耗尽，负反馈翻转为正反馈。此时，极端的资金费率是市场杠杆过度集中、系统高度脆弱的明确信号。当这种脆弱性达到顶峰，便会触发去杠杆期（Minsky 时刻）。微小的外部冲击即可引发清算级联，导致价格崩溃。资金费率发生极性翻转，由正转负，深刻反映出市场的恐慌与流动性枯竭。经历剧烈动荡后，市场最终步入恢复期。杠杆被彻底清洗，市场进入低波动阶段，资金费率缓慢向零或默认基准回归，默默等待下一个周期的孕育。

因此，持续极化的资金费率不仅是成本指标，也是衡量市场系统性风险和杠杆脆弱性的状态变量。在实践中，量化交易者和风险管理者可以将费率极化的持续时长和幅度纳入预警模型：当资金费率连续超过历史90%分位数达48小时以上时，市场处于去杠杆事件的高概率窗口。§10.8将对这一假说进行系统的实证检验。

### 10.5.5 参与者行为重构

当市场进入极端费率环境时，原有的三层博弈生态被打破，各方参与者的行为模式和风险收益特征发生重构。图 10-16 对比了五类参与者在极端费率环境下的利润影响与风险暴露变化，揭示了从套利者主导的有序均衡向清算人主导的无序状态的转移。

![极端费率环境下参与者行为重构](./images/fig-10-16.png)

**图 10-16.** 极端资金费率环境下各方参与者的利润影响与风险暴露重构（示意性相对评估，非实测数据；相对影响度为作者赋值）

投机者和散户在费率极化中首先承压，成为高昂费率的净支付方，面临最大的利润回撤和极高的爆仓风险暴露，他们的非理性坚持正是维持极端费率的驱动因素。与此同时，费率套利者的处境也发生了微妙变化。虽然理论上能获得超额的费率收益，但受限于资本、执行和对手方三道约束，其实际参与度大幅下降，反而需要承担极高的交易所信用风险和插针风险。在这种环境下，清算人取代套利者成为市场的主导力量。他们通过接管和清算破产仓位获取丰厚的清算罚金收益，风险相对较低。做市商的行为则进一步加剧了市场动荡，在剧烈波动中他们通常会拓宽买卖价差或直接撤单以保护自身库存，这进一步恶化了流动性，加剧了价格和费率的极端化。相比之下，知情交易者则采取了更为策略性的行动。他们利用资金费率极化作为反向指标，在暴力清算级联发生前提前布局反向仓位，或在清算级联发生后提供流动性进行抄底。

综上所述，资金费率从负反馈向正反馈的翻转，标志着市场微观结构从有序套利向无序去杠杆化的状态转移。理解这一极化过程，对于构建稳健的加密资产交易策略和风险管理框架具有直接意义。

## 10.6 策略行为谱系

资金费率机制设计的初衷是锚定永续合约与现货价格，但在实际运行中，这一机制不可避免地催生了围绕其规则展开的复杂博弈。市场参与者不再仅仅是价格的接受者，而是机制的博弈者。随着衍生品市场微观结构的演进，围绕资金费率的交易策略已经从简单的期现套利，演化为一个包含多种复杂行为的完整谱系。本节将系统梳理这一策略谱系，并通过数据与实证案例，分析不同策略对市场均衡的影响及其向系统性操纵演变的内在逻辑。

### 10.6.1 三级分类

根据对市场定价效率的贡献程度以及对交易规则的利用方式，资金费率相关的交易策略可以划分为三个层级，形成一个从合规套利到系统性操纵的连续谱系。图 10-17 将这三个层级沿合规性与市场影响的双维度排列。

![图 10-17 资金费率策略行为谱系](./images/fig-10-17.png)

**图 10-17.** 资金费率策略行为谱系

第一层级为合规套利，主要包括传统的期现套利和跨交易所费率套利（两者的具体操作机制见§10.4.2）。这类策略在承担极低市场风险的情况下赚取费率收益，是市场流动性的重要提供者，其核心作用是消除价格偏差，促进价格发现，对市场的健康运行具有积极意义。

第二层级为边缘策略。这类策略开始游走于规则的灰色地带，主要特征是利用机制设计中的微观缺陷进行获利。典型的边缘策略包括“结算窗口攻击”。在固定时间点结算的机制下（如传统的每8小时结算），交易者会在结算前几秒钟平仓以规避费率支付，并在结算后立即重新建仓。这种行为虽然不违反交易规则，但会导致结算窗口期内流动性剧烈波动，降低了资金费率锚定机制的有效性。

第三层级为系统性操纵。当边缘策略与特定的市场结构（如低流动性、高集中度）相结合时，便可能演变为系统性操纵。系统性操纵不再是被动地利用费率差异，而是通过主动控制现货或合约价格，人为制造极端的资金费率环境，迫使对手方因无法承担巨额资金费用或保证金不足而爆仓。典型的系统性操纵包括预言机操纵和费率挤压。在这类策略中，资金费率已经从维持价格锚定的工具，转变为攻击对手方的工具。需要指出的是，本章将费率挤压作为博弈论案例进行描述性分析，但此类行为在法律上可能构成市场操纵。在传统证券市场中，利用信息优势控制供给并制造衍生品市场的强制平仓级联，在多数司法管辖区属于刑事犯罪。美国司法部于2023年1月对 Avraham Eisenberg 提起刑事指控（商品欺诈、商品操纵、电信欺诈），CFTC 与 SEC 同期提起平行民事执法诉讼；2024年4月陪审团裁定其三项罪名成立 [32]（该刑事定罪于2025年5月因管辖地等理由被联邦法官撤销，检方已上诉）。这表明此类行为在数字资产市场中面临实质性执法风险，尽管其最终法律定性仍存不确定性。此外，交易所在合约存续期间单方面修改结算频率（如 ALPACA 事件中从8小时变为1小时），在合同法框架下属于对核心合约条款的单边修改。尽管交易所的服务条款通常保留了此类修改权限，但其法律有效性和对用户利益的正当性在不同司法管辖区仍存在争议。

### 10.6.2 常态市场均衡特征

在没有发生系统性操纵的常态市场中，资金费率展现出特定的统计分布特征。这些特征反映了市场参与者在合规套利框架下的均衡状态。通过对2024年1月至2025年12月 BinanceBTCUSDT 永续合约的2,190个8小时结算费率数据点（$365 \times 3 \times 2 = 2{,}190$，不包含2025年动态结算频率期间按更高频率产生的数据点）进行统计分析，我们可以清晰地观察到这种均衡特征。

![图 10-18 BTCUSDT永续合约资金费率分布特征（2024-2025）](./images/fig-10-18.png)

**图 10-18.** BTCUSDT 永续合约资金费率分布特征（作者基于 Binance BTCUSDT 2024–2025 资金费率历史计算，为描述性统计；直方图按等宽类别绘制、柱高为风格化示意，超额峰度对极端观测值高度敏感）

如上图所示，常态下的资金费率分布具有显著的尖峰胖尾特征。数据的超额峰度高达18.14，远超正态分布的基准值0（对应原始峰度21.14）。这意味着资金费率在绝大多数时间里高度集中于某一特定水平，但偶尔会出现极端的偏离。需注意，资金费率时间序列存在显著的自相关结构（波动率聚集），超额峰度18.14可能部分归因于这种时间依赖性而非独立同分布假设下的真正厚尾特征。在去除自相关结构（如通过 GARCH 滤波）后，残差的超额峰度可能有所降低，但仍显著偏离正态分布。

更资金费率的分布呈现出明显的右偏（偏度为3.44），且均值为0.0078%，略高于零。这种结构性的正向偏离反映了加密货币市场中长期存在的多头溢价现象。由于市场参与者普遍倾向于使用杠杆做多，导致合约价格经常高于现货价格，多头需要向空头支付资金费率。

此外，数据中有一个突出的特征：在所有样本中，有高达33.3%的时间，资金费率精确地停留在0.01%的水平。这一现象并非市场自然交易的结果，而是机制设计中“利率分量”的直接体现。在 Binance 的旧版公式中，基础利率被固定为每日0.03%（即每8小时0.01%），当市场溢价处于钳制区间内时，资金费率便由该固定利率主导。这种“引力效应”说明，在常态下，机制规则对费率的决定作用往往大于市场实际的供需力量。

### 10.6.3 ALPACA 费率挤压案例

当市场的微观结构出现脆弱性时，常态下的均衡会被打破，资金费率可能沦为系统性操纵的工具。2025年4月至5月发生在 Binance 的 ALPACA 费率挤压事件，是这一现象的典型案例。该事件展示了“负面催化剂引发极端正向价格反应”的合约悖论。

2025年4月24日，Binance 宣布将于5月2日下架 ALPACA 现货交易对，并于4月30日对永续合约进行结算。在传统的市场逻辑中，下架公告是强烈的看空信号。这一消息迅速在散户群体中形成了“价格必将归零”的一致预期，导致大量做空资金涌入 ALPACA 永续合约，形成了极度拥挤的空头阵营。

然而，操纵者敏锐地捕捉到了这一市场结构的弱点。当时 ALPACA 的流通市值已萎缩至约500万美元，且代币高度集中。操纵者利用极少的资金在现货市场持续买入，推高现货价格，同时在合约市场建立多头头寸。由于大量空头的存在，合约价格被严重压低，导致资金费率出现极端的负值（空头向多头支付费用）。

![图 10-19 ALPACA费率挤压事件中的价格与资金费率走势](./images/fig-10-19.png)

**图 10-19.** ALPACA 费率挤压事件中的价格与资金费率走势（走势示意，事件重建）；价格区间 0.024→0.29 美元为保守口径、费率上限 ±2%→±4%，清算总额约5,000万美元（空头约4,300万美元）逐值核验一致 [27]

如上图所示，在下架公告发布后，ALPACA 的价格不仅没有暴跌，反而出现了剧烈的拉升，最高涨幅超过1,100%。与此同时，资金费率深度触及下限。为了应对极端的市场状况，Binance 于4月25日启动了动态结算频率机制，将 ALPACA 的结算频率从每8小时一次逐步缩短至每1小时一次，并将费率上限调整至±2%（随后甚至扩大至±4%）。

这一机制调整的初衷是增加操纵成本，但在客观上大幅加速了空头保证金的消耗。在1小时结算和±2%的费率上限下，空头持仓每小时需要支付高达2%的资金费用，折合每日成本高达48%（此计算适用于2025年9月归一化更新前的旧算法。ALPACA 事件发生在2025年4-5月，当时 Binance 尚未引入频率归一化因子；此外需注意，费率基于名义持仓价值计算，而 ALPACA 价格在此期间上涨超过1100%，因此后期每期费率的绝对金额远大于初期，呈非线性放大效应）。在这一费率水平下，资金费率不再是边际交易成本，而成为持仓者无法承受的现金流负担。面对巨额的资金费用和不断上涨的价格，空头被迫平仓（买入），这种空头连锁强制平仓进一步推高了价格，最终导致约5,000万美元的清算总额（其中约4,300万美元为空头）。在这一案例中，资金费率机制的实际效果背离了其纠偏初衷，成为了操纵者放大对手方损失的工具。

从 ALPACA 案例可以提炼出一个更一般化的费率操纵可行性模型。操纵者的预期利润可以表示为：

$$\Pi = V_{\text{squeeze}} - C_{\text{spot}} - C_{\text{funding}}$$

其中 $V_{\text{squeeze}}$ 为挤压对手方产生的收益（包括对手方被迫平仓带来的价格冲击利润和费率收入），$C_{\text{spot}}$ 为在现货市场建立并维持控盘所需的资本成本，$C_{\text{funding}}$ 为操纵周期内己方承担的资金费率支出。该简化模型未包含非线性执行成本：在极度稀薄的订单簿上，操纵者累积仓位会自我抬价、被挤压空头的平仓滑点会放大实际亏损，更完整的模型应加入市场冲击函数（如 Almgren-Chriss 框架）以捕捉这些非线性摩擦。尽管如此，操纵的可行性仍取决于三个关键参数：流通市值 $M$（$M$ 越低，$C_{\text{spot}}$ 越小）、空头集中度 $\rho$（$\rho$ 越高，$V_{\text{squeeze}}$ 越大，因为拥挤的空头更容易被连锁清算）、以及结算频率 $f$（在未归一化的旧算法下，$f$ 越高，对手方的累计费率负担 $C_{\text{funding}}^{\text{opponent}}$ 增长越快）。ALPACA 恰好同时满足低 $M$（流通市值约500万美元）、高 $\rho$（退市预期导致空头极度拥挤）、高 $f$（Binance 将结算频率从8小时提升至1小时）这三个条件，使操纵的预期利润远超成本。这一框架表明，监管和交易所在评估代币的操纵风险时，应系统性地监控这三个参数的组合状态。

ALPACA 事件及类似的高频结算挤压案例暴露了早期资金费率机制在极端条件下的系统性漏洞。特别是当结算频率被动态提高时，如果单次结算的费率计算方式保持不变，日累计费率成本将被成倍放大，这为操纵者提供了可乘之机。

为了修补这一漏洞，Binance 于2025年9月18日对资金费率计算公式进行了重大更新。此次更新的核心在于引入了“频率归一化因子”。

在更新前的旧算法中，单次结算的资金费率公式为：

$$F = \bar{P} + \text{clamp}(I - \bar{P},\ -0.05\%,\ +0.05\%)$$

其中 $\bar{P}$ 为结算周期内的平均溢价指数。在旧算法下，当结算频率从8小时缩短为1小时时，虽然每次结算的时间变短了，但公式中由溢价指数决定的部分并未按比例缩小。这意味着，如果市场存在持续的极端溢价，1小时结算的单次费率可能与8小时结算的单次费率处于同一数量级，导致每日累计费率被放大8倍。

更新后的新算法引入了频率归一化因子，其中 $N$ 为结算周期的小时数：

$$F = \frac{N}{8} \cdot \left[\bar{P} + \text{clamp}(I - \bar{P},\ -0.05\%,\ +0.05\%)\right]$$

该公式的逻辑是：先按照标准8小时公式计算名义费率，再乘以 $N/8$ 进行缩放。需注意，Clamp 边界（$-0.05\%$, $+0.05\%$）在公式中不随结算频率缩放，缩放仅作用于整体计算结果。以具体数值为例：假设平均溢价指数 $\bar{P} = 0.5\%$，利率分量 $I = 0.01\%$，当 $N = 8$（旧算法）时，$F = 1 \times [0.5\% + (-0.05\%)] = 0.45\%$，日累计费率为 $0.45\% \times 3 = 1.35\%$；当 $N = 1$（新算法1小时结算）时，$F = \frac{1}{8} \times 0.45\% = 0.05625\%$，日累计费率为 $0.05625\% \times 24 = 1.35\%$，两者的日累计费率完全一致

![图 10-20 Binance资金费率算法更新前后日累计费率对比](./images/fig-10-20.png)

**图 10-20.** Binance 资金费率算法更新前后日累计费率对比（公式推导示意，机制真实；示例数值为构造值，非正文 0.45%/1.35% 算例 [10]）

如图 10-20所示，通过引入频率归一化因子，新算法确保了在相同的市场溢价水平下，无论结算频率如何变化（8小时、4小时、2小时或1小时），24小时内的累计资金费率理论上限保持一致。这一机制的演进有效封堵了操纵者利用高频结算机制放大对手方成本的攻击路径，是资金费率机制向抗操纵方向的一次具体改进。同时，Binance 还将标记价格的计算基准从1分钟缩短至30秒，提高了系统对异常价格波动的响应速度，进一步压缩了操纵空间。

## 10.7 结算频率博弈

在永续合约的早期设计中，资金费率的结算频率通常是静态且固定的（如每8小时一次）。这种设计在降低系统计算负载和提供可预期性方面具有优势。然而，随着市场波动性的增加和策略的复杂化，静态结算频率逐渐暴露出其在极端市场环境下的脆弱性。从2025年开始，主流交易所纷纷引入动态结算频率机制，这一转变不仅是技术层面的升级，更是机制设计哲学从被动反应向主动管理的深刻范式转移。

### 10.7.1 从被动反应到主动管理

传统的8小时静态结算机制在本质上是一种“被动反应”系统。它假设市场有足够的时间（8小时）来消化信息并恢复均衡，资金费率仅仅作为一种温和的纠偏工具。然而，在加密货币市场中，资产价格可能在几分钟内发生剧烈波动，8小时的结算周期意味着系统在大部分时间内处于“盲区”，为“结算窗口攻击”等边缘策略提供了充足的操作空间。

动态结算频率机制的引入标志着交易所开始采取“主动管理”的姿态。以 Binance 于2025年5月全面实施的动态机制为例，系统会根据市场溢价的实时状况，自动在8小时、4小时甚至1小时之间切换结算频率。需要指出的是，Binance 的动态结算频率机制并非完全算法自动化，频率切换的决策包含人工或半自动审批环节，触发条件不仅取决于费率本身，还涉及溢价指数的绝对值、持续时间和市场整体风险状况的多维度评估。这意味着“机制从被动到主动”的转型同时包含了算法自动化和人工风控判断两个层面，后者在透明度和可预测性方面存在固有局限。

![图 10-21 动态结算频率机制的状态转换逻辑](./images/fig-10-21.png)

**图 10-21.** 动态结算频率机制的状态转换逻辑（机制示意；恢复阈值取连续16周期、|费率|≤0.025%，为作者对机制逻辑的示意化表述，非公开规格）

如图 10-21所示，该机制的核心逻辑是：当资金费率连续触及设定的上下限时，系统将自动提高结算频率（如从8小时缩短至4小时，再缩短至1小时）。当市场恢复平稳（如连续16个周期的资金费率绝对值小于或等于0.025%）时，系统才会逐步恢复至较低的结算频率。这种设计将结算频率本身变成了一个内生的博弈变量，使得机制能够根据市场压力自适应地调整纠偏力度。

### 10.7.2 不同结算频率的博弈含义

不同的结算频率对市场参与者的行为和微观结构具有截然不同的博弈含义。表 10-7 详细对比了三种主要结算频率模式下的市场特征：

| 维度 | 8小时静态结算 | 1小时高频结算 | 连续结算 |
| :--- | :--- | :--- | :--- |
| 套利者行为 | 集中在结算前后进行交易（结算窗口攻击），导致周期性的流动性波动 | 交易分布更加均匀，套利机会转瞬即逝，对自动化交易能力要求高 | 套利行为完全平滑，消除了传统结算窗口攻击，但其所依赖的 EMA 参考窗口（如 dYdX v4的8小时 EMA）本身创造了新的微观结构操纵维度，瞬时价格冲击可在整个 EMA 窗口内持续影响费率 |
| 资金成本累积 | 阶梯式跳跃，单次支付金额较大，但有充足时间平仓规避 | 快速累积，持续施加现金流压力，持仓成本高昂 | 实时计息，持续扣除，对保证金要求极高 |
| 对单边行情的抑制 | 较弱，8小时内价格可能已经发生不可逆的偏离 | 较强，高昂的持仓成本迫使劣势方迅速投降 | 极强，价格偏离会立即转化为现金流惩罚 |
| 系统性能要求 | 低，适合大规模并发计算 | 较高，需要更频繁的快照和清算 | 极高，通常仅在链上永续合约协议或特定架构下实现 |

**表 10-7.** 三种结算频率模式的博弈含义对比（数据来源：作者整理）

在旧的算法体系下，由于缺乏频率归一化，1小时结算不仅增加了支付的频率，更成倍放大了累计的资金成本（以溢价指数0.5%为例，旧算法1小时结算下每日费率被放大约8倍，其机制与算例见§10.6.3）。即使在引入归一化因子后，高频结算仍然通过增加摩擦成本和减少决策时间显著改变了多空双方的博弈均衡。决策时间的压缩使得趋势交易者不得不将止损线设置得更紧，因为保证金消耗速度的加快意味着原本可以承受数天的逆势持仓，在1小时结算下可能在数小时内触及强平线。

### 10.7.3 PIPPIN 案例分析

2025年12月发生的 PIPPIN 永续合约事件，是高频结算机制在极端行情下如何重塑多空博弈的典型案例。PIPPIN 作为一个新兴的 AI 代理主题代币，在其价格快速攀升、不断刷新历史新高（12月内收盘最高约0.54美元）的过程中，吸引了大量试图“摸顶”的空头资金。由于空头过度拥挤，永续合约价格大幅低于现货价格，触发了 Binance 的动态结算机制，结算频率被调整为每1小时一次。

![图 10-22 PIPPIN极端行情下的价格与资金费率动态（2025年12月）](./images/fig-10-22.png)

**图 10-22.** PIPPIN 极端行情下的价格与资金费率动态（数据来源：Binance PIPPINUSDT 永续，1小时结算，2025年12月逐小时实测；截至2026年6月30日；月内极端单期费率-1.74%，整月累计资金费率约-98.6%）

如图 10-22所示，在12月中旬的极端行情期间，PIPPIN 的资金费率长期维持在深度的负值区间。特别是在12月16日至17日期间，出现了长达数十小时的连续高额负费率。根据实盘数据，在最极端的24小时内（12月16日18:00至12月17日17:00），空头持仓的累计资金费率支出高达-19.77%。在整个12月期间，PIPPIN 经历了26次连续的高负费率周期，最长一次持续了80个小时，期间累计资金费率达到-27.81%。

这种高频、高额的资金费率对空头造成了毁灭性的打击。对于一个持有约353万 USDT 名义价值空单的交易者而言，仅一天的资金费率支出就可能接近70万 USDT。

从操作风险维度看，PIPPIN 事件还暴露了高频结算环境下两个容易被忽视但在实盘中至关重要的问题。其一为**清算引擎压力**：当大量空头同时触发强平时，清算引擎需在极短时间内执行大量买入市价单，对订单簿深度和撮合系统吞吐量构成极端压力，可能导致穿仓损失和保险基金消耗加速。其二为**保证金管理困境**：在每小时扣费机制下，交易者面临充值通道拥堵、跨所资金调拨延迟、以及部分清算自动缩减名义仓位等多重执行困境。在 PIPPIN 的极端费率环境中，这些操作层面的摩擦可能是决定交易者最终盈亏的关键因素，而非仅仅是理论模型中的次要假设。

![图 10-23 PIPPIN空头交易者收益率分解](./images/fig-10-23.png)

**图 10-23.** PIPPIN 空头交易者收益率分解（代表性/示意性分解，作者估算，非特定账户实测）

通过对某典型空头交易者的收益率进行分解（图 10-23），我们可以发现一个反直觉的现象：在总计-50.73%的亏损中，由价格变动引起的亏损为-25.02%，而由资金费率支出引起的亏损达到了-25.71%。资金费率的成本已经超过了价格变动本身造成的亏损。这一数据有力地证明了，在高频结算机制下，资金费率不再是次要的摩擦成本，而是决定交易盈亏结果的核心变量。

### 10.7.4 动态结算的微观结构影响

动态结算频率的引入对衍生品市场的微观结构产生了深远的系统性影响，不同类型的市场参与者被迫调整其行为模式：

做市商与流动性提供者受到直接影响，高频结算要求做市商具备更强的库存管理能力和更快的对冲速度。在链上衍生品去中心化交易所中，由于缺乏中心化的风控，做市商往往需要承担巨大的未实现利润和极高的资金费率支出。这迫使他们必须在极短的时间内完成拉升和派发，否则巨额的利息支出将迅速侵蚀其运营资金。与此同时，趋势交易者的策略也面临严峻挑战。对于持有单边头寸的趋势交易者而言，动态机制显著增加了持仓的时间成本。在逆势持仓时，高频结算会加速保证金的消耗，使得传统的扛单策略的风险显著上升，迫使交易者更早地止损，从而可能在短期内加剧价格的单边波动。从另一个维度看，套利者的生存空间也发生了重构。动态结算压缩了结算窗口攻击的空间，但同时也创造了新的基于频率切换预期的套利机会。套利者需要构建更加复杂的模型，不仅要预测价格的回归，还要预测结算频率的状态转换。

### 10.7.5 高频结算的代价

尽管动态高频结算机制在应对极端市场偏离时展现出了强大的纠偏能力，但它并非没有代价。从博弈论的视角来看，这种机制的广泛应用引发了对市场设计边界的深刻反思。

流动性摩擦的加剧是首要问题。高频结算虽然平滑了资金费用的支付，但频繁的现金流划转本身就构成了一种系统摩擦。在市场流动性不足时，高额的资金费率可能导致流动性提供者因无法承担利息成本而退出，进而导致买卖价差扩大，市场深度恶化。

机制异化的风险也随之而来。正如 ALPACA 和 PIPPIN 案例所展示的，当市场存在结构性缺陷（如低流通市值、筹码高度集中）时，旨在惩罚偏离的资金费率机制反而可能被操纵者利用，成为制造轧空或轧多的工具。高频结算在客观上缩短了劣势方的反应时间，加速了爆仓的发生。

综上所述，资金费率的结算频率不再是一个单纯的技术参数，而是调节市场参与者行为的博弈杠杆。未来的机制设计需要在“及时纠偏”与“防止机制被滥用”之间寻找更加精细的平衡。例如，Binance 引入的频率归一化因子便是一次成功的尝试，它在保留高频结算威慑力的同时，限制了单日成本的无限放大，标志着衍生品市场在复杂博弈中向着更加成熟和稳健的方向迈进。

从更广阔的机制设计视角审视，当前主流交易所普遍采用的线性费率函数（$F = P + \text{clamp}(I - P, a, b)$）并非唯一的设计选择，其替代方案值得系统性探讨。二次型费率函数（$F \propto P^2 \cdot \text{sgn}(P)$）可以在小偏离时施加温和的惩罚，在大偏离时施加急剧增长的惩罚，从而在不增加正常市场摩擦的前提下强化极端状态下的纠偏力度。动态 clamp 边界方案则允许 clamp 区间的宽度随市场波动率或未平仓合约规模自适应调整：在低波动率环境中收窄稳定区间以提高费率对溢价的敏感度，在高波动率环境中扩宽稳定区间以防止费率过度放大清算压力。此外，Drift Protocol（Solana）已部署了一种基于未平仓合约多空失衡程度（而非价格溢价）的非线性费率函数。这种设计直接针对多空持仓量的不对称性进行调整，即使操纵者通过拉高现货价格扩大了溢价，只要多空持仓量的比例未发生显著变化，费率也不会大幅移动，理论上对价格操纵具有更好的抗性。

连续结算在消除离散结算窗口的时间套利空间方面理论上最彻底，但其所依赖的 EMA 参考窗口又引入了新的操纵维度；它使费率更接近实时反馈信号。然而，连续结算在工程上面临严峻约束：需要指出的是，当前主流链上永续合约协议（Hyperliquid、dYdX v4）已不在以太坊主网上运行。Hyperliquid 运行在自有L1链上（亚秒级区块时间、零 Gas 费），dYdX v4基于 Cosmos SDK 独立链。在这些 app-chain 环境中，连续结算的工程约束主要来自状态一致性（所有验证者需对同一时刻的费率计算达成共识）和排序器吞吐量，而非传统意义上的 Gas 费用；中心化交易所虽无此限制，但连续结算要求实时的保证金快照和净值计算，对后端基础设施的要求远高于离散结算。这些替代方案是否能在保持计算效率的同时改善费率机制的锚定性能和抗操纵性，构成了衍生品机制设计领域的开放性研究前沿。

## 10.8 费率作为状态变量

在传统的微观结构分析中，资金费率通常被视为市场状态的输出，它是多空双方力量失衡的被动结果，是锚定机制为了纠正价格偏差而产生的摩擦成本。然而，从微观的机制设计提升到宏观的市场动态视角，资金费率的性质发生了根本性的转变：它不再仅仅是一个被动的结果，而是成为了一个信息含量丰富的状态变量和前瞻性的预测器。本节将提出本章的第五个核心理论贡献，即费率作为状态变量假说。该假说认为，由于永续合约在加密货币衍生品市场中的绝对主导地位，资金费率不仅记录了历史的交易痕迹，更编码了市场参与者对未来的方向性偏好、杠杆积累的脆弱性以及系统性风险的分布。这一思路的转变类似于传统金融中从将利率视为货币政策的被动输出到将收益率曲线视为经济前景的主动预测器的范式演进。以下从费率水平、费率波动率以及跨资产费率曲面三个维度，系统性地解构资金费率的信息含量，并对比其与传统情绪指标的本质差异。

### 10.8.1 费率水平的信息含量

资金费率的绝对水平是市场中最直观的信号。在一阶层面，它传递了方向性信息：正费率意味着市场净多头占优，负费率意味着市场净空头占优。然而，费率水平更深层的价值在于其二阶信息，即它量化了杠杆积累的强度。

运用§10.2提出的三层分解模型，当剥离融资成本层（制度性基准，如 BitMEX 的每8小时0.01%，年化约10.95%）和制度摩擦层（clamp 函数的截断效应）之后，剩余的情绪溢价层的绝对值直接度量了市场杠杆的“过热程度”。情绪溢价层越高，杠杆积累越深，本章§10.5讨论的“杠杆周期”距离临界点就越近。

在一个完全有效的市场中，套利者的存在应使资金费率迅速回归中性水平。然而，当资金费率长期偏离中性水平时，它揭示了套利资本的枯竭或方向性投机力量的压倒性优势。这种持续的偏离通常意味着市场正在进入一个脆弱的单边状态。当费率长期保持高位（极端正费率）时，多头不仅在承担巨大的持仓成本，而且这种成本的积累会不断消耗多头的保证金缓冲。这种状态类似于物理学中的“势能积累”：高费率本身并不会直接导致价格崩盘，但它创造了一个极度脆弱的系统状态，任何微小的负面冲击都可能引发多头的连锁去杠杆化。相反，当费率处于极端负值时，空头在为维持头寸支付高昂代价，市场同样处于极度紧绷的状态，随时可能爆发空头挤压。

这里必须做出一个关键区分：高正费率并不等于“市场一致看涨”，而仅意味着杠杆多头过于拥挤。当拥挤达到极限并开始崩溃时，依赖费率信号进行方向性决策将面临严重风险。2021年11月即是典型案例：BTC 永续合约的资金费率在价格触及69000美元历史高点前后持续维持在每8小时0.1%以上的高位，表面上传递出强烈的看涨信号，但实际上这一信号反映的是杠杆多头的过度拥挤而非基本面支撑。随后的2个月内 BTC 价格下跌超过40%，高正费率时期建立的多头头寸遭受了方向性亏损和费率支出的双重损失。费率主要反映的是杠杆情绪而非市场观点，这一区分对于正确解读费率信号具有根本性意义。

本章通过实证数据验证了这一机制。基于 Binance 平台比特币与以太坊永续合约2024年至2026年3月的8小时资金费率实测数据，将费率绝对值划分为三个区间（低费率、中等费率、高费率），并观察其对未来7天费率波动率的预测能力。

![当前费率绝对值水平与未来费率波动率的关系](./images/fig-10-24.png)

**图 10-24.** 当前费率绝对值水平与未来7日资金费率波动率的关系（数据来源：Binance BTC、ETH 永续8小时资金费率实测，2024年至2026年3月；截至2026年6月30日；三等分桶取未来7日费率波动率均值，|费率|与未来波动率相关系数约0.55）

数据表明，当前费率水平的极端化程度，与未来的波动率呈正相关关系。当市场处于“高费率”区间时（无论正负），未来7天的费率波动率高于“低费率”和“中等费率”区间。这证实了高费率状态本质上是一种高势能、高脆弱性的市场结构：费率水平不仅是多空力量的静态快照，更是未来市场动荡的前瞻性指标。

### 10.8.2 费率波动率的信息含量

如果说费率水平度量了杠杆的积累程度，那么费率波动率则直接度量了市场微观结构层面的不确定性与共识的分歧程度。费率波动率是一个独立于价格波动率的信息维度，它捕捉的是衍生品市场内部多空力量的摆动频率和幅度。

在平稳的市场环境中，资金费率通常在一个狭窄的区间内波动（主要由基准利率主导）。然而，当市场面临重大信息冲击、流动性枯竭或套利机制受阻时，资金费率会出现剧烈的震荡。这种震荡反映了市场参与者在重新定价风险时的混乱状态，以及流动性提供者（套利者）在面对高波动时要求的更高风险补偿。具体而言：

当费率波动率低时，市场对方向的共识趋于稳定。这可能意味着趋势已确立，也可能意味着市场陷入了一种自满状态，即平静的陷阱。相反，当费率波动率高时，方向性偏好在频繁切换，意味着市场充满高不确定性。这往往是市场状态转移（如从趋势到震荡，或从震荡到反转）的先行指标。进一步而言，费率波动率的急剧上升则是市场正在进入新的状态的明确信号，类似于传统市场中 VIX 的跳升，但它更直接地反映了杠杆市场内部的不确定性剧变。

![资金费率与7日滚动费率波动率时间序列](./images/fig-10-25.png)

**图 10-25.** BTC 与 ETH 资金费率及7日滚动费率波动率时间序列（作者基于 Hyperliquid API 计算，描述性；样本期2025-09至2026-03、单一交易所）[33]

如图 10-25所示，BTC 与 ETH 的费率波动率并非均匀分布，而是呈现出明显的阵发性聚集特征。在特定的市场阶段，费率波动率会突然飙升，这通常伴随着现货价格的剧烈波动或重要宏观事件的发生。ETH 的费率波动率在多个时段显著高于 BTC，这反映了 ETH 衍生品市场中套利深度相对较浅、投机力量相对更强的结构性特征。

更深层次地看，费率波动率的上升往往标志着§10.3讨论的“锚定强度”的减弱。当套利资本因为风险厌恶或资本约束而撤退时，投机力量的微小变化都会在费率上引发巨大的波澜。因此，费率波动率可以被视为套利机制有效性的反向指标：波动率越高，说明套利机制越脆弱，市场越容易受到单边力量的冲击。

为了进一步量化极端费率状态对市场后续行为的影响，我们分析了极端费率日之后的市场活跃度变化。

![极端费率状态后的市场活跃度分布](./images/fig-10-26.png)

**图 10-26.** 极端费率状态后的未来7日费率活跃度分布（作者基于 Hyperliquid API 计算，描述性；样本期2025-09至2026-03、单一交易所）[33]

图 10-26清晰地展示了，当市场处于“极端费率”状态（位于历史绝对值分布的90%分位以上）时，其后续7天的费率活跃度（即费率绝对变化之和）呈现出显著的肥尾分布特征，且均值显著高于正常和偏高费率状态。这意味着，极端费率不仅预示着未来的高波动，更预示着一种结构性的不稳定性。一旦费率进入极端区间，市场很难迅速平息，而是会经历一个持续的动荡期，直到杠杆被彻底出清，新的均衡重新建立。

### 10.8.3 跨资产费率曲面

将视线从单一资产扩展到整个市场，资金费率构建了一个多维的跨资产曲面。严格来说，永续合约没有传统意义上的“期限结构”（因为没有到期日），但我们可以在两个维度上构建一个类似的信息曲面：跨资产维度和跨交易所维度。这个曲面是刻画投机热度跨资产分布的高频指标之一。

在跨资产维度上，BTC、ETH、SOL 及各类山寨币的费率反映了不同资产的方向性偏好强度。山寨币的费率通常远高于 BTC，这反映了更强的投机偏好和更低的套利效率。在跨交易所维度上，同一资产在 Binance、Bybit、Hyperliquid、dYdX 等不同平台上的费率差异，反映了不同平台用户组成和流动性结构的差异。Boros Finance 的数据显示，Binance 与 Hyperliquid 之间的费率差可达显著水平，为跨交易所套利提供了可观的收益空间（具体收益率区间见§10.4.2 与图 10-10）[22]。

![跨资产资金费率月度热力图](./images/fig-10-27.png)

**图 10-27.** 跨资产资金费率月度热力图（全部为 Binance USDT 永续合约实测资金费率，按各资产当月每期费率均值年化；样本期2025年9月至2026年3月，截至2026年6月30日）

从图 10-27的跨资产热力图中，我们可以观察到几个关键现象。基石资产表现出较高的稳定性：BTC 和 ETH 的费率相对稳定，多数月份维持在温和的正值区间（年化约3%-5%），仅在2026年初小幅转负，波动幅度明显小于山寨币，这反映了它们作为市场基准的地位，以及其衍生品市场中充足的套利流动性。长尾资产的波动幅度更大：相较于 BTC，长尾资产（如 WIF、SOL、OP 等）的费率呈现出极端的波动。例如，根据 Binance 实测数据，WIF 的年化费率在2026年3月骤降至约-35.4%，SOL 在2026年2月降至约-13.4%，这表明这些资产正经历高强度的做空压力或流动性危机。板块轮动的轨迹则构成了最终的观察维度：通过观察不同月份高费率资产的变迁，可以清晰地追踪投机资金的轮动轨迹。2025年9月，多数山寨币费率集体走高（ADA、WIF 分别达约8.2%与7.7%），但进入2026年初普遍转负（如 AVAX 由9月的约6.6%回落至11月的约-10.4%），而 LINK 则在整个考察期内维持了稳定的正费率。当某个板块的资产集体呈现高额正费率时，这往往是该板块过热的明确信号。

![跨资产年化平均资金费率对比](./images/fig-10-28.png)

**图 10-28.** 跨资产年化平均资金费率对比及标准差范围（作者基于 Hyperliquid API 计算，描述性；样本期2025-09至2026-03、单一交易所）[33]

图 10-28进一步展示了不同资产在考察期内的整体费率特征。LINK（9.7%）和 BTC（6.8%）维持了较高的正向费率，而 OP（-4.1%）、SOL（-2.1%）和 ADA（-0.5%）则呈现出结构性的负费率特征。这种长期的结构性差异，往往源于特定资产现货借贷市场的微观结构摩擦，或是该资产在对冲策略（如期现套利、质押挖矿对冲）中扮演的特定角色。

此外，BTC 与 ETH 之间的费率相关性构成了一个独立的宏观状态变量。当两者的费率高度正相关时，说明市场被统一的宏观力量（如美联储政策预期、ETF 资金流入等）驱动，系统性风险高度集中；当相关性降低甚至转负时，则意味着资金基于特定资产叙事（如以太坊升级、比特币减半）进行差异化配置，市场处于结构性分化阶段。对于持有多资产组合的交易者而言，费率相关性的突变是调整对冲比率的关键信号。

![BTC与ETH日度资金费率相关性分析](./images/fig-10-29.png)

**图 10-29.** BTC 与 ETH 日度资金费率散点图与30日滚动相关性（数据来源：Binance BTC、ETH 永续日度累计资金费率实测，2025年9月至2026年3月；截至2026年6月30日）

如图 10-29所示，尽管 BTC 和 ETH 在样本期内保持了约0.597的总体正相关性，但其30日滚动相关系数却呈现出剧烈的时变特征（从约-0.20到0.77不等）。相关性的崩溃往往具有深远的系统性含义。当 BTC 和 ETH 的费率走向背离时，这通常意味着宏观资金的统一步伐被打破，市场进入了基于特定资产叙事（如以太坊升级预期、比特币 ETF 资金流入等）的结构性分化阶段。反之，当相关性急剧上升至高位时，则往往意味着市场正处于系统性的风险偏好或风险厌恶状态，所有资产被同一股宏观力量驱动。

需要补充两点方法论限定。其一，相关性崩溃可能部分反映宏观层面的 flight-to-quality 效应（BTC 因“数字黄金”叙事获避险资金流入，而 ETH 因 DeFi 去杠杆承压），而非纯粹的加密原生叙事轮动。正式的归因分析应引入宏观控制变量（如美元指数 DXY、全球风险偏好指标 VIX）以区分宏观传导和加密原生因素的相对贡献。其二，BTC-ETH 二元分析可自然扩展为全样本（10+资产）费率相关矩阵的主成分分析。如果危机期第一主成分的方差解释力从正常期的约40%飙升至80%以上，则证实了“费率在危机中崩溃为单一系统性因子”的假说。这构成了未来研究的自然延伸方向。

### 10.8.4 费率与传统情绪指标的比较

在传统金融市场和加密货币市场中，存在大量用于度量市场情绪和状态的指标。然而，资金费率在直接性和经济后果两个维度上相比基于调查或文本的情绪指标具有优势，其核心原因在于“真金白银的代价”。

传统情绪指标大多是间接的、推断性的，或者是基于问卷和文本分析的软指标。而资金费率是市场参与者为了维持其方向性敞口而必须实际支付的现金流。表 10-8 系统性地对比了资金费率与主要传统情绪指标的差异：

| 指标 | 数据基础 | 更新频率 | 度量内容 | 对永续合约市场的直接性 |
| :--- | :--- | :--- | :--- | :--- |
| 资金费率 | 永续合约多空失衡 | 每1-8小时 | 杠杆成本 = 风险直接度量 | 极直接：产生于市场本身，有真实经济后果 |
| VIX | S&P 500期权隐含波动率 | 连续 | 未来30天波动率预期 | 间接：度量传统市场，不直接对应加密 |
| 看跌/看涨比率 | 期权成交量 | 日频 | 看跌 vs. 看涨情绪 | 间接：加密期权市场远小于永续合约 |
| 恐惧贪婪指数 | 多因子综合 | 日频 | 恐惧/贪婪综合度量 | 间接：因子权重主观，不可复制 |
| 社交媒体情绪 | 文本情感分析 | 实时 | 公众情绪方向 | 间接：噪声大，极易被操纵 |
| 未平仓合约 | 衍生品持仓量 | 连续 | 杠杆积累总量 | 较直接：但不含方向信息 |

**表 10-8.** 资金费率与传统情绪指标的多维对比（数据来源：作者整理）

![资金费率与传统情绪指标的多维对比](./images/fig-10-30.png)

**图 10-30.** 资金费率与传统情绪指标的多维对比（主观/定性 1–5 评分，作者评估，非定量实测；维度对应正文表 10-8，图示节选其中五项代表性指标，横向比较反映作者判断）

费率的预测价值源于其直接性：它不是通过中间模型间接推导的情绪指标，而是永续合约市场本身每1-8小时产生的、具有真实经济后果的价格信号。交易者每期都在实际支付或收取费率，这使费率相比调查式或模型式的指标具有更高的可信度。

如图 10-30的对比分析所示，资金费率在以下几个维度展现出独特的优势。在直接性与经济后果维度，恐惧贪婪指数的极端值不会直接导致任何市场参与者破产，但极端资金费率会：高昂的费率会实实在在地侵蚀保证金，迫使交易者平仓，从而直接引发价格的连锁反应。它不仅度量风险，它本身就是风险的催化剂。在更新频率维度，大多数传统指标是日频的，而资金费率是连续或高频（如每小时、每8小时）更新的，能够以极高的颗粒度捕捉市场情绪的瞬时变化。在抗操纵性维度，社交媒体情绪或调查问卷极易被机器人或协同行为操纵，而要操纵资金费率，操纵者必须在衍生品市场上建立真实的、庞大的单边头寸，并为此承担巨大的价格风险和摩擦成本。在方向性明确维度，与未平仓合约总量只能显示杠杆规模不同，资金费率的正负符号直接给出了杠杆倾斜的方向。

资金费率不是对市场情绪的描述，而是市场情绪的定价。这一区分在方法论层面具有重要意义：恐惧贪婪指数或社交媒体情绪分析属于“观察”范畴，研究者可以无成本地获取和解读这些信号；而资金费率属于“定价”范畴，每一个持仓者都在以真实的现金流为其方向性观点付费。这种经济约束使得费率信号中的噪声天然低于无成本的观察式指标，因为持有错误方向头寸的交易者会被费率持续消耗直至退出。

### 10.8.5 预测力的实证与局限

基于上述分析，资金费率作为状态变量在描述性层面展现出与系统脆弱性、波动率爆发和跨资产轮动相一致的统计关联。已有的学术研究也支持了这一判断。Inan (2025) 的研究表明，永续合约的资金费率具有显著的样本外可预测性，表明费率中编码了关于比特币市场状态的前瞻性信息 [34]。Presto Research（2024）发现资金费率变化与同期价格变化存在统计显著但较弱的正相关（$R^2$ 约 12.5%），但对单一资产下一期价格变化的样本外预测力接近于零；该研究并未专门检验极端费率或价格反转 [35]。

![资金费率分布的非对称性特征](./images/fig-10-31.png)

**图 10-31.** BTC 资金费率分布的非对称性与长尾特征（偏度、超额峰度、正费率占比、年化均值等分布统计为作者基于 Hyperliquid API 计算，描述性，对小样本极端值敏感 [33]；可预测性 R²≈12.5% 引 [35]、样本外可预测性引 [34]）

图 10-31展示了 BTC 资金费率的经验分布。其分布呈现出极端的正偏态（偏度 = 1.46）和超高峰度（超额峰度 = 74.2，即相对于正态分布峰度3的偏离值；需注意该估计值在小样本条件下对极端观测值高度敏感）。正费率占比高达83.9%，年化均值约为6.8%，这印证了加密货币市场长期存在的“结构性做多偏好”。这种极端的非正态分布意味着，基于正态假设的传统金融模型在处理资金费率时将面临严重失效，费率的尾部风险（特别是右尾）远超理论预期。

需要明确指出，本节呈现的实证证据在方法论上属于描述性分析而非正式的推断性检验。图 10-24至图 10-26所展示的费率水平与未来波动率之间的条件关系，虽然在经济学直觉上具有一致性，但尚未通过控制其他预测变量（如已实现波动率、未平仓合约变化率等）的多元回归或格兰杰因果检验进行严格验证。此外，本章使用的 Hyperliquid 数据 [33] 存在样本期较短（2025年9月至2026年3月，约6个月）和单一交易所来源的局限，不同交易所的用户结构和流动性特征差异可能导致费率动态的异质性，从单一平台得出的结论未必具有跨平台的普适性。将描述性发现提升为正式的预测回归以及样本外检验，是未来研究的优先方向。具体而言，标准的预测回归规范可以表述为：

$$\sigma_{t+7} = c + \beta_1 \lvert FR_t \rvert + \beta_2 \sigma_t + \beta_3 OI_t + \varepsilon_{t+7}$$

其中 $\sigma_{t+7}$ 为未来7日已实现波动率，$\lvert FR_t \rvert$ 为当期费率绝对值，$\sigma_t$ 为当期已实现波动率（控制波动率聚集效应），$OI_t$ 为未平仓合约变化率。由于 $\sigma_{t+7}$ 的重叠7日窗口会引入移动平均自相关，正式的推断性检验应采用 Newey-West 异方差和自相关一致性标准误，滞后截断参数不少于窗口长度（即7期）。如果 $\beta_1$ 在控制 $\sigma_t$ 和 $OI_t$ 后仍统计显著为正，则可正式确认费率水平对未来波动率具有增量预测能力。当前证据在条件分布层面支持这一方向，但严格的统计推断留待后续研究在更长样本期和多交易所数据上完成。

在方法论层面，还需注意两个技术问题。其一为**共线性**：$\lvert FR_t \rvert$ 和 $\sigma_t$ 可能高度共线，高波动环境中费率本身就倾向于更极端，这可能导致 $\beta_1$ 的估计不稳定。缓解方案包括使用正交化或主成分方法，或采用 HAR-RV 风格的多尺度基准模型（引入日/周/月已实现波动率分量），将 $\lvert FR_t \rvert$ 作为增量预测变量检验其在控制已知波动率持续性后的边际贡献。其二为**证据定性**：应更明确地标记当前证据的性质。图10-24至10-28所展示的条件分布比较属于描述性分析，从描述性发现到正式的预测因果声称需要完成包含多元控制的样本外检验（如滚动窗口 out-of-sample $R^2$）。这两个方法论改进构成了将本章的描述性发现提升为稳健的预测模型的必要步骤。

然而，将资金费率作为预测器也存在其固有的局限性，必须予以审慎对待。

在时效性层面，极端的资金费率可以高精度地指示系统处于脆弱状态，但它无法精确预测崩溃发生的时间点。市场可以在非理性的高费率状态下维持数周甚至数月（如2021年一季度或2024年初的牛市阶段），过早基于高费率做空可能导致严重的浮亏。费率的预测力主要体现在波动率维度，它能够指示波动率上升的概率正在增大，但不能精确预测方向和时点。这与 VIX 的预测力性质相似，是费率作为状态变量的内在局限。与此同时，结构性偏移构成了另一重干扰。如§10.2所述，费率中包含融资成本层，当宏观无风险利率发生剧烈变动（如美联储加息周期），或现货借贷市场出现结构性摩擦时，费率的中枢会发生偏移。如果不运用三层分解模型剥离这些结构性因素，仅看绝对费率水平，可能会产生虚假的过热或过冷信号。此外，费率的金融化趋势正在降低其作为情绪指标的信噪比：随着 Ethena 等系统性套利实体的崛起，极端费率被抹平的速度加快，当大量资本系统性做空永续合约赚取正费率时，其集体行为本身成为压低费率的力量，形成新的反身性循环，使更多费率变动仅反映套利资本进出而非真实投机情绪。这一费率金融化的结构性影响及其对状态变量假说的稀释，将在§10.8.6 集中展开。

综上所述，资金费率是一个强大但需要精细解读的状态变量。它不是一个简单的“超买/超卖”振荡器，而是一个反映市场杠杆结构、流动性状况和套利博弈均衡的综合性宏观指标。正确使用它，需要结合三层分解模型剥离结构性因素，结合波动率维度判断不确定性，结合跨资产曲面定位风险分布。唯有如此，才能将费率从一个粗糙的方向信号，提炼为一个精密的市场状态诊断工具。

### 10.8.6 费率金融化：Ethena 与费率互换市场

费率作为状态变量的分析框架正面临一个结构性挑战：资金费率本身正在从被动的持仓成本演变为可独立交易、对冲和结构化的金融资产。这一转变以 Ethena 协议和 Boros Finance 的费率互换产品为代表，标志着“费率金融化”时代的到来。

Ethena 的 USDe 稳定币是费率金融化最具系统性影响的实例。USDe 的核心机制是持有现货 ETH（或 BTC）并在永续合约市场建立等量空头头寸，从而以市场中性的方式系统性地收取正向资金费率。截至2026年初，USDe 的规模已达到数十亿美元，使 Ethena 成为永续合约市场中重要的结构性做空方（据 The Block 等报道，约占 ETH 永续未平仓合约的数个百分点）。Ethena 的规模效应对费率市场产生了双重影响。在供给侧，数十亿美元的持续空头头寸为正费率环境注入了稳定的卖方流动性，在正常市场中加速了费率向均衡水平的回归，客观上强化了锚定机制。然而，在危机侧，当费率突然转负（如2025年1月底 DeepSeek 事件引发的恐慌抛售期间），Ethena 的巨额空头头寸会面临反向的费率支出压力。此时 Ethena 不仅无法收取收益，反而成为了费率的净支付方，其被迫减仓的行为可能进一步加剧市场波动。

更系统地看，Ethena 面临的风险可从三个维度进行分析。在**经济风险传染路径**上：费率持续转负→USDe 收益转负→持有者大规模赎回→Ethena 被迫平掉空头头寸（在合约市场执行大量买入）→对价格产生上行冲击→如果赎回压力导致 USDe 脱锚，其作为 DeFi 借贷协议中广泛使用的抵押品角色将放大跨协议传染。在**操作风险**维度：Ethena 在中心化交易所持有数十亿美元的空头头寸，面临交易所托管风险（2025年2月 Bybit 遭遇约15亿美元黑客攻击即为此类风险的现实警示）、账户冻结风险、以及大额头寸跨交易所再平衡时的执行滑点风险。在**监管风险**维度：USDe 的收益机制可能被 SEC 定性为未注册投资合同（Howey test），用户存入资金并期望从团队管理的主动策略中获得收益，这与投资合同的特征高度吻合；此外，欧盟 MiCA 框架下的稳定币分类和储备要求也可能对 USDe 的合规性构成约束。

Boros Finance 等费率互换产品则从另一个维度推动了费率的金融化。费率互换允许交易者将浮动的资金费率敞口转换为固定收益（或反之），本质上创建了一个以资金费率为标的资产的衍生品市场，即“衍生品的衍生品”。这类产品使得机构投资者可以在不持有任何永续合约头寸的情况下，单纯地表达对费率方向或波动率的观点。

费率金融化对状态变量假说的核心影响在于信噪比的下降。当越来越多的费率变动反映的是 Ethena 等套利实体的资本进出而非真实的投机情绪变化时，费率作为“市场温度计”的信号价值将被系统性地稀释。量化这一稀释效应（例如通过分解费率变动中来自系统性套利资本的成分和来自方向性投机的成分）是未来研究的重要课题。第18章将从系统性风险的视角进一步分析 Ethena 规模扩张对市场微观结构的长期影响。

## 10.9 本章小结

本章对永续合约的核心机制，即资金费率，进行了从微观机制到宏观状态的系统性博弈论分析。资金费率并非简单的利息支付公式，而是加密货币衍生品市场中多层博弈交互作用的自动调节器。本章围绕五个相互嵌套的理论框架展开分析。

三层分解模型将表面上单一的资金费率解构为融资成本层（缓变的制度性基准，年化约10.95%）、情绪溢价层（高频变化的市场方向偏好）和制度摩擦层（clamp 函数制造的稳定区间效应；BitMEX 研究显示费率在78.19%的时间里精确锁定在0.01% [8]）。这一框架表明，费率实际上是宏观利率、市场投机偏好和微观合约设计的混合产物，只有分离三层才能准确诊断费率信号的含义。

在此基础上，锚定强度谱揭示了资金费率有效性的非线性特征。锚定强度是套利活动强度的单调递增函数，而套利在极端市场中因资本约束、对手方风险、流动性枯竭、执行风险、清算风险和跨资产保证金传染六个条件同时恶化而系统性减弱。由此导出的锚定悖论，即在市场对锚定需求最强的时刻，锚定强度反而降至最低，在2020年3月12日 BTC 永续价格低于现货数百美元 [5]、2025年10月10日约190亿美元24小时可见强平名义规模 [17] 等事件中得到验证。

锚定强度的分析框架进一步延伸为三层博弈模型，将资金费率的动态演进抽象为三种嵌套博弈：最内层的锚定博弈（多空双方围绕基差的消耗战与反身性循环）、中间层的趋同博弈（期现套利者驱动价格趋同，跨交易所套利者驱动费率趋同；跨所套利的年化收益率区间见§10.4.2 [22]）、以及最外层的策略博弈（交易所与攻击者之间的规则攻防）。三层力量的对比决定了费率在正常、压力和危机三种市场状态下呈现截然不同的动态。

当博弈均衡被打破时，费率极化正反馈机制随之启动。负反馈向正反馈的翻转条件是方向性利润超过费率成本，而处置效应、确认偏差和群体效应共同驱动了持仓者拒绝平仓的行为。极端化的终结路径仅有两条：温和的均值回归或清算级联。PIPPIN 案例中空头在24小时内仅费率支出即达名义本金的-19.77%，展示了正反馈被高频结算放大的效应。费率极化因此成为杠杆周期进入临界点的可直接观察的信号，并由此引出本章的第五个框架，即费率作为状态变量假说，将费率从被动的输出变量升维为主动的宏观状态变量。

图 10-32 将费率的三个信息维度（水平、波动率与跨资产曲面）与其对应的分析输出整合为一个系统性的分析框架。

![图 10-32](./images/fig-10-32.png)

**图 10-32.** 资金费率作为状态变量的分析框架与应用路径（基于分析框架的概念示意，非实测数据）

如图 10-32所示，费率的水平、波动率和跨资产曲面共同构成了一个多维分析矩阵，能够识别杠杆周期的阶段、预测未来的波动率爆发，并描绘整个市场的风险分布。相比 VIX 等间接指标，资金费率能够以更高的频率和更低的延迟反映市场的杠杆结构状态。现货价格反映的是市场的即时供需，而资金费率揭示的是市场的杠杆结构：费率通过实际的现金流转移对多空双方的头寸进行持续定价，套利资本的流动则划定了锚定机制的有效边界。与此同时，费率的金融化趋势正在创造新的博弈维度：当费率本身成为可交易的资产时，围绕它的博弈将进一步复杂化。

资金费率并非孤立存在。它与杠杆的积累、清算机制的触发以及流动性池的深度紧密相连。本章的分析指向一个核心结论：资金费率锚定效力的边界，恰恰是杠杆与清算风险开始主导市场的起点。当费率在危机状态下失去锚定力量，接管市场的不再是多空意愿博弈，而是清算机制的强制执行。下一章将从费率失效的断裂点出发，进入清算级联这一极端风险领域，分析价格穿透维持保证金底线时强平机制的运作与失效。资金费率决定了杠杆的成本，而清算机制则决定了杠杆头寸的存续。

## 参考文献

[1] James, N. (2021). Changes to the extreme and erratic behaviour of cryptocurrencies during COVID-19. *Physica A: Statistical Mechanics and its Applications*, *565*, 125462. https://pmc.ncbi.nlm.nih.gov/articles/PMC7687370/ https://doi.org/10.1016/j.physa.2020.125581

[2] Godbole, O. (2020, March 13). Bitcoin price briefly dips to 12-month low in overnight trading. *CoinDesk*. https://www.coindesk.com/markets/2020/03/13/bitcoin-price-briefly-dips-to-12-month-low-in-overnight-trading

[3] CoinDesk. (2020, March 12). Bitcoin's crash triggers over \$700M in liquidations on BitMEX. https://www.coindesk.com/markets/2020/03/12/bitcoins-crash-triggers-over-700m-in-liquidations-on-bitmex

[4] CryptoSlate. (2020). BitMEX freezes as XBTUSD crashes 10% below Bitcoin spot price. https://cryptoslate.com/bitmex-freezes-as-xbtusd-crashes-10-below-bitcoin-spot-price/

[5] Multicoin Capital. (2020, March 17). March 12: The day crypto market structure broke (Part 1). https://multicoin.capital/2020/03/17/march-12-the-day-crypto-market-structure-broke/

[6] Alexander, C., Choi, J., Park, H., & Sohn, S. (2020). BitMEX bitcoin derivatives: Price discovery, informational efficiency, and hedging effectiveness. *Journal of Futures Markets*, *40*(1), 23–100. https://onlinelibrary.wiley.com/doi/abs/10.1002/fut.22050 https://doi.org/10.1002/fut.22050

[7] MilkRoad. (n.d.). Perpetual contracts: Definitions & FAQ for funding rates. https://milkroad.com/funding/perpetual-contracts/

[8] BitMEX Research. (2025). Funding rates structure: Floor & ceiling explained — Q3 2025 derivatives report. https://www.bitmex.com/blog/2025q3-derivatives-report [行业报告，非同行评审]

[9] Palepu, A. (2020, June 23). Funding rates: Under the hood. *Medium / DerivaDEX*. https://medium.com/derivadex/funding-rates-under-the-hood-352e6be83ab

[10] Binance Support. (2025). Important updates on funding rate settlement frequency. https://www.binance.com/en/support/announcement/detail/6d707b1f7ae34f419621b4c807464ab1

[11] Hyperliquid. (n.d.). Funding. *Hyperliquid Documentation*. https://hyperliquid.gitbook.io/hyperliquid-docs/trading/funding

[12] Schmeling, M., Schrimpf, A., & Todorov, K. (2023). Crypto carry (BIS Working Paper No. 1087). Bank for International Settlements. https://www.bis.org/publ/work1087.htm

[13] Bloomberg. (2026, January 21). Wall Street pulls back from a money-spinning Bitcoin trade.

[14] Ackerer, D., Hugonnier, J., & Jermann, U. (2025). Perpetual futures pricing. *Mathematical Finance*. https://doi.org/10.1111/mafi.70018

[15] Gabaix, X., & Maggiori, M. (2015). International liquidity and exchange rate dynamics. *Quarterly Journal of Economics*, *130*(3), 1369–1420. https://doi.org/10.1093/qje/qjv016

[16] Brunnermeier, M. K., & Pedersen, L. H. (2009). Market liquidity and funding liquidity. *Review of Financial Studies*, *22*(6), 2201–2238. https://doi.org/10.1093/rfs/hhn098

[17] CoinShares. (2025, October 20). Billions in crypto liquidations: Inside October's \$19B crash.

[18] Shleifer, A., & Vishny, R. W. (1997). The limits of arbitrage. *Journal of Finance*, *52*(1), 35–55. https://doi.org/10.1111/j.1540-6261.1997.tb03807.x

[19] Scheinkman, J. A., & Xiong, W. (2003). Overconfidence and speculative bubbles. *Journal of Political Economy*, *111*(6), 1183–1220. https://doi.org/10.1086/378531

[20] Collins, T. (2025). The future of Bitcoin: Market maturity, strategic reserves, and the paradox of institutional accumulation. *SSRN*. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5788582 https://doi.org/10.2139/ssrn.5788582

[21] De Long, J. B., Shleifer, A., Summers, L. H., & Waldmann, R. J. (1990). Noise trader risk in financial markets. *Journal of Political Economy*, *98*(4), 703–738. https://doi.org/10.1086/261703

[22] Pendle Team. (2025, December 19). Cross-exchange funding rate arbitrage: A fixed-yield strategy through Boros. *Medium / Boros Finance*. https://medium.com/boros-fi/cross-exchange-funding-rate-arbitrage-a-fixed-yield-strategy-through-boros-c9e828b61215 [行业报告，非同行评审]

[23] Baumgartner, T., & Guettler, A. (2022). Trust in a trustless network: The case of the Bitcoin flash crash on May 19, 2021. *EUROFIDAI-ESSEC Paris December Finance Meeting*. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4260876 https://doi.org/10.2139/ssrn.4260876

[24] Gromb, D., & Vayanos, D. (2002). Equilibrium and welfare in markets with financially constrained arbitrageurs. *Journal of Financial Economics*, *66*(2–3), 361–407. https://doi.org/10.1016/S0304-405X(02)00228-3

[25] CoinDesk. (2021). Bitcoin drops below \$31K before rebounding; \$8B in liquidations triggered.

[26] Kahneman, D. (2011). *Thinking, Fast and Slow*. Farrar, Straus and Giroux.

[27] Binance Square. (2025). The reasons behind Alpaca's pre-delisting short squeeze.

[28] Skwarek, M. (2025). Why do investors behave irrationally in the cryptocurrency and emerging stock markets? *SAGE Open*, *15*(3). https://doi.org/10.1177/21582440251361212

[29] Banerjee, A. V. (1992). A simple model of herd behavior. *Quarterly Journal of Economics*, *107*(3), 797–817. https://doi.org/10.2307/2118364

[30] Delfabbro, P., King, D. L., & Williams, J. (2021). The psychology of cryptocurrency trading: Risk and protective factors. *Journal of Behavioral Addictions*, *10*(2), 201–207. https://doi.org/10.1556/2006.2021.00037

[31] Minsky, H. P. (1992). The financial instability hypothesis (Working Paper No. 74). The Jerome Levy Economics Institute of Bard College. https://www.levyinstitute.org/pubs/wp74.pdf

[32] U.S. Department of Justice. (2023, January 10). Avraham Eisenberg charged in connection with manipulation of Mango Markets decentralized cryptocurrency exchange. https://www.justice.gov/usao-sdny/pr/avraham-eisenberg-charged-connection-manipulation-mango-markets

[33] Hyperliquid. (2026). Hyperliquid API documentation: Funding rate history. https://hyperliquid.xyz/

[34] Inan, E. (2025). Predictability of funding rates (SSRN Working Paper No. 5576424). https://doi.org/10.2139/ssrn.5576424

[35] Presto Research. (2024, August 2). Can funding rate predict price change? https://www.prestolabs.io/research/can-funding-rate-predict-price-change