> **Source:** https://permissionless.fi/zh/11-liquidation-cascades
> 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 11 章 杠杆与清算的内生反身性

2025年10月10日，一则关于中美贸易谈判意外陷入僵局的宏观经济报道（美国总统宣布对中国进口商品加征100%关税）在传统金融市场中仅仅激起了微澜。然而，当这则消息传入7×24小时不间断运转的加密永续合约市场时，却意外触发了一场规模空前的系统性清算事件。约24小时内，全市场可见强平名义规模超过190亿美元；若以完整去杠杆过程衡量，窗口约为36小时。事件波及约162万个交易账户，其中约87%为多头头寸 [1]。比特币价格从约122,500美元的当日高点急剧下挫，现货/聚合指数口径下最低触及约104,800美元（当日最大回撤约14.5%；永续合约因深度枯竭出现更深插针，个别场所一度触及约102,000美元），全市场未平仓合约在40分钟的级联窗口内蒸发约192亿美元（峰谷总降幅约25%），主流交易所的订单簿深度骤降超过99%、买卖价差急剧拓宽数个数量级，流动性在价格剧烈波动时骤然枯竭（完整微观结构数据详见§11.9.2表 11-7）[2]。

这构成了一个结构性悖论。在事件发生前的数周里，绝大多数交易者的杠杆率都处于看似“安全”的5至10倍区间。他们设定了止损，留有保证金缓冲，并相信自己的风险管理是审慎的。然而，当市场开始下跌时，这些个体层面的审慎措施非但未能阻止系统性危机，反而加剧了危机：每一个被触发的止损和清算都在向市场注入新的卖压，共同推动了系统性的崩溃。这种个体理性导向集体非理性的现象，揭示了永续合约市场微观结构中一个结构性盲区：当所有人都在同一方向上“理性”地管理风险时，他们的集体行为本身就构成了最大的系统性风险。

“10.10事件”以及加密货币历史上多次类似的崩盘（从2020年3月的“3.12”COVID 崩盘到2021年5月的中国挖矿禁令冲击）并非简单的“黑天鹅”事件或偶然的事故。它们是一种由市场内部结构驱动的、可预测的系统性风险的周期性爆发。这种风险源于杠杆与自动化清算机制之间形成的内生反身性反馈回路：杠杆在特定条件下，会与清算引擎的自动执行相结合，成为反直觉的风险放大器，形成能够自我强化并导致系统性崩溃的正反馈机制。正如本章§11.1与§11.6对清算机制的系统性分析所揭示的（从机制设计的角度考察清算引擎如何在保护系统偿付能力与维持市场稳定之间寻求平衡），清算机制的本意是“清除坏账，保护系统”，但在高杠杆、有限深度和正反馈的条件下，清算本身却成为了系统性风险的制造者而非解决者。

为了剖析这一复杂的动力学过程，本章将构建一个双层理论框架。在哲学层面，引入 George Soros 的反身性理论，提供理解市场非均衡本质的宏观视角；在机制层面，运用 Brunnermeier 与 Pedersen 的流动性螺旋模型，提供解剖市场微观过程的经济学工具。永续合约以其极高的杠杆上限（最高达125倍）、全天候交易、自动化清算和全球化准入，成为了这两个理论框架最极端、最纯粹的实验场。本章将解剖杠杆与清算的微观传导链，理解从价格变动到强制平仓的机械过程；随后，建立反身性的双层理论基础；在此基础上，本章将依次构建五个核心理论工具：将清算级联形式化的清算反身性方程，揭示资金费率与清算耦合的复合正反馈，探讨清算机制设计的不可能三角，分析永续合约独有的时间压缩效应，以及提出清算的信息悖论与机制性波动。综合运用这些工具对“10.10事件”进行完整的反身性解剖，验证整个分析框架的解释力。

## 11.1 杠杆与清算的传导链

杠杆的核心功能在于资本效率，它允许交易者用有限的自有资金撬动远超其本金的头寸规模。然而，这种权利的代价是一套精密、严苛且由代码自动执行的风险管理机制，即保证金与清算系统。这个系统构建了一条从市场价格持续波动到交易者头寸被强制平仓的确定性传导链。理解这条传导链的每一个环节（保证金如何约束杠杆、标记价格如何定义“真相”、清算引擎如何执行判决、保证金模式如何决定风险传导路径），是理解系统性风险如何从个体行为中涌现出来的必要前提。

### 11.1.1 保证金与杠杆约束

在永续合约交易中，杠杆并非无中生有，而是建立在保证金制度之上。初始保证金是交易者为开立杠杆头寸所必须投入的最低自有资金。其计算公式简洁明了：

> 初始保证金 = 头寸名义价值 / 杠杆倍数

例如，一位交易者希望以10倍杠杆开立价值100,000美元的 BTC 多头头寸，则需投入10,000美元作为初始保证金。初始保证金率直接决定了交易者可以使用的最大杠杆倍数：若初始保证金率设定为5%，交易者最高可使用20倍杠杆；若为1%，则可使用高达100倍的杠杆；而在某些交易所的最低档位中，0.8%的初始保证金率意味着125倍的极端杠杆。

维持头寸开启所需的最低资金水平被称为维持保证金，这一比例通常远低于初始保证金。例如，对于同一笔100,000美元的头寸，维持保证金要求可能仅为0.4%至0.5%，即400至500美元。初始保证金与维持保证金之间的差额，构成了交易者的清算缓冲区。这个空间的大小直接反映了头寸的脆弱性：当市场价格向不利方向变动，导致账户中的保证金余额（初始保证金加减未实现盈亏）跌破维持保证金水平时，清算程序便会自动触发。对于多头头寸，简化的清算价格可表示为：

> 清算价格（多头） ≈ 建仓价格 × (1 - 初始保证金率 + 维持保证金率)

上述公式是一个一阶近似，忽略了交易手续费和资金费率对保证金的持续侵蚀（后者将由下文的动态公式补充）。它实质上代表了触发清算所需价格跌幅的下界。在实际交易中，由于费率消耗和手续费的累积，真实清算价格会比该公式的估算值更接近建仓价格。

然而，上述公式假设保证金余额仅受价格变动影响，忽略了资金费率对保证金的持续消耗（详见§11.4）。当纳入资金费率的时间效应后，清算价格不再是静态常数，而是随持仓时间单调上移的动态变量。对于多头头寸，时间依赖的清算价格可表示为：

$$ P^{\text{liq}}(t) = P^{\text{liq}}_0 + \frac{1}{Q} \int_0^t r(s) \cdot V \, ds $$

其中 $P^{\text{liq}}_0$ 为建仓时刻的静态清算价格，$r(s)$ 为 $s$ 时刻的资金费率密度（单位时间费率，对多头支付方为正值），$V$ 为头寸名义价值，$Q$ 为持仓数量（币本位的合约币数）。由 $V = Q \cdot P$，被积项 $r(s)\cdot V$ 为单位时间累计资金费（量纲为美元/时间），除以 $Q$ 后转化为清算价格的抬升速率（美元/币/时间），与左端 $P^{\text{liq}}(t)$ 的量纲（美元/币）一致；等价地可写为 $P^{\text{liq}}(t) = P^{\text{liq}}_0 + \int_0^t r(s)\,P(s)\,ds$。须区分合约类型：对线性合约（USDT 本位），$1/Q$ 即持仓币数的倒数，可直接以 $r(s)\,P(s)$ 表达；对反向合约（币本位），面值以币价计价，还需在 $1/Q$ 之上叠加币价的非线性变换。$r(s)$ 的口径亦需说明：取单位时间费率密度时 $\int r\,P\,ds$ 即累计价格抬升，若按交易所惯例记为每结算期的离散分数，则积分替换为对各结算时点的离散求和。此外，该积分是对离散结算的连续近似：多数交易所资金费率每8小时结算一次（部分如 OKX 已缩短至每4小时甚至每1小时），保证金扣减发生在结算时刻而非连续进行。这一离散性引入了“资金费率结算时点脆弱性”：结算瞬间一笔扣减可能恰好将临界安全的头寸推入清算区间，尤其当结算恰逢市场波动加剧时。正因如此，部分协议（如 Hyperliquid）已转向连续累计资金费率，将结算从离散跳跃平滑为持续微调，消除结算时点的脆弱性集中。

当资金费率持续为正时，积分项随时间累积增长，清算价格 $P^{\text{liq}}(t)$ 不断向当前市场价格靠拢。这一公式的核心含义是：即使市场价格完全不变，仅凭资金费率的持续消耗，清算价格也会在有限时间内触及市场价格，导致头寸被强制平仓。该公式将在§11.4的保证金侵蚀效应分析中得到具体的数值演示。

![杠杆倍数与清算价格距离的关系](./images/fig-11-1.png)

**图 11-1.** 杠杆倍数与清算价格距离的关系（基于简化清算公式的一阶近似，未计费率与手续费；橙色虚线带为 BTC 典型日内波动；概念示意）

核心洞见在于：杠杆倍数越高、初始保证金率越低，清算价格就越接近建仓价格，头寸对价格波动的敏感性呈非线性急剧上升。如图 11-1所示，橙色虚线标注了 BTC 典型日内波动幅度（约3-5%），20倍以上杠杆的清算距离已落入该波动区间：3倍杠杆下价格需下跌约32.8%才触发清算，这在 BTC 历史波动中属罕见极端事件；10倍杠杆下约9.5%的跌幅即可触发；50倍杠杆下不到1.5%的波动（甚至不构成一次有意义的日内波动）就足以强平；100倍杠杆下清算距离仅剩0.5%，几乎任何随机价格噪声都可能触发清算。杠杆因此是一个将“正常市场波动”变换为“清算事件”的放大器，将价格空间中的微小波动映射为保证金空间中的巨大变化。

在加密货币交易所之间，初始保证金率的设定是一项核心的设计决策，也是一场持续的竞争博弈。表 11-1 展示了截至2025年主要交易所在 BTC 永续合约上的保证金参数对比（注：实际保证金率随头寸规模分档递增，此处展示最低档位）：

| 交易所 | 最大杠杆倍数 | 最低初始保证金率 | 维持保证金率（最低档） | 清算缓冲区 | 类型 |
| :---: | :---: | :---: | :---: | :---: | :---: |
| Binance | 125x | 0.80% | 0.40% | 0.40% | CEX |
| OKX | 125x | 0.80% | 0.40% | 0.40% | CEX |
| Bybit | 100x | 1.00% | 0.50% | 0.50% | CEX |
| dYdX v4 | 20x | 5.00% | 3.00% | 2.00% | DEX |
| Hyperliquid | 40x | 2.50% | 1.25% | 1.25% | DEX |

**表 11-1.** 主要交易所 BTC 永续合约保证金参数对比（数据来源：各交易所官方文档。CEX 为最低档/小额初始仓位参数，采用动态分层，大额仓位杠杆显著下降；DEX 为 BTC 市场参数，Hyperliquid 已于 2025年3月12日 由 50x 下调至 40x，dYdX v4 BTC 上限约 20x；采集于 2025 年）

![主要交易所BTC永续合约保证金参数对比](./images/fig-11-2.png)

**图 11-2.** 主要交易所保证金参数的可视化对比（数据来源：各交易所官方文档，as-of 2025；CEX=蓝、DEX=绿；headline 杠杆为最低风险档、随仓位动态降杠杆，Hyperliquid 已于2025年3月12日由50x下调至40x、dYdX v4 上限约20x）

如图 11-2所示，中心化交易所普遍提供更高杠杆（100-125倍）、对应极窄的清算缓冲区（仅0.4-0.5%），而 dYdX、Hyperliquid 等去中心化交易所（DEX）采取相对保守策略，将 BTC 最大杠杆限制在约20—40倍、缓冲区约1.25%—2.0%。这种差异反映了不同市场定位下的风险偏好：过低的保证金要求允许极高杠杆，虽能吸引高收益用户并提高交易量，却显著推高系统脆弱性；过高的保证金要求则限制资本效率、导致用户流失。这种市场份额与系统安全之间的博弈常演变为“逐底竞争”。正如第5章风险替代定理（“风险不可消灭、只能替换”）所揭示的，资本效率与系统安全之间存在结构性权衡，竞争压力下安全性往往是最先被牺牲的维度（此处资本效率—安全性张力是第5章服务商不可能三角在杠杆风险视角下的派生重参数化，而非该三角本身，详见§11.6.5）。

大多数交易所采用分档保证金制度，即随着头寸规模的增大，初始保证金率和维持保证金率会逐级提高。例如，Binance 在 BTC 永续合约上设有多达十余个档位，头寸规模从最低档的5万美元到最高档的数亿美元，对应的维持保证金率从0.40%逐步上升至5%以上。这种设计的初衷是限制大额头寸的杠杆水平，降低单一巨鲸对市场的潜在冲击。

然而，分档边界本身可能成为一种反直觉的风险触发点，即“跨档清算”现象。考虑一个具体场景：某交易者持有 BTC 多头头寸，其名义价值为49,000美元，处于第一档（维持保证金率0.4%），所需维持保证金仅为196美元。当 BTC 价格上涨导致头寸名义价值升至51,000美元、跨入第二档（维持保证金率0.5%）时，所需维持保证金跃升至255美元，增幅达30%。如果该交易者的保证金余额恰好处于196至255美元之间，一个本应带来盈利的价格上涨反而触发了清算，形成了“越涨越危险”的悖论。这种由档位边界跳跃引起的不连续性，在头寸规模较大、杠杆倍数较高的情形中尤为显著。为缓解这一问题，部分交易所已开始引入平滑保证金曲线，将离散的档位阶梯替换为连续递增的函数，从而消除边界处的跳跃式保证金变动。

分档制度也引入了一个微妙的非线性效应：当价格波动导致头寸的名义价值跨越档位边界时，维持保证金要求会跳跃式上升，可能导致原本安全的头寸突然触发清算。这种阈值效应将在§11.3的清算反身性方程中被形式化。

### 11.1.2 标记价格机制

如果清算系统直接使用单一交易所的最新成交价作为触发条件，那么在流动性稀薄的市场中，单笔异常交易或恶意操纵者通过小额资金“打针”（即瞬间制造极端价格）就可能触发大量其他头寸的错误清算。为了防范这种风险，几乎所有主流交易所都引入了标记价格作为触发清算的基准，而非依赖本交易所的最新成交价。

标记价格通常通过聚合多个主流现货交易所（如 Coinbase、Kraken、Bitstamp 等）的实时价格，并按交易量进行加权平均来构建。部分交易所还会在此基础上加入资金费率的移动平均值，以反映永续合约与现货之间的基差。

以 Binance 的标记价格计算为例，其采用三元中位数方法：标记价格 = Median(Price₁, Price₂, 合约价格)，其中 Price₁ = 指数价格 × (1 + 最新资金费率 × 距下次结算的时间比例)，Price₂ = 指数价格 + EMA(合约公允价格 - 指数价格)。中位数函数提供了隐含的异常值抵抗能力：即使三个分量中有一个被污染或出现异常，另外两个仍能将标记价格锚定在合理区间。不同交易所采用不同的标记价格公式（OKX 使用加权移动平均方法，Bybit 采用指数加权方案），这种计算方法的差异意味着同一时刻、同一资产在不同交易所可能具有略有差异的标记价格，从而导致不同的清算触发敏感性。在极端行情中，这种差异可能决定一个头寸是否被清算。

这种设计的背后蕴含着深刻的博弈论思想：同时操纵多个高流动性主流现货市场的成本，远远高于操纵单一衍生品市场的成本。因此，标记价格被认为更能反映资产的“公允价值”，从而为清算判定提供一个更稳健的锚点。

![标记价格构建机制示意](./images/fig-11-3.png)

**图 11-3.** 标记价格构建机制的正常与极端状态对比（概念示意，非实测数据）

然而，标记价格并非绝对可靠的基准，而是一种导出的参考价格，其稳健性依赖于一系列在正常市场中成立、但在极端行情中可能被打破的假设。如图 11-3所示，左图显示在正常市场中，各交易所价格紧密聚合，标记价格（红色粗线）稳健反映公允价值；右图显示在极端冲击下，现货价格显著分化，永续成交价（紫色虚线）大幅偏离标记价格，标记价格本身也可能被“污染”。当这些假设在极端行情中崩溃时，标记价格机制可能从风险缓冲转为风险传导：

在预言机风险方面，标记价格依赖于外部价格源的实时喂价。对于中心化交易所而言，这通常是通过 API 从其他交易所获取数据；对于去中心化交易所（如 dYdX、Hyperliquid），则依赖链上预言机（如 Chainlink、Pyth 等）。无论哪种方式，喂价系统都可能遭遇攻击、网络延迟或故障。具体而言，预言机的失效模式可归纳为以下几类。其一，数据源层面的入侵：交易所 API 密钥被盗取或交易所本身报告被操纵的价格数据，从源头上污染喂价输入。其二，传输层攻击：中间人攻击或 DNS 劫持可在价格数据从源交易所传输至预言机节点的过程中篡改数据，这在中心化 API 喂价架构中尤为隐蔽。其三，链上预言机的智能合约漏洞：包括重入攻击、访问控制缺陷或升级机制被利用，攻击者可通过合约层面的漏洞直接篡改链上存储的价格。其四，经济操纵攻击：攻击者利用闪电贷在单一交易内临时扭曲预言机所依赖的链上价格源（如 Uniswap 池的现货价格），这类攻击主要针对 DeFi 协议中使用即时链上价格作为预言机的场景。其五，延迟套利：利用预言机更新频率与实际价格变动之间的时间差进行套利，攻击者在预言机价格尚未更新但市场价格已大幅变动时执行交易，从过时的标记价格中获利。一旦错误的标记价格被采纳，将导致灾难性的不公平清算。正如第6章所讨论的最大可提取价值（MEV，即攻击者通过操纵或抢跑包括预言机价格更新在内的状态变更来获取的经济利益）使得这一风险在 DeFi 环境中尤为突出。

在数据质量方面，标记价格的质量取决于其成分交易所的数据质量。如果某个成分交易所自身出现流动性枯竭或价格异常（例如闪崩），其异常价格将“污染”加权平均值，导致标记价格偏离真实公允价值。在“10.10事件”中，当 USDe 在 Binance 上出现严重折价时，以 USDe 计价的交易对价格出现了剧烈扭曲，这种扭曲在多大程度上渗透进了标记价格的计算，至今仍是行业争议的焦点 [3]。

在极端波动时期，现货市场与永续合约市场之间的基差可能急剧扩大。永续合约的最新成交价可能因订单簿深度枯竭而大幅偏离标记价格。此时，标记价格虽然在数学上仍然“正确”，但它所反映的“公允价值”与交易者在永续合约市场上实际能够获得的执行价格之间，可能存在巨大的鸿沟。这意味着即使标记价格尚未触及清算线，交易者也可能因为无法以合理价格平仓而陷入事实上的困境。

标记价格机制的设计本质上是在稳健性与灵敏性之间进行权衡。过于稳健的标记价格（例如采用较长时间窗口的移动平均）可能在快速下跌中滞后于真实价格，导致清算延迟触发，增加穿仓风险；而过于灵敏的标记价格则容易受到短期噪声和操纵的影响，导致不必要的清算。这种权衡没有完美的解，它是清算机制设计中内在的冲突之一，将在§11.6的“不可能三角”框架中得到更系统的分析。

### 11.1.3 清算引擎

一旦标记价格确认账户的保证金余额低于维持保证金要求，清算引擎便会接管头寸。清算引擎本质上是一个具有最高执行优先权的自动化交易程序，其唯一目标是以最快速度、尽可能减少市场冲击的方式，将濒临破产的头寸强制平仓，从而防止系统出现穿仓坏账。该系统具有绝对的确定性执行特征：一旦条件满足，代码将严格按照预设规则执行，不受市场深度、交易者意愿或潜在后果的影响。

![从价格变动到清算执行的完整传导链](./images/fig-11-4.png)

**图 11-4.** 从价格变动到清算执行的传导链

如图 11-4所示，该传导链完整呈现了从保证金余额判定、标记价格验证、清算模式选择到清算订单冲击市场、进而触发新一批清算形成正反馈的流程。清算引擎的设计在演进中经历了从追求效率到兼顾冲击的深刻转变，目前主流的清算执行模式可归纳为以下四种：

悬崖式清算是最早期也是最直接的模式。当触发条件满足时，清算引擎一次性将整个头寸以市价单抛向市场，清理坏账速度极快、执行确定性极高，但对订单簿冲击极大：在流动性本已稀薄的极端行情中，一笔大额清算市价单可能直接“吃穿”多个价格档位，引发价格进一步暴跌、触发更多清算。2019年前后的 BitMEX 便以这种模式闻名，其制造的价格冲击屡次引发“清算猎杀”争议。针对这种毁灭性冲击，行业逐步演化出渐进式清算：触发清算时并非一次性平仓，而是分批削减。每次削减比例由清算引擎根据保证金缺口的严重程度和头寸分档级别动态计算——缺口越大、档位越高，单次削减比例越大。清算订单以限价单提交，目标执行价格设定在破产价格与标记价格之间，而非以市价单冲击订单簿。每次部分平仓后系统重新评估剩余头寸：价格回升至安全水平则终止，继续恶化则继续削减。值得注意的是，未能立即成交的清算限价单会作为挂单留存在订单簿上，形成密集的卖方挂单层，构成价格反弹的阻力位并在情绪进一步恶化时被逐步消化，将清算冲击在时间上平滑化但在空间上固化。这种方式显著降低了单次清算的即时冲击，但延长了清算总时间窗口，在价格快速下坠时延迟可能导致更大的穿仓损失。Binance 于2020年前后率先全面采用渐进式清算，OKX、Bybit 等相继跟进，使之成为中心化交易所的行业标准。

另一种模式是金库接管，以 Hyperliquid 的 HLP 金库为代表（详见第9章，该章系统分析了 HLP 作为协议内做市金库的运作机制、收益结构和风险暴露）。Hyperliquid 的清算流程实际上是一个多步骤机制：当头寸触发清算时，清算引擎首先尝试将该头寸以限价单的形式挂入订单簿，挂单价格设定在破产价格附近。只有当订单簿无法吸收该头寸（即头寸已处于“水下”状态，市场价格劣于破产价格）时，依次由保险基金、HLP 金库作为后续承接方介入并吸收该头寸（订单簿→保险基金→HLP 金库的完整三层清算瀑布详见第9章§9.4.3）。2025年3月的 JELLY 操纵事件之后，协议引入了重大机制改革，包括对单一头寸规模的上限限制以及改进的预言机价格处理逻辑。这种分层设计在正常市场中将大部分清算压力疏导至公开订单簿，仅在极端情况下才启用金库承接，从而在市场冲击最小化与系统偿付能力之间寻求平衡。然而，这种设计在本质上创造了一种风险集中化的权衡：金库作为单一实体承接了原本应由整个市场分散吸收的清算压力，其风险敞口随着市场单边行情的持续而单调递增，一旦金库的净值被侵蚀至临界水平，它就从流动性的提供者蜕变为流动性的需求者，乃至成为系统性风险的新节点（正如第9章对 JELLY 操纵事件的分析所揭示，当清算规模超过金库的承受能力时即如此）。与金库接管不同，自动去杠杆作为最后的风险缓冲机制，当清算产生的穿仓损失超过保险基金（即交易所从清算剩余中累积的专项风险准备金池，其资本结构、补充机制和承压能力详见第12章）的承受能力时，系统会自动从盈利最多的对手方头寸中“削减”利润，以弥补亏损。自动减仓（Auto-Deleveraging, ADL）确保了系统在极端情况下不会出现社会化损失（即全体用户分摊亏损），但它以牺牲盈利交易者的合法利益为代价，引发了严重的公平性争议。

尽管清算引擎的设计不断优化，但在极端行情下，其局限性依然暴露无遗。“10.10事件”的数据提供了显著的实证：在级联爆发的40分钟内（20:50-21:30 UTC），清算速率从此前8小时平均的每小时0.12十亿美元，骤然飙升至每小时10.39十亿美元，加速了86倍 [2]。在峰值时刻（21:15 UTC），单分钟内有32.1亿美元的头寸被强制平仓，其中93.5%为多头清算产生的市价卖单 [2]。

![10.10事件清算速率时间线](./images/fig-11-5.png)

**图 11-5.** “10.10事件”清算速率时间线（数据来源：Amberdata [2]，as-of 2025-10；93.5% 为峰值分钟口径，24h 聚合约87%；三阶段合计约99亿美元系 Amberdata 追踪子集，与全市场24h约190亿美元的 CoinGlass 口径非同一口径，勿混并）

如图 11-5所示，整个事件呈现出三个清晰可辨的阶段：缓慢积压、级联爆发、余波。当如此海量的清算请求同时涌入时，清算引擎本身可能因处理能力达到上限而出现排队和延迟。这种基础设施的过载意味着实际执行时间与理论触发时间之间存在差异，而在价格快速下坠的过程中，这种延迟往往导致更大的滑点和更严重的穿仓损失。2020年3月的“3.12”事件便是基础设施过载放大风险的典型案例：3月13日 BitMEX 出现长达约25分钟的服务中断（官方归因为针对平台的 DDoS 攻击），期间撮合与清算近乎停滞、价格随后反弹，大量头寸在中断前后远低于理论清算价格的位置才被实际执行，穿仓损失远超预期 [4]。

### 11.1.4 保证金模式

交易者管理保证金的方式，从根本上决定了风险在账户内部及整个市场中的传导路径。目前主流的保证金模式主要分为两种：逐仓保证金与统一保证金（全仓保证金）。这两种模式的选择远非单纯的技术参数微调，而是深刻塑造了系统性风险传导路径的底层制度变量。

逐仓保证金模式下，交易者为每个头寸分配特定的保证金，风险被完全隔离在各个头寸之间。一个头寸的最大损失仅限于为其分配的保证金，不会波及账户中的其他资金或其他头寸。例如，交易者为 BTC 多头分配了5,000美元保证金，即使该头寸被完全清算，其账户中用于 ETH 和 SOL 交易的资金也不会受到任何影响。这种模式的优点在于精确的风险控制和损失的可预测性，但缺点同样显著：资金效率低下，盈利头寸的未实现利润无法用于支持其他正在亏损的头寸，交易者需要为每个头寸预留独立的保证金缓冲。

统一保证金模式则将整个账户视为一个统一的流动性池。所有可用余额和所有头寸的未实现盈亏共同作为保证金，系统根据账户的总净权益来判定是否触发清算。这种模式极大地提高了资金效率：盈利头寸的未实现利润可以自动抵消亏损头寸的保证金消耗，使得多空对冲或跨资产策略成为可能。正因如此，统一保证金模式在近年来被各大交易所积极推广，已成为专业交易者的主流选择。

然而，在极端行情下，统一保证金暴露出了致命的弱点：它创造了跨资产、跨头寸的风险传染路径。

![统一保证金与逐仓保证金在极端行情下的对比](./images/fig-11-6.png)

**图 11-6.** 逐仓保证金与统一保证金在极端行情下的对比（概念示意，非实测数据）

如图 11-6所示，逐仓模式下 BTC 头寸的清算不影响 ETH 和 SOL 头寸，而统一模式下 BTC 的巨额亏损侵蚀整个保证金池，若净权益跌破阈值则所有头寸面临同时清算。当账户中某一项资产的价格发生剧烈不利变动时，巨大的亏损会大幅减少整个统一保证金池的净权益。一旦总净权益跌破维持保证金的总要求，系统可能会被迫清算账户中那些本身仍在盈利、与亏损资产完全不相关的健康头寸。这种跨资产传染机制在“10.10事件”中充分显现。

“10.10事件”中最具代表性的传染路径来自合成稳定币 USDe。许多交易者将 USDe 作为统一账户的保证金抵押品——这在正常市场中被视为合理选择，因为它被当作“类稳定币”资产；然而当 USDe 抵押价值骤降时，账户总净权益瞬间缩水，统一保证金遂将这一单一抵押品的折价直接传导为大量与 USDe 毫无关系的 BTC、ETH 多头头寸的强制清算 [3]。一个看似孤立的稳定币定价问题，就此演变为波及整个市场的清算级联（10.10中 USDe 于 Binance 脱锚至0.65美元、折价约35%的完整解剖见§11.9.3）。

从网络视角审视，统一保证金池仅仅是多条同时运作的传染通道之一。其他关键的传染渠道包括：共享做市商在检测到逆向资金流时同步从所有交易场所撤回流动性，导致跨平台的深度同步枯竭；预言机价格的跨所联动将一个交易所的价格冲击经由标记价格机制传递至其他交易所的清算判定；共同抵押品资产（如 USDe、USDT 等）被同时用于多个协议的保证金池中，单一资产的折价通过抵押品价值链向所有使用该资产的协议扩散；以及操作风险的传递，例如某一预言机对某资产喂价的短暂故障，或某条跨链桥的临时冻结，可波及统一保证金账户中所有依赖该基础设施的头寸。正如 Acemoglu、Ozdaglar 与 Tahbaz-Salehi (2015) [5] 在金融网络理论中所论证的，网络结构决定了冲击是被节点间的连接所吸收缓冲，还是被放大传播。当连接密度超过临界阈值时，网络从“分散风险”的稳定器转变为“传播风险”的放大器。在“10.10事件”中，上述多条传染通道的同步激活产生了超加性的放大效应：实际观测到的清算规模和深度崩溃程度，远超任何单一通道的独立预测值之和，这表明通道之间存在相互强化的非线性耦合。

![10.10事件流动性三维崩溃](./images/fig-11-7.png)

**图 11-7.** “10.10事件”期间流动性的三维崩溃（数据来源：Amberdata [2]，as-of 2025-10；深度约1.036亿美元→17万美元、价差峰值26.43个基点为 Amberdata 的 BTC 永续口径实测一手值，三维逐点序列为代表性重构）

这种顺周期性的本质在于：统一保证金在正常市场（“好天气”）中是提高资本效率的朋友，但在极端市场（“坏天气”）中却变成了致命的敌人。其根本原因是，在真正的危机中，加密资产间的相关性往往会飙升至接近1。正如第7章关于交叉保证金顺周期性（即统一保证金制度在市场下行时放大风险传染而非提供分散化保护的内生倾向）的初步讨论所指出的，“所有仓位同时亏损”的概率远远高于平时风险模型的假设。如图 11-7所示（红色阴影区域标注级联爆发的40分钟窗口），“10.10事件”中流动性呈现三维崩溃（具体数值详见§11.9.2表 11-7）：订单簿深度收缩超过99%（此处深度指主要交易所中间价±2%范围内的聚合可见限价单深度，数据来源为 Amberdata，不含冰山订单及算法做市商的动态刷新流动性），买卖价差扩大三个数量级，买卖失衡度急剧转向卖方压倒。这种深度蒸发、价差飙升与买卖失衡正是跨资产传染在订单簿微观结构层面的直接体现。当所有资产同时下跌、所有保证金同时缩水、所有清算同时触发时，统一保证金模式不仅没有提供缓冲，反而成为了风险传染的传导通道。

保证金模式的选择因此构成了一个深层的设计困境：逐仓模式牺牲效率换取安全，统一模式牺牲安全换取效率。在竞争压力下，交易所倾向于推广统一保证金以吸引追求资本效率的专业交易者，但这同时也在系统层面埋下了更大的顺周期性风险。这一困境将在§11.6的“清算设计不可能三角”中得到更深入的理论化处理。

### 11.1.5 不同市场架构下的级联差异

尽管清算级联的底层动力学逻辑在所有杠杆市场中是一致的，但中心化交易所与去中心化交易所在市场架构上的根本差异，导致级联的表现形态、传播速度和破坏模式呈现出显著的结构性分野。

在 CEX 环境中，清算引擎运行于交易所的内部撮合服务器上，其执行延迟通常在微秒至毫秒级别。CEX 的订单簿深度由专业做市商通过高频 API 连接持续维护，正常时期的流动性供给相对充裕。然而，这种中心化架构也意味着所有清算决策和执行集中于单一实体。当极端行情导致撮合引擎过载时（如2020年3月 BitMEX 事件），清算处理的排队延迟会使实际执行价格远偏离触发价格，穿仓损失急剧放大。此外，CEX 对保证金参数和清算阈值拥有单方面的调整权，这种中心化的风控权力在危机中既可能是稳定器（如临时降低杠杆上限），也可能成为额外的不确定性来源（如突然调整折算系数）。

在 DEX 环境中，清算的传导链条受到区块链底层架构的深刻制约。以太坊等链上 DeFi 借贷协议（如 Aave、Compound）的清算执行受限于区块确认时间（通常12至15秒），这一延迟在传统意义上构成了一种被动的“减速带”。但需注意，本章重点讨论的订单簿 DEX 并不受此限制：dYdX v4运行于亚秒级区块时间的 Cosmos 应用链上，Hyperliquid 的区块延迟仅约200毫秒。然而，区块链的透明性引入了 CEX 中不存在的额外风险维度：清算交易在内存池中的可见性使其成为最大可提取价值（MEV，详见第6章关于 MEV 与清算狙击的讨论）的攻击目标。三明治攻击者可以在清算交易被确认之前插入抢跑交易，人为扩大价格滑点，从而加剧清算损失。在极端拥堵时期，Gas 费用的急剧飙升进一步压缩了清算机器人的利润空间，可能导致小额清算无人执行而累积为更大的系统性风险。需要指出的是，DEX 永续合约的市场架构并非同质，而是至少存在三种截然不同的类型，其清算动力学差异显著。第一类是应用链订单簿 DEX，以 dYdX v4为代表，其运行于专属的 Cosmos 应用链上，区块时间可达亚秒级别，清算引擎的执行特征与 CEX 较为接近，但仍受区块链固有的最终确认延迟和验证者排序权的制约。第二类是自建L1订单簿 DEX，以 Hyperliquid 为代表，其区块延迟约200毫秒，执行特征在实践中已接近 CEX 的水平，然而 Hyperliquid 的定序器架构具有高度中心化特征，其作为“去中心化交易所”的分类在行业中存在争议。第三类是基于自动做市商或预言机报价的 DEX 永续合约（如 GMX、Perpetual Protocol），这些协议才真正缺乏传统订单簿的离散深度结构，其流动性沿价格曲线或预言机价格连续分布，大额清算订单的价格冲击遵循与订单簿模型不同的数学函数，通常呈现出更为平滑但总量更大的滑点特征。本章重点讨论的 dYdX 和 Hyperliquid 均属于前两类订单簿架构，其级联动力学与 CEX 存在结构性相似，而非与第三类自动做市商（Automated Market Maker, AMM）模型类同。

这两种架构的差异在级联动力学层面产生了截然不同的脆弱性模式。CEX 的级联趋向于“集中爆发型”，在极短时间内（分钟级）释放大量清算能量，但也可能因交易所的人工干预而被突然截断。DEX 的级联则趋向于“分散渗透型”，跨协议、跨链的清算通过预言机价格更新和跨链桥的延迟逐步传播，其时间跨度更长（数十分钟至数小时），但传染路径更为复杂且难以追踪。在2025年“10.10事件”中，CEX 与链上 DeFi 之间的清算并非简单的先后序贯过程，而是形成了并发的双向反馈回路：CEX 价格下跌触发预言机价格更新（其延迟取决于 Chainlink 的心跳间隔或 Pyth 的推送频率），更新后的预言机价格驱动 DeFi 借贷协议和链上永续合约的清算，链上清算产生的抛售压力通过套利者传回 CEX 现货市场，进一步压低 CEX 价格，继而触发新一轮预言机更新和链上清算。这一 CEX-DeFi 双向反馈回路在事件期间并发运行，预言机更新延迟充当了调节反馈速度的“时钟”：Chainlink 在以太坊上的心跳间隔和偏差阈值决定了 DeFi 清算对 CEX 价格变动的响应滞后，这种滞后既在一定程度上防止了瞬时冲击的即时传导，也导致了清算在时间上的分散化，使链上余波在 CEX 主要冲击结束后仍持续了数小时。

至此，我们已经完整地解剖了从价格变动到强制清算的微观传导链：保证金制度定义了杠杆的边界与脆弱性的度量，标记价格构建了触发清算的“真相”基准，清算引擎以确定性的方式执行强制平仓，而保证金模式则决定了风险在账户内部和跨资产之间的传导路径。这条传导链中的每一个环节，在正常市场中都是精心设计的风险管理工具；但当它们在极端行情中被同时激活、相互耦合时，便会共同编织出一张将个体风险转化为系统性风险的精密网络。这就需要引入反身性的双层理论框架，为理解这张网络如何产生自我强化的正反馈提供哲学与经济学的双重透镜。

## 11.2 反身性理论基础

在理解加密资产市场杠杆与清算的内生反身性之前，有必要追溯其理论根源。传统金融学理论大多建立在有效市场假说和理性人假设的基础之上，认为价格是对基本面信息的被动反映，并趋向于某种均衡状态。然而，在高度杠杆化和自动化的加密衍生品市场中，价格变动往往不再仅仅反映基本面，而是成为了驱动基本面（如流动性、参与者资本）变化的核心力量，进而反噬价格本身。这种动态过程正是反身性理论所揭示的本质。本节从 George Soros 的哲学认知论出发，结合 Markus Brunnermeier 和 Lasse Heje Pedersen 的微观结构模型，构建理解加密市场清算级联的双层理论框架。

### 11.2.1 Soros 反身性理论

George Soros 在《金融炼金术》中首次系统性地提出了反身性理论 [6]。与传统经济学假设供需曲线独立且相互决定价格不同，Soros 认为在涉及有思维能力的参与者的社会系统中，参与者的认知与实际情况之间存在着一种双向的反馈机制。Soros 将这种反馈机制拆解为两个基本函数：认知函数和参与函数。在认知函数中，参与者试图理解他们所处的环境，信息流向是从世界到思想；而在参与函数中，参与者基于其理解采取行动，试图改变环境，信息流向是从思想到世界[7]。

在传统的均衡框架下，这两个函数被视为独立的：价格仅仅被动地反映现实。然而，在反身性框架下，这两个函数相互交织、互为因果。当市场价格发生变化时（现实改变），它会通过认知函数影响交易者的风险感知和情绪（认知改变）；交易者基于新的认知调整其仓位（如主动抛售或追加保证金），这种行为通过参与函数转化为市场上的实际买卖压力（行动改变现实）；而这些交易行为又会进一步推动价格朝着某个方向变动，形成闭环。

在永续合约市场中，这一反身性框架可以被形式化为一组耦合的差分方程。令 $C_t$ 表示 $t$ 时刻市场的集体认知状态（可操作化为市场情绪指数、资金费率或多空比等可观测变量），$P_t$ 表示资产价格，$Q_{\text{liq},t}$ 表示 $t$ 时刻的清算订单流。认知函数将价格变动映射为认知更新：

$$ C_{t+1} = f(P_t, C_t) = C_t + \gamma \cdot \Delta P_t + \eta_t $$

其中 $\gamma > 0$ 表示价格变动对认知的影响强度（在加密市场中由于信息传播的即时性，$\gamma$ 显著高于传统市场），$\eta_t$ 为外生信息冲击。参与函数则将认知状态映射为价格变动，但在永续合约市场中必须纳入清算引擎的机械性强制执行：

$$ P_{t+1} = g(C_t, Q_{\text{liq},t}) = P_t + \lambda \cdot h(C_t) - \beta \cdot \frac{Q_{\text{liq},t}}{D_t} $$

其中 $h(C_t)$ 表示认知驱动的自愿交易行为对价格的影响，$\lambda$ 为参与函数的市场冲击系数，而 $\beta \cdot Q_{\text{liq},t} / D_t$ 则为清算引擎的机械性价格冲击，而这一项是传统 Soros 框架中不存在的、加密市场特有的刚性参与函数。需说明量纲口径：本式中 $P_{t+1}$、$P_t$ 为价格水平（美元），故此处的 $\beta$、$\lambda$ 含价格量纲（美元），它们与§11.3.3 中作用于无量纲对数收益 $\Delta P$ 的同名无量纲系数 $\beta$、$\lambda$ 描述的是同一冲击机制，仅因因变量口径（价格水平 vs 对数收益）不同而采用不同标度，二者不应在数值上直接等同。当系统处于稳态时（$\Delta P_t \approx 0$，$Q_{\text{liq},t} \approx 0$），两个方程收敛于均衡；而当价格下跌触发清算（$Q_{\text{liq},t} > 0$），清算冲击进一步压低价格，价格下跌又更新认知并触发更多清算，两个方程的耦合作用驱动系统沿发散路径演化。

![图 11-8: 杠杆-清算的反身性反馈回路（基于Soros框架）](./images/fig-11-8.png)

**图 11-8.** 杠杆-清算的反身性反馈回路（基于 Soros 框架）

如图 11-8所示，在加密衍生品市场中，这种反身性被自动化清算引擎极大地强化了。清算引擎作为一种被硬编码的“参与函数”，强制将抵押不足的仓位转化为市价单，直接消耗订单簿深度并打压价格，塑造出更严峻的市场现实，使系统远离均衡、进入自我强化的发散状态。该图揭示的核心差异在于：传统市场的“参与函数”需经人类判断的中介（评估风险、决策减仓、选择时机），这些环节引入了时间延迟与行为异质性，构成对正反馈的天然阻尼；而在加密市场中，参与函数被直接硬编码于清算引擎的智能合约逻辑，其执行确定、即时、无条件，不存在人为干预的缓冲空间。因此该正反馈回路不具备自然的衰减机制，每一轮循环都可能释放比上一轮更大的抛压，使系统在缺乏外部干预时持续向发散方向演化。

### 11.2.2 流动性螺旋模型

如果说 Soros 的反身性理论提供了一个宏观的哲学框架，那么 Brunnermeier 和 Pedersen 的模型深刻揭示了资产的市场流动性（即资产变现的难易程度）与交易者的融资流动性（即交易者获取资金的难易程度）之间的相互强化关系[8]。他们指出，在面临外部冲击时，这两种流动性会通过两种机制形成恶性循环，即损失螺旋和保证金螺旋。

损失螺旋描述的是资本金效应。当资产价格下跌时，持有该资产多头头寸的杠杆交易者会遭受资本金损失。为了维持给定的杠杆率或满足监管要求，交易者被迫出售部分资产。这种抛售行为会对市场价格产生冲击，导致价格进一步下跌，从而引发新的资本金损失和新一轮的抛售。以一个具体的传导过程为例：当一位使用10倍杠杆的多头交易者持有价值100,000美元的 BTC 头寸时，5%的价格下跌将导致其10,000美元的权益缩减至5,000美元，实际杠杆率从10倍飙升至20倍；为将杠杆率恢复至目标水平，该交易者必须卖出约50,000美元的头寸，而这一笔被迫的抛售本身又会对市场价格施加下行压力，进而使其他杠杆交易者面临同样的困境。

保证金螺旋则描述了抵押品约束效应。当价格下跌伴随着波动率上升时，资金提供方（如券商、交易所）为了控制风险，会提高保证金要求。这意味着交易者原有的抵押品能借到的资金变少了。为了弥补资金缺口，交易者不得不抛售更多的资产，这不仅进一步压低了价格，还可能引发更大的波动，从而导致保证金要求被再次提高。在加密市场中，这种机制表现得尤为激进：交易所在高波动时期会动态提高维持保证金率或降低抵押品的折算系数，这种调整往往在极短时间内同时影响大量账户，形成一种由风控规则变更本身所驱动的集体性强制减仓压力。

![图 11-9: 损失螺旋与保证金螺旋的耦合机制](./images/fig-11-9.png)

**图 11-9.** 损失螺旋与保证金螺旋的耦合机制

如图 11-9所示，这两种螺旋在危机期间往往同时发生并相互耦合：价格下跌既直接削减资本（损失螺旋），又通过推高波动率抬升保证金要求（保证金螺旋），共同产生巨大的被迫抛售压力，迅速消耗订单簿深度。Brunnermeier 和 Pedersen 的模型在数学上证明，一定条件下保证金机制本身就是破坏市场稳定的根源。其关键在于：传统市场的保证金调整按日结算且含人工审核，两种螺旋往往时序可分地先后展开，为识别与干预提供了窗口；而加密市场的保证金计算实时进行，两者在同一时间尺度上同步激活、交叉放大。这种同步性的数学后果是联合效应并非加法叠加而是乘法放大——损失螺旋产生的抛压降低市场流动性，流动性下降又使保证金螺旋中每单位抛售的价格冲击更为剧烈，反之亦然。

### 11.2.3 永续合约的适用性

加密资产市场的永续合约构成了上述双层理论的极端实验场。与传统金融市场相比，加密衍生品市场在机制设计上将反身性推向了极致。

表 11-2对比了传统金融与加密永续合约在清算机制上的核心差异：

| 维度 | 传统金融（如股票融资融券、传统期货） | 加密永续合约（如 Binance, Bybit） |
| :--- | :--- | :--- |
| 保证金判定 | 券商/清算所每日结算（T+0或T+1），包含人工审核 | 智能合约/清算引擎实时监控（毫秒级） |
| 宽限期 | 通常有追加保证金通知，允许T+1至T+3补足 | 零宽限期，触及维持保证金线即刻强制平仓 |
| 清算执行方式 | 交易员手动平仓或券商分批执行，考虑市场冲击 | 引擎自动接管，通常以市价单或优于市价的限价单倾泻至市场 |
| 最后贷款人 | 央行可通过贴现窗口注入流动性，阻断螺旋 | 无最后贷款人，仅依靠有限的保险基金或自动减仓 |
| 螺旋演化速度 | 天级至周级（如1998年 LTCM 危机、2008年次贷危机） | 秒级至分钟级（如2020年312、2021年519、2025年1010） |

**表 11-2.** 传统金融与加密永续合约清算机制对比（数据来源：作者整理）

值得注意的是，表中将传统金融的螺旋演化速度概括为“天级至周级”，主要适用于依赖人工决策和逐日结算的传统去杠杆过程；当传统市场同样引入高度自动化的执行机制时，时间压缩现象并非加密市场所独有。2010年5月6日的美国股市“闪电崩盘”即为例证：道琼斯工业平均指数在约36分钟内暴跌近1,000点（约9%），随后又在大致相同的时间内回升，其底层动力学与加密清算级联高度同构——算法自动执行取代人工判断、流动性提供者在波动加剧时系统性撤出报价、卖压与流动性真空之间形成正反馈。2015年8月24日的 ETF 闪电崩盘进一步验证了这一模式，当日数百只 ETF 价格在开盘后数分钟内偏离净资产价值达20%至30%。然而关键差异在于中断机制：美国在2010年闪崩后引入的涨跌停限制（LULD）与此前的 Rule 48等熔断规则，可在价格偏离超阈时暂停交易、强制中断螺旋，这种外部“时间楔子”为流动性恢复和信息消化提供了窗口；而加密永续合约市场至今缺乏任何等效的全市场熔断机制，交易全天候进行、清算引擎持续运行，正反馈一旦启动便无外部力量可阻遏。

![图 11-10: 传统金融与加密永续合约的螺旋速度对比](./images/fig-11-10.png)

**图 11-10.** 传统金融与加密永续合约的螺旋速度对比（概念示意，非实测数据）

正如表 11-2和图 11-10所示，在加密市场中，Brunnermeier-Pedersen 模型中的“损失螺旋”和“保证金螺旋”被压缩到了毫秒级别。没有了人工干预的缓冲和最后贷款人的兜底，价格下跌与清算抛售之间的反馈循环没有任何阻尼。这种机制的同质化和自动化，使得 Soros 所描述的“参与函数”变得完全确定且机械化。当市场处于高杠杆状态时，微小的价格扰动就可能触发第一张多米诺骨牌，进而演变为系统性的清算级联。

历史数据清晰地验证了这一点。图 11-11展示了加密市场历史上按24小时清算总额排名的十大清算事件。

![图 11-11: 加密市场历史重大清算事件（基于CoinGlass数据）](./images/fig-11-11.png)

**图 11-11.** 加密市场历史重大清算事件（数据来源：CoinGlass [9]，as-of 2025-10；按24h清算额排名的 Top-10；因交易所 API 上报上限，CoinGlass 口径历史性低估、绝对额偏保守，宜侧重数量级）

如图 11-11所示，2025年10月10—11日的清算事件创下历史记录，单日清算总额约191亿美元（据 CoinGlass 交易所口径，受清算数据每秒仅推送一条的限流影响，该值系下限，真实名义规模可能更高），几乎是第二名（2021年4月18日）的两倍 [9]。这场由宏观消息触发的暴跌中，比特币价格重挫、逾162万账户被清算（约87%为多头）、订单簿深度数分钟内蒸发99%以上、价差扩大上千倍等微观结构表现（数据详见本章开篇与§11.9.2）[1]，正是自动化清算机制下反身性被放大到极致的结果。

需要指出的是，上述内生反身性框架描述的是清算级联的传导机制，但系统的基线脆弱性水平在很大程度上受到宏观流动性条件的调制。构成级联“燃料”的高未平仓合约水平和极端资金费率，往往在风险偏好型宏观环境中优先积累，即美元指数走弱、美联储货币政策宽松、全球信用利差收窄的时期。在这些宽松周期中，充裕的外部流动性不仅推动杠杆需求的膨胀，还通过吸引增量资本入场做市而暂时维持了较高的订单簿深度，从而抑制了级联的触发和传播。相反，当宏观环境从风险偏好向风险规避转换时（例如美联储收紧预期骤升或地缘政治冲击引发全球避险），触发敏感性会显著升高，因为外部流动性的收缩同时削弱了做市商的风险承受能力和套利者的资本供给。这意味着，在宏观宽松期，即使市场微观结构指标（如 OI/市值比率、资金费率水平）已达到与历史崩盘事件可比的水平，实际产生的级联往往更少且更温和；而在宏观紧缩转向期，较低的微观结构脆弱度也可能酿成严重的级联。因此，一个完整的级联风险评估模型不能仅依赖内生市场结构指标，还必须以宏观状态变量为条件进行校准。本章后续分析聚焦于内生传导机制，但读者应始终意识到这一宏观条件性的隐含前提。

## 11.3 清算反身性方程

清算级联并非偶然事件。在特定的市场微观结构条件下，级联的发生是一种数学上的必然。本节将清算的正反馈过程形式化为一个简洁的差分方程，揭示导致级联失控的临界条件。

### 11.3.1 清算订单流

在市场微观结构理论中（如 Kyle, 1985 [10]），价格的变动是由订单流驱动的。普通的订单流具有随机性和信息不对称性，买卖方向是双向的。然而，清算订单流是一种独特的被动订单流。其方向是完全确定的：当价格下跌触发多头清算时，清算引擎必然向市场发送卖单；当价格上涨触发空头清算时，必然发送买单。这种单向性意味着清算订单无法内部对冲，必须完全由市场上的做市商或反向交易者来吸收。在此基础上，它是对价格极度不敏感的流动性吞噬者。清算引擎的首要任务是尽快平仓以避免穿仓导致系统性风险（社会化损失）。因此，它通常采用市价单或具有极高滑点容忍度的限价单。这种执行逻辑意味着，清算订单不计成本地消耗订单簿上的流动性，构成纯粹的流动性需求方。

### 11.3.2 三步映射

我们可以将清算级联的过程分解为三个连续的映射步骤。触发映射描述了价格变动 $\Delta P_t$ 导致部分仓位的保证金余额低于维持保证金水平，从而触发清算的过程。随后进入量化映射，被触发的仓位转化为实际的清算订单流 $Q_{\text{liq}}$。在此基础上，冲击映射表明清算订单流 $Q_{\text{liq}}$ 冲击当前的订单簿深度 $D_t$，产生新的价格变动 $\Delta P_{t+1}$。

![图 11-12: 价格变动到新一轮价格变动的三步映射](./images/fig-11-12.png)

**图 11-12.** 价格变动到新一轮价格变动的三步映射

如图 11-12所示，如果 $\Delta P_{t+1}$ 的方向与 $\Delta P_t$ 相同，且幅度足以触发新的清算，这个循环就会继续下去。该图将这一循环过程分解为三个具有明确经济含义的映射步骤：第一步为触发映射，其核心问题是在给定的价格跌幅下，市场中哪些仓位的保证金余额将低于维持保证金线从而被清算引擎捕获，该步骤的输出取决于杠杆倍数的分布密度和清算价格的聚集程度；第二步为量化映射，将被触发的仓位头寸转化为实际的市场订单流，其规模由被清算仓位的名义价值和清算引擎的执行策略共同决定；第三步为冲击映射，描述这些清算订单流进入订单簿后对价格产生的实际影响，该影响不仅取决于订单流的绝对规模，更取决于当时订单簿的有效深度。图中的循环箭头表示的正是这一过程的自我强化本质：第三步所产生的新价格变动 $\Delta P_{t+1}$ 构成了下一轮循环中第一步的输入，即新的触发条件。只要每一轮循环输出的价格变动足以激活新的清算仓位，这一三步映射就会持续迭代执行。

### 11.3.3 发散条件

为了形式化这个过程，我们定义以下变量：$\Delta P_t$表示第 $t$ 轮的价格变动幅度（取为无量纲的对数收益，小幅变动下与百分比近似相等）。$\alpha$代表清算敏感度，表示单位价格变动能触发多少比例的杠杆仓位被清算，它取决于市场中杠杆的分布密度。$L$为市场中的总杠杆仓位规模（如未平仓合约量；注意 $L$ 自本节起专指杠杆存量/名义额，与§11.1.1 中表示清算价格的 $P^{\text{liq}}(t)$ 不同，二者不可混用）。$\beta$是价格冲击系数。$D_t$则是第 $t$ 轮时的有效订单簿深度。此处 $D_t$ 应被理解为跨交易所整合后的有效深度净值，即扣除了套利者跨平台搬运流动性所需的摩擦成本后的系统级深度，而非单一交易所的订单簿深度。在级联期间，由于套利者无法以足够快的速度在交易所之间重新分配订单流，系统整体的有效深度显著小于各交易所订单簿深度的简单加总。为确保反馈增益的无量纲性，此处对各变量的量纲作如下约定：将 $\Delta P_t$ 取为无量纲的对数收益，$L$ 与 $D_t$ 同以美元名义额计，$\alpha$ 定义为“每单位对数价格变动所触发的可清算名义额占总名义额的比例”（量纲为 1/对数收益），$\beta$ 为“单位无量纲订单流/深度比所产生的对数价格变动”的冲击弹性（无量纲）；据此 $Q_{\text{liq}}=\alpha L \Delta P$ 以美元计、$Q_{\text{liq}}/D_t$ 无量纲、$G=\alpha\beta L/D_t$ 为无量纲量，与临界值 1 的比较方才有意义。

基于上述三步映射，我们可以推导出第 $t$ 轮清算量 $Q_{\text{liq},t}$ 为：
$$ Q_{\text{liq},t} = \alpha \cdot L \cdot \Delta P_t $$

这批清算量进入市场后，产生的新的价格冲击 $\Delta P_{t+1}$ 为：
$$ \Delta P_{t+1} = \beta \cdot \frac{Q_{\text{liq},t}}{D_t} $$

将第一式代入第二式，我们得到了清算反身性方程：
$$ \Delta P_{t+1} = \left( \alpha \cdot \beta \cdot \frac{L}{D_t} \right) \cdot \Delta P_t $$

令反馈增益 $G = \alpha \cdot \beta \cdot \frac{L}{D_t}$，则方程可简化为：
$$ \Delta P_{t+1} = G \cdot \Delta P_t $$

这个简洁的差分方程揭示了级联的命运完全取决于反馈增益 $G$ 的大小。在收敛条件（$G < 1$）下，每一轮产生的新价格冲击都小于上一轮，系统逐渐吸收冲击，价格在经历一定波动后趋于稳定。而在发散条件（$G > 1$）下，每一轮产生的新价格冲击都大于上一轮，冲击被不断放大，系统进入失控的级联崩溃状态，直到杠杆被彻底出清（$L$ 大幅下降）或外部流动性介入（$D_t$ 大幅上升）。

然而，上述具有恒定 $G$ 值的反身性方程会产生无界的指数发散，这在物理上是不现实的，因为价格不可能跌至零以下，而且杠杆池 $L$ 会随着清算的推进而持续耗竭。一个更为完整的模型需要将 $G$ 内生化：$G_t = \alpha \cdot \beta \cdot L_t / D_t$，其中 $L_t$ 随每一轮清算而递减，即 $L_{t+1} = L_t - Q_{\text{liq},t}$。这一修正将系统从线性发散过程转变为一个非线性差分方程：在初始阶段，由于 $L_t$ 相对于 $Q_{\text{liq},t}$ 仍然充裕，$G_t > 1$，系统呈现发散特征；但随着清算不断消耗杠杆存量，$G_t$ 逐轮下降，最终跨越 $G_t = 1$ 的临界线并持续衰减至收敛区间。换言之，清算级联本质上是一个初始发散但条件性自终止的动力学过程。需要强调，上述递推 $L_{t+1}=L_t-Q_{\text{liq},t}$ 仅刻画了分子（杠杆存量）的衰减，而分母 $D_t$ 在级联中同样内生骤降（见§11.3.4）；只有当杠杆存量的耗竭速度最终超过有效深度的恶化速度时，$G_t$ 才会单调下降并跨越1而自终止。若深度崩塌极快，$G_t$ 可能先升后降，系统在自终止前经历更剧烈的过冲。价格的总超调幅度取决于系统在 $G_t$ 跨越1之前经历了多少轮迭代，而这一迭代次数由初始杠杆集中度和深度-清算量之比共同决定。初始 $G_0$ 越大、杠杆分布越集中于狭窄的价格区间，系统在自终止前经历的发散迭代次数越多，累积破坏也越严重。这一自终止机制直接联系着§11.5.4中对级联终止条件的系统性分析。

此外，需要指出上述冲击映射中 $\beta \cdot Q/D$ 的线性价格冲击模型本身是一阶近似。经验市场微观结构文献表明，正常订单流的价格冲击遵循平方根定律（Bouchaud 等, 2009），即价格冲击与订单流规模的平方根成正比。但清算流并非正常订单流，它集中、单向且对价格不敏感，往往一次性穿透多个订单簿价格档位，其实际冲击可能呈现超线性（凸性）特征。这意味着在清算密集区间，达到发散阈值 $G > 1$ 所需的杠杆密度可能低于线性模型的预测值，从而使得系统的实际脆弱性被线性框架所低估。

![图 11-13: 反身性方程的正反馈循环与发散条件](./images/fig-11-13.png)

**图 11-13.** 反身性方程的正反馈循环与发散条件（概念示意，非实测数据）

如图 11-13所示，该图的核心在于揭示一个关键的分岔结构：当 $G < 1$ 时，每轮清算的价格冲击逐轮衰减，初始扰动在有限次迭代后被吸收，系统表现为稳定的负反馈均衡；当 $G > 1$ 时，每轮冲击大于前一轮，价格序列指数级发散，系统进入自我强化的级联放大路径（在杠杆出清前不可被小扰动逆转，但并非永不终止，参见§11.3.3的条件性自终止分析）。$G = \alpha \cdot \beta \cdot L / D_t$ 的每个组成要素都是市场条件的函数：牛市中杠杆头寸持续积累使 $L$、$\alpha$ 同步增大，波动率上升又促使做市商撤出流动性、致 $D_t$ 急剧收缩，于是同一市场可在杠杆累积与流动性退潮中从 $G < 1$ 的稳态平滑过渡到 $G > 1$ 的发散区。这解释了清算级联在外部观察者看来总是“突然”爆发：系统在跨越 $G = 1$ 之前可能已在危险边缘运行相当长时间，但 $G$ 略低于1时仍表现出表观稳定性，脆弱性在阈值被突破前几乎不可观测。

### 11.3.4 三大非线性来源

在真实的加密市场中，清算反身性方程中的变量并不是线性的。上述方程假设清算敏感度 $\alpha$ 和订单簿深度 $D_t$ 为常数，但这一简化在实际市场中严重失真，原因在于清算价格的阈值聚集效应、交易者行为的高度同质性以及做市商在危机时期内生性地撤出流动性，共同创造了多重不连续性和正反馈加速机制。正是以下三大非线性来源，使得清算级联往往呈现出突然爆发和极具破坏性的特征。Danielsson、Shin 与 Zigrand 的研究表明，杠杆的顺周期性本身就是内生风险的核心驱动力 [11]。

![图 11-14: 清算级联的三大非线性来源](./images/fig-11-14.png)

**图 11-14.** 清算级联的三大非线性来源（概念示意，定性轴，非实测数据）

如图 11-14所示，该图刻画了清算反身性的三大非线性来源。其一为阈值效应：清算并非随价格下跌平滑发生，每个杠杆仓位都有精确的维持保证金率（如0.5%），价格触及阈值前仓位对市场毫无抛压（潜伏状态），一旦突破阈值，整个仓位的名义价值瞬间转化为市价抛单，这种从“零”到“巨量”的非连续跳跃使清算量对价格的导数（$\alpha$）在特定区间可能趋近无穷大。其二为拥挤效应：散户与量化策略往往偏好整数倍杠杆（如10x、20x、50x）并在关键整数关口或技术支撑位附近建仓，其背后有多重心理学微观基础——锚定效应驱使交易者以整数杠杆和整数价格关口为参照点，实时社交媒体的协调效应（Crypto Twitter、Telegram 群组分享的“关键位”）放大羊群行为，信息瀑布机制（Bikhchandani, Hirshleifer & Welch, 1992）[12] 使后来者将同伴在同一价位的建仓本身视为价格支撑的证据，代表性启发式（“这个支撑位过去守住了，因此将再次守住”）进一步固化对历史关口的过度信赖。由于传统市场仓位信息私密、社交放大远不及加密社区即时透明，其行为同质性与清算价格聚集密度均显著更低。这种聚集形成“清算密集区”，价格跌入时 $\alpha$ 急剧飙升、瞬间产生海量清算订单流。其三为流动性的内生性：订单簿深度 $D_t$ 并非外生常数，正常时期做市商提供充足流动性，但价格剧烈波动、清算频发时，做市商面临巨大的逆向选择与库存风险，理性选择扩大价差或直接撤单，于是在系统最需要流动性吸收抛压时有效深度 $D_t$ 急剧下降，这种“顺周期性”进一步放大价格冲击系数 $\beta$。三种非线性的乘数叠加（$\alpha$ 飙升 $\times$ $D_t$ 骤降）使反馈增益 $G$ 能在极短时间内从小于1跃升至远大于1，导致市场瞬间失控。

这一非线性机制也回答了本章开篇提出的悖论——个体审慎为何在聚合层面恰恰制造了系统性脆弱。其因果桥接有三：其一，个体出于审慎而设置的止损单，与杠杆清算价格一样倾向于聚集在整数关口与技术支撑位附近，二者在价格轴上叠加，共同抬高了清算密集区的 $\alpha$；其二，“安全”的5—10倍名义杠杆在统一保证金与危机期相关性趋近1的条件下，其组合层面的有效杠杆远高于名义值（详见§11.7.5），使审慎的个体在系统层面贡献了远超自身认知的清算敏感度；其三，个体止损触发的自愿卖单与清算引擎的强制卖单方向完全一致、同时释放，在效果上等价于进一步放大 $\alpha$。因此，正是无数个体在微观上“正确”的风险管理动作，在统一保证金、清算价格聚集与流动性顺周期撤离的结构耦合下，聚合为宏观上的高 $\alpha$、高清算集中度与低 $D_t$，使系统性风险从个体审慎中内生地涌现。

### 11.3.5 级联风险指数

为了在实际交易和风控中量化这种发散风险，我们可以基于反身性方程构建一个可操作的指标，即级联风险指数。

$$ \text{CRI} = \frac{\text{杠杆密度} \times \text{清算集中度}}{\text{可用深度}} \approx \frac{(\text{OI}/\text{市值}) \times \text{清算热力图密度}}{\text{压力深度}} $$

各子分量的精确定义如下。杠杆密度以未平仓合约量与资产流通市值的比值来度量，即 $\text{杠杆密度} = \text{OI} / \text{市值}$。当该比值超过0.3时，表明衍生品市场的名义敞口已接近底层资产市值的三分之一，杠杆水平进入警戒区间。清算集中度通过清算热力图量化当前价格下方特定幅度（通常取5%）内聚集的待清算名义价值占总未平仓合约（Open Interest, OI）的比例，即 $\text{清算集中度} = \sum_{i} N_i \cdot \mathbf{1}[P^{\text{liq}}_i \in (P \times 0.95,\, P)] / \text{OI}$（其中 $N_i$ 为仓位 $i$ 的名义价值，$P^{\text{liq}}_i$ 为其清算价格，$P$ 为当前标记价，$\mathbf{1}[\cdot]$ 为指示函数）。该指标反映了价格下跌5%时可能被触发的清算订单流的相对规模。可用深度不能仅看当前的订单簿静态快照，而应评估在特定波动率压力情景下做市商能够维持的“压力深度”，即在波动率飙升至历史99分位数水平时，订单簿在价格下方2%区间内仍可提供的有效买单深度。

基于上述定义，我们可以对加密市场历史上四次重大清算事件的 CRI 进行事后标定，为该指标的预警阈值提供经验校准基准。

| 事件 | OI/市值 | 清算集中度(5%) | 压力深度(亿美元) | CRI 估算值 | 实际级联严重度 |
| :--- | :---: | :---: | :---: | :---: | :--- |
| 2020.3.12 “黑色星期四” | 0.18 | 0.12 | 0.8 | 0.027 | 严重（~60亿美元清算） |
| 2021.5.19 “519暴跌” | 0.25 | 0.15 | 1.2 | 0.031 | 严重（~86亿美元清算） |
| 2024.8.5 “日元套利平仓” | 0.28 | 0.18 | 1.5 | 0.034 | 中等（~102亿美元清算，快速恢复） |
| 2025.10.10 “10.10事件” | 0.35 | 0.22 | 0.4 | 0.193 | 极端（~190亿美元清算） |

**表 11-3.** 历史重大清算事件的 CRI 事后标定（数据来源：作者估算，基于公开数据推导）

上表揭示了两个关键模式。其一，“10.10事件”的 CRI 估算值较前三次事件高出一个数量级，其核心驱动因素并非杠杆密度或清算集中度的等比例上升，而是压力深度的急剧收缩，从2024年8月的1.5亿美元降至仅0.4亿美元，这意味着市场在相同的清算冲击下缺乏足够的流动性缓冲来吸收卖压。其二，CRI 的绝对数值需要结合市场规模的历史演进来解读：随着加密衍生品市场总体量的增长，即使相对指标（如 OI/市值）的变化幅度有限，绝对清算量也会显著放大。因此，CRI 的预警阈值应随市场规模进行动态校准。

然而，CRI 作为风险指标存在若干值得审慎对待的局限性。首先，在量纲一致性方面，CRI 的分子为两个无量纲比率的乘积，而分母为以绝对美元计价的压力深度，这意味着 CRI 的数值会随着市场体量的增长而机械性地变化，缺乏跨时期可比的内在标准化机制。其次，表 11-3中仅包含跨越五年的四个数据点，样本量不足以进行稳健的统计推断或构建具有置信区间的预警阈值，本质上这是一种事后标定的描述性分析，而非经过交叉验证的预测模型。第三，2024年8月5日事件构成了一个值得深究的异常：其 CRI 估算值（0.034）高于2021年5月19日（0.031），但实际级联严重度明显更低，且市场恢复速度显著更快。这一偏差表明，CRI 未能捕捉到的外部干预速度和宏观传导路径差异（日元套利平仓的冲击具有明确的外生源头和自限性）可能在决定级联最终破坏程度时比微观结构脆弱性本身更为关键。综合来看，CRI 的改进方向应指向条件化指标的构建，即在微观结构变量的基础上引入宏观状态变量（如§11.2.3中讨论的美元指数、信用利差等）作为调制因子，使同一 CRI 数值在不同宏观环境下映射到不同的风险概率。

![图 11-15: 级联风险指数的可视化](./images/fig-11-15.png)

**图 11-15.** 级联风险指数的可视化（CRI 为作者构造的探索性指标，仅基于四个历史事件的事后标定、量纲未标准化；图中阈值分档为概念示意，非经交叉验证的可操作风控阈值）

如图 11-15所示，CRI 可作为监测市场脆弱性的探索性、描述性指标——需强调它是受反馈增益 G 启发、量纲尚未标准化的拥挤度代理，与 G 并非同一构造、不共用同一临界值。基于表 11-3 对四次历史事件的事后标定（CRI 估算值落在约 0.027~0.193 区间），可给出经验性相对分档：安全区间（约 < 0.05）市场具备足够弹性吸收局部冲击；警告区间（约 0.05 ~ 0.15）表明杠杆已过度拥挤、市场处于亚健康状态，如2025年9月资金费率极端化时；极端区间（约 > 0.15，2025年10月10日事件标定约 0.193 即落入此区）系统已高度易燃，任何微小负面催化剂都可能引爆系统性级联。需注意，这一分档仅基于四个数据点的事后描述性标定，预警阈值与预测效力尚待大样本验证，不应被当作经过交叉验证的可操作风控阈值。

![图 11-16: 级联动力学模拟 — 收敛 vs 发散路径](./images/fig-11-16.png)

**图 11-16.** 级联动力学模拟——收敛与发散路径（动力学模拟，概念示意，非实测数据）

如图 11-16所示，动力学模拟揭示了反馈增益 G 在临界值 1 两侧截然不同的演化路径：收敛路径（$G=0.6$）中初始冲击虽引发清算，但每轮新增跌幅迅速衰减，系统几轮迭代后自动恢复、累计跌幅有限；发散路径（$G=1.4$）中微小初始冲击被不断放大、每轮新增跌幅指数级增长，最终导致断崖式下跌与杠杆彻底毁灭。这说明在高度杠杆化的加密市场中，风险管理的核心不在于预测初始冲击何时到来，而在于监控系统脆弱性（CRI 与 G 定性正相关，可作脆弱度的近似提示，但 G>1 才是经差分方程推导的严格发散判据），避免在发散条件具备时暴露于市场。

## 11.4 资金费率与杠杆耦合

在永续合约的市场微观结构中，清算是反身性最直接、最暴力的表现形式，它通过瞬时的“硬冲击”直接重塑价格。然而，这种硬冲击并非凭空发生，其背后隐藏着一个更为微妙、缓慢但同样深刻的第二个反身性循环：资金费率、基差与杠杆需求的慢性耦合。前一节的清算反身性方程描述了清算级联的即时传导过程，而本节分析的是系统脆弱性如何在清算爆发前被逐步积累。资金费率机制并不直接创造被迫订单流，但它通过持续影响持仓成本和杠杆需求，从根本上改变了市场的“易燃性”，为清算级联准备了必要的土壤。

### 11.4.1 保证金侵蚀效应

资金费率的设计初衷是作为锚定现货价格的稳定器，但在高杠杆环境下，它不可避免地展现出其作为“慢性现金流”的另一面。对支付方而言，资金费率构成一种持续的保证金消耗机制，不断侵蚀账户的保证金余额。这种消耗在日常交易中不易察觉，因为它不依赖于市场价格的剧烈波动，而是随着时间的推移机械地发生。这种慢性侵蚀的直接后果是动态抬高了有效清算价格，使得原本处于安全区间的仓位在不知不觉中变得接近清算边缘。我们可以通过一个量化示例来理解这一过程。在极端的牛市情绪中，资金费率达到每8小时0.1%的水平（简单年化约109%；复合年化约为198%），这一水平在2021年牛市高峰期和2025年10月事件前夕均有记录 [13]。一个交易者以10倍杠杆在100,000美元价位开立了1个 BTC 的多头仓位。初始保证金为10,000美元，若维持保证金率为0.5%（即500美元）。

即使市场价格完全保持在100,000美元不变，仅仅由于资金费率的支付，该仓位的保证金余额也会在短时间内被迅速消耗。在极端费率下，每天需要支付300美元的资金费（每8小时100美元）。大约在第31天，保证金余额将被完全耗尽至维持保证金水平，从而触发清算。更危险的是，随着保证金的减少，其有效清算价格会从最初的约90,500美元逐步上移，最终逼近建仓价格。从行为金融学的视角来看，这种渐进侵蚀具有特殊的心理隐蔽性。Thaler（1999）[14] 的心理账户理论指出，交易者倾向于将资金费率支出与仓位盈亏置于不同的心理账户中分别核算，从而低估了两者对同一保证金池的联合消耗效应。同时，前景理论预测，小额且高频的反复损失在心理感知上与等额的一次性损失存在质性差异，每8小时扣除的资金费率作为“小切口”，其累积效应远低于交易者的感知阈值，形成一种“温水煮蛙”式的认知陷阱，使保证金的持续侵蚀在被感知之前已将仓位推向了清算边缘。

![资金费率对保证金余额与清算价格的侵蚀效应](./images/fig-11-17.png)

**图 11-17.** 资金费率对保证金余额与清算价格的侵蚀效应（基于设定费率的数值示例，概念示意，非实测数据）

杠杆倍数对这一侵蚀过程的放大效应是非线性的。下图展示了在同一资金费率水平下（0.05%/8h，即简单年化约55%；复合年化约73%），不同杠杆倍数的仓位被完全耗尽清算缓冲区所需的天数。100倍杠杆的仓位仅需约4天便会因费率侵蚀而面临清算风险，而5倍杠杆的仓位则可以承受超过60天的费率消耗。

![不同杠杆倍数下资金费率累计侵蚀效应](./images/fig-11-18.png)

**图 11-18.** 不同杠杆倍数下资金费率的累计侵蚀效应（基于设定费率的数值示例，概念示意，非实测数据）

这构成了一种渐进式的风险积累过程。资金费率不仅是对杠杆使用的定价，更是对账户生存时间的倒计时。此外，资金费率机制本身包含负反馈调节功能：高昂的持仓成本理论上会迫使部分杠杆多头主动平仓，同时吸引套利者通过“买入现货+做空永续”的策略入场。这种经济激励旨在促使市场回归均衡。然而，这种精妙的设计依赖于一个关键假设，即套利者有能力且有意愿执行基差套利。当这一假设在极端市场条件下被打破时，资金费率机制将从“稳定器”蜕变为“加速器”。

### 11.4.2 基差套利失灵

在正常市场状态下，资金费率与基差套利之间存在健康的负反馈循环。当多头情绪高涨导致永续合约价格高于现货价格时，资金费率转为正值且不断攀升。这吸引了套利者入场：他们做空永续合约、做多现货，从而压低永续价格，使基差收窄，资金费率最终回归正常水平。这一循环是永续合约价格锚定机制的核心。然而，在市场从正常期向压力期转换的过程中，这种负反馈机制可能面临三种严重的失灵条件，导致“稳定器”失效。

融资约束构成了套利失灵的首要因素。在极端恐慌或信贷紧缩的环境下，套利者的融资成本会急剧上升，甚至面临完全无法获得融资的困境。正如 Brunnermeier 和 Pedersen 的流动性螺旋模型所指出的 [8]，当“融资流动性”枯竭时，套利不仅无利可图，套利者自身甚至可能因去杠杆需求而被迫加入抛售行列。此时，他们非但不能充当稳定市场的力量，反而成为了加剧波动的推手。2020年3月12日的“黑色星期四”事件中，即便永续合约基差一度跌至-30%以上的极端水平，套利者也因融资市场的全面冻结而无力入场 [4]。值得强调的是，加密市场中不存在传统金融体系中的中央银行最后贷款人角色，这意味着融资约束一旦收紧便缺乏外部缓释机制，使得流动性枯竭的约束力远强于传统市场。

库存风险构成了第二重制约。在市场波动性极高的情况下，管理现货头寸价格波动风险的成本变得极其昂贵。即使永续合约与现货之间的基差看似提供了丰厚的利润空间，套利者也可能因为无法有效对冲现货端的暴跌风险而选择观望。这种理论上存在但实践中无法获取的套利机会，使得基差得以在长时间内维持异常状态。Shleifer 和 Vishny (1997) 将此称为“套利的极限”[15]，即便存在明显的定价偏差，风险厌恶和资本约束也会阻止套利者纠正它。与此同时，Delta 对冲成本也会急剧攀升，因为在极端行情中期权市场的隐含波动率同步飙升，使得通过期权进行尾部风险对冲的成本变得令人望而却步。

基础设施层面的制约在去中心化交易所环境中尤为突出。极端行情往往伴随着网络拥堵和 Gas 费用的飙升，这大幅压缩了套利的利润空间。同时，三明治攻击、交易排序操纵等最大可提取价值活动增加了执行风险。跨链桥的延迟和安全隐患也限制了跨平台的套利效率。在2024年8月5日的“日元套利平仓”事件中，多个交易所的 API 延迟超过数秒，使得跨平台套利策略几乎无法执行 [16]。尤其在以太坊网络上，极端事件期间 Gas 费用可骤升10至50倍，直接侵蚀套利利润空间，使原本有利可图的基差交易在扣除执行成本后变为净亏损。

除上述三类失灵条件外，还有两种在实践中同样关键但较少被系统性分析的失灵机制。其一为资金费率反转风险。现货-永续基差套利（做多现货、做空永续合约）在正常市场中通过收取正资金费率获利，但当市场崩盘导致多头大规模清算时，资金费率可能从正值急剧翻转为深度负值。此时，空头仓位从费率收取方变为费率支付方，套利者面临双重惩罚：永续合约空头的标记市值亏损（因价格波动导致的暂时性浮亏或因基差极端扩大产生的保证金压力）叠加负资金费率的持续消耗。这种双重压力可能迫使套利者平掉原本起稳定作用的空头仓位，而空头的平仓即为买入操作，在永续合约端减少了卖压的对冲力量；与此同时，为平衡 Delta，套利者可能同步卖出现货端的多头头寸，从而将原本局限于永续合约市场的冲击直接传导至现货市场。这一机制揭示了§11.4.2与§11.4.3之间的直接联系：套利失灵不仅意味着稳定力量的被动缺席，更可能意味着稳定力量主动转化为不稳定力量。其二为跨交易所资金碎片化。基差套利的执行要求资本预先分布在多个交易所，以便在不同平台之间同步建立对冲仓位。然而，在极端事件期间，交易所可能冻结或延迟提币，区块链确认时间从正常的几分钟延长至10至60分钟，法币出入金通道可能同步关闭。即使套利者在总量上拥有充足的资本，也无法在40分钟级别的级联窗口内将资金跨平台重新部署。这种地理和基础设施层面的资本碎片化意味着，系统的有效套利资本远小于名义可用资本，套利承接能力的实际上限取决于最薄弱环节而非资本总量。

当上述约束条件同时发力时，基差可能急剧扩大为深度负值（或极端正值），而套利者的承接能力却快速衰减。此时，高额的资金费率不再能有效抑制过热的杠杆需求，反而成为导致高杠杆头寸触发清算的临界因素（图 11-19 对比了正常期负反馈有效运作与压力期正反馈失控两种状态）。

![极端行情下基差套利的失灵机制](./images/fig-11-19.png)

**图 11-19.** 正常期与压力期基差套利机制对比（概念示意，非实测数据）

图 11-20 以流程图形式对比了正常期与压力期下套利机制的运作差异。

![基差套利失灵的流程机制](./images/fig-11-20.png)

**图 11-20.** 基差套利失灵的流程机制

该流程图所传达的核心洞察在于，套利者在正常市场条件下扮演着负反馈稳定器的角色：当基差偏离合理区间时，套利者的入场交易将基差推回均衡，从而闭合反馈回路并维持永续合约价格与现货价格的锚定关系。然而在压力条件下，融资约束（套利者无法获得足够的保证金或借贷资金）、库存风险（持有现货对冲仓位面临剧烈的标记市值损失）以及基础设施过载（交易所延迟、API 故障、链上拥堵）这三重约束同时激活，致使套利者被迫退出或根本无法入场。当负反馈的执行者缺席时，基差偏离不再被修正，反而通过恐慌传染和流动性虹吸效应持续扩大，整个反馈回路从负反馈转变为正反馈。这一机制的转换为下一节所讨论的费率-清算复合正反馈提供了直接的前置条件：正是因为套利者在压力期的系统性失灵，资金费率的极端偏离才能够持续累积而不被市场力量所纠正。

### 11.4.3 费率-清算复合正反馈

资金费率的慢性侵蚀与清算机制的瞬时冲击并非孤立运作，它们通过“保证金”这一核心共享变量深度耦合，形成了一条将间接压力与直接冲击编织在一起的复合正反馈链条。这一循环构成了永续合约市场中最危险的系统动力学特征。

这一循环通常起始于费率极端化阶段：在强烈的单边趋势中，资金费率持续处于极端水平。这种高昂的费率每8小时（或在某些交易所每1小时）从持仓方扣除，持续消耗其保证金余额。这一过程系统性地缩窄了所有同方向头寸的清算距离，为即将到来的清算级联悄然“积累脆弱性”。由于系统已被费率持续消耗，变得极度脆弱，此时一个原本不足以引发危机的微小价格反转（例如2%的正常回调），就足以触及那些被费率推至边缘的仓位的清算线，触发第一批强制平仓。第一批清算产生的卖压导致价格进一步下跌，触发更多清算，清算反身性方程开始发散。随着大规模清算的执行，市场持仓不平衡发生剧变，导致资金费率急剧翻转，例如从极端正值瞬间转为极端负值。费率的急剧翻转不仅是市场结构的机械反应，更向全市场发送了强烈的信号，即“趋势已变”。这促使残存的多头恐慌性自愿平仓，与清算引擎的强制卖出形成合力。最终，高杠杆被彻底清洗，未平仓合约量骤降，系统以一种剧烈的方式完成重置。

![费率-清算复合正反馈循环](./images/fig-11-21.png)

**图 11-21.** 费率-清算复合正反馈循环

在这个嵌套的循环中，“极端终结路径”远比“温和路径”更为常见。温和路径要求价格在清算被大规模触发之前就停止单向运动，这在被高费率长期侵蚀的系统中是一个极窄的条件。相比之下，费率极端化本身就在为清算级联积累势能，一旦价格反转，这些势能就会一次性释放。正如2025年10月的“10.10事件”所展示的，引发系统性崩溃的根本原因往往不是触发它的那个宏观信号，而是此前数周的极端费率消耗，正是这种消耗使得系统从健壮的亚稳态退化为极度脆弱的易燃状态 [17]。

一个反事实推演有助于量化费率侵蚀对级联规模的贡献。在“10.10事件”前夕，BTC 永续合约资金费率年化约为30%，这意味着10倍杠杆多头的保证金在两周内被侵蚀约1.2个百分点，将大量头寸的清算距离从5%以上压缩至3%以下。若费率仅处于年化10%的温和水平（这是2024年大部分时期的正常状态），同等持仓时间内的保证金侵蚀仅约0.4个百分点，绝大多数被侵蚀至边缘的头寸仍将保有充足的清算缓冲。据此估算，在10%费率的反事实情景下，初始触发阶段被清算的头寸规模将减少约40%至50%。这一区间估计对杠杆分布的形态假设和持仓周期假设均具有敏感性，若杠杆集中度更高或平均持仓时间更长，实际减少幅度可能偏离该范围。由于清算反身性方程的非线性放大特征（每轮清算量决定下一轮的触发规模），级联的总清算规模可能缩小约35%至45%，即降至约105亿至125亿美元。需要指出的是，该反事实推演属于局部均衡分析：较低的资金费率水平本身会改变均衡状态下的未平仓合约规模和做市商的流动性供给意愿，从而使整个市场微观结构处于不同的初始状态。此外，从初始触发规模到总级联规模的映射是高度非线性的，其放大倍数取决于清算密度函数的具体形状（即被清算仓位在价格轴上的分布是否呈集中的“厚尾”还是分散的“薄层”），这一分布特征直接决定了级联的加速度和持续时间。这一估算表明，资金费率的长期积累效应对级联的最终破坏力具有与触发冲击本身同等量级的影响，费率治理应被视为系统性风险管理的核心环节，而非仅仅是市场价格锚定的辅助工具。

资金费率与清算机制，一慢一快，一隐一显，共同铸就了永续合约市场内生的系统性风险。

## 11.5 清算级联的四阶段

清算级联并非一蹴而就的崩盘，而是一个具有明确演化路径的动力学过程。它通常经历四个逻辑上层层递进的阶段：触发、传播、放大和终止。在每个阶段中，主导市场走向的机制各不相同，识别这些阶段转换的关键信号，不仅为理解极端事件提供了可观测的线索，也为风险预警和干预提供了理论依据。本节将前文探讨的清算反身性方程（§11.3）和费率耦合效应（§11.4）整合为一个完整的动力学叙事，并以2025年“10.10事件”为主要参照案例。

表 11-4 汇总了四个阶段的关键判定指标与阈值，为实时识别级联所处阶段提供了可操作的参考框架。

| 阶段 | CRI 区间 | LIAR 区间 | 反馈增益 $G$ | OI 变化 | 深度变化 | 主导机制 |
| :--- | :---: | :---: | :---: | :---: | :---: | :--- |
| 触发 | 0.8 – 1.2 | > 1.0 | < 1.0 | < -5% | < -30% | 外生冲击 + 边际清算 |
| 传播 | 1.2 – 2.0 | 0.5 – 1.0 | ≈ 1.0 | -5% ~ -15% | -30% ~ -70% | 清算反身性回路启动 |
| 放大 | > 2.0 | < 0.5 | >> 1.0 | -15% ~ -35% | > -90% | 多机制共振，深度归零 |
| 终止 | 回落至 < 1.0 | 回升至 > 1.0 | < 1.0 | 趋于稳定 | 缓慢恢复 | 杠杆出清 + 外部买盘 |

**表 11-4.** 清算级联四阶段的 CRI/LIAR 判定阈值与关键指标（注：LIAR≈可用深度/单位时间清算量，与反馈增益 $G=\alpha\beta L/D$ 近似成反比；二者基于不同口径——LIAR 采用瞬时可见深度、$G$ 采用跨所有效深度，故作为独立诊断列并置。本表 CRI 列为示意性标准化标尺，与表 11-3 的未标准化原始估算值口径不同，不可直接套用§11.3.5 的经验分档。本表各指标为同期阶段诊断而非前瞻预警。）（数据来源：作者构建）

![清算级联四阶段流程概览](./images/fig-11-22.png)

**图 11-22.** 清算级联四阶段流程概览

### 11.5.1 触发阶段

清算级联的起点通常是一个外生市场冲击。这个冲击本身可能并不巨大，其关键作用在于打破系统原有的亚稳态，将市场价格精确地推向第一个显著的清算密集区。此处必须明确区分触发因素与底层脆弱性之间的关系：触发因素是必要条件但绝非充分条件，真正决定冲击被吸收还是被放大的，是系统在冲击到来前已经积累的结构性脆弱程度，包括杠杆密度、清算价格的集中度以及流动性缓冲的厚度。

触发因素的来源具有高度的多样性，它可能是一则宏观经济新闻（例如“10.10事件”中关于贸易争端的意外报道），也可能是相关资产价格的剧烈波动（如重要抵押品资产的暴跌或稳定币的短暂脱锚），甚至可能是针对市场流动性弱点的恶意攻击（如“预言机操纵”）。表 11-5 总结了近年来几次重大清算级联事件的触发因素和关键特征。

| 事件 | 触发因素 | 24小时清算量 | BTC 最大回撤 | 级联主要持续时间 |
| :--- | :--- | :--- | :--- | :--- |
| 2020.3.12 “黑色星期四” | 新冠疫情恐慌 + 全球风险资产抛售 | ~60亿美元 | ~39% | ~48小时 |
| 2021.5.19 “519暴跌” | 中国监管政策 + 马斯克言论 | ~86亿美元 | ~30% | ~12小时 |
| 2022.6.13 “Luna 余震” | 三箭资本/Celsius 连锁清算 | ~48亿美元 | ~17% | ~24小时 |
| 2024.8.5 “日元套利平仓” | 日本央行加息 + 全球套利交易平仓 | ~102亿美元 | ~15% | ~8小时 |
| 2025.10.10 “10.10事件” | 贸易争端意外升级 | ~190亿美元 | ~14.5%（现货，永续插针约16-17%） | ~1.5小时 |
**表 11-5.** 近年来重大清算级联事件对比（数据来源：CoinGlass [9]、CoinGecko [3]、Amberdata [2]）。注：各事件24小时清算总额采用不同来源与统计口径（单所与全市场、当日与多日、名义与实清算差异较大），其中2020/2021年数字为聚合估算、区间不确定性较高，跨事件比较应侧重数量级而非精确值

从上表中可以观察到一个值得深思的趋势：随着加密衍生品市场规模的扩大，清算级联的可见强平名义规模在不断攀升，而级联的持续时间却在显著缩短。2025年的“10.10事件”在仅约1.5小时内便创下了历史最高单日清算记录（见本章开篇），这表明市场的杠杆密度和清算效率都在急剧提升，留给交易者和风控系统反应的时间窗口越来越窄。

在触发阶段，市场的反应往往是局部的。只有那些杠杆率最高、风险偏好最极端的交易者会被清算。此时，整体市场的流动性依然充裕，清算引擎产生的强制平仓订单能够被市场平稳吸收。价格的下跌呈现出相对线性的特征，系统尚未进入失控状态。触发阶段是否会演变为更严重的传播阶段，取决于一个关键的动态平衡：第一波清算产生的卖压是否超过了市场正常的吸收能力。如果市场的深度足以承接这些抛盘，冲击就会在这一阶段被化解；反之，如果抛压过大，系统将不可避免地滑向下一个阶段。用本章引入的 LIAR 指标来表述，触发阶段对应 LIAR 仍大于1的区间，即市场深度尚能承接清算卖压。区分仅停留在触发阶段便自行消解的事件与最终演变为系统性级联的事件，关键在于首轮清算是否将 LIAR 推至临界值以下。历史数据表明，2024年8月的“日元套利平仓”事件中 LIAR 在触发阶段短暂跌破1后迅速回升，而2025年“10.10事件”中 LIAR 一旦跌破1便持续加速下降，再未回头。

### 11.5.2 传播阶段

为了量化评估阶段转换的临界点，我们引入一个核心判定变量：清算冲击吸收率。LIAR 的设计优势在于它同时整合了流动性方程的需求侧（单位时间清算量）与供给侧（订单簿可用深度），使其成为比单纯的未平仓合约/市值比率或简单的深度指标更为全面的系统压力度量。

> LIAR = 特定价格区间内的订单簿可用深度 / 单位时间内的清算量

当 LIAR > 1 时，表明市场具有足够的流动性来吸收当前的清算冲击。此时，价格虽然可能下跌，但下跌速度相对可控，清算级联的趋势趋于收敛。然而，当 LIAR < 1 时，意味着清算量已经压倒了市场的即时吸收能力。在这个临界点上，价格开始加速下跌，§11.3中描述的清算反身性方程的发散条件被满足，正反馈循环正式启动。系统状态发生跃迁，进入了破坏性极强的放大阶段。需要强调的是，LIAR 本质上是一个实时阶段诊断指标，而非前瞻性的预警信号。当 LIAR 跌破1时，级联已经处于进行之中，订单簿深度的崩塌本身就是清算过程的内生产物，而非独立于清算的外生条件。LIAR 的分母（订单簿可用深度）在清算启动后会因做市商撤单而急剧收缩，这意味着该指标反映的是当前系统状态而非未来轨迹。一个真正具有前瞻性的改进版本应当采用压力情景下的预估深度（例如，假设可见挂单中有X%在逆向订单流冲击下被撤回，这是做市商在面对毒性清算流时的典型行为），在此条件下计算剩余深度与预期清算量的比率，从而在级联实际启动之前识别系统的脆弱性。

传播阶段的本质在于其传染性：第一波清算导致的价格下跌并非停留在原地，而是将市场价格推向了下一个可能规模更大、分布更密集的清算区域，如同触发了连锁反应的第一环，引发第二波、第三波的清算。在这个阶段，杠杆与清算之间的反身性回路开始取代基本面信息，成为主导价格走势的核心力量。市场的价格变动不再由基本面信息驱动，而是由杠杆出清过程主导。下图以四个面板分别展示了价格、未平仓合约、每分钟清算量以及 LIAR 指标在触发-传播-放大-终止全过程中的动态演变（基于2025年10.10事件数据模式）。

![清算级联的四阶段动力学模型](./images/fig-11-23.png)

**图 11-23.** 清算级联的四阶段动力学模型（概念示意：基于2025年“10.10事件”数据模式风格化的作者动力学模型，非逐笔实测数据）

### 11.5.3 放大阶段

当 LIAR 持续小于1时，系统便进入了整个级联过程中最具破坏性的放大阶段。此时，单一的损失螺旋演变为多个放大机制的共振叠加，将原本可控的风险急剧放大为系统性危机，多种放大机制同时起作用，彼此叠加共振。

随着清算订单持续机械地消耗订单簿上的买单，做市商面对急剧扩大的风险敞口和极高的不确定性，会选择主动撤出报价（即“顺周期性流动性供给”）。这导致订单簿深度急剧下降，买卖价差显著扩大。后续的清算订单在执行时将面临巨大的滑点，实际成交价远低于标记价格。这种滑点本身构成了额外的巨大损失，进一步侵蚀了交易者的保证金，甚至可能导致穿仓（即亏损超过全部保证金）。在2020年3月的“黑色星期四”暴跌中，BitMEX 的 BTC 永续合约于3月13日一度插针至约3,600美元（单一场所瞬时低点），较现货价格折价约12%，正是流动性真空的极端体现 [4]。

价格的剧烈波动同时触发了 Brunnermeier 和 Pedersen 模型中的“保证金螺旋” [8]。为了控制风险，交易所的自动化风险模型可能会动态上调维持保证金要求，或者降低抵押品的折价率。这使得原本处于安全状态的头寸突然面临追加保证金的压力，迫使交易者主动平仓。这些主动的抛售与清算引擎的被动卖单产生共振，共同加剧了市场的卖压。在统一保证金体系下，这种效应尤为显著：当波动率指标急剧上升时，系统会自动提高所有品种的保证金要求，导致大量原本安全的仓位同时面临追加保证金的压力。

在统一保证金（全仓）机制下，一个资产的暴跌会削弱整个账户的信用基础，导致原本不相关的资产头寸也被迫清算。同时，套利者的行为会将一个交易所的抛售压力迅速传导至全市场，形成跨交易所的传染。此外，永续合约的清算会压低期货价格，导致基差转负，促使套利者卖出现货（平掉套利头寸中的现货多头），从而将危机从衍生品市场传导至现货市场，形成跨市场的反身性闭环。这一机制解释了为何在清算级联中，现货市场的跌幅往往与衍生品市场高度同步，甚至出现现货领跌的反常现象。然而，确定现货与永续合约之间在级联过程中的因果方向，需要运用严格的领先-滞后分析方法（如 Hasbrouck 信息份额模型或 Granger 因果检验）。在10.10事件中，因果关系很可能是双向的：永续合约的清算卖压与现货市场的恐慌性抛售相互强化，构成一个闭合的正反馈环路，使得在缺乏高频数据分解的条件下进行清晰的因果归因在方法论上极为困难。

基础设施的承载能力在级联动力学中扮演的角色远非次要的技术约束，而是级联轨迹的首要决定因素之一。在活跃的级联过程中，具体哪一个基础设施组件率先失效（是 API 网关、清算队列还是撮合引擎），决定了级联的实际演化路径。BitMEX 在2020年3月（3月13日）的服务中断事件中，撮合与清算停滞约25分钟（官方归因为 DDoS 攻击），导致实际执行价格与理论触发价格之间产生了巨大偏差，穿仓损失因此急剧放大 [4]。据报道，部分交易所在极端行情期间曾刻意降低撮合引擎的处理速度，将其作为一种事实上的熔断机制。这种做法虽然在客观上可能起到了遏制级联的保护作用，但引发了严重的市场公正性问题，因为它构成了一种隐性干预，使得部分参与者（例如能够通过场外渠道交易的机构）相对于依赖交易所引擎的散户获得了不对称的优势。基础设施容量因此不仅是一个工程问题，更是决定级联究竟被控制在可控范围内还是演变为灾难性崩溃的关键变量。

在极端行情下，交易所的交易引擎可能出现延迟，API 响应变慢，前端界面无法加载。交易者无法及时追加保证金、调整仓位或设置止损。更严重的是，清算引擎本身也可能因处理请求激增而拥堵，导致清算执行延迟。在延迟期间，价格往往已经跌至更低水平，使得实际损失被进一步放大。

![阶段三放大机制的共振叠加效应](./images/fig-11-24.png)

**图 11-24.** 放大阶段四种机制的共振叠加（概念示意，非实测数据）

为了清晰界定系统所处的风险层级，我们可以将永续合约与现货市场的互动状态分为三类，如表 11-6 所示。这一分类框架有助于实时评估市场是否正在从正常状态向危险状态滑移。

| 市场状态 | 基差特征 | 套利活跃度 | 反馈类型 | 订单簿深度表现 | LIAR 指标 |
| :--- | :--- | :--- | :--- | :--- | :--- |
| 正常状态 | 窄幅波动（< 0.1%） | 活跃，承接充分 | 负反馈，自我修正 | 充裕，正常水平 | > 2.0 |
| 压力状态 | 显著扩大（0.1% - 0.5%） | 承压，部分撤退 | 正反馈初步显现 | 下降，减少30%-60% | 0.5 - 1.0 |
| 极端状态 | 剧烈偏离（> 0.5%） | 撤退，几乎停滞 | 正反馈完全失控 | 蒸发，消失> 90% | < 0.2 |
**表 11-6.** 永续合约与现货市场的三种互动状态（数据来源：作者整理）

### 11.5.4 终止阶段

清算级联不会无限期地进行下去。当市场经历了一场剧烈的“风暴”后，最终会进入终止阶段。然而，必须明确的是，级联的终结往往不是因为市场“找到了新的基本面均衡”，而是因为“可被清算的杠杆已经被清洗干净”。这是一种剧烈但有效的强制性去杠杆机制。

级联的终止通常由多种机制共同作用。其中，杠杆出清是最自然的终止方式。当绝大部分高风险杠杆头寸被强制平仓完毕后，后续的价格下跌不再能触发足够多的新增清算量。此时，抛售压力骤减，LIAR 指标重新回升至1以上，损失螺旋停止运转。在这个过程中，全市场的未平仓合约量急剧下降。在2025年“10.10事件”中，据 Amberdata 统计，加密永续合约未平仓合约由峰值约1466亿美元降至谷值约1099亿美元（峰到谷约-25.03%；此口径为 Amberdata 覆盖场所的永续 OI 聚合，访问于2026年6月23日），标志着杠杆的大规模出清 [2]。

![LIAR指标在四阶段中的变化](./images/fig-11-25.png)

**图 11-25.** LIAR 在清算级联四阶段中的动态演变（LIAR 为作者构造指标；概念示意，非实测数据）

如图所示，LIAR 跌破1标志着反身性回路的启动（传播阶段），持续低于0.2标志着放大阶段的极端状态，而回升至1以上则标志着级联的终止。

当价格因非理性的清算抛压而跌至远低于长期投资者认可的公允价值时，外部买盘的介入也会推动市场企稳。这些价值投资者提供了深厚的承接流动性，有效地吸收了残存的清算卖压。在链上市场中，这一现象表现为“巨鲸地址”在暴跌底部大量买入的链上行为。链上数据分析可以实时追踪这些大额地址的资金流向，当持有超过1000 BTC 的地址群在价格急跌期间出现净流入加速时，往往预示着底部承接力量的形成。这种“聪明钱”的逆势买入行为为恐慌性抛售提供了天然的价格底线。

级联的终止还包含一个超越机械杠杆出清的行为维度。恐慌性抛售遵循特定的时间模式（初始的冻结反应、随后的集中性抛售、最后是情绪性卖出能力的耗竭），这一过程独立于机械清算周期运行。将巨鲸地址在级联底部的买入行为一律界定为“聪明钱”的价值投资，值得审慎的批判性审视：部分大额地址在级联底部的活动涉及策略性价格操纵（通过买入触发空头逼仓）、社交媒体信号释放（公开宣布购买以影响市场情绪）或声誉资本的构建，而非基于对资产基本面价值的深入判断。实际的底部形成过程往往经历一段有效双边市场不存在的真空期，既没有足够的买方流动性，也没有持续的卖方压力，市场在交易量极度萎缩的状态下逐渐找到临时均衡。

此外，级联底部的有序价值买入叙事与实际的执行环境存在显著矛盾。在活跃的级联过程中，交易所的 API 接口频繁出现无响应或严格的速率限制，使得订单提交变得极为困难甚至不可能。充值和资金划转机制可能被暂停，阻止新增资本进入市场。极端的买卖价差（在10.10事件中峰值达到26.43个基点）意味着任何以市价单提交的买入订单都将承受巨大的滑点损失。最为关键的是，专业做市商在级联期间选择撤退而非入场，因为清算流的逆向选择问题极为严重，任何挂在订单簿上的买单都会被持续走低的强制卖单系统性地吃掉。真正的底部形成往往发生在买卖双方都未能提供有意义流动性的真空期，而非通过强制卖方到自愿买方的有序交接。

交易所的人为干预同样可能阻断级联。在极端情况下，交易所可能采取多种干预措施，例如暂时上调维持保证金要求以抑制新开杠杆的冲动，或者在某些极具争议的案例中触发短暂的熔断机制（暂停交易），以阻断恐慌情绪的蔓延。部分交易所还会临时降低最大杠杆倍数，或对特定合约实施交易限制。

在穿仓损失耗尽保险基金后，自动减仓机制作为最终手段启动，强制平掉盈利方头寸以填补穿仓亏损、保全系统偿付能力（其排序机制与公平性争议详见§11.6.3）。ADL 的大规模触发，通常标志着清算级联最危险、最混乱阶段的结束。

从系统动力学的角度审视整个四阶段过程，可以发现一个深刻的规律：清算级联的破坏程度并不主要取决于触发冲击的大小，而是取决于系统在冲击到来前的脆弱程度。一个被极端资金费率长期侵蚀、杠杆密度极高、清算密集区高度集中的系统，即便面对一个微小的外生扰动，也可能爆发出毁灭性的级联反应。反之，一个杠杆适度、清算分布分散、流动性充裕的系统，即便遭受较大的外生冲击，也能将其平稳吸收。这正是本章反复强调的核心命题：杠杆与清算的反身性是加密衍生品市场最重要的内生风险来源。

## 11.6 清算设计的不可能三角

在链上衍生品和加密资产永续合约市场中，清算机制是维持系统偿付能力的最后防线。与传统金融市场通过清算所的违约瀑布和人工干预来处理风险不同，加密市场的清算完全依赖于预先设定的算法和智能合约。这种算法化的特征使得清算机制的设计面临着严峻的权衡。研究表明，在自动化去杠杆和清算机制中存在一个严格的数学边界，即“清算设计的不可能三角”[18]。

### 11.6.1 三个设计目标

任何交易所或 DeFi 协议在设计清算引擎时，都试图同时实现以下三个核心目标：

Almgren 与 Chriss 的最优执行理论表明，大额订单的执行存在市场冲击与时间风险之间的根本权衡 [19]。清算引擎的设计本质上面临同样的困境，但其约束条件更为严苛，因为清算必须在极短时间内完成，且无法选择执行时机。在此背景下，三个设计目标之间的冲突变得尤为尖锐。确定性指清算机制必须能够确保在任何极端市场条件下系统都能维持偿付能力，即当交易者的账户权益跌破维持保证金要求时，系统必须有绝对的把握能够平掉该头寸，防止出现坏账（穿仓），这是交易所生存的基石，缺乏确定性会导致系统性破产。冲击最小化指清算行为对市场价格和流动性造成的负面影响应尽可能小，因为大规模的强制平仓会向市场释放巨大的卖压（或买压），导致价格进一步偏离基本面，从而可能触发更多账户的清算形成“正反馈循环”，故而冲击最小化要求清算引擎能够平滑地消化风险头寸。公平性指清算过程应当对所有市场参与者公平，特别是不能无故剥夺无辜交易者（如盈利方）的合法收益；在理想状态下，风险应当由承担风险的一方（即被清算方）承担，或者由系统设立的保险基金吸收，而不应随意转嫁给系统中的其他参与者。

### 11.6.2 目标冲突

这三个目标之间存在着深刻的结构性冲突，使得它们无法在同一个机制中被同时完美实现。近期关于自动减仓机制的理论研究甚至从博弈论和机制设计的角度给出了不可能定理的正式证明[18]。

确定性与冲击最小化之间的冲突是最直观的。为了确保100%的确定性，系统往往需要在触发清算时立即以市价抛售所有头寸。然而，这种不计成本的抛售必然导致巨大的市场冲击。反之，如果系统为了最小化冲击而选择缓慢、分批地处理头寸，那么在价格急剧波动的极端行情中，这种拖延可能导致头寸在被完全平仓前就已经穿仓，从而破坏了确定性。

与此同时，确定性与公平性之间的冲突在极端行情下尤为突出。当常规清算无法执行且保险基金耗尽时，系统为了保全自身的确定性（避免破产），唯一的选择是启动自动减仓机制，强行平掉盈利交易者的头寸以填补亏损方的坏账。这种做法虽然保住了系统的确定性，但却严重损害了盈利交易者的公平性，迫使他们承担了本不属于自己的风险。

进一步的分析表明，冲击最小化与公平性之间的冲突体现在风险转移的过程中。如果系统为了避免将大规模头寸直接砸向市场（冲击最小化），选择将这些头寸转移给特定的流动性提供者或做市金库，这实际上是将不可知的尾部风险集中转移给了这部分参与者。当市场持续恶化时，这些接盘方可能面临毁灭性打击，这在本质上也是一种对特定群体的不公平风险分配。

值得注意的是，上述不可能三角并非加密市场的全新发现。传统金融市场中的中央对手方清算所（CCP）在机制设计上同样面临确定性、冲击最小化与公平性之间的根本性张力（Duffie & Zhu, 2011 [20]; Pirrong, 2011 [21]）。CCP 通过违约瀑布机制逐层吸收损失，在法律框架约束下实现了相对明确的风险分配规则（中央对手方与违约瀑布的分层结构参见第1章的论述）。然而，加密衍生品市场在三个维度上面临更为严峻的约束：第一，不存在法律层面的损失共担框架，传统 CCP 的损失分摊机制依赖于清算会员之间具有法律约束力的协议和监管授权，而加密交易所与用户之间仅通过服务条款建立关系，缺乏等效的多边风险共担法律基础；第二，不存在中央银行作为最后贷款人的流动性支持，当传统 CCP 面临系统性压力时，央行可通过紧急贷款便利注入流动性以防止连锁违约，而加密市场没有任何对等的外部流动性注入机制；第三，保证金计算的时间尺度从传统 CCP 的日内或隔日结算被压缩至实时逐笔更新，使得从发现不足到执行清算的全过程从数小时压缩至毫秒级别，极大地消除了任何人工干预或斡旋的可能性。

![图 11-26：清算设计的不可能三角 — 四种清算模式的选点](./images/fig-11-26.png)

**图 11-26.** 清算设计的不可能三角——四种清算模式的选点（概念示意，非实测数据）

### 11.6.3 四种清算模式

面对不可能三角，不同的交易所和协议根据其自身的定位和技术架构，做出了不同的取舍，形成了四种典型的清算模式：

悬崖式清算常见于早期的加密货币交易所和部分 DeFi 协议（机制详见§11.1.3）。它在确定性和公平性之间取得平衡：严格遵循“谁违约谁被清算”的原则、执行果断，但代价是完全放弃了冲击最小化，极易在流动性匮乏时引发深度的价格断崖和清算级联。渐进式清算以 Binance 和 OKX 为代表的现代中心化交易所多采用（机制详见§11.1.3）[22]。它按固定比例或阶梯式削减头寸，在一定程度上缓解了市场冲击、对被清算者相对更为公平，但也牺牲了部分确定性（价格可能继续恶化导致剩余头寸穿仓）。金库接管式是近年来在 Hyperliquid 等去中心化永续合约交易所中兴起的新模式（机制详见§11.1.3）[23]。它将清算头寸转移至由流动性提供者组成的做市金库（如 HLP 金库）逐步消化，极大地实现了冲击最小化，但严重牺牲了公平性，因为金库投资者在不知情的情况下被迫承担了高杠杆交易者高风险资产的尾部风险。自动减仓则是作为最后防线存在的极端机制（机制详见§11.1.3）：当穿仓已经发生且无法通过常规手段弥补时，系统按“盈利最多、杠杆最高”的排序强制平掉盈利方头寸来对冲坏账，将确定性推向极致，代价是彻底粉碎了公平性。在2025年10月10日的极端行情中，研究显示 Hyperliquid 触发了其运营史上首次全仓自动减仓，其中约6.53亿美元属于超出实际穿仓缺口（约0.23亿美元）的过度减仓（overshoot），对应盈利交易者额外损失约0.45至0.52亿美元[18]（该量化结论来自 Chitra 的预印本研究，尚待链上数据与同行评审交叉验证）。然而，“过度使用”这一判断需要进一步的精确化：关键问题包括：在 ADL 被触发的时间节点上，保险基金是否仍具备充足的偿付能力以覆盖穿仓损失？ADL 的排序算法（通常基于盈利百分比和有效杠杆的加权排序）是否在实际执行中存在偏差？触发 ADL 的阈值参数是否在事前经过充分的校准和回测？对这些问题的回答将决定这一事件的性质是系统设计的固有缺陷还是参数校准的技术失误。从法律层面来看，在传统金融市场中，强制平仓一个方向判断正确且处于盈利状态的头寸将立即引发法律挑战，上述过度减仓造成的盈利方损失构成了可量化的具体损害，受影响的交易者原则上有权主张赔偿。交易所服务条款中关于 ADL 机制的风险披露的充分性和法律效力，将是决定这一争议最终走向的核心因素。

![图 11-27：四种清算模式的执行流程对比](./images/fig-11-27.png)

**图 11-27.** 四种清算模式的执行流程对比

### 11.6.4 策略性清算

清算机制的固有设计缺陷往往会催生出被称为“策略性清算”的攻击行为。攻击者利用清算引擎的机械性，通过蓄意操纵价格来触发他人的清算，并从中牟利。在不同的清算模式下，这种攻击的可行性和表现形式各不相同。

在悬崖式清算下，策略性清算的可行性最高，攻击者只需投入相对较小的资金将价格推至关键支撑/阻力位，触发大规模清算单，随后这些清算单会自我强化，导致价格大幅偏离，攻击者可以在低位接盘获取丰厚利润。相比之下，在渐进式清算中，由于头寸被分批释放，攻击者需要持续施加压力才能维持清算级联，这显著提高了攻击成本，降低了预期利润潜力。这两种攻击模式的共同特征在于，攻击者均通过直接的价格操纵来触发清算机制的机械性响应，区别仅在于所需施加的力度和持续时间。

在金库接管式机制下，策略性清算的攻击向量从价格操纵转向了风险转嫁，演变为“攻击金库”。例如，2025年3月12日的 Hyperliquid 鲸鱼事件中，有巨鲸交易者故意建立庞大的高风险头寸并通过提取保证金触发清算，使 HLP 金库承受约400万美元损失，并引发后续恐慌提款[24]。同月26日的 JELLY 事件则是另一类更复杂的攻击：攻击者利用外部现货市场和预言机传导，迫使 HLP 承接模因币空头风险，峰值未实现亏损约1200万至1350万美元，最终在验证者干预后转为小额盈余或有限损失。这两类事件都利用了金库承接风险的结构性暴露，但攻击路径和损益口径并不相同。而在 ADL 机制下，策略性清算则表现为更为隐蔽的参与者行为扭曲：由于担心被系统强平，盈利的交易者可能会提前平仓，或者故意降低杠杆以规避 ADL 排序，这种“避免 ADL”的预防性行为会抽干市场的流动性，反而加速市场崩溃的到来。金库接管与 ADL 模式下的攻击本质上都是利用清算机制中风险再分配逻辑的结构性漏洞，通过扭曲系统激励来实现攻击目标；其中 JELLY 式路径还叠加了外部价格操纵和预言机传导。

![图 11-28：策略性清算在四种模式下的成本、利润与可行性对比](./images/fig-11-28.png)

**图 11-28.** 策略性清算在四种模式下的成本、利润与可行性对比（概念示意，定性相对值，非实测数据）

图 11-28 的对比表明，随着清算模式从悬崖式向金库接管式演进，策略性清算的直接可行性降低，但攻击向量从价格操纵转向了金库风险转嫁。自动减仓模式下，策略性清算的形态进一步演变为参与者的预防性行为扭曲，即盈利方因规避被强制平仓而提前退出市场，反而加速了流动性的收缩。这一发现表明，清算模式的选择不仅影响系统的即时稳定性，也塑造了参与者的长期行为激励。

策略性清算的博弈论分析需要纳入法律威慑这一外部约束的调制作用。在传统金融市场中，蓄意操纵价格以触发他人清算的行为落入多个法律框架的规制范围：美国 SEC Rule 10b-5将其界定为证券欺诈的一种形式，欧盟《市场滥用条例》（MAR）将市场操纵明确列为刑事犯罪，CFTC 已在加密领域展开执法实践，例如2022年 Avraham Eisenberg 对 Mango Markets 的策略性操纵导致其于当年12月被捕、2024年4月被陪审团定罪（但该刑事定罪已于2025年5月被纽约南区法院推翻，目前仅 CFTC、SEC 的民事诉讼仍在进行——这一反复本身也印证了下文所述匿名性与跨辖区套利对法律威慑的削弱）。这些法律先例表明，法律威慑显著改变了策略性清算的博弈均衡：在纯粹的博弈论模型中，只要攻击的预期收益超过执行成本，理性攻击者就会选择实施攻击；而法律威慑通过引入预期处罚成本（包括罚款、监禁和声誉损失），抬高了攻击的有效成本，从而缩小了可盈利攻击的参数空间。然而，这种威慑效力在加密市场中受到匿名性和跨司法管辖区套利的显著削弱。

在去中心化交易所（DEX）环境中，策略性清算面临一个独特的信息结构问题。由于所有仓位数据都记录在公开的区块链上，攻击者可以精确计算每一个账户的清算价格和维持保证金水平，从而以最小的资本投入精确触发目标清算。这种“玻璃箱”式的完全信息透明与中心化交易所中仓位信息的私密性形成了鲜明对比。在 CEX 中，攻击者只能通过清算热力图或公开的聚合数据大致推测清算密集区的位置，而 DEX 中的链上可见性消除了这种信息屏障，使策略性清算的计划和执行变得更加精准和低成本。

### 11.6.5 双三角嵌套

清算设计的不可能三角并不是孤立存在的，它实际上深深嵌套在服务商层的设计权衡之中。需要说明的是，第5章的服务商不可能三角以“性能、透明度、去中心化”为三个顶点；本节出于刻画清算与杠杆跨层传导的需要，将其在系统性风险视角下重新参数化为“去中心化、资本效率、安全性”这一派生的外层三元组（资本效率体现为对高杠杆、高性能的追求，安全性体现为偿付保障与可验证性），用以约束清算内层三角。这两个三角之间存在着强烈的跨层张力。

追求资本效率必然导致平台提供更高的杠杆率。高杠杆意味着交易者的安全垫极薄，这直接导致清算事件变得更加频繁且规模庞大。这迫使清算机制在设计时必须向确定性倾斜，从而加剧了清算三角内部的冲突。换言之，资本效率与系统脆弱性之间存在一条几乎不可回避的因果链条：杠杆率每提升一个数量级，清算密集区的密度便呈超线性增长，确定性约束对公平性和冲击最小化的挤压也随之加剧。

与此同时，追求去中心化意味着系统中缺乏一个拥有无限资产负债表的中心化裁判（如传统清算所）来兜底。在没有外部注资可能性的情况下，系统只能通过内部规则（如 ADL）来解决穿仓问题，这不可避免地触及了公平性的底线。

这些因素共同指向，追求安全性要求系统建立厚实的保险基金或做市金库来保障偿付能力。这使得系统倾向于采用金库接管等模式以实现冲击最小化。然而，正如前文所述，这种模式实际上是将风险集中转移，一旦尾部风险超出金库的承受能力，系统的整体安全性反而会瞬间崩溃。这种嵌套关系表明，加密衍生品市场的风险管理是一个极其复杂的系统工程，任何单一维度的优化都可能在其他维度引发不可预知的连锁反应。

![图 11-29：清算设计不可能三角与第5章服务商不可能三角的嵌套关系](./images/fig-11-29.png)

**图 11-29.** 清算设计不可能三角与服务商不可能三角的嵌套关系（概念示意；外层三角的去中心化/资本效率/安全性系第5章服务商不可能三角在系统性风险视角下的派生重参数化，非第5章原始的性能/透明度/去中心化三顶点）

如图 11-29所示，外层三角（去中心化、资本效率、安全性）的参数选择直接约束内层三角（确定性、冲击最小化、公平性）的可行域：外层向资本效率倾斜时，高杠杆头寸密度上升，内层被迫向确定性倾斜，公平性与冲击最小化的空间同步收窄。这种嵌套意味着加密衍生品市场的风险管理不是单一维度的参数优化，而是多层约束下的系统工程问题。

上述不可能三角的实际约束边界正在被外部监管力量重新塑造，形成一种可称之为“监管反身性”的动态过程。欧盟《加密资产市场监管法案》（MiCA）建立了首个综合性加密资产框架，但加密衍生品本身被 MiCA 排除、归《金融工具市场指令》（MiFID II）管辖，欧盟委员会2026年对 MiCA 的评估才刚开始审视加密杠杆合约与衍生品敞口（截至2026年中仍属监管空白而非既定杠杆上限）；英国金融行为监管局（FCA）则通过 PS20/10（2021年1月6日生效）明确禁止向散户销售加密衍生品，日本和香港分别设定了杠杆倍数上限。在此趋势下，部分交易所提供的125倍杠杆在很大程度上依赖于监管套利，即在监管尚未覆盖或执法力度较弱的司法管辖区运营。然而，监管介入本身也面临一个深层的反身性悖论：如果监管机构选择在未平仓合约规模高企的时期强制降低最大杠杆倍数或要求追加保证金，这一旨在保护消费者的措施本身可能成为级联的触发因素，大量以高杠杆建仓的存量头寸将因新的保证金要求而被迫平仓，产生的集中性抛压与清算引擎的机械性反应形成叠加，其效果与外生价格冲击触发的级联在动力学上是同构的。因此，消费者保护目标与系统性风险防范目标之间存在时间维度上的内在冲突：长期来看，降低杠杆上限无疑能减少系统脆弱性；但在实施时点的选择上，如果处于高杠杆存量期，保护性措施本身反而可能制造它试图预防的系统性危机。

## 11.7 时间压缩效应

在传统金融市场中，去杠杆化通常是一个以天、周甚至月为单位的缓慢过程。然而，在加密资产衍生品市场，尤其是永续合约市场中，这一过程被极度压缩到了分钟甚至秒级。这种“时间压缩效应”不仅从根本上改变了市场微观结构的动态，也使得传统的风险管理范式在面对加密市场时失效。

### 11.7.1 跨市场对比

通过回顾金融史上的重大去杠杆事件，我们可以清晰地看到这种时间尺度的剧烈变化。

在传统金融领域，1998年长期资本管理公司的崩溃，其去杠杆和资产清算过程在美联储的介入下，持续了大约3个月才基本完成[25]。2008年雷曼兄弟破产引发的金融海啸，其复杂的衍生品头寸解仓耗时数月至数年[26]。即便是近年来发生的高杠杆爆仓事件，如2021年 Archegos Capital 的崩溃，其主要头寸的强制平仓也经历了约3天的时间[27]。2022年英国养老金 LDI（负债驱动投资）危机中，面对英国国债收益率的飙升，养老金基金补充保证金和抛售资产的过程持续了约2周[28]。

在传统市场中，标准的保证金追缴通常给予交易者T+1到T+5个工作日的时间来补充资金或自行平仓。这种时间缓冲机制起到了对系统稳定性具有决定性影响的系统稳定器作用。以1998年 LTCM 危机为例，美联储在一个周末内组织了14家银行组成的银团，经过整整3天的密集谈判，最终安排了36亿美元的救助融资。这一以人工协调为核心的危机应对过程，虽然以加密市场的标准来衡量极为缓慢，却为各方提供了充分的信息交换和利益协商空间，使得协调性的系统救助方案得以形成。然而，这种依赖于人工中介的响应模式在无许可市场中不具有结构性的可行基础：没有中央协调人可以召集参与方，没有可执行的谈判框架，也没有法律强制力来约束各方履行救助承诺。

反观加密衍生品市场，在2020年的“3.12”暴跌中，加密市场的去杠杆主要集中在24小时内完成。到了2025年10月10日的极端清算事件中，根据市场数据分析机构的统计，如本章开篇所述的近200亿美元级别的杠杆头寸在一天内被清算（详见§11.9.2的完整微观结构数据），而其中最核心的破坏仅集中在40分钟的窗口内，峰值清算速率较正常水平加速了86倍[2]。在这同一场危机中，据 Chitra 的预印本研究，Hyperliquid 交易所的自动减仓机制在约12分钟内强制关闭了约21亿美元的头寸（该次为其运营史上首次全仓 ADL 触发）[18]。

从传统金融的数月、数周，到加密市场的数分钟、数十秒，去杠杆的时间尺度被压缩了约 $10^4$ 至 $10^5$ 倍（此为以传统典型 T+3 至数周、加密典型分钟级为基准的中段估计；若取月级→秒级的极端端点则可达约 $10^6$ 倍，按天级→分钟级则约 $10^3$ 倍）。

![图 11-30：时间压缩效应 — 传统金融 vs. 永续合约去杠杆时间线对比（对数尺度）](./images/fig-11-30.png)

**图 11-30.** 传统金融与永续合约去杠杆时间线对比（对数尺度；去杠杆时长为典型量级的示意对比，非精确测量）

### 11.7.2 四个驱动力

这种极端的时间压缩并非偶然，而是由加密衍生品市场的基础架构和规则设计所共同决定的。具体而言，有四个核心驱动力导致了这一现象：

全天候运行与无缓冲机制意味着加密市场实行24/7/365无间断交易，没有收盘、周末休市，也没有官方涨跌幅限制与熔断。永续合约与传统期货的价格锚定机制还存在本质差异：传统期货拥有硬性、离散的锚定（到期交割强制期货与现货收敛），永续合约仅依赖资金费率这一柔性、连续的锚定，后者在极端压力下可能失效甚至反转（如§11.4所析的资金费率反转风险），使基差偏离在缺乏硬性交割约束下无限期持续，危机中的恐慌与清算卖压也无法通过休市来冷却。自动化清算将清算逻辑硬编码于撮合引擎或链上智能合约，一旦预言机喂价触及维持保证金阈值便毫秒级、无条件地触发平仓，全无传统市场依赖人工通知、协商与宽限的余地。交叉保证金的传染性源于统一账户允许以一种资产的浮盈担保另一资产的亏损，平静时提高资本效率，极端行情下却使组合风险由风险最高的成分资产决定——如2025年10月事件中 WLFI 等长尾资产暴跌拉低账户整体保证金率，引发对比特币和以太坊等核心资产的强制抛售[27]，极大加速清算进程。透明订单簿与流动性真空则源于清算线可被专业做市商精确预判：预见大规模清算来临时，理性做市商为规避“毒性订单”会瞬间撤走买单，10月10日关键交易对的流动性数分钟内蒸发99%以上、价差扩大三个数量级（详见§11.9.2表 11-7）[2]，少量清算单即可贯穿剩余深度、引发更深层清算。

![图 11-31：时间压缩的四个驱动力与传导机制](./images/fig-11-31.png)

**图 11-31.** 时间压缩的四个驱动力与传导机制

### 11.7.3 决策与执行的不匹配

时间压缩效应带来了一个严重的后果：人类的决策延迟与机器的执行速度之间出现了根本性的不匹配。

在传统的风控框架下，风险管理团队在接收到市场异动警报后，需要经过数据核实、风险评估、决策制定、资金调拨和指令下达等一系列流程。即使是训练有素的顶尖机构，这一过程也需要至少数十分钟到数小时。即便是部署了预编程风控阈值的算法交易公司，在面对极端行情时通常也需要30至60秒来判断异常波动究竟是数据错误、交易所局部异常还是真实的市场事件，而这一延迟已经超过了10.10级联危机中最具破坏力阶段的整个持续时间。我们粗略估计，人类风控团队在紧急情况下的有效响应和资金调度上限约为每小时0.5亿美元。

然而，正如2025年10月10日事件所展示的，在清算级联的爆发期，系统的等效清算速率达到了每小时103.9亿美元；在峰值的60秒内，更是达到了等效每小时约1926亿美元的极端速度（此为将峰值分钟的清算量按小时线性外推所得的等效速率，仅维持约一分钟，并非可持续速率）。这意味着机器清算的速度比人类最快的响应速度快了数百倍甚至数千倍。

在这种速度差异面前，任何依赖于人工干预的风控措施都难以发挥作用。交易者无法在其账户被清算前做出任何响应，甚至连登录交易所界面、点击追加保证金按钮的时间都没有（在极端波动中，交易所的 API 和前端界面往往会因为流量过载而宕机）。

![图 11-32：10.10事件清算速率加速 — 人类决策延迟 vs. 机制执行速度](./images/fig-11-32.png)

**图 11-32.** “10.10事件”清算速率与决策响应速度对比（数据来源：Amberdata [2]，as-of 2025-10；清算速率多口径勿混读：峰值分钟约32.1亿美元/分钟、级联40分钟均值约103.9亿美元/小时、峰值分钟线性外推约1926亿美元/小时，仅约1分钟、非可持续速率；人类响应延迟为示意代表值）

### 11.7.4 风控与监管含义

时间压缩效应不仅是市场微观结构的一项技术特征，它对加密衍生品市场的风控方法论和未来监管路径提出了深刻的挑战。

“有效杠杆”的定义必须重构。传统的风控模型往往基于静态的保证金率和历史波动率来计算安全垫。然而，在时间压缩和流动性瞬间蒸发的环境下，名义杠杆率毫无意义。真正的风险不仅取决于方向性敞口，更取决于极端情况下抵押品篮子的流动性深度。正如研究指出的，“市场是在边际上交易的，而不是在均值上交易的”[27]。风控模型必须引入动态的、非线性的流动性惩罚因子，模拟在订单簿深度萎缩90%以上的场景下，头寸是否依然安全。

与此同时，防范单点故障直接决定了系统的生存能力。当基础设施在极端行情下变得不可靠时，将所有头寸、抵押品和预言机喂价集中在单一交易所（即使是去中心化交易所）将成为致命的单点故障。例如，当某交易所的内部稳定币价格因局部流动性枯竭而脱锚时，基于该局部价格的清算引擎会无情地清算掉本应在全局视角下完全健康的跨市场对冲组合[27]。因此，多中心化的预言机喂价、跨交易所的资金冗余配置以及自动化的程序对冲，成为了专业机构生存的必选项。

从系统性风险与监管的角度分析，时间压缩效应要求我们重新思考熔断机制在加密市场中的适用性。虽然纯粹的去中心化精神排斥任何人为的交易干预，但在清算引擎的执行速度远远超越市场自我修复能力的情况下，某种形式的算法级断路器或基于波动率的动态清算延迟机制，或许是防止“闪崩”演变为系统性危机的必要妥协。然而，传统市场中熔断机制的实际效果远非无争议。Goldstein 和 Kavajecz（2004）[29] 的研究揭示了熔断机制的“磁石效应”（magnet effect），即当价格接近熔断阈值时，交易者预期交易即将暂停，因而加速卖出以避免被锁定在不利仓位中，这种行为反而将价格更快地推向熔断线，使得熔断机制本身成为了波动的放大器而非阻尼器。这一“磁石效应”的理论根源可追溯至 Subrahmanyam（1994）[30] 对熔断阈值如何扭曲交易者跨期下单行为的早期分析。在加密市场的碎片化交易所格局中，这一问题进一步复杂化：如果单个交易所单方面实施交易暂停，其立即效果是将订单流驱赶至仍在交易的竞争平台，而非真正阻断级联，卖压不会因为一个交易所的暂停而消失，只是在其他平台集中释放。全市场范围的协调性暂停在理论上可以解决这一问题，但这与加密市场的去中心化本质和无许可运营原则存在深层矛盾。因此，一个更为可行的替代方案是动态清算节流机制，即不暂停交易本身，而是在检测到级联条件时降低清算引擎的执行速率（例如，将单位时间内处理的清算订单量限制在订单簿可用深度的一定比例以内），从而在维持市场开放的同时减缓正反馈循环的加速度。这种设计在不中断价格发现功能的前提下，为流动性恢复和做市商重新入场提供了时间窗口。

### 11.7.5 传统保证金市场的结构性保护

加密衍生品市场时间压缩效应的极端性，在与传统保证金市场的结构性保护机制对比中愈加鲜明。传统金融市场经过数十年的制度演进，已建立起多层次的减速机制，这些机制共同构成了防止去杠杆过程失控的结构性缓冲。

在流动性深度方面，传统期货市场的订单簿深度通常是加密市场的数十倍乃至数百倍。以芝加哥商品交易所的标准普尔500指数期货为例，其正常时期的可见订单簿深度可达数十亿美元级别，即使在2020年3月的极端行情中仍维持了数亿美元的最低深度。这一量级的流动性池意味着，单笔或数笔大额清算订单在执行时产生的价格冲击被有效稀释，难以形成自我强化的级联反馈。需要指出的是，绝对深度的跨市场对比应以未平仓合约量或日均交易量进行标准化处理，以获得有意义的相对流动性比较。加密永续合约市场的绝对深度虽然远低于标普500期货，但其相对于 OI 的深度比率可能揭示更为精确的脆弱性度量。一个极具分析价值的对照案例是 CME 比特币期货：它交易的是与加密永续合约相同的底层资产，但运行在传统市场基础设施之上，具备完善的熔断机制、受监管的做市商义务、保证金宽限期以及清算所的多层违约瀑布。因此，在同一宏观冲击事件中比较 CME 比特币期货与加密永续合约的价格行为，可以在有效控制底层资产风险因子的条件下，分离出市场微观结构差异对级联动力学的净贡献。

熔断机制构成了传统市场最直接的时间压缩阻断手段。当价格在短时间内跌幅达到预设阈值（如5%、7%、13%）时，交易所强制暂停交易5至15分钟。这一暂停期赋予市场参与者重新评估信息、追加保证金和调整策略的时间窗口，有效打断了恐慌性抛售与机械清算之间的正反馈回路。

主经纪商在传统市场中充当着介于交易者与清算所之间的信用中介层。当客户面临追加保证金压力时，主经纪商可以基于客户的整体信用状况和长期关系提供短期融资宽限，使客户得以在数小时乃至数天内有序地调整头寸，而非被迫在最差的市场条件下立即平仓。这种人际关系和信用判断所构成的弹性层，在纯算法驱动的加密市场中完全缺失。

此外，传统市场投资组合的资产多样化程度远高于加密市场。股票、债券、大宗商品和外汇之间的相关性在正常时期较低，即使在危机中相关性上升，也不太可能同时达到接近1的水平。相比之下，加密市场中绝大多数资产与比特币的相关性在危机期间呈现出向1.0迅速收敛的经验趋势。虽然精确的相关性数值因事件、时间窗口和资产类别而异，但这种方向性的高度同步性在历次重大级联事件中反复出现。需要指出的是，相关性度量的是价格变动方向上的一致性而非幅度上的对称性：在10.10事件中，BTC 的最大回撤为14.5%，而部分 DeFi 代币的回撤深度达到70%以上。高相关性与截然不同的回撤幅度之间的表观矛盾可以通过以下机制来调和：所有资产的下跌方向一致（因此相关性高），但流动性更差的资产由于订单簿深度更浅、杠杆集中度更高以及做市商撤退更快，承受了不成比例的价格冲击。这意味着交叉保证金制度中几乎不存在有效的风险分散，整个投资组合的行为在方向上等同于单一资产的高杠杆头寸，而在幅度上则由组合中流动性最差的成分资产主导。

## 11.8 信息悖论与机制性波动

清算事件在订单簿中同时携带信息与噪声，做市商无法将两者分离，由此产生的系统性过度反应构成了永续合约市场特有的效率约束。本节首先界定清算的信息悖论，随后分析做市商的逆向选择困境，最后提出机制性波动的概念及其跨模式差异。

### 11.8.1 清算的信息悖论

在永续合约的市场微观结构中，清算事件构成了一个独特的认知难题，我们将其称为清算的信息悖论。这一悖论不仅是微观结构理论的延伸，更是理解加密资产市场极端波动的核心钥匙。当我们在订单簿中观察到一笔清算订单时，它实际上同时包含了两种截然不同的属性，即信息属性与噪声属性。Bouchaud、Farmer 与 Lillo 的研究表明，订单流对价格的冲击具有长记忆特征，大额单向订单流的影响会在时间维度上持续累积 [31]。信息属性源于被清算者的判断错误，但这一表述需要更为精确的分类。被清算的仓位实际上可以按其信息内容区分为三种截然不同的情形。第一种是真正的基本面误判：交易者对资产价值方向的判断确实错误，市场价格的变动反映了基本面的负面更新，在这种情况下，清算订单携带了关于资产真实价值的有效信息，做市商应当据此调整其对公允价值的预期。第二种是基本面判断正确但杠杆过度：交易者对价格方向的中长期判断可能完全正确，但因使用了过高的杠杆倍数，即使市场中2%的正常波动也足以触发其维持保证金的红线，这种清算是纯粹的杠杆噪声，不携带任何基本面信息。第三种是跨保证金传染引发的无关联清算：在统一保证金体系下，交易者在某个不相关资产上的亏损侵蚀了整体账户的保证金余额，导致其在另一个他方向判断正确且该资产基本面并未恶化的品种上被强制平仓。这第三种情形构成了纯粹的结构性噪声，清算与该资产的任何基本面信息完全无关，仅仅是保证金制度设计的副产品。在加密衍生品市场的实际运行中，后两种情形（杠杆噪声和结构性噪声）很可能在数量上占据主导地位，这意味着清算订单流中的信噪比远低于传统市场中知情交易驱动的订单流。核心的困难在于，这两种属性在订单簿中的表现形式是完全相同的。无论是因为基本面恶化导致的绝望抛售，还是因为杠杆过高触发的机械平仓，它们在撮合引擎中都只体现为无情的市价卖单。需要澄清的是，在中心化交易所中，清算订单在技术上是可以被识别的，例如 Binance 提供的 forceOrder WebSocket 数据流允许市场参与者实时区分清算订单与自愿订单。因此，做市商面临的真正悖论并非无法识别清算订单本身，而是即便知道一笔订单是清算订单，也无法对其进行信号与噪声的分解：它属于上述三种情形中的哪一种？是反映了有效的基本面信息、是过度杠杆的机械后果、还是跨资产传染的结构性副产品？这种深层次的信息不对称将做市商置于一个两难的境地。

![图 11-33：清算的信息悖论 — 信息与噪声叠加概念分解图](./images/fig-11-33.png)

**图 11-33.** 清算订单的信息与噪声叠加分解（概念示意，非实测数据）

### 11.8.2 做市商的逆向选择困境

在 Kyle (1985) [10] 提出的微观结构框架下，做市商面对知情交易者时，可以通过订单流的特征来推断其中的信息含量，并据此调整报价。在 Kyle 模型中，做市商通过观察订单的规模与时序特征，逐步将价格调整至反映资产期望价值的水平，这一推断过程的前提是订单背后存在策略性的信息动机。然而，清算订单并不携带此类策略性信息，它们由交易所的风险引擎在预设价格水平上被机械触发，不具备知情交易者那种试探性或策略性的特征，使得标准的信息推断框架失去了适用基础。面对这种无法区分信息与噪声的巨量订单，做市商被迫采取一种极其保守的策略。为了保护自身免受潜在的逆向选择风险，做市商必须假设这些清算订单中至少部分包含了未知的负面信息。

这种被迫的保守假设导致了一个系统性的后果，即价格对清算事件的过度反应。做市商为了规避风险而大幅拓宽买卖价差并撤回流动性，使得清算订单在击穿订单簿时造成了远超其信息含量所应导致的跌幅。这种做市商的理性自保行为，在宏观层面上表现为市场的非理性暴跌。当尘埃落定，我们事后回溯时会发现，那些超出信息成分的价格下跌，纯粹是由清算机制本身制造的，我们将其定义为机制性波动。

### 11.8.3 机制性波动

机制性波动是由清算机制产生、不反映任何基本面信息变化的价格波动，它是衡量清算系统对市场价格发现效率干扰程度的核心指标。这一概念在逻辑上与 Shiller (1981) [32] 在股票市场中识别的过度波动相类似，但存在一个关键的区分：Shiller 所描述的过度波动源于投资者在估值过程中的行为偏差，而加密衍生品市场中的机制性波动则由杠杆与自动化清算之间的结构性交互所产生，这使其成为总价格方差中一个可预测且在原则上可度量的组成部分。机制性波动的来源可进一步分解为两个在概念上可区分但在实践中深度交织的组成部分：（a）机械清算过冲，即清算引擎的强制卖单在流动性稀薄时产生的非线性价格冲击，这是纯粹由算法驱动的、无信息含量的价格偏离；（b）行为恐慌过冲，即未被清算的交易者观察到价格急跌和大规模清算后，出于恐惧而主动进行的恐慌性抛售。以10.10事件为例，峰值时刻93.5%的卖单为强制清算产生的市价单，这意味着约6.5%的卖压来自自愿的恐慌性卖出。虽然6.5%的比例看似不大，但在订单簿深度已经崩塌至正常水平的1%以下的条件下，即使这一小部分自愿抛售也会产生显著的额外价格冲击。严格意义上的“机制性波动”应仅涵盖组成部分（a），即清算引擎直接制造的价格偏离；而组成部分（b）则属于行为层面的连锁反应，本质上是对机械清算的二阶响应。在初步度量上，我们可以通过比较清算密集期和非清算期的价格波动率，在控制了宏观消息等其他因素后，将额外的波动率差额归因于机制性波动。

机制性波动的大小与交易所采用的清算模式密切相关。悬崖式清算由于在瞬间将全部头寸以市价抛向市场，其注入的噪声最大，产生的机制性波动也最为剧烈。渐进式清算通过分批削减头寸，将噪声分散在更长的时间窗口内注入，机制性波动处于中等水平。自动减仓机制虽然对盈利对手方极不友好，但由于其精准的定向平仓，对公开市场价格的冲击有限，机制性波动较小。而金库接管式清算将风险头寸内化，噪声完全不进入公开订单簿，其产生的机制性波动最小。

![图 11-34：机制性波动在不同清算模式下的相对大小](./images/fig-11-34.png)

**图 11-34.** 机制性波动在不同清算模式下的相对大小（概念示意，定性相对值，非实测数据）

信息悖论与机制性波动的存在，对永续合约市场的价格发现效率和市场质量具有深远的含义。它表明，在清算密集期，永续合约的价格会系统性地偏离资产的基本面价值。机制性波动实际上构成了永续合约信息效率的硬顶。无论预言机多么精确，只要高杠杆和强制清算机制存在，这种内生的机制性波动就无法被消除。因此，在评估加密资产市场的质量时，我们必须将机制性波动作为永续合约特有的效率约束纳入考量框架。它提醒我们，在极端行情下看到的价格，往往更多地反映了市场结构的脆弱性，而非资产真实的内在价值。

## 11.9 “10.10事件”的反身性解剖

“10.10事件”是本章理论框架的完整实证检验。本节依次还原危机前的系统脆弱性、触发与级联的微观过程、跨资产传染路径，以及四阶段模型与机制性波动的实证验证。

### 11.9.1 危机前的系统脆弱性

2025年10月10日爆发的加密资产市场大崩盘，即“10.10事件”，为本章探讨的全部理论工具提供了一个完美的实证检验场景。这是加密衍生品历史上规模最大的单日清算事件，据机构统计其24小时清算总额约为2020年3月“黑色星期四”的3倍以上 [17] [3]（注：不同来源对2020年3月事件清算总额的口径差异较大；完整微观结构数据详见§11.9.2）。许多市场评论员将其简单归咎于宏观地缘政治消息的冲击，但当我们深入解剖这一事件的微观结构时，会发现一个更为深刻的真相。宏观消息仅是触发级联的外生催化因素，加密资产市场内部脆弱的杠杆结构、统一保证金制度的交叉传染以及清算引擎的机械执行，才是将一次可控的价格回调放大为系统性内爆的根本原因。

![图 11-35：历史清算事件规模对比](./images/fig-11-35.png)

**图 11-35.** 历史清算事件规模对比（数据来源：CoinGlass [9]，as-of 2025-10；数值为代表性取整里程碑，2021年5月中国禁矿约80–100亿美元、CoinGlass 正典约86亿美元；因 API 上报上限，CoinGlass 口径历史性低估、绝对额偏保守，宜侧重数量级比较）

在危机爆发前夕，加密资产市场已经处于一种高度紧绷的亚稳态。主要场所永续合约未平仓合约总额达到了创纪录的约1466亿美元（据 Amberdata 口径，非全网全口径），并且呈现出极端的多头主导特征 [2]。由于此前市场的持续上涨，单边拥挤度极高，未平仓合约与市值的比率攀升至历史高位，其中使用25倍以上高杠杆的仓位占比显著。更危险的是，资金费率已经完成了“积累脆弱性”过程。在10月6日之前，据 FTI Consulting 崩盘后分析，比特币与以太坊的永续合约资金费率（主要受以太坊行情推动）从年化约10%升至接近30%（约对应每8小时0.027%；该数字未注明系全市场加权抑或单一交易所口径）[27]。这种极端正向的费率意味着多头需要持续向空头支付高昂的持有成本，这在无形中不断消耗着多头的维持保证金，将他们的清算价格系统性地向上拉升，使得整个市场对下行风险变得极其敏感。清算热力图显示，在当时价格下方5%至10%的狭窄区间内，聚集了海量的清算触发点，级联风险指数已经进入了危险的发散区间。

值得强调的是，触发本次级联的宏观事件（对中国进口商品加征100%关税的宣布）并非仅作用于加密资产市场，而是同时冲击了权益市场、外汇市场和大宗商品等传统风险资产。在级联爆发前比特币下跌6.8%的6个小时窗口内，宏观对冲基金将加密资产敞口作为更广泛风险削减策略的一部分进行组合再平衡，这种跨市场的资金流出很可能对初始抛压产生了显著的贡献。对同一时间窗口内标普500指数期货、美元兑人民币汇率以及黄金价格的联动走势进行分析，有助于将初始触发因素分解为加密市场内生成分与跨市场资金流动成分，尽管此类分析超出了本章的讨论范围。

### 11.9.2 触发与级联

危机的触发始于 UTC 10月10日14:57，当时美国总统 Trump 在社交媒体上宣布将对中国进口商品征收100%的关税 [3]。这一宏观催化剂立刻引发了全球风险资产的抛售。比特币价格从121,500美元的高点开始缓慢下滑，在随后的6个小时内跌至114,000美元附近，跌幅约为6.8% [2]。这一阶段的下跌虽然痛苦，但仍然处于正常的价格发现范畴，市场并未表现出系统性的崩溃迹象。然而，这六个小时的下跌逐步侵蚀了高杠杆头寸的保证金缓冲，将价格推向了清算密集区。

![图 11-36：10.10事件时间线 — 价格与清算速率](./images/fig-11-36.png)

**图 11-36.** “10.10事件”价格与清算速率时间线（数据来源：Amberdata [2]，as-of 2025-10）

级联危机开始于 UTC 20:50，当价格触及关键的流动性真空区时，清算级联被正式触发。在随后的40分钟内，市场经历了加密衍生品历史上速度最快的机械去杠杆过程。清算速率从级联前每小时1.2亿美元的温和水平，瞬间飙升至每小时103.9亿美元，加速了整整86倍 [2]。在21:15这个峰值分钟内，高达32.1亿美元头寸在60秒内被清算，其中93.5%是多头被强制平仓 [2]。这种纯粹的算法执行速度，完全剥夺了人类交易员进行干预或补充保证金的时间窗口。

表 11-7 汇总了级联前后四项关键微观结构指标的变化，直观呈现了市场基础设施在40分钟内的全面恶化。

| 指标 | 级联前（8小时均值） | 级联中（40分钟均值） | 变化幅度 |
| :--- | :--- | :--- | :--- |
| 清算速率 | 1.2亿美元/小时 | 103.9亿美元/小时 | 加速86倍 |
| 订单簿深度 | 1.036亿美元 | 17万美元 | 收缩99.8% |
| 买卖价差 | 0.02基点 | 26.43基点（峰值） | 拓宽1,321倍 |
| 未平仓合约 | 1,466亿美元 | 1,099亿美元 | 蒸发25% |

**表 11-7.** “10.10事件”级联前后关键微观结构指标对比（数据来源：Amberdata [2]）

在这40分钟的流动性黑洞中，微观结构数据揭示了市场基础设施的彻底崩溃。根据 Amberdata 的统计，主要交易所的可见订单簿深度从1.0364亿美元断崖式下跌至区区17万美元，超过99.8%的流动性在最需要的时候急剧收缩 [2]。需要指出的是，此处1.0364亿美元的级联前深度数据反映的是可见挂单限价订单。在实践中，加密市场的有效流动性还包含大量隐藏深度（冰山订单以及以高频挂撤报价的算法做市商），在正常市场条件下，这些隐藏流动性通常为可见深度的3至5倍。在级联过程中，这些隐藏流动性的消失速度甚至快于可见订单，因为算法做市商在检测到逆向选择流后会在毫秒内暂停其报价算法。因此，从包含隐藏和刷新成分的总流动性到残余的17万美元，实际有效深度的崩溃幅度很可能接近99.95%，这使得级联动力学比仅从可见订单簿数据所呈现的更为极端。与此同时，比特币永续合约的买卖价差从极其紧凑的0.02基点，爆炸性地拓宽至26.43基点，扩大了1,321倍 [2]。这种微观结构的恶化，使得每一笔新的清算订单在击穿订单簿时，都会产生比平时大得多的价格滑点，从而在更低的价格触发更多的清算，形成了一个典型的正反馈螺旋。

![图 11-37：微观结构崩溃 — 订单簿深度与买卖价差](./images/fig-11-37.png)

**图 11-37.** “10.10事件”订单簿深度与买卖价差（数据来源：Amberdata [2]，as-of 2025-10；端点即深度约1.036亿美元→17万美元、价差0.02→26.43个基点，为 Amberdata 的 BTC 永续口径实测一手值，逐点序列为代表性重构）

### 11.9.3 跨资产传染与抵押品崩溃

这场危机的破坏力不仅体现在单一资产的暴跌上，更体现在它跨市场、跨资产的极速传染。统一保证金制度（交叉保证金）在这里扮演了关键的放大机制角色。当比特币价格下跌触发清算时，交易所的风险引擎不仅会平掉比特币头寸，还会无差别地抛售账户内的高风险山寨币以填补保证金缺口。这导致虽然比特币最终仅下跌了约14.5%，但以太坊下跌了12.2%，而诸如 UNI、AAVE 等 DeFi 蓝筹资产的最大回撤甚至逼近70% [2]。这种不对称的跨资产冲击蕴含着重要的结构性信息。DeFi 代币远超比特币的跌幅很可能是多重因素叠加的结果：相比于比特币永续合约，山寨币永续合约的订单簿深度显著更薄，这意味着等量的清算卖压会产生成比例放大的价格冲击；山寨币永续合约头寸上的杠杆集中度更高；DeFi 代币在统一保证金账户中被不成比例地用作抵押品，从而触发了抵押品驱动的强制抛售；以及做市商从非流动性交易对中撤出流动性的速度更快、程度更为彻底。对上述各贡献因素进行正式的定量分解，将有助于实质性地推进对跨资产传染结构的理解。

![图 11-38：多资产价格跌幅对比](./images/fig-11-38.png)

**图 11-38.** 多资产价格跌幅对比（as-of 2025-10；“收盘跌幅”与“最大回撤/盘中低点”为两种不同口径，不可混读；SOL 收盘跌幅为代表性取整，核实值约−24%、盘中一度逾−40%；各资产具体跌幅以正文§11.9.3为准）

抵押品崩溃是这场跨市场传染中最为显著的一环。作为一种提供高收益的合成美元稳定币，USDe 在当时被大量交易者用作合约交易的保证金 [3]。当流动性危机爆发时，USDe 在 Binance 交易所遭遇了严重的抛压，其价格一度脱锚暴跌至0.65美元，较其1美元的锚定价值折价高达35% [3]。需强调这主要是 Binance 单一场所的局部流动性事件：同一时段 Curve 上 USDe 偏离不足100个基点、Bybit 仅跌至约0.92美元，去中心化场所在数亿美元流动性上基本维持锚定；Ethena 协议自始至终保持约6600万美元超额抵押、铸造与赎回功能正常并在24小时内处理逾20亿美元赎回，表明35%的折价并不反映其 Delta 中性策略的真实偿付风险，而是单一低流动性交易对的定价失真 [3]。由于交易所的保证金系统直接采用本地内部预言机喂价，USDe 的暴跌导致无数原本安全的账户瞬间资不抵债，引发了猛烈的次生清算潮。BNSOL 和 WBETH 等流动质押代币也遭遇了类似的命运，这种抵押品价值与资产价格同时暴跌的双重打击，构成了两个相互嵌套的正反馈环。

USDe 的崩溃暴露了收益型稳定币作为保证金抵押品的结构性风险。与传统稳定币（如 USDT、USDC）以法币储备或短期国债为支撑不同，USDe 通过 Delta 中性策略（持有现货加密资产——主要为 BTC 与 ETH 及其流动性质押衍生品——多头并在对应永续合约上做空等值头寸，叠加部分稳定币与现金储备）来维持锚定。这意味着 USDe 的稳定性本身依赖于永续合约市场的正常运转，而这恰恰是危机中最先崩溃的环节。当10.10事件爆发时，USDe 底层的空头对冲头寸面临巨额资金费率支出（费率急剧转负），其赎回机制在市场流动性枯竭时无法及时执行，导致二级市场价格与理论净值之间出现高达35%的折价。交易所在事件中未能及时下调 USDe 的保证金折算系数，意味着以1:1估值的 USDe 仍被按面值计入保证金，直到价格崩溃后系统才被动响应；此处尚应区分“完全未施加折扣”（视同 USDT 等价处理）与“折扣存在但幅度不足”两种情形，二者对风险管理建议的方向有本质不同的含义。这一滞后揭示了当前保证金系统中抵押品风险评估的根本缺陷：折算系数的调整是离散的、滞后的，而抵押品的市场价值变化是连续的、瞬时的。如前文所强调，USDe 高达35%的脱锚主要是 Binance 单一低流动性交易对的定价失真而非 Ethena 的真实偿付风险；若如此，则交易所的内部定价预言机实际上构成了单点故障——以单一低流动性交易对作为整个统一保证金系统的抵押品估值标记，而其未能在脱锚时实时调整折算系数，也引发了交易所审慎注意义务与受损用户法律追索权的严肃问题。对于任何以衍生品策略为底层支撑的收益型资产，其作为保证金抵押品的适用性需要基于极端压力情景下的流动性和赎回能力来重新审视，而非仅依赖正常市场条件下的历史波动率。

在危机的最深处，自动减仓机制的顺周期效应对市场造成了进一步冲击。当风险准备金枯竭，且无法在市场上找到足够的流动性来接盘被清算的多头头寸时，交易所启动了自动减仓。这一机制强制平掉了那些方向判断正确、正在盈利的空头头寸。这不仅对那些采取德尔塔中性策略的专业做市商造成了严重的损失，更可怕的是，它消灭了市场中最大的潜在买方力量。因为这些空头原本会在价格跌至低位时买入平仓，从而为市场提供宝贵的底部流动性。自动减仓机制的介入，进一步削弱了市场的剩余流动性，导致价格在底部进一步失速。

![图 11-39：清算级联模型 — 清算速率与累计清算量](./images/fig-11-39.png)

**图 11-39.** 清算速率与累计清算量的动态关系（清算级联模型示意，非“10.10事件”逐笔实测，区别于图11-36）

图 11-39 将清算速率与累计清算量叠加呈现，揭示了级联过程中两个关键的动力学特征：清算速率的峰值出现在累计清算量曲线的拐点处，对应于系统从传播阶段向放大阶段的跃迁；而清算速率的急剧回落并非因外部干预，而是因可清算的高杠杆头寸已被大量出清，系统自身的“燃料”耗竭。这种非对称的脉冲形态（缓慢积累、瞬间爆发、快速衰减）构成了加密市场清算级联的典型时间特征。

### 11.9.4 四阶段模型的实证验证

运用本章提出的清算反身性方程和四阶段模型，可以系统地重建“10.10事件”的全过程。在触发阶段，宏观消息导致了6.8%的初始跌幅。进入传播阶段后，价格触及清算密集区，反身性引擎启动，流动性吸收率降至一以下。在放大阶段，时间压缩效应显现，70%的破坏力集中在短短40分钟内释放 [2]，多重共振导致深度归零。最后在终止阶段，随着未平仓合约锐减25%，可清算杠杆头寸大幅减少，级联才最终停止。

危机过后的价格走势，也为我们前文讨论的机制性波动提供了有力的实证支持。在级联将比特币价格砸至104,800美元的低点后，随着机械抛压的衰竭，价格在随后的一天内迅速反弹并稳定在113,000美元附近。这近8,000美元的差价构成了清算机制注入市场的过冲量的直接度量。如§11.8.3所分析，这一过冲同时包含两个成分：机械清算过冲（清算引擎强制卖单在流动性真空中的非线性价格冲击，对应峰值时刻约93.5%的强制平仓卖单）和行为恐慌过冲（未被清算的交易者观察到级联后的自愿恐慌性抛售，对应约6.5%的自愿卖压，但在已崩塌的深度下其边际价格冲击同样显著）。将这8,000美元的全部价差一律归因于“纯粹的机制性噪声”虽然在数量级上是合理的，但严格来说需要进一步区分上述两个成分的各自贡献。

![图 11-40：机制性波动的实证验证 — 价格过冲与反弹](./images/fig-11-40.png)

**图 11-40.** 机制性波动的实证验证——价格过冲与反弹（数据来源：Amberdata [2]、CoinGecko [3]，as-of 2025-10；端点约104,800/113,000美元为实证，机制性过冲σ≈8,200美元，约合7%，系作者模型分解、为粗略上界）

图 11-40 中价格在级联终止后的快速反弹路径提供了机制性波动的近似度量：从最低点104,800美元到稳定区间113,000美元的价差约占级联期间总跌幅近一半（以约122,500美元当日高点计约46%、以约121,500美元触发时点高点计约49%，比值取决于所取高点口径）。但将这一比例直接等同于“机制性波动占比”需审慎对待几项方法论限制。其一，以事后恢复价格作为“基本面公允价值”的代理本身存在偏差，恢复期价格可能受空头回补买压、做市商重新入场后的价差收窄以及危机后新信息（如政策回应信号）影响，偏离危机前一刻的真实估值。其二，该比例应视为机制性波动的粗略上界而非精确度量，因为过冲同时含机械清算过冲与行为恐慌过冲两个成分（如§11.8.3，峰值约93.5%为强制清算、6.5%为自愿恐慌卖出，后者在已崩塌的深度下仍产生不可忽视的价格冲击）。更稳健的替代度量可比较同一窗口内永续与现货的跌幅差异（永续因清算机制应系统性超调），或比较加密资产与宏观敏感性相似但无级联清算机制的传统资产之跌幅差异。这一比例虽粗略，仍为评估不同清算模式的市场效率损失提供了有价值的数量级基准。

![图 11-41：四阶段模型映射到10.10事件](./images/fig-11-41.png)

**图 11-41.** 四阶段模型在“10.10事件”中的映射（事件数据 as-of 2025年10月；图中阶段边界为模型划定）

如图 11-41所示，本章四阶段模型叠加于“10.10事件”实际数据，验证了理论与经验观测的一致性：触发阶段（14:57-20:50 UTC）的6小时缓慢下跌、传播阶段（20:50-21:05）LIAR 跌破1、放大阶段（21:05-21:30）深度归零与价差扩大逾千倍（见表 11-7）、终止阶段 OI 锐减25%后清算速率回落，均与模型的阶段划分和转换条件高度吻合。这表明清算反身性方程具有一定解释力，而级联风险指数作为脆弱度的探索性代理，其预警价值仍需更大样本检验。

## 11.10 本章小结

通过对永续合约清算机制的系统分析，本章揭示了加密资产市场微观结构中的核心结构性悖论：清算机制的设计初衷是消除坏账、维护系统偿付能力，但在极端市场条件下，它转变为系统性风险的主要放大机制。这种转变并非源于单一代码缺陷，而是根植于杠杆、流动性与自动化执行三者的内生互动。本章的分析框架以内生微观结构为核心，同时揭示了宏观流动性条件对基线脆弱性的调制作用、行为金融学机制在聚集和恐慌中的放大效应，以及法律和监管维度对机制设计的外部约束。

本章构建的五个理论工具从不同维度解构了这一动态过程。清算反身性方程将清算与价格之间的双向因果关系形式化，表明当清算卖压超过订单簿的吸收能力时，价格下跌不再由基本面驱动，而是由清算机制本身主导。清算设计的不可能三角进一步指出，在去中心化或高度碎片化的市场中，资本效率、清算平滑度与系统安全性无法同时实现，而现有交易所普遍以牺牲清算平滑度为代价追求资本效率，这为级联崩溃创造了结构性条件。时间压缩效应则解释了加密市场去杠杆过程为何在分钟级时间尺度内完成：智能合约和撮合引擎的毫秒级执行速度使传统风险管理手段失去响应窗口。信息悖论与机制性波动理论量化了清算事件对价格发现效率的扭曲程度：做市商无法在订单簿中区分信息性抛售与机械性平仓，被迫采取过度防御性策略，在宏观上制造了超出基本面变化的价格过冲。费率与清算的复合正反馈模型揭示了极端资金费率如何通过持续消耗多头维持保证金，在清算爆发前系统性地积累脆弱性。

“10.10事件”为上述分析框架提供了完整的实证验证。宏观冲击通过微观结构的弱点逐级放大，统一保证金制度在危机中从资本效率工具转变为跨资产传染的传导渠道，自动减仓机制的强制介入则进一步削弱了市场的剩余流动性供给能力。

这些发现在不同层面具有实践意义。交易者的风险管理需要超越个体头寸监控，将系统性流动性状况和杠杆拥挤度纳入评估框架。在高度反身性的市场中，个体杠杆率不仅反映自身风险偏好，也构成系统脆弱性的微观贡献因素。即使个体采取了保守的对冲策略，在交叉保证金和自动减仓机制下仍可能遭受连带清算。市场基础设施建设则需要将系统性风险管理置于产品设计的核心，具体而言，多节点流动性加权预言机、渐进式清算曲线以及弹性风险准备金机制是降低级联风险的关键路径。监管层面，静态的资本充足率要求或杠杆上限已不足以应对动态风险，监管重心需要转向基于实时数据的系统性风险监控，实时捕捉订单簿深度变化、跨市场资金费率异常以及清算集中度指标的预警体系，是在危机形成前实施干预的前提条件。

清算机制的内在悖论，本质上反映了加密资产市场在效率与稳定性之间的根本张力。理解了清算如何从风险管理工具转变为风险放大机制之后，下一个核心问题随之浮现：当清算引擎耗尽市场流动性、自动减仓也无法弥补保证金缺口时，系统的最终防线在哪里？这引出了下一章的主题，即保险基金。保险基金的资本结构、补充机制及其在极端行情下的承压能力，将决定加密资产衍生品市场的系统性韧性。

## 参考文献

[1] Ali, Z. (2025). Anatomy of the Oct 10–11, 2025 crypto liquidation cascade: Macroeconomic triggers, market microstructure, and systemic risk lessons. *SSRN Electronic Journal*.

[2] Marshall, M. (2025). How \$3.21B vanished in 60 seconds: October 2025 crypto crash explained through 7 charts. *Amberdata Research Blog*. https://blog.amberdata.io/how-3.21b-vanished-in-60-seconds-october-2025-crypto-crash-explained-through-7-charts （存档于 web.archive.org）

[3] CoinGecko. (2026). *What is October 10th? Crypto's 10/10 mass market liquidation event*. https://www.coingecko.com/learn/october-10-crypto-crash-explained （存档于 web.archive.org）

[4] BitMEX Research. (2020). *The 12 March 2020 Bitcoin crash*. https://blog.bitmex.com/the-12-march-2020-bitcoin-crash/ （存档于 web.archive.org）

[5] Acemoglu, D., Ozdaglar, A., & Tahbaz-Salehi, A. (2015). Systemic risk and stability in financial networks. *American Economic Review*, *105*(2), 564–608. https://doi.org/10.1257/aer.20130456

[6] Soros, G. (1987). *The alchemy of finance*. Simon and Schuster.

[7] Soros, G. (2009). *General theory of reflexivity* [Lecture series]. Central European University.

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

[9] CoinGlass. (2025). *Cryptocurrency liquidation history data*. https://www.coinglass.com/LiquidationData （存档于 web.archive.org）

[10] Kyle, A. S. (1985). Continuous auctions and insider trading. *Econometrica*, *53*(6), 1315–1335. https://doi.org/10.2307/1913210

[11] Danielsson, J., Shin, H. S., & Zigrand, J.-P. (2012). Procyclical leverage and endogenous risk. *Working Paper*, London School of Economics.

[12] Bikhchandani, S., Hirshleifer, D., & Welch, I. (1992). A theory of fads, fashion, custom, and cultural change as informational cascades. *Journal of Political Economy*, *100*(5), 992–1026. https://doi.org/10.1086/261849

[13] Binance. (n.d.). *Introduction to Binance Futures funding rates*. https://www.binance.com/en/support/faq/detail/360033525031 （存档于 web.archive.org）

[14] Thaler, R. H. (1999). Mental accounting matters. *Journal of Behavioral Decision Making*, *12*(3), 183–206. https://doi.org/10.1002/(sici)1099-0771(199909)12:3<183::aid-bdm318>3.0.co;2-f

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

[16] Coinalyze. (n.d.). *Aggregated cryptocurrency futures market data*. https://coinalyze.net/ （存档于 web.archive.org）

[17] CoinShares. (2025). *Billions in crypto liquidations: Inside October's \$19B crash*. https://coinshares.com/insights/knowledge/billions-in-liquidations-what-happened/ （存档于 web.archive.org）

[18] Chitra, T. (2025). Autodeleveraging: Impossibilities and optimization. *arXiv preprint arXiv:2512.01112v2*. https://doi.org/10.48550/arXiv.2512.01112

[19] Almgren, R., & Chriss, N. (2001). Optimal execution of portfolio transactions. *Journal of Risk*, *3*(2), 5–39. https://doi.org/10.21314/jor.2001.041

[20] Duffie, D., & Zhu, H. (2011). Does a central clearing counterparty reduce counterparty risk? *Review of Asset Pricing Studies*, *1*(1), 74–95.

[21] Pirrong, C. (2011). The economics of central clearing: Theory and practice. *ISDA Discussion Paper Series*, No. 1.

[22] Binance. (2025). *How does the liquidation process work on Binance*. https://www.binance.com/en/support/faq （存档于 web.archive.org）

[23] Hyperliquid. (2025). *Hyperliquid activates cross-margin auto-deleveraging*. https://hyperliquid.xyz （存档于 web.archive.org）

[24] WisdomTree Prime. (2025). *The great whale slap: How a whale offloaded \$4M in losses to Hyperliquid's HLP vault*.

[25] Shirreff, D. (1998). Lessons from the collapse of hedge fund, Long-Term Capital Management.

[26] Investopedia. (2024). *Lehman Brothers collapse explained: Causes and legacy*. https://www.investopedia.com

[27] Kubali, V. (2025). Crypto crash Oct 2025: Leverage meets liquidity. *FTI Consulting*. https://www.fticonsulting.com/insights/articles/crypto-crash-october-2025-leverage-met-liquidity （存档于 web.archive.org）

[28] Bank of England. (2023). *An anatomy of the 2022 gilt market crisis*.

[29] Goldstein, M. A., & Kavajecz, K. A. (2004). Trading strategies during circuit breakers and extreme market movements. *Journal of Financial Markets*, *7*(3), 301–333. https://doi.org/10.1016/j.finmar.2003.11.003

[30] Subrahmanyam, A. (1994). Circuit breakers and market volatility: A theoretical perspective. *Journal of Finance*, *49*(1), 237–254. https://doi.org/10.1111/j.1540-6261.1994.tb04427.x

[31] Bouchaud, J.-P., Farmer, J. D., & Lillo, F. (2009). How markets slowly digest changes in supply and demand. In T. Hens & K. R. Schenk-Hoppé (Eds.), *Handbook of financial markets: Dynamics and evolution* (pp. 57–160). North-Holland. https://doi.org/10.1016/b978-012374258-2.50006-3

[32] Shiller, R. J. (1981). Do stock prices move too much to be justified by subsequent changes in dividends? *American Economic Review*, *71*(3), 421–436.