套利与市场效率的传导机制

2024年12月18日，美联储联邦公开市场委员会公布本年度最后一次利率决议。在决议发布后的数秒内，数字资产市场的微观结构展现出其独特的复杂性。Binance 比特币永续合约价格下跌1.2%，Coinbase 现货跌幅仅为0.7%，而去中心化衍生品协议 Hyperliquid 因预言机更新延迟，价格尚未完全跟进。这一迅速的差异导致永续合约相对于现货的基差从+15个基点骤然扩大至+65个基点。在价格分化形成后的短时间内，三类套利机制同时启动：高频交易者的自动化系统在微秒级别捕捉到 Binance 与 Coinbase 之间的价格偏离，执行跨市场对冲；系统性量化基金检测到现货与永续合约之间异常扩大的基差，触发基差套利建仓信号；链上原生的 MEV 搜索者则捕获了 Hyperliquid 预言机价格与中心化交易所实时价格之间的42个基点的偏差。这三类力量从各自的专业领域出发，共同指向一个目标：消除价差。在此后的数十秒内，基差被逐步压缩回+22个基点；到第一分钟结束时，三个市场的价格已重新实现紧密对齐。上述30秒内的市场动态，集中体现了本章的核心问题：是谁在驱动价格的快速收敛？他们的逐利行为对整个市场的效率又意味着什么？（需说明的是，本段为基于真实市场机制的典型化情景重构，所列具体数值用于示意，并非对某一具体事件的精确观测记录。）

这些问题将我们从第15章的描述性分析引向本章的因果性分析。第15章借助“效率谱”框架对数字资产市场的效率水平进行了系统性评估，揭示了其在不同资产、平台和时间维度上的高度异质性。本章的核心任务则是深入剖析市场效率的生成、维持与自我修复机制。在缺乏中央清算机构、统一监管和标准化结算基础设施的加密市场中，传统金融理论将套利视为“无风险利润捕获”的定义已显不足，它无法解释为何价差持续存在，也无法充分体现套利行为在此生态中的系统性功能。为此，本章提出“套利基础设施假说”：套利者不仅是价格偏差的被动纠正者，更是市场基础设施的主动提供者。其逐利行为在客观上执行了三项关键的基础设施功能：在价格联结维度上部分承担跨市场价格传导总线的角色（但不承担传统中央对手方清算机构的对手方信用风险集中管理与违约基金职能）；通过持续基差套利锚定永续合约价格的稳定机制，替代传统期货的到期交割；以及将分散在数百个孤立交易所和协议中的局部流动性整合为虚拟全局流动性池。

基于这一理论视角，本章从三个层次分析数字资产市场的套利生态：理论上重新审视套利从“无风险利润”捕获到“基础设施服务”的转变，并剖析由高频交易者、量化基金、协议级套利者、MEV 搜索者和个人交易者构成的多层次生态结构；机制上拆解现货-永续基差套利、跨交易所套利、现货-期货-永续三角套利、资金费率套利、跨品种统计套利以及 CEX-DEX 跨层级套利六类核心机制的收益来源与效率贡献；传导上构建“套利-效率传导模型”，说明微观套利行为如何通过价格校准、信息聚合和流动性整合传导至宏观市场效率，从而与第15章的效率诊断形成因果对接。

16.1 套利理论基础

在金融理论中，套利被视为驱动市场效率的核心机制，即一种持续性的价格纠偏力量，驱动偏离的资产价格向其内在价值回归。然而，当这套经典理论框架被应用于数字资产这一新兴领域时，我们观察到了一系列显著的“异象”。加密市场，一个由全球化、碎片化、7x24小时不间断交易和复杂衍生品构成的独特生态，不仅挑战了我们对无风险套利的传统认知，更迫使我们重新审视套利者在市场中所扮演的根本角色。经典一价定律在加密市场中的系统性违背，构成了重新审视套利本质的起点。永续合约以资金费率机制替代到期交割，从根本上改变了套利的运作逻辑，使其从一次性的到期收敛交易转变为持续性的头寸管理活动。这一范式转移为本章的核心理论贡献，即“套利基础设施假说”，提供了微观机制基础。

16.1.1 一价定律的持续性悖论

经济学中最基本、最直观的原则之一便是一价定律。该定律指出，在不存在交易摩擦（如交易成本、税收或资本管制）的有效市场中，任何同质化的资产无论在何处交易，都应只有一个价格。若出现价差，理性的套利者通过在低价市场买入、在高价市场卖出的方式获利，其行为将迅速抹平价差，使市场恢复均衡。在成熟的传统金融市场，如股票或外汇市场，一价定律在绝大多数时间内都得到了高度的验证。尽管偶有短暂的偏离，但通常在毫秒或秒级时间内就会被高频交易算法所消除。

然而，在加密资产市场中，情况则截然不同。一价定律在该市场中并非稳定成立的经验规律，而是一个被系统性、持续性违背的理论假设。早期对加密市场的学术研究迅速发现了这一显著现象。其中，Makarov 与 Schoar（2020）^[1]首次系统性地揭示了加密市场中普遍存在的巨大套利机会。他们通过分析全球数十家交易所的比特币交易数据发现，跨交易所的价差不仅巨大，而且持续存在。研究指出，跨国价差远大于同一国家内部的价差：美国与欧洲之间约为3%，日本与美国之间约为10%，韩国与美国之间则约为15%、高峰逾40%。例如，韩国市场相对于美国市场的“泡菜溢价”在2017年末至2018年初的牛市顶峰期间，一度超过40%，这意味着在韩国购买比特币需要比在美国多支付近一半的价格。

图 16-1. 跨交易所比特币价差：2017年12月至2018年2月（本图聚焦韩国相对美国的“泡菜溢价”，峰值逾40%；美欧约3%、日美约10%的跨国价差见正文；数据来源：Makarov & Schoar 2020 ^[1]）

这些价差并非短暂的价格偏离，而是能够持续数小时、数天甚至数周的结构性现象。Makarov 与 Schoar 估算，在他们研究的样本期内，理论上可获取的日均套利利润超过7500万美元。这引出了一个核心悖论：如果存在如此显著且规模庞大的无风险利润空间，为何理性的套利者未能如经典理论所预期的那样，迅速将其消除？

这个“持续性悖论”构成了我们理解加密市场套利机制的起点。它强烈地暗示，将加密市场中的套利简单地视为无风险的利润捕获，是一种过于简化的视角。答案似乎并不在于套利者不够聪明或不够快，而在于加密市场的套利行为本身面临着传统市场未曾有过的巨大摩擦与成本。这些摩擦可能源于各国间严格的资本管制，使得套利者难以将一个市场的法定货币利润自由转移至另一个市场；也可能源于交易所之间孱弱的清算和结算联系，使得跨平台转移资产需要承担时间延迟和对手方风险；还可能源于在价格剧烈波动时，套利交易所面临的执行风险和流动性枯竭。因此，我们观察到的持续性价差，或许并非市场完全无效率的标志，而更像是对这些真实存在的、阻碍套利资本自由流动的“摩擦成本”的货币化定价。这就要求我们将分析框架从理想化的无摩擦假设，转向考虑现实约束的套利工程学视角。这一视角与 Shleifer 与 Vishny（1997）^[2]关于套利局限性的经典分析高度契合：现实中的套利者并非拥有无限资本和零风险的理想代理人，而是面临资金约束、委托代理问题和噪声交易者风险等多重限制的经济主体，即便面对明确的价格偏差，其纠偏能力也受到上述约束的系统性限制。Mitchell、Pulvino 与 Stafford（2002）^[3]对权益市场套利的实证研究进一步印证了这一点：即便在成熟、流动性充裕的市场，套利者也常因资本约束与执行风险而无法及时消除已知的定价偏差，使价差得以持续。

16.1.2 从“点式收敛”到“流式锚定”

如前文所述，永续合约的核心创新在于以资金费率机制取代了传统期货的到期交割制度，从根本上改变了套利运作的逻辑。传统期货的无套利定价依赖持有成本模型与到期日的强制价格收敛，我们将其称为“点式收敛”。永续合约则通过资金费率这一持续性的现金流支付机制，将价格锚定从离散的时间点扩展为连续的动态过程，形成了一种全新的“流式锚定”范式。在这一范式下，套利不再是一次性的到期收敛交易，而是一种持续性的头寸管理活动：套利者通过构建 Delta 中性头寸，在赚取基差收敛利润的同时，持续收取资金费率作为风险补偿。

He 等（2022）^[4]为永续合约建立了严谨的无套利定价框架，揭示了一个关键事实：永续合约价格与理论无套利价格之间的偏差，并非市场失灵的异常现象，而是反映套利真实成本的均衡结果。研究发现，永续合约价格与其理论无套利价格之间，存在高达60%至90%的年化平均绝对偏差（mean absolute deviation from no-arbitrage prices）；He 等强调，这一偏差幅度显著大于传统货币市场中同类产品所记录的偏离水平。需要说明的是，该指标度量的是价格相对无套利基准的累积偏离（经年化），其经济含义可进一步理解为实际融资成本与理论无套利隐含融资成本之间的系统性差异，反映了模型未能完全捕捉的市场摩擦和风险溢价。这一显著的偏差幅度，在传统金融市场中是罕见的，但在加密世界却是常态。它反映了套利者在执行基差套利时所必须承担的各种风险与成本，包括交易费用、滑点、资金成本、以及在极端行情下被强制平仓的风险等。套利者要求的预期收益，必须足以补偿这些成本和风险，因此一个显著的、持续存在的基差和资金费率，正是市场达到均衡的自然状态。

从宏观金融视角看，这一偏差可以被分解为至少三个组成部分：其一是反映全球美元利率环境的宏观融资成本，在美联储加息周期中，套利资本的机会成本上升，均衡基差和费率水平相应提高；其二是加密市场内生的杠杆溢价，牛市期间市场参与者对杠杆的过度需求推高了永续合约溢价和资金费率，这一成分具有强烈的顺周期特征；其三是纯粹的结构性摩擦成本，包括交易费用、跨平台资金调拨延迟、保证金锁定等不随宏观周期变化的固有摩擦。将如此高的偏差全部归结为结构性摩擦而忽视宏观金融条件的传导效应，可能导致对市场效率的误判。

图 16-2. 永续合约与无套利价格的年化偏差（数据来源：He et al. 2022 ^[4]）

图16-2显示，永续合约相对无套利价格的年化平均绝对偏差持续维持在60%至90%区间，远高于传统市场同类产品，是套利者所承担成本与风险的货币化体现。

图 16-3. 资金费率与基差的相关关系（数据来源：He et al. 2022 ^[4]）

图16-3刻画了资金费率与永续合约基差的显著正相关：基差扩大（永续溢价升高）时资金费率同步上升，反映多头维持杠杆头寸的融资成本随溢价增长，构成“流式锚定”机制的实证基础。

因此，永续合约的出现，标志着套利理论的一次范式转移。它迫使我们将关注点从价格在未来某个“点”的收敛，转移到价格在当下由现金“流”驱动的锚定关系上。在这种新范式下，套利者不再是简单的价格偏差发现者，而实质上承担了流动性提供和风险管理的双重功能，通过持续管理套利头寸，为永续合约市场提供了关键的价格稳定机制，并因此赚取相应的风险溢价。这为我们接下来提出的“套利基础设施假说”奠定了坚实的微观机制基础。

16.1.3 套利基础设施假说

基于上述对加密市场持续性价差和永续合约“流式锚定”机制的分析，我们得以在本章提出一个统摄性的理论框架，即套利基础设施假说（Arbitrage Infrastructure Hypothesis，以下简称 AIH）。该假说旨在重新定义套利者在数字资产市场生态中的核心角色，并为理解本章后续将要展开的各类套利活动提供一个统一的理论透镜。

套利基础设施假说的核心论点是：在中央清算机构缺位、监管框架仍在快速演化且尚未形成全球统一标准的加密市场中（尽管欧盟 MiCA 已分阶段实施——稳定币规则自2024年6月、其余主体与服务提供商规则自2024年12月30日起适用，并设有至2026年的过渡期——各主要司法管辖区的监管框架正在加速成型），套利者的角色已经从经典金融理论所描述的、对价格偏差进行被动反应的“价格纠偏者”，演化为主动为市场提供核心功能的“基础设施提供者”。他们的逐利行为在客观上构建并维护了市场高效运转所依赖的三项支柱性功能：

第一项功能是跨市清算总线。在传统金融体系中，美国证券托管结算公司或中央对手方清算所等机构确保了不同交易所和市场参与者之间的交易能够顺畅、高效地清算和结算。加密市场天然缺乏此类中心化机构，各个交易所彼此独立。套利者，尤其是高频交易公司，通过在不同交易所之间同时进行买卖操作，在事实上充当了连接这些独立市场的价格传导枢纽，其资本和技术构成了跨市价值传递网络，在价格联结维度上部分承担了本应由中央机构提供的功能（但不承担其对手方信用风险集中管理与违约基金职能，详见下文命题1）。

第二项功能是价格锚定机制。永续合约因其无到期日的设计，缺乏传统期货的到期收敛机制。基差套利者通过持续地在现货和永续合约市场之间进行对冲交易，将永续合约的价格锚定在现货价格周围，其集体行动构成了替代到期交割的、动态的、基于资金费率的持续性锚定机制。

第三项功能是流动性整合网络。加密市场的流动性高度碎片化，分散在全球数百个交易所、数千个交易对以及中心化与去中心化两个截然不同的层级中。套利活动，特别是跨交易所套利、跨品种统计套利和 CEX-DEX 套利，起到了整合这些分散流动性的作用。当一个交易所出现大额买单时，套利者会在其他流动性更深或价格更低的交易所买入，再到该交易所卖出，从而将全球流动性传导至需求集中的市场，形成本章所称的虚拟全局流动性池（即各交易所局部流动性经套利者跨市传导后聚合而成的、可被单一交易者有效调用的全市场深度；在订单簿层面亦表现为一个虚拟整合订单簿）。

需要说明的是，上述三项功能虽由相似的跨市交易行为派生，但作用于不同维度，彼此并不等同：价格传导总线作用于跨主体价值/头寸的净转移（价值流维度），价格锚定机制作用于永续-现货之间在时间上连续的收敛（时间维度），流动性整合网络作用于可用深度的跨所聚合（深度维度）。

上述核心论点可以进一步形式化为以下可检验的命题：

命题1（价格维度的基础设施功能替代性）：在缺乏中央清算机构的市场结构中，套利者的集体行为在价格校准、流动性整合和跨市价值传递等价格维度上，部分替代了传统中央清算机构的功能。需要指出的是，这种替代仅限于价格维度，而传统中央对手方清算所同时承担的对手方信用风险集中管理和违约基金保障等功能，无法被分散的套利行为所替代。当交易所发生违约事件（如2022年 FTX 崩溃）时，套利者非但无法充当信用风险缓冲，反而可能因跨平台头寸暴露而成为风险的传导者和放大器。

命题2（均衡价差的成本函数性质）：在给定宏观利率环境 $r$ 与套利者竞争密度 $N$ 的条件下，均衡状态下的跨市场价差水平 $s^$s∗ 是套利基础设施服务成本 $c$（包括交易成本、资本成本、技术投入和风险溢价）的单调递增函数，即 $s^$ = f(c \mid r, N)，$\partial f / \partial c > 0$。这里显式保留 $r$ 与 $N$ 作为条件变量，是因为宏观融资成本与竞争密度同样影响 $s^$s∗（参见§16.6.3与§16.11），故不应将 $s^$ 简化为 $c$ 的单变量函数。

推论2.1：降低套利摩擦成本 $c$ 的任何技术或制度创新，将降低均衡价差 $s^*$，即降低市场为基础设施服务所支付的成本。需要区分两类“效率”：本推论直接作用的是“价差效率”（一价定律层面、价差宽窄）；而“信息效率”（价格反映信息的速度与完整性）需以信息份额、价格发现速度等与价差正交的指标独立度量。本章后文所称“提升市场效率”，在涉及价差时指前者，涉及价格发现时指后者，二者不应混同。

命题3（收益的补偿性质）：套利者持续获取的正收益并非市场无效率的“异常回报”，而是其作为基础设施提供者所获得的风险调整后的合理经济补偿。

AIH 框架的提出，使我们能够从一个全新的视角来理解加密市场的诸多特性。它与经典套利理论形成了鲜明的对比，如表 16-1 所示：

表 16-1. 经典套利理论与套利基础设施假说的对比（数据来源：作者构建）

这个框架之所以重要，首先在于它解释了§16.1.1中提出的“持续性悖论”。加密市场中持续为正的套利收益，并非市场无效率的“无成本收益”，而是套利者作为基础设施提供者，因其承担风险、投入资本和技术而获得的合理经济报酬。我们观察到的价差，本质上是市场为这些“基础设施服务”所支付的费用。其次，AIH 为后续章节的讨论提供了一个连贯的逻辑。这一框架与 Gromb 与 Vayanos（2010）^[5]关于套利者资本约束与金融稳定关系的理论分析形成了呼应：当套利基础设施的资本基础受到冲击时，其稳定市场的功能可能发生逆转。第17章将要探讨的套利风险，在 AIH 框架下可以被重新理解为“基础设施的脆弱性”；而第18章将要分析的套利失灵与市场异象，则可以被看作是“基础设施的局部或系统性断裂”。最后，AIH 将微观的套利行为与第15章所构建的宏观市场效率谱框架直接联系起来：一个市场的效率水平，在很大程度上是其背后套利基础设施完善程度、稳健性和成本的函数。套利基础设施越完善，其服务成本（即均衡价差）就越低，市场的效率也就越高。

16.1.4 Grossman-Stiglitz 悖论

在套利理论前沿的讨论中，有必要引入金融经济学中的一个经典命题，即 Grossman-Stiglitz 悖论，并探讨其在加密市场中的特殊表现。这一悖论为 AIH 中“均衡价差持续为正”这一子命题（即下文命题2、命题3）提供了重要的理论先例，也揭示了市场效率的内在矛盾和动态均衡的本质。需要指出的是，它本身并不直接支撑“套利者即基础设施提供者”这一更强的核心隐喻。

Grossman 与 Stiglitz（1980）^[6]提出了一个核心问题：如果一个市场是完全信息有效的，即所有信息都已完全反映在价格之中，那么任何个人或机构花费成本去搜集和分析信息都将是无利可图的。但如果没有任何人有激励去搜集信息，那么价格又如何能反映所有信息，从而变得有效呢？这个悖论指向一个结论：一个完全信息有效的市场在逻辑上是不可能存在的。市场必须存在一定程度的“无效率”，即价格必须偏离其基本价值，从而为那些付出成本获取信息的人提供足够的回报，激励他们继续从事信息发现活动。

现在，我们可以将这个经典悖论以类比的方式延伸至加密市场的套利语境。需要先行界定的是，二者机制同构但对象不同：Grossman-Stiglitz 原命题针对的是交易者对“有成本的私有基本面信息”的获取与价格能否完全揭示该信息，其均衡价差源于信息租金；而本章的套利所利用的是“公开可观测的跨市场价差”，其均衡价差源于基础设施服务成本。在这一类比下，“信息搜集”对应“套利活动”，“信息成本”对应 AIH 框架下的“基础设施服务成本”。加密市场的 Grossman-Stiglitz 式悖论可以表述如下：

如果套利活动是完全有效的，能够迅速将所有跨市场、跨品种的价差消除至零，那么套利者将无利可图。因为他们的收益（价差）为零，但他们执行套利所需付出的成本（交易费、资金成本、技术投入、风险承担等）却为正。在这种情况下，理性的套利者将会停止活动并退出市场。然而，一旦套利者这一“基础设施提供者”集体退出，市场的清算总线、价格锚定和流动性整合功能便会失灵，价差将不可避免地重新出现并扩大。当价差扩大到足以覆盖套利成本并提供一个具吸引力的风险调整后收益时，新的或旧的套利者又会被激励重新进入市场。这一过程形成了一个永不终结的动态循环。

这个循环的均衡状态，不是价差为零的“完美有效市场”，而是一个价差维持在某个持续为正的水平上的“动态均衡市场”。在这个均衡点上，边际套利者所能获得的收益，刚好能够覆盖其执行套利活动所需的全部成本。这个均衡价差的水平，就定义了该市场效率的实际上限。它既是市场为激励套利者持续提供基础设施服务所必须支付的最低补偿，也是市场参与者为获取整合的、相对有效的交易环境所必须承担的隐性成本。

这一分析结论为连接后续章节内容提供了理论基础。当套利成本（即 AIH 中的基础设施服务成本）因某些因素而上升时，例如监管收紧导致资本管制加强、网络拥堵导致交易延迟增加、或是市场剧烈波动导致风险敞口增大（这些都将在第17章详细讨论），均衡价差的水平就必须相应提高，才能维持对套利者的激励。价差的系统性扩大，即市场效率的下降，是各种市场异象（将在第18章探讨）得以产生和持续的条件。因此，Grossman-Stiglitz 悖论的加密版本告诉我们，价差并非需要被彻底消除的无效率现象，而是反映市场生态系统运行状态的关键指标；它度量着套利这一核心基础设施的运行成本，并反映着整个市场的效率边界与潜在风险水平。

16.2 套利生态结构

如果说§16.1所提出的“套利基础设施假说”为理解加密市场效率的微观基础提供了理论透镜，那么本节的目标则是进一步分析构成这一基础设施的实体结构，即一个由多元化参与者构成的、层级分明且动态演化的复杂生态系统。在永续合约市场中，套利已从少数投机者的个体行为，演变为高度专业化、分工明确的集体协作与竞争格局。不同背景的参与者，凭借其在资本体量、技术延迟、风险偏好和策略复杂度上的迥异禀赋，占据了生态金字塔的不同层级，彼此之间形成了既相互依存又激烈博弈的复杂网络。这个网络的集体行动，共同构成了 AIH 所描述的跨市清算、价格锚定与流动性整合等关键基础设施功能。

这一生态系统的分析从参与者的层级结构展开。一个包含五个主要层级（Tier 0至 Tier 4）的参与者图谱将识别出从协议级参与者到个人交易者的不同角色及其独特的生态位。Ethena 协议作为“协议级套利”的典型案例，揭示了这一加密原生现象如何重塑了整个生态的资本结构和动力学。参与者之间的互动网络兼具层级竞争与功能互补的特征，其中潜藏的系统性风险值得关注。将这个生态系统置于历史演化框架中，可以追溯其从早期阶段到制度化时代的演进路径，并审视人工智能驱动的新范式可能带来的变革。

16.2.1 五层参与者图谱

永续合约的套利生态并非扁平化的竞争结构，而是呈现出分化清晰的层级特征。根据资本规模、技术能力（尤其是执行速度）、策略复杂度和市场影响力，我们可以将主要参与者归入一个从 Tier 0到 Tier 4的五层金字塔模型中。这个模型不仅揭示了不同参与者的核心竞争力，也阐明了它们在扮演“套利基础设施”角色时所承担的不同分工。需要说明的是，Tier 0（协议级套利者）是近年才出现的特殊层级，本节遵循从传统到新兴的演化逻辑，将其置于 Tier 1–4 之后讨论；编号中的“0”表示其资本规模与系统性影响最为突出，而非出场次序。

图 16-4. 套利生态的五层参与者结构（数据来源：作者基于公开市场数据构建的概念示意图）

图16-4展示套利生态从 Tier 0到 Tier 4的垂直分层：越往顶层资本越集中、参与者数量越少。顶层凭借资本与技术优势捕获最稳定、规模最大的套利机会，底层则在更拥挤、利润微薄的领域竞争。

Tier 1：高频做市商

Tier 1位于传统套利层级中的最高层，主要由 Jump Trading、Wintermute、GSR 等拥有深厚传统金融背景的高频交易公司组成。它们的资本量级通常在数亿美元以上，核心优势在于极低的交易延迟。通过在交易所的服务器托管和优化的网络连接，它们能够以微秒至毫秒级的延迟执行交易。其核心策略是捕捉转瞬即逝的跨交易所价差。例如，当 Binance 上的 BTC 永续合约价格比 Coinbase 上的现货价格高出几个基点时，Tier 1的算法会迅速在 Binance 做空永续合约，同时在 Coinbase 买入现货，锁定近乎无风险的方向中性价差。这种操作的利润虽然微薄，但通过巨大的交易量和高频次累积，依然能产生可观的回报。在 AIH 框架下，Tier 1参与者扮演着跨市场价格清算枢纽的核心角色，它们近乎实时的套利行为有助于使全球主要交易所之间的价格趋于高度统一，构成了虚拟全局流动性池的微观传导网络。

Tier 2：系统性量化基金

紧随其后的是 Tier 2的系统性量化基金。这些参与者的资本规模通常在千万至数亿美元之间，虽然在执行速度上无法与 Tier 1匹敌（通常在秒级至分钟级），但它们的核心优势在于策略的深度和复杂度。当 Tier 1已将微秒级的简单价差机会充分消耗后，Tier 2专注于更持久、更复杂的套利机会。它们的策略库包括但不限于：现货-永续基差套利、资金费率套利、跨期套利（如永续合约与季度期货之间的价差）以及基于统计模型的配对交易。这些策略对速度的要求相对较低，但对市场模型的准确性、风险管理的精细度和资本效率有更高的要求。例如，一个 Tier 2基金可能会构建一个复杂的投资组合，同时做多一组预期资金费率为正的永续合约，并做空另一组预期资金费率为负的合约，以此赚取稳定的费率差。在 AIH 框架中，Tier 2是跨期流动性提供者和相对定价维护者，它们连接了不同期限、不同品种的合约市场，确保了整个衍生品生态系统内部的定价一致性。

Tier 3：链上原生参与者

Tier 3代表了加密市场独有的创新力量，主要包括 MEV（最大可提取价值）搜索者和清算机器人。它们的资本规模可能在百万至千万美元级别，但其核心操作场域位于区块链本身，执行速度以“区块时间”为单位。MEV 搜索者通过复杂的算法扫描内存池，寻找并利用交易排序中的套利机会，例如在去中心化交易所（DEX）的自动做市商池与中心化交易所之间存在价差时，通过“三明治攻击”或“抢先交易交易”来捕获利润。清算机器人则监控借贷协议（如 Aave、Compound）和 DEX 保证金交易中的抵押不足头寸，一旦发现，即触发清算程序，以折扣价购买抵押品并偿还债务，从而赚取清算罚金。在 AIH 框架下，Tier 3参与者是连接 CEX 和 DEX 两个市场层级的关键传导节点，它们将链上世界的定价偏差迅速传递和修正，同时也是链上金融体系风险控制机制（如清算）的实际执行者。

Tier 4：个人交易者与小型团队

金字塔的底层是数量庞大的 Tier 4参与者，包括成熟的个人交易者和小型自营交易团队。他们的资本量级通常在百万美元以下，执行速度依赖于商业化的交易终端或手动操作，反应时间在分钟到小时级别。由于在资本和技术上的劣势，他们无法参与 Tier 1和 Tier 3的竞争，其策略通常集中在 Tier 2策略的简化版，例如手动执行的现货-永续基差套利，或者在不同交易所之间捕捉较大利的资金费率差异。尽管单个 Tier 4参与者的市场影响力微乎其微，但他们的集体行为在总量上对市场产生了显著影响，尤其是在推动资金费率向均值回归的过程中。当资金费率过高时，大量个人交易者涌入进行基差套利，其集体卖压会帮助平抑费率。因此，在 AIH 框架中，Tier 4扮演着“辅助性费率稳定器”的角色，是市场自发调节机制的广泛参与基础。

Tier 0：协议级套利者

最后，也是最特殊的一层，是位于金字塔顶端的 Tier 0，即协议级套利者。这是一个近年来才出现的全新参与者类型，其杰出代表便是 Ethena。这类参与者本身就是一个去中心化协议，通过智能合约汇集了海量用户资金（资本量级可达数十亿甚至百亿美元），以程序化的方式大规模执行原本属于 Tier 2的套利策略。Tier 0的出现，标志着套利行为从“个体/机构策略”向“协议化基础设施”的范式跃迁。它将复杂的套利策略“产品化”和“民主化”，允许任何用户通过持有协议代币（如 USDe）间接分享套利收益。这种模式显著地扩展了套利的资本边界，从少数专业机构的资产负债表扩展到整个 DeFi 世界的流动性。在 AIH 框架下，Tier 0是“基础设施的提供者”，它本身就成为了一个巨大的、系统性的价格锚定和流动性整合工具。然而，这种规模也带来了新的问题，我们将在下一节的 Ethena 案例中详细探讨。

图 16-5. 五层套利参与者的资本量级与执行速度分布（数据来源：作者根据 Jump Trading、Wintermute 等公司公开披露信息及行业报告估算，数据截至2025年第四季度）

图16-5以气泡图（气泡大小代表资本量级，纵轴代表执行速度）刻画各层生态位：Tier 1速度最快但资本并非最大，Tier 0资本远超其他层级而执行较慢，Tier 2、3、4则在资本与速度的权衡中各占其位。

16.2.2 Ethena 与套利即服务

在加密套利生态的演化中，Ethena 协议的崛起是一个代表性案例。它不仅创造了一个规模空前的合成美元 USDe，更重要的是，它开创了一种全新的商业模式，即“套利即服务”。通过将机构级的现货-永续基差套利策略封装成一个无需许可、可组合的链上协议，Ethena 将原本仅限于少数专业机构的套利策略，转变为面向所有 DeFi 用户开放的收益基础设施。这一范式突破为理解“套利基础设施假说”提供了一个典型的实证案例。

Ethena 的核心机制在概念上异常简洁。用户将 ETH、BTC 或流动性质押代币等资产存入协议，协议自动将存入资产作为抵押品，并在 CEX（如 Binance、Bybit）的永续合约市场上开立等值空头头寸，构建 Delta 中性组合。捕获的资金费率收益扣除运营成本后，分配给 sUSDe 持有者。本质上，Ethena 构建了一个大规模自动化基差套利系统，而 USDe 则是该系统产生的稳定现金流的代币化凭证。

需要指出的是，尽管 Ethena 通过链上智能合约管理用户存取款，但其核心操作（在 CEX 上开立和管理永续合约空头头寸）依赖链下托管服务商执行。这种'链上接口+链下执行'的混合架构意味着 Ethena 并非完全去中心化的协议，其托管链条中至少存在三个关键风险节点：托管人的操作安全与密钥管理风险、CEX 的对手方信用风险（FTX 崩溃的教训仍历历在目），以及托管人与 CEX 之间结算通道的运营风险。此外，Ethena 头寸所在的 CEX 可能单方面冻结账户、修改保证金规则或在极端行情下暂停交易，任何此类事件都将导致协议的 Delta 中性假设瞬间失效。

Ethena 作为 Tier 0参与者的结构性创新体现在三个方面。第一，它将套利策略“产品化”和“民主化”，允许任何用户通过持有协议代币间接分享套利收益，显著扩展了套利的资本边界，从少数专业机构的资产负债表扩展到整个 DeFi 世界的流动性。第二，它在 DeFi 的可组合性框架下运作：USDe 和 sUSDe 可以作为抵押品、流动性或收益工具嵌入其他 DeFi 协议，形成了套利收益在 DeFi 生态中的二次分发网络。第三，协议化的运作模式使得策略执行具有透明性和可审计性，降低了传统基金模式中的委托代理风险。

从行为金融视角审视，Ethena 的总锁仓价值（Total Value Locked, TVL）增长曲线并非完全由理性资本配置驱动。早期超过20%的 sUSDe 收益率在加密社区中引发了显著的 FOMO 效应，社交媒体上的收益叙事传播加速了资本涌入的速度，可能远快于理性预期所支持的节奏。投资者倾向于将早期高收益率锚定为'正常'水平，当收益率因策略拥挤而下降时，表现出滞后退出行为。Terra/UST 在2022年因类似的高收益叙事而经历的崩塌，为这种行为动力学提供了前车之鉴。

然而，这种模式也引入了新的风险维度。当一个单一协议的规模增长至占据市场总未平仓合约的显著份额时，它便从价格的“接受者”转变为价格的“制定者”，其自身行为可能引发市场的正反馈或负反馈循环。这种“Ethena 效应”（即规模化套利对自身收益来源的反身性压制，本质上是套利自限性在协议级规模下的具体表现），即规模扩张如何系统性地影响套利标的本身，将在§16.4.3通过定量数据进行详细分析。

此外，'套利即服务'模式的监管定性尚存重大不确定性。一个向不特定公众募集资金、执行投资策略并分配收益的实体，在主要司法管辖区的证券法框架下可能构成受监管的投资产品。'协议化'并不等于'去监管化'，这一法律风险对 Ethena 及所有类似模式的长期可持续性构成潜在挑战。

而协议级套利者为整个生态带来的系统性风险，将在第17章中进一步探讨。

16.2.3 参与者互动网络

套利生态的参与者并非孤立地存在，而是通过复杂的交易关系和信息流动，构成了一个紧密耦合的互动网络。这个网络既存在层级化的竞争结构，也包含功能互补的协作关系，同时也蕴含着可能引发连锁反应的系统性风险。理解这个互动网络，是把握套利生态稳定性和脆弱性的关键。

层级竞争逻辑是这个网络最显著的特征。它遵循着一个简单的原则：速度更快、资本更雄厚的参与者会优先捕获最简单、最明显的套利机会，迫使其他参与者转向更复杂、利润更薄的领域。Tier 1的高频交易者位于竞争层级的顶端，它们以微秒级的速度迅速消除各主要交易所之间的价差，使得任何持续超过一秒的简单跨市套利机会迅速消失。这迫使 Tier 2的量化基金放弃对速度的直接竞争，转而开发需要更长持有期和更复杂模型的策略，如基差套利和统计套利。而当 Tier 0的 Ethena 以百亿级别的资本入场大规模执行基差套利时，它又显著地压缩了 Tier 2和 Tier 4在这一策略上的利润空间。资金费率被系统性地压低，使得原本对个人交易者颇具吸引力的手动 Carry 交易变得无利可图。这种逐级压缩利润空间的效应，是套利技术竞赛的必然结果，它推动着整个生态不断向更高效、更精细化的方向演进，但同时也提高了新参与者的进入门槛。

然而，这个生态并非仅存在竞争关系，功能互补的协作关系同样是维持其运转的重要机制。不同层级的参与者在客观上互为交易对手，并相互创造了运营的条件。例如，Tier 1做市商在提供流动性的同时，也为 Tier 2和 Tier 4的策略执行降低了交易成本（滑点）。一个订单簿深度更厚、买卖价差更窄的市场，对所有参与者都有利。反过来，Tier 2基金执行的基差套利策略（如买入 BTC 现货、做空 BTC 永续合约），为 Tier 1做市商提供了重要的对冲头寸。当大量投机者涌入做多永续合约时，是 Tier 2的套利者提供了做空的对手方，从而维持了市场的平衡。同样，Tier 3的 MEV 搜索者在执行 CEX-DEX 套利时，虽然从 DEX 的流动性提供者处提取了价值，但也客观上帮助 DEX 的价格与外部市场保持一致，降低了普通用户的交易成本。这种复杂的共生网络，使得套利生态形成了一种动态的、自我调节的平衡。

同一层级内部的竞争也扮演着“自动稳定器”的角色。当某个特定的套利策略（如某个山寨币的资金费率套利）出现超额利润时，会吸引大量同层级的参与者涌入。例如，多个 Tier 2基金可能会同时发现并执行该策略。它们的集体行动会迅速压缩套利空间（资金费率下降，基差收敛），直到该策略的预期回报下降到与其风险和成本相匹配的水平。此时，部分效率较低或资金成本较高的基金会选择退出，从而使利润空间略有回升，吸引新一轮的竞争。这个过程构成一个负反馈调节机制，确保了没有任何一个无风险的套利机会能够长期存在，并将市场的效率维持在一个由所有参与者的平均套利成本所决定的动态均衡水平。然而，需要警惕的是，这一负反馈机制在去拥挤阶段可能表现出非线性特征。行为金融研究表明，策略拥挤的上行阶段往往伴随着参与者的过度自信和对尾部风险的低估，而当市场条件恶化时，恐慌性退出可能导致套利强度的下降幅度远超均衡所需，即价差的过度扩大，类似于2007年量化策略遭遇的'量化地震'。在加密市场这种信息传播速度极快、参与者行为高度同质化的环境中，去拥挤的非线性超调风险尤为突出。

但这种紧密的耦合和相互依赖，也积累了系统性风险。当生态中的某个关键节点出现问题时，风险可能会迅速传导至整个网络。Ethena 的案例再次提供了一个警示。如果 Ethena 因为某种原因（如其托管方案出现安全漏洞，或其对冲的 CEX 平台发生违约）而需要紧急平仓其百亿美元的空头头寸，它将在市场上产生巨大的买盘需求。这不仅会使永续合约价格快速上升，导致资金费率快速转正，还会让所有以 Ethena 为空头对手方的多头投机者和做市商面临巨大的盯市亏损。更严重的是，这种冲击可能会触发其他机构的连锁清算，从而引发全面的市场崩溃。这种由单一实体规模过大而产生的“中心化风险”，是协议级套利者为整个生态带来的新挑战。它表明，当套利者从分散的个体演变为集中的基础设施时，虽然效率得到了提升，但系统的脆弱性也可能随之增加。

更深层的系统性风险在于，Ethena 的风险事件可能通过三条路径同时传染至更广泛的市场。第一条路径是 CEX 永续合约市场的直接冲击：大规模空头平仓推高资金费率和永续合约价格，波及所有在相关 CEX 持有头寸的交易者。第二条路径是 DeFi 抵押品链条的连锁反应：USDe 和 sUSDe 已被广泛用作 DeFi 借贷协议和流动性池的抵押品，Ethena 风险事件可能导致 USDe 价格下跌，触发以 USDe 为抵押品的头寸被连锁清算。第三条路径是信心危机引发的稳定币脱锚：市场恐慌可能导致 USDe 的二级市场价格跌破1美元锚定，进一步加剧前两条路径的正反馈。这三条路径在压力下可能同步激活，构成典型的'相关性跳变'场景，即正常时期看似独立的风险因子在危机中突然高度相关，使得局部事件被放大为系统性冲击。

16.2.4 套利的协议化演进

永续合约套利生态并非一成不变，它在过去数年间经历了剧烈的演化。这一演化过程与我们在第15章中描述的加密市场效率三阶段演化框架（早期阶段、机构化时代、制度化时代）高度同步，并清晰地展现了套利行为从零散的个体策略向高度组织化的基础设施服务变迁的演化路径。

在永续合约诞生初期的市场早期阶段（约2016-2019年），套利生态主要由 Tier 4的个人交易者和少数具有市场洞察力的小型团队构成。当时，市场碎片化严重，不同交易所之间的价差巨大且持久，资金费率的波动极不稳定。显著的效率缺口为早期参与者提供了丰厚的利润，但也反映了市场基础设施的极度匮乏。此时的套利行为是机会主义的、非系统的，远未形成能够稳定锚定价格的“基础设施”。

进入“机构化时代”（约2020-2023年），随着加密资产逐渐获得主流金融机构的关注，Tier 1的高频交易者和 Tier 2的系统性量化基金大规模入场。这些机构引入了成熟的交易算法、大规模资本和专业的风险管理体系。这一阶段，核心市场的效率得到了显著提升。跨交易所的价差被压缩至毫秒级，主流币种的资金费率波动变得更加平滑和可预测。套利从经验驱动的个体行为转变为系统化的量化策略，成为机构化资本的常规配置策略。正是在这个阶段，套利作为“跨市清算总线”和“价格锚定器”的基础设施功能初步成型。

当前，我们正处于“制度化时代”（约2024年至今）。这个阶段的标志性特征是 Tier 0（协议级套利者）和 Tier 3（链上原生参与者）的崛起。Ethena 的出现，象征着套利策略本身被“制度化”和“协议化”，成为 DeFi 世界的一个基础构件。与此同时，随着 DEX 和链上衍生品协议的繁荣，MEV 搜索者和清算机器人等链上原生力量的重要性日益凸显。它们在 CEX 和 DEX 之间、在不同的链上协议之间建立了新的效率连接，将套利的基础设施功能从中心化的世界延伸到了去中心化的底层。这一阶段，套利生态的复杂度和整合度都达到了此前任何阶段都不曾出现的水平，但也伴随着前述的中心化风险和新的伦理挑战（如 MEV 的公平性问题）。

展望未来，套利生态的演化远未结束。一个值得关注的前沿方向是人工智能在套利中的应用。随着大型语言模型和强化学习技术的发展，完全自主的 AI 套利代理可能会成为现实。这种潜在的、超越现有 Tier 1 的 AI 原生套利代理，或许能够比 Tier 1 的高频交易者更快地处理和响应非结构化信息（如新闻、社交媒体情绪），或者能够自主发现比 Tier 2 量化基金更复杂的统计套利模式。如果这样的 AI 代理出现，它们可能会重新塑造现有的生态格局，将套利的技术竞争推向新的维度，从基于代码和硬件的执行速度竞争，转向基于算法和智能的认知能力竞争。届时，套利基础设施的形态、效率和风险特征，将经历新一轮的结构性变革。

16.3 套利的分类学

在深入剖析各类具体的套利机制之前，建立一个清晰的分类框架是后续分析的必要前提。永续合约市场的制度独特性（包括其资金费率机制、无固定到期日、高杠杆特性、全天候交易以及中心化与去中心化交易所并存的复杂生态）共同形成了一个远比传统金融衍生品市场更为丰富和多维的套利策略空间。这些策略并非杂乱无章地存在，而是遵循着特定的结构性逻辑。本节旨在建立一个统一的分析坐标系，通过识别套利行为所“跨越”的边界类型，对永续合约生态中的核心套利活动进行系统性分类，并揭示它们从简单到复杂的内在递进关系。

16.3.1 分类框架

对市场套利行为进行分类的传统方法，常依据资产类别或策略的数学模型。然而，在加密市场这一高度异构且快速演化的环境中，一个更为稳健的分类法应着眼于套利行为的本质：即识别并利用不同市场、资产或工具之间的“价差”或“不一致性”。因此，我们提出的分类框架，其核心在于定义套利者试图消除的“偏离”究竟发生在何种边界之上。我们将这个核心思想解构为两个主要维度和一个隐含维度。

第一个主维度是套利所跨越的“边界类型”。这一定义了价差产生的根本原因，即市场在哪个维度上出现了分割或不一致。我们识别出六种关键的边界类型：

跨市场层级边界指同一资产在不同市场层级之间的价格偏离，最典型的即现货市场与衍生品市场之间的价差。跨空间/平台边界指同一资产或合约在不同地理位置或交易平台的价格偏离。跨制度参数边界指同一资产在不同交易场所因其独特的制度设计（如资金费率、结算时间或保证金规则）而产生的套利机会。跨资产边界指在同一市场中，两种或多种具有强相关性或协整关系的资产之间出现了暂时的价格关系偏离。跨期限结构边界指同一标的资产的不同期限衍生品之间隐含的定价关系出现了扭曲。跨基础设施架构边界特指在 CEX 和 DEX 这两种截然不同的技术和信任假设基础上运行的平台之间，因预言机延迟、交易打包机制或流动性模型差异而产生的价差。

第二个主维度是套利操作涉及的“市场层级组合”。这具体定义了套利交易的两条或多条腿落在哪些具体的市场板块中。例如，是连接现货与永续合约，还是在不同的永续合约之间进行对冲，抑或是构造一个涉及现货、期货和永续合约的复杂组合。

除了这两个显性维度，还存在一个隐含的维度，即“持仓周期”。不同套利策略的发现、执行和结束所需的时间尺度差异巨大。高频交易者可能在微秒内完成一次跨交易所套利，而基于资金费率的套利可能需要持有数天甚至数周。持仓周期的长短，直接反映了套利策略的风险暴露、资本成本和技术门槛，它与前两个维度共同决定了特定套利策略的复杂性和盈利模式。

通过这个“边界类型 × 市场层级”的二维矩阵，并辅以持仓周期的考量，我们可以为永续合约生态中看似纷繁复杂的套利活动构建一个清晰的图谱，为后续章节的逐一解构提供一个统一的逻辑起点。

16.3.2 六类套利总览

基于上述分类框架，我们可以将永续合约生态中的主流套利活动归纳为六种核心类型。下表系统性地梳理了这六类套利的特征，包括它们各自跨越的边界、涉及的市场层级、核心交易标的，以及它们对整个市场生态系统所扮演的“效率功能”，即它们主要修复了哪一维度的市场无效率。

表 16-2. 永续合约生态的六类核心套利类型及其效率功能（数据来源：作者构建）

这六类套利机制并非孤立存在，而是形成了一个功能互补的网络，共同维护着市场的有效性。为了更直观地理解它们的“分工”，我们可以将每一类套利对应到其所跨越的市场边界上，这正是第15章市场效率谱在微观机制层面的具体展开。如下图所示（对应表 16-2归纳的六类边界），六类套利分别覆盖六类不同的边界类型，各自承担相应的价格纠偏功能，共同推动市场效率的提升。

图 16-6. 六类套利在所跨越的六类边界类型上的功能覆盖区域（对应表 16-2；来源：作者基于各节分析构建的概念示意图）

这六类套利在表 16-2所列的六类边界类型上形成功能分工：现货-永续基差套利锚定“市场层级”边界，CEX-DEX 跨层级套利弥合“基础设施架构”边界，跨交易所永续套利治理“空间/平台”边界，资金费率套利平滑“制度参数”边界，跨品种统计套利维护“资产”边界的相对定价，三角套利则整合“期限结构”边界。

通过这种映射，我们可以清晰地看到，一个表面上统一的市场价格，其背后是由不同类型的套利者在各自的功能领域内持续执行价格纠偏操作的结果。它们共同构成了一个动态的、多层次的纠错系统，是市场效率得以维持的微观基础。

16.3.3 复杂度递进

将套利活动划分为六种类型，不仅仅是为了分类的整洁，更重要的是揭示它们之间存在的内在递进关系。从类型①到类型⑥，我们观察到一个明显的从简单到复杂的演进趋势。这种复杂度的递增体现在多个方面：涉及的市场数量、需要克服的制度摩擦来源、对技术基础设施的要求，以及策略本身所包含的风险维度。

图 16-7. 六类套利的复杂度递进（数据来源：作者根据涉及市场数量、摩擦来源种类及技术基础设施要求三项指标构建的定性评估）

如图所示，复杂度是逐步升级的。现货-永续基差套利（①） 是最基础的形式，它通常只涉及两个市场（一个现货，一个永续合约），其核心摩擦主要来自交易成本和资金费率的短期波动。这使得它成为门槛最低、参与者范围最广的套利类型，从大型量化基金到个人交易者都可以参与。

相比之下，跨交易所永续套利（②） 虽然也只涉及两个市场，但对速度的要求极高，技术门槛显著提升，主要由高频交易公司主导。而资金费率套利（③） 则引入了对不同平台制度参数差异的理解，其复杂性体现在对费率计算机制和结算周期的精细把握上。

跨品种统计套利（④） 的复杂度则源于其“统计”二字。它不再是基于确定性的无风险定价关系，而是依赖于对资产间历史相关性的建模，这引入了模型风险和更高的技术门槛。

现货-期货-永续三角套利（⑤） 的复杂度体现在其涉及的市场数量增加到三个，并且需要同时处理不同期限结构的定价逻辑，风险维度也相应增加。

最后，CEX-DEX 跨层级套利（⑥） 站在了复杂度阶梯的顶端。它不仅要应对 CEX 和 DEX 两种截然不同的交易环境，还需要处理链上拥堵、Gas 费用波动、预言机延迟、甚至 MEV 等多种独特的摩擦来源和风险维度。这使得该领域的有效参与者被限制在少数技术实力顶尖的链上搜索者和高频交易公司。

这种从简单到复杂的递进逻辑，也大致吻合了这些套利策略在历史上出现和规模化的时间顺序。基差套利自永续合约诞生之初就已存在；随着交易所数量的增多，跨所套利随之出现；在交易所竞争加剧、制度设计出现差异后，资金费率套利开始流行；而 CEX-DEX 套利则是在 DeFi 和去中心化永续合约协议崛起之后才成为可能。这一演化路径清晰地表明，套利生态本身也在不断地适应和发展，随着市场的深化和扩展，新的、更复杂的套利机会不断涌现，吸引着更专业的参与者进入，共同构成了一个动态演进的效率格局。

16.4 现货-永续基差套利

在永续合约的套利生态中，现货-永续基差套利，常被称为“期现套利”或“Cash-and-Carry”，构成了最基本的价格稳定机制。基差套利通过持续的价格纠偏操作，将永续合约价格锚定于现货价格附近，是资金费率机制得以有效运转的微观基础。

16.4.1 双向运作机制

基差套利的核心在于捕捉永续合约价格与现货价格之间的暂时性偏离。当基差因市场情绪、杠杆需求或流动性冲击而显著偏离零时，套利机会随之出现。根据基差的方向，可以分为正基差套利和负基差套利两种操作模式。

正基差套利在正基差且正资金费率环境下执行：套利者近乎同时买入现货并做空等值永续合约，构建 Delta 中性头寸。此处“近乎同时”的措辞至关重要，因为在实际执行中，跨交易所甚至同一交易所内的现货与永续合约两腿操作之间总存在毫秒至秒级的时间差。这一“执行时滞”意味着在两腿之间存在方向性风险敞口窗口，即“腿部风险”。在高波动市场中，即便是数百毫秒的时滞也可能导致显著的滑点或单腿成交，因此执行时滞管理构成了套利技术的核心组成部分。其收益来源包括周期性收取的资金费率以及基差收敛时的价差利润。从市场效率的角度看，正基差套利增加了永续合约市场的空头供给，对过热的永续合约价格施加下行压力，促使基差收窄，实现价格的自动校准。

图 16-8. 基差套利现金流时序（数据来源：作者构建的概念示意图）

图16-8描绘正基差套利在持有周期内的现金流时序：建仓买入现货并做空永续、持有期按结算周期收取资金费率、平仓时取得基差收敛利润，净收益等于累计资金费率与基差收敛收益之和再扣除全部交易成本。结算频率的多元化（4小时、1小时与传统8小时并存）直接影响收益：结算越频繁，单次收取的费率金额越小、锁定期越短、套利者面临的费率波动风险相应越低。

负基差套利执行反向操作：做空现货并做多永续合约。然而，加密市场中现货做空面临显著的不对称性摩擦，导致负基差套利的执行效率和规模远不及正基差套利。具体而言，当前可用的现货做空路径包括：通过中心化借贷平台（可用平台在多家头部机构破产后已大幅减少，且借贷利率通常在年化5%至30%之间）；通过 DeFi 借贷协议如 Aave（需超额抵押，资本效率极低）；以及通过部分交易所的融币交易功能（额度有限且费率不透明）。每条路径的可用性、成本和对手方风险截然不同，这种做空摩擦的不对称性直接解释了为何负基差状态往往比正基差状态持续更久、偏离程度更大。其结果是负基差状态可能比正基差状态持续更长时间或偏离程度更大，这构成了第18章将要探讨的市场异象之一。

16.4.2 收益分解

基差套利的收益并非无风险利润，而是对承担特定风险和摩擦成本的补偿，这与本章提出的套利基础设施假说高度一致。He 等（2022）^[4]指出，永续合约价格与其理论无套利价格之间存在年化60%至90%的平均绝对偏差，而模拟的基差套利策略可产生极高的夏普比率（以比特币永续合约为例，面临高交易成本的零售交易者约1.8，无手续费的高频做市商可达3.5）。然而，需要审慎看待这一统计量：夏普比率假设收益服从正态分布，而基差套利的收益分布具有显著的负偏态和厚尾特征，即正常状态下的稳定正收益和极端压力下的巨大损失。这种收益结构意味着，夏普比率可能严重低估策略在尾部事件中的风险暴露。更稳健的风险评估应辅以最大回撤、条件在险价值等对尾部风险敏感的指标。

基差套利的净收益可以分解为三个主要部分：资金费率收益、基差收敛收益以及各项交易成本。公式可表示为：

$$\text{净收益} = \sum_{k} \text{资金费率}$$k + (\text{基差}{\text{开}} - \text{基差}_{\text{平}}) - \text{交易成本} - \text{保证金机会成本} - \mathbb{E}[\text{强平/ADL 损失}]

其中 $k$ 遍历持有期内的各结算周期。

其中，交易成本是一个综合性的概念，包含了交易手续费、买卖价差（滑点）、现货持有成本或借贷成本（在负基差套利中），以及跨平台资金调拨的成本和时间延迟。这些成本直接侵蚀了毛收益，决定了只有当毛基差足够大以覆盖这些成本时，套利才具有经济可行性。此外，两个常被忽视但在实际执行中至关重要的成本项是：保证金机会成本，即永续合约端需要锁定的初始保证金和维持保证金无法用于其他投资，在高利率环境下这一隐性成本不容忽视；以及强制平仓和自动减仓风险的概率加权损失，即在市场剧烈波动时，永续合约端的浮动亏损可能触发保证金追加甚至强制减仓，而此时现货端的浮动盈利因位于不同平台而无法被用于补充保证金。值得注意的是，部分交易所已推出统一保证金模式（如 OKX 的组合保证金、Binance 的统一账户），允许现货资产直接作为永续合约的保证金，部分缓解了跨平台保证金分离的问题，提升了基差套利的资本效率。

图 16-9. 基差套利在不同市场状态下的收益与夏普比率（整体夏普比率依据 He et al. 2022 ^[4]；牛、熊、震荡市的分市况分解为代表性示意，非 ^[4] 的原始分市况序列）

图16-9对比基差套利在牛市、熊市和震荡市三种市场状态下的收益与夏普比率：牛市收益最高且波动最低（夏普可达2.0以上），熊市因资金费率转负而收益显著下降，震荡市居中。

重要的是，基差套利的收益表现出显著的市场状态依赖性。在牛市期间，市场情绪高涨，杠杆需求驱动永续合约价格持续高于现货价格，资金费率长期维持在较高正值。此时，正基差套利策略的收益在三种市场状态中最高且波动性最低。相反，在熊市期间，市场恐慌导致永续合约价格低于现货，资金费率转为负值。此时，正基差套利将面临亏损，套利者需要转向操作更困难的负基差套利，其收益也因现货做空成本而充满不确定性。在市场震荡期，基差和资金费率波动较小，套利收益虽然不如牛市，但仍可提供相对稳定的现金流。这种收益的时变性与拥挤效应密切相关。当套利机会变得广为人知且有利可图时，大量资本会涌入该策略，导致基差被迅速压缩，资金费率下降，从而压缩了超额利润空间。这正体现了 Grossman-Stiglitz 悖论在加密市场的版本：套利行为本身在创造市场效率的同时，也消除了驱动套利行为的利润空间。

16.4.3 Ethena 效应

Ethena 协议的崛起标志着基差套利从分散执行向协议化、规模化的范式转变。其“套利即服务”机制（用户存入抵押品后，协议自动构建 Delta 中性头寸，并将资金费率与基差收益以 sUSDe 形式分配）已在§16.2.2详述，本节聚焦其规模化所产生的定量效应。

图 16-10. Ethena TVL 与 sUSDe APY 历史走势（数据来源：DefiLlama ^[7]，访问日期2026年3月10日；TVL 峰值约160亿美元为 DefiLlama 口径，按 USDe 供应量/市值口径约145亿美元，两口径不可混用，as-of 2025年9月）

Ethena 的成功带来了极为罕见的规模效应。其 TVL 在短短数月内从不足10亿美元迅速攀升，至2025年9月达到峰值——按 DefiLlama 的 TVL 口径约160亿美元，若以 USDe 供应量/市值口径计则约145亿美元（两口径不可混用，此处取 DefiLlama ^[7]，访问日期2026年3月10日）。据衍生品行业数据，Ethena 持有的永续空头头寸在2024年初约占全网以太坊永续合约未平仓量的5% ^[8]；在其规模峰值时期，于部分中心化交易所的特定 BTC 和 ETH 永续合约上，占该合约未平仓量的比例据行业估算可达约10%–15%（口径与具体合约相关，参见第17章§17.10）。这种体量使其从一个单纯的“套利者”转变为一个能够影响市场本身的“市场塑造者”，产生了所谓的“Ethena 效应”。当 Ethena 协议吸收巨量资本并建立大规模空头头寸时，它本身就成为了压低资金费率的主要力量之一。市场由此进入了一个典型的自反性循环：Ethena 的高收益吸引大量 TVL 流入 -> TVL 的增长迫使 Ethena 建立更多永续合约空头 -> 巨额的空头头寸对资金费率构成下行压力 -> 资金费率的下降反过来侵蚀 Ethena 自身的收益来源。这是一个经典“套利悖论”的协议化版本：当套利策略被过度规模化时，其自身行为会压缩产生利润的空间。

Ethena 的季度收入数据清晰地反映了这一动态。如下图所示，Ethena 的总收入在2025年第三季度达到1.51亿美元的峰值，彼时正值其 TVL 高速增长、市场情绪乐观、资金费率高企的高收益阶段。然而，随着其 TVL 于第三季度末见顶后开始回落，加之市场环境变化导致资金费率被压缩，其季度收入也随之下降（第四季度回落至约0.96亿美元）。sUSDe 的质押收益率也从早期超过20%的高位，回落至个位数。这表明，即便是协议化的套利基础设施，也无法摆脱收益递减的经济规律。

图 16-11. Ethena 季度总收入构成（数据来源：Token Terminal ^[9]“总收入”口径，访问日期2026年3月10日；与 DefiLlama“费用”口径不可混用）

历史先例警示了大规模基差交易的集中平仓风险。2020年3月新冠疫情引发的全球性恐慌中，美国国债市场的基差交易（对冲基金大规模做多国债现货、做空国债期货以赚取基差）因保证金追缴触发连锁强平，原本近乎无风险的头寸在数日内造成数十亿美元亏损，最终赖美联储作为最后贷款人紧急干预方得稳定；在加密领域，2022年5月 Terra/LUNA 崩盘期间，大量基于永续合约的 Delta 中性策略因标的流动性瞬间枯竭、基差急剧扩大，使“市场中性”假设在极端压力下失效。两者的根本制度差异在于：加密市场不存在等价的“最后贷款人”机制来打断流动性螺旋的正反馈，且跨平台保证金分离（不同 CEX 之间、CEX 与 DEX 之间不可共用）使流动性危机的传导路径更为碎片化。这些案例表明，基差套利的系统性风险与策略规模高度非线性相关——当同一策略的执行者占据过大份额时，其平仓需求可能超过市场承接能力，使“无风险”策略转化为系统性风险源。Ethena 当前的规模使其面临类似的风险约束。

这一过程清晰地展示了套利强度与市场效率之间的反馈循环，也为“套利基础设施假说”提供了有力的案例支持：当基础设施提供者从分散的个体演变为集中的协议时，虽然效率提升了，但集中度风险也随之而来，这将在第17章中进一步探讨。

16.4.4 价格锚定实证

基差套利的核心效率功能在于，它构成了维持永续合约价格与现货价格锚定的微观经济力量。每当永续合约价格因投机、杠杆或流动性失衡而偏离现货价格时，基差套利者的逐利行为构成了一种内生的价格收敛力量，驱动两者重新趋同。这种价格锚定功能可以通过多个维度的实证数据得到验证。

首先，基差套利活动强度与基差水平之间存在显著的负相关关系。我们可以通过观察永续合约未平仓量中德尔塔中性头寸的估计占比，或交易所融资融券余额的变化来代理套利活动的强度。在机制上可预期：当上述代理指标所反映的套利活动增强时，基差水平及其波动性通常随之下降，这支持了套利行为对价格偏离的纠正作用（需说明此处套利强度以代理指标衡量，应避免用价差收敛本身反推套利强度而陷入循环论证）。第15章中观察到的资金费率均值回归特性，其背后的驱动力是基差套利。当资金费率过高时，套利者进入市场建立空头头寸，收取费率，从而压低费率；当费率过低时，反向操作亦然，最终推动费率向其长期均值回归。

图 16-12. 基差长期压缩趋势（数据来源：Binance、OKX 交易所 API 数据 ^[10]）

图16-12以 BTC 为例追踪2020至2026年现货-永续基差的长期演变：平均水平与波动幅度均明显下降，早期数十个基点的基差已在正常市场条件下被压缩至十余个基点的低位，是套利基础设施日益完善的最直观证据。

其次，从更宏观的视角看，随着加密市场的发展成熟，基差套利者的数量和资本规模持续增长，导致了基差的长期“压缩”趋势。回顾过去几年的数据可以发现，主流资产（如 BTC 和 ETH）的现货-永续基差的平均水平和波动幅度都呈现出明显的下降趋势。在市场早期，数十个基点甚至上百个基点的基差并不少见，而如今，在正常市场条件下，基差通常被限制在非常窄的范围内。这一下降曲线是市场效率提升的最直观证据，它表明套利基础设施正在变得日益完善和高效，能够更快地识别并修复价格偏差。然而，这根“效率锚”的强度并非无限。在极端市场压力下，例如在剧烈的价格崩盘或流动性危机中，套利者可能因保证金风险、强制平仓或交易对手风险而被迫平仓，导致套利力量减弱甚至消失。此时，锚定机制可能暂时“失灵”，造成基差的持续性偏离，这些“套利失灵”的场景将在第18章中作为核心异象进行深入分析。

16.5 跨交易所套利

跨交易所套利是统一全球碎片化交易市场的核心机制。在缺乏中央清算和统一监管的加密市场中，同一资产在不同交易场所出现价格差异几乎是必然的。跨交易所套利者驱动这些价差收敛、整合全球流动性，构成了本章套利基础设施假说的第二根支柱。

价差的产生、传播与消除构成了理解跨交易所套利的微观基础。从早期手动跨平台套利到当今亚毫秒级自动化竞争，套利执行的演化路径清晰地反映了技术进步对市场效率的推动。Makarov 与 Schoar（2020）^[1] 的经典研究揭示了跨境价差持续性背后的深层制度摩擦，而跨所价差的长期压缩趋势则为“中心-外围”效率模型提供了实证基础。

16.5.1 价差生命周期

一价定律（见§16.1.1）在数字资产市场中远非完美成立，其独特的结构性特征为价差的产生提供了结构性条件。价差的生命周期，即从产生、传播到最终被套利活动消除的过程，完整地揭示了市场效率的动态生成过程。

价差的产生根源于市场的内在分割。首先是信息传播的延迟。尽管信息在全球范围内的传递速度极快，但在毫秒甚至微秒的尺度上，延迟依然存在。一笔在 Coinbase 发生的大额买单，其价格冲击需要一定时间才能完全传导至 Binance 或 Kraken 的订单簿上。这种微小的延迟，构成了高频套利者利用的“时间窗口”。其次是流动性的分割。全球数以百计的交易所各自拥有独立的订单簿和流动性池。当一个交易所面临巨大的单向订单流（例如，大量买盘或卖盘）时，其有限的流动性深度会导致价格出现显著偏离，而此时其他交易所的价格可能尚未受到影响，价差由此产生。最后，制度与基础设施的差异也扮演着重要角色。不同交易所的交易手续费结构、API 性能、服务器物理位置、乃至提币和充币的速度，都会影响交易者的行为和价格形成过程，从而产生或固化价差。

一旦价差形成，它便会通过套利者的观察和行动在市场中“传播”。最初，可能只有少数位于交易前沿的 Tier 1级别的高频交易者能够在其全球服务器集群上迅速捕捉到这一信号。他们的算法会迅速评估价差的幅度是否足以覆盖其高度优化的执行成本。如果答案是肯定的，套利交易便会触发：在价格较低的交易所买入，在价格较高的交易所卖出。这一行为本身就是价差消除机制的开端。买盘推高了低价交易所的价格，卖盘压低了高价交易所的价格，从而使价差收窄。

随着信息的进一步扩散，Tier 2级别的量化基金和更广泛的交易者开始观察到这一机会。他们的反应速度可能在秒级甚至分钟级，但他们的集体行动会进一步推动价格的收敛。这个过程形成了一个效率的层级传递：最快的套利者捕获了最大、最易逝的利润，并完成了初步的价格校准；后续的参与者则清理剩余的、较小的价差，直至其幅度收窄到连最低成本的参与者也无利可图的水平。需要指出的是，上述价差收敛过程并非总是单调递减的。在高波动市场中，套利行为本身可能通过消耗订单簿深度而暂时扩大价差：当套利者在低价交易所执行大量买单时，其市场冲击可能使该交易所的价格上升幅度超过价差收敛的幅度，导致价差呈现'反复扩大-收敛'的震荡动态。此外，做市商在感知到活跃套利者的存在时，可能通过撤单或扩大报价来降低自身的逆向选择风险，这种策略性行为同样可能延缓甚至暂时逆转价差的收敛过程。此时，价差并未完全消失，而是稳定在一个反映了市场平均套利成本的“残差”水平。这个残差的存在，验证了 Grossman-Stiglitz 悖论的加密市场版本：一个完全没有价差的市场，将没有任何套利者有动力去维持其统一性。因此，一个微小而持续的价差，是维持套利基础设施有效运转所必须支付的成本。

16.5.2 延迟竞赛的演化

跨交易所套利的演化史，是一部技术与策略持续迭代的演化史，其核心是不断追求更低的延迟。从比特币诞生初期的手动跨平台套利，到如今由高频交易公司主导的亚毫秒级自动化竞争，这条路径清晰地展示了套利如何从一种简单的机会发现，演变为一门高度精密和资本密集的科学。

在2017年之前的市场早期阶段，跨交易所套利通常以一种初级的方式进行，通常被称为手动跨平台价差套利。交易者通过人工观察不同交易所网页上的价格差异，手动在一个平台买入比特币，然后将比特币提现，再充值到另一个价格更高的平台卖出，赚取其中的差价。这个过程的延迟以小时甚至天来计算，涉及繁琐的手动操作和巨大的价格波动风险。当时的市场效率极低，价差可以高达10%以上且持续数日，为这种缓慢的套利方式留下了充足的获利空间。然而，这种模式的局限性显而易见：提币和充币过程中的网络确认延迟、交易所处理速度，以及交易对手方风险，都使得套利规模和效率受到极大限制。

随着2017年牛市的到来和 API 交易的普及，套利进入了“自动化时代”。交易者开始编写脚本，通过 API 自动获取多个交易所的实时行情，并在发现价差时自动执行交易。这使得套利延迟从小时级锐减至秒级甚至分钟级。在这一阶段，套利者不再需要在交易所之间频繁转移资产。他们会在多个主流交易所预先存入法币和加密货币作为库存，一旦发现价差，便可同时在低价交易所执行买单，在高价交易所执行卖单，完成风险对冲。待市场平稳后，再通过缓慢的链上转账来重新平衡各交易所的资产头寸。这种“库存管理”模式显著地提升了套利效率，使得日内的高频次交易成为可能，并将跨所价差压缩至1%以下。

进入2020年以后，随着 Jump Trading、Wintermute 等传统高频交易公司的大举进入，加密市场的延迟竞赛被提升至极高水平，进入了“亚毫秒级时代”。这些顶级的 HFT 公司将在全球主要交易所的数据中心附近部署自己的服务器，通过专线连接来获取最低的行情和交易延迟。他们的竞争优势不再仅仅是策略，更是基础设施的比拼。从硬件、网络（微波塔）到软件（高度优化的C++代码），每一个环节都为了缩短几微秒的延迟而投入巨资。在他们的世界里，套利机会的发现、决策和执行，全部在几百微秒内完成。这种极致的速度使得他们能够捕获那些转瞬即逝的、以基点计算的微小价差。他们的存在，其高频交易活动有效消除了市场中绝大多数简单套利机会，迫使其他参与者转向更复杂、更长周期的策略。

这场延迟竞赛的最终结果是市场效率的极大提升。曾经需要数小时才能被抹平的价差，如今在几秒钟内就会收敛。它也清晰地划分了套利生态的层级：Tier 1的 HFT 主导着最前沿的延迟游戏，Tier 2的量化基金在秒级和分钟级寻找更复杂的统计套利机会，而 Tier 4的个人交易者则几乎完全被挤出了纯粹的跨所价差套利领域。然而，这种与交易所基础设施的深度耦合也创造了新的运营风险维度。当一家主要交易所发生宕机、API 故障或暂停提币时，所有依赖该交易所作为套利一端的 Tier 1参与者都将面临单腿敞口风险，即一端头寸已建立而另一端无法对冲的危险境地。FTX 崩溃期间，大量在该平台持有套利头寸的做市商资金被冻结，深刻揭示了交易所集中度风险作为套利基础设施的系统性脆弱点。延迟竞赛的终点，是一个由算法和基础设施主导的、高度自动化的全球价格整合机制。

16.5.3 Makarov-Schoar 效应

尽管技术进步显著地压缩了跨交易所的价差，但一个核心问题依然存在：为什么某些价差，特别是涉及不同国家法币的跨境价差，能够持续存在，有时甚至达到显著的幅度？Makarov 与 Schoar（2020）^[1]对此提供了经典解释。他们的发现揭示了在技术摩擦之外，制度摩擦（特别是资本管制）是理解加密市场效率局限性的关键。

Makarov 和 Schoar 通过分析2017至2018年间全球34家交易所的 tick 级数据，记录了加密市场违背一价定律的显著程度：同一国家内的交易所价差通常不超过1%，但跨国价差却巨大且可持续数周乃至数月（如前文§16.1.1所述韩国“泡菜溢价”高峰逾40%、日美约10%）。据其估算，在2017年12月至2018年2月这一市场波动剧烈的时期，全球跨交易所套利的潜在利润总额至少高达20亿美元。

如果存在如此巨大的无风险利润，为何套利者没有将其完全消除？Makarov 和 Schoar 的分析指出，答案不在于套利者不够快或不够聪明，而在于资本无法自由流动。一个典型的跨境套利操作是：在美国的交易所用美元买入比特币，然后将比特币转移到韩国的交易所卖出，换成韩元。此时，套利者虽然获得了韩元利润，但其初始资本（美元）却变成了韩元。由于韩国严格的资本管制，将这笔韩元利润大规模、低成本地兑换回美元并汇出境外极为困难。这意味着套利资本是“单向流动”的，很容易“卡”在某个国家。当大量套利资本涌入韩国后，它们便被困在了当地的金融体系内，无法回流以执行新一轮的套利。因此，套利活动很快就会因为资本的枯竭而停止，巨大的价差得以持续存在。

为了进一步验证这一假说，Makarov 和 Schoar 进行了两项巧妙的测试。首先，他们比较了“加密货币-法币”交易对和“加密货币-加密货币”交易对的价差。他们发现，在同一家韩国交易所，当比特币对韩元的价格溢价高达20%时，比特币对以太坊的价格与全球市场基本一致，价差仅为3%左右。这是因为加密货币之间的兑换和转移完全在链上完成，可以绕过传统的银行系统，从而不受资本管制的约束。这一对比有力地印证了制度摩擦是价差的主要来源。其次，他们发现，那些资本管制更严格的国家，其比特币价格的波动和溢价水平，与其他同样实行管制的国家表现出更强的相关性，形成了一个“受管制俱乐部”。这表明，资本管制是导致市场分割和效率损失的共同系统性因素。

Makarov-Schoar 效应为本章的“套利基础设施假说”提供了关键的实证支持。它有力地表明，套利收益并非总是市场无效率的简单体现，而更多时候是套利者在克服巨大制度摩擦时所要求的风险补偿。当套利者需要面对资本被冻结、法律政策不确定性等风险时，他们所赚取的“利润”，实际上是为整个市场提供“跨境流动性”和“价格整合”这项基础设施服务所获得的报酬。价差的大小，是这项服务成本高低的直接度量。

16.5.4 价差的长期压缩

尽管 Makarov-Schoar 效应揭示了制度摩擦带来的持续价差，但从更长的时间维度看，随着市场的成熟和套利基础设施的完善，跨交易所价差的整体水平经历了一个显著的长期压缩过程。这一下降趋势，是套利活动持续压缩价差的最直接证据。它表明，尽管存在结构性障碍，但套利者的持续活动确实在逐步拉近全球市场的价格，提升整体效率。

图 16-13. 跨交易所永续合约价差特征（数据来源：Binance、OKX、Bybit 交易所 API 数据 ^[10]）

图16-13展示2023年初以来主流交易所 BTC 永续合约相对行业标杆 Binance 的价差，呈现三个关键特征：其一，价差持续存在但绝对水平已远低于 Makarov-Schoar 研究的时期——纯中心化交易所之间的日均价差中位数已收窄至约3-4个基点，涉及去中心化交易所的交易对（如 Binance 与 Hyperliquid 之间）则更高、约15个基点，这种分层本身反映了市场整体效率的巨大进步；其二，价差在市场剧烈波动期短暂扩大、随套利干预迅速回落；其三，不同交易所价差的系统性分层，引出下文的“中心-外围”结构模型。

图 16-14. 加密货币交易所的中心-外围效率结构（数据来源：作者构建的概念示意图）

当前全球加密货币市场的效率结构，可以被描绘为一个“中心-外围”模型。如上图所示，这个结构由少数几个核心的“中心市场”和大量“外围市场”构成。中心市场，以 Binance 为核心、Coinbase 等头部交易所次之，它们拥有最高的流动性、最强的价格发现能力和最完善的基础设施。全球大部分的价格信息和交易量都产生于此，它们是全球价格的“发射源”。外围市场则包括其他二线、三线交易所，它们的流动性较浅，价格发现能力较弱，其价格在很大程度上是跟随中心市场的变动。跨交易所套利在这一结构中承担价格传导功能，它将中心市场的价格变动迅速传导至外围市场，确保外围市场的价格不会偏离中心太远。一个交易所 $e_i$ 距离中心市场 $e_c$（如 Binance）的'效率距离' $d(e_i, e_c)$ 可以通过以下指标综合衡量：(1) 平均绝对价差 $\overline{|p_i - p_c|}$，衡量定价偏离的幅度；(2) 价差半衰期 $\tau_{1/2}$，衡量价差从峰值收敛至均衡水平所需的时间，反映信息传导速度；(3) Hasbrouck 信息份额 $IS_i$，衡量该交易所对全局价格发现的贡献比例。效率距离越大（即价差越宽、收敛越慢、信息份额越低），该交易所在全球效率等级体系中就越处于边缘地带。

这种中心-外围结构是套利竞争的自然结果。由于套利者总是优先在流动性最好、成本最低的市场之间进行操作，因此中心市场之间的价差最先被消除，效率也最高。而连接中心与外围市场、或者外围与外围市场之间的套利，由于涉及更高的滑点和风险成本，其均衡价差也自然更高。因此，整个市场的效率呈现出一种从中心向外围梯度递减的分布。这个模型的意义在于，它将跨交易所套利从一个简单的“纠错”行为，提升到了塑造整个市场结构和效率等级制度的战略高度。套利者通过其资本的优化配置，实际上为整个生态系统定义了何为“中心”，何为“边缘”，并持续维护着这个等级体系的动态稳定。

16.6 三角套利

在永续合约的套利生态中，现货-期货-永续三角套利（以下简称“三角套利”）是对同一资产下现货、传统交割期货和永续合约这三个相互关联的市场层级进行同步定价校验的复合型策略。该策略通过构建三点闭环，捕捉由不同期限结构和融资成本共同作用产生的定价不一致性。

当同一资产，例如比特币，同时拥有活跃的现货市场（如 Coinbase）、受严格监管的交割期货市场（如芝加哥商品交易所 CME 的 BTC 期货）以及全球流动的永续合约市场（如 Binance 的 BTC/USDT 永续合约）时，一个多层次的定价结构便形成了。理论上，这三个市场的价格应通过无套利关系紧密锁定。然而，由于它们各自拥有不同的参与者结构、制度设计、流动性特征和信息传导路径，价格之间不可避免地会产生暂时的不一致。三角套利者的工作，旨在该三市场体系中识别并纠正这种不一致性，从而将分散在不同“时间层”和“金融世界”的信息整合为统一的、内在一致的资产期限结构。

特别是在2024年美国批准比特币现货 ETF 之后，这一机制的重要性被空前放大。传统金融机构通过合规的现货 ETF 和 CME 期货入场，而加密原生力量则主导着永续合约市场。三角套利因此成为了连接这两个平行但日益交融的金融体系的关键信息管道和效率锚。本节将深入剖析三角套利的理论基础、操作逻辑，并通过案例揭示其在后 ETF 时代如何重塑加密资产的期限结构，并成为市场效率的关键整合者。

16.6.1 理论基础

三角套利之所以能够存在，其理论根基在于两个经典的无套利定价关系在一个扩展的市场体系中同时共存，并可能发生暂时的冲突。这两个关系分别是连接现货与永续合约的“流式锚定”关系，以及连接现货与交割期货的“点式收敛”关系。

第一个是§16.1.2阐述的永续合约“流式锚定”关系，即资金费率机制通过持续的现金流支付将永续合约价格锚定于现货附近：

关系A：$P_{\text{永续}} \approx P_{\text{现货}} + \text{资金费率隐含的持有成本}$

第二个是传统的持有成本模型，它通过到期日的强制价格收敛定义交割期货的无套利价格：

关系B：$F_{\text{期货}} \approx S \cdot (1 + r \cdot T)$，其中 $S$ 为现货价格、$r$ 为持有成本率、$T$ 为到期时间

当现货、永续合约和交割期货三个市场同时存在时，一个“三角闭环”便形成了。如果市场是完全无摩擦且有效的，那么关系A和关系B应该能够同时和谐共存。然而，现实中，由关系A推导出的永续合约隐含的融资成本（即资金费率），与由关系B推导出的交割期货隐含的融资成本（即期货基差），常常会出现差异。这种差异，我们称之为“三角残差”。

这个残差具有重要的经济学含义。它实质上反映了市场对“短期融资成本”（由高频结算的资金费率体现）和“远期融资成本”（由一次性到期的期货基差体现）的不同定价。例如，当市场情绪极度乐观，大量散户进入永续合约市场建立多头头寸，可能导致资金费率上升至较高水平（如年化30%）；而同期，以机构参与者为主的 CME 期货市场可能相对冷静，其基差隐含的年化收益率仅为15%。这15%的差异，就是三角套利者可捕获的、方向中性的利润机会（如§16.4.2所述，此类收益并非真正无风险，而是对执行时滞、保证金占用与对手方等摩擦的补偿）。

图 16-15. 三角套利的三个无套利关系（数据来源：作者构建的概念示意图）

图 16-15 呈现三角套利赖以存在的三组无套利关系：连接现货与永续合约的“流式锚定”关系（关系A）、连接现货与交割期货的“点式收敛”关系（关系B），以及由前两者推导出的永续合约与交割期货之间的隐含融资成本一致性关系（关系C）。当三组关系同时成立时，市场不存在套利机会；而当其中任一关系出现偏离，即产生“三角残差”时，套利者便可通过三端头寸构建获取无风险利润。

16.6.2 构造与执行逻辑

三角套利的构造逻辑本质上是在三个市场中构建一个净风险暴露为零的头寸组合，以锁定并提取“三角残差”。其核心是同时在定价过高（隐含融资成本高）的市场做空，在定价过低（隐含融资成本低）的市场做多，并通过现货市场进行对冲。

我们以前文提到的场景为例：假设在某个时间点，BTC 永续合约的资金费率换算成年化为30%，而同一资产、三个月后到期的 CME 交割期货的年化基差仅为15%。套利者会识别出这个持续15%的年化利差，并按以下逻辑构建套利头寸：

套利者首先在 Binance 等流动性充裕的交易所做空一定数量（例如1个 BTC）的永续合约，其目的是收取高达30%的年化资金费率。由于资金费率通常每8小时结算一次，套利者将持续获得现金流收入。与此同时，套利者在 CME 做多等量的、三个月后到期的交割期货，以支付15%的年化基差成本；通过买入期货，套利者锁定了未来一个较低的购入价格，对冲了永续合约空头的价格风险。理论上，一个永续合约空头和一个期货多头已经构成了 Delta 中性的头寸组合，但在实际操作中，为了更精确地对冲风险和管理保证金，套利者可能会在现货市场持有少量资产或现金，以应对价格波动带来的浮动盈亏。

通过这个组合，套利者构建了一个市场中性的头寸，其盈亏不再受比特币价格的绝对涨跌影响，其净收益约等于两个市场的隐含融资成本之差：30% - 15% = 15%（年化）。

上述理论收益在实际执行中面临多重约束的侵蚀。首先，CME 比特币期货的标准合约面值为5 BTC（另有0.1 BTC 的微型合约），而 Binance 永续合约的最小交易单位为0.001 BTC，两者合约规格的差异增加了精确对冲的难度。其次，CME 的交易时段为美东时间周日至周五，而 Binance 永续合约全天候交易，这意味着 CME 休市期间套利者面临无法调整一端头寸的风险。再者，CME 的 SPAN 保证金体系与 Binance 的 USDT 保证金体系完全不互通，套利者需要在两端分别锁定保证金，实际资本效率远低于理论计算。最后，CME 期货以美元现金结算，而 Binance 永续合约以 USDT 结算，两者之间存在 USDT 对美元的脱锚风险。虽然多数时候偏差极小，但在市场恐慌期间 USDT 曾短暂偏离1美元锚定，对跨体系套利构成了额外的风险维度。

图 16-16. 三角套利的执行决策流程（数据来源：作者构建）

上图以决策流程的形式展示了一笔完整三角套利的执行逻辑。流程始于对三角残差的持续监测，即跟踪现货-期货、永续-现货与期货-永续之间的基差关系；当残差超过预设阈值时，套利信号被触发，套利者随即在三个市场同时建仓，买入相对低估、卖出相对高估的一端，并构建 Delta 中性的头寸组合以剥离价格方向风险。在残差收敛之前，套利者持续持有该组合，收取两市场隐含融资成本之差所对应的现金流；待残差收敛后，套利者在三个市场同时平仓，锁定的净收益约等于两市场隐含融资成本之差减去全部执行成本。若残差未超过阈值，流程则回到持续监测状态。

这一套利行为对市场效率起到了关键的校准作用。当大量套利者执行此策略时，永续合约市场的空头力量增加，会对其价格和资金费率产生下行压力；而期货市场的多头力量增加，则会抬高期货价格，压缩其基差。最终，这两个市场的隐含融资成本将趋于一致，市场的期限结构被重新“拉平”，三角残差随之消失，直至下一次不平衡的出现。

进入2024年，比特币现货 ETF 的批准为三角套利带来了全新的维度和参与者。一个更大规模、更合规的三角套利结构形成了：现货 ETF 二级市场价格 ↔ CME 比特币期货 ↔ 全球永续合约。ETF 的授权参与人本身就是专业的套利者，他们通过申购和赎回机制确保 ETF 价格紧随其资产净值。当 ETF 的二级市场价格、CME 期货价格和全球永续合约价格出现偏差时，传统金融机构可以通过在 CME 交易期货、在美股市场交易 ETF，同时与加密原生基金在永续合约市场进行对冲，从而构建更复杂的跨市场套利策略。这首次在机构层面，建立了传统金融与加密金融之间直接、高频的价格发现和效率传导通道。

然而，这一传导通道的实际通畅程度受到跨监管管辖区合规限制的约束。美国受 SEC 或 CFTC 监管的机构投资者，在大多数情况下被禁止或受到严格限制在不受监管的离岸加密交易所交易永续合约。这意味着'CME 期货↔全球永续合约'这条套利链的两端分属不同的监管管辖区，对美国机构参与者而言存在合规障碍。实际执行中，这一角色更多由注册于监管较为宽松的司法管辖区的加密原生基金承担。这种监管分割本身构成了三角套利的一种制度摩擦，也是跨市场效率差距持续存在的原因之一。

16.6.3 后 ETF 时代的三角套利动态

2024年1月美国证监会批准首批比特币现货 ETF，标志着加密资产正式纳入主流金融监管体系。这一事件不仅引入了数千亿美元的增量资金，更从根本上重塑了市场的微观结构，尤其为三角套利创造了此前不存在的市场条件和复杂的动态。

在 ETF 获批之前，三角套利主要在加密原生交易所内部（如 Binance 的现货、期货、永续合约）或与少数离岸受监管交易所（如 CME）之间进行，但规模和参与者均受限。ETF 的出现，在现货市场与传统金融体系之间建立了一条高容量的资本通道，使得机构级别的资本可以合规、大规模地参与其中。根据 CME 集团发布的数据，ETF 获批后，杠杆基金在 CME 比特币期货中的净空头头寸显著增加。这并不代表机构看空比特币，相反，这是它们大规模进行基差交易和三角套利的证据：通过买入现货 ETF 获得多头敞口，同时在 CME 做空期货以对冲风险并赚取基差收益。

图 16-17. CME 期货基差与永续合约费率的演化（示意性模拟：基于 CME Group ^[11] 与 Binance ^[10] 的公开基差/费率参数构建，作者绘制）

图16-17模拟了2024年初至2026年初 CME 期货基差与主流永续合约资金费率的演化路径，可观察到以下关键现象。

在2024年上半年，市场对 ETF 的强烈预期和大量资金涌入将 CME 期货的年化基差推高至10%以上，与当时相对平稳的永续合约资金费率（年化约1-3%）之间形成了显著的三角套利空间，大量套利资本因此进入市场执行“买入现货 ETF+做空 CME 期货”的策略。随着套利活动的加剧、市场情绪的正常化以及美联储利率政策从加息转向降息，CME 的期货基差在2024年下半年至2025年被显著压缩：到2026年初，年化基差已回落至4-5%，而永续合约的平均费率仍维持在1%左右，三角套利的潜在利润空间从牛市初期的5-9%收窄至3-4%的均衡水平。与此同时，ETF 的交易时段（美股开盘时间）与永续合约的全天候交易之间形成了独特的联动机制：在美股交易时段，ETF 的大额申购和赎回活动主导价格发现，并通过三角套利迅速传导至 CME 期货和全球永续合约市场；在美股休市期间，永续合约市场的价格波动则成为次日 ETF 开盘价格的先行指标。三角套利者在这两个不同步的市场之间持续执行价格信息的传导功能。需要指出的是，CME 基差的压缩并非完全由套利活动驱动。在持有成本模型下，期货基差的无风险利率成分直接受美联储政策利率影响。2024年至2026年间，美联储的政策转向（从加息周期转入降息周期）本身就会压缩基差中的利率成分。因此，观察到的基差压缩是套利活动和宏观利率环境共同作用的结果，将其完全归因于套利效率的提升可能高估了套利活动的独立贡献。

图 16-18. CME 期货基差与永续合约费率的对比（示意性模拟：基于 CME Group ^[11] 与 Binance ^[10] 的公开基差/费率参数构建，作者绘制）

图16-18示意了套利带来的效率提升：曾经显著的跨市场价差被套利者的逐利行为大幅压缩（需重申，该图为示意性模拟而非原始数据，且如前所述基差压缩亦受宏观利率环境驱动）。这印证了套利者不仅是利润捕获者，更是推动全球定价统一与流动性整合的市场基础设施建设者。

16.6.4 期限结构整合

三角套利的核心效率功能，是作为一种系统性的校准机制，持续不断地整合和统一加密资产的期限结构信息。期限结构，即不同到期日的资产或合约之间的定价关系，是衡量一个金融市场成熟度的关键标尺。在一个有效的市场中，短期、中期和长期的融资成本应该形成一条平滑且逻辑自洽的收益率曲线。三角套利构成了塑造这条曲线的微观力量。

首先，三角套利通过连接永续合约（可视为一个滚动续作的超短期合约）和不同期限的交割期货（如月度、季度），将市场对短期资金成本（资金费率）和远期资金成本（期货基差）的预期锚定在一起。如果没有三角套利，永续合约市场可能因短期投机情绪而导致资金费率长期大幅偏离基本面，而期货市场则可能因机构的风险偏好变化而产生扭曲的基差。三角套利者的存在，迫使这两个价格信号相互校准，形成一条从“现在”（永续合约）到“未来”（期货）的、更为一致的隐含收益率曲线。

其次，在后 ETF 时代，三角套利发挥了连接传统金融与加密金融两个市场体系的信息传导功能。CME 期货市场主要由受美国法规约束的机构投资者主导，其定价反映了传统金融体系的风险偏好、资本成本和宏观经济预期。而以 Binance、Bybit 为代表的离岸永续合约市场，则更多地由全球范围内的加密原生基金和零售用户驱动，其定价更灵敏地反映了加密社区内部的情绪、叙事和资金流向。这两个市场的参与者、信息源和定价逻辑存在显著差异。

三角套利者通过在 CME、现货 ETF 和永续合约市场之间同时操作，成为了传递信息的关键媒介。当美联储的宏观政策变化影响了 CME 投资者的风险偏好时，这种影响会通过三角套利传导至永续合约的资金费率。反之，当某个新的 DeFi 协议或技术突破在加密社区引发热潮，推动永续合约价格上涨时，套利者也会将这一信号反向传导至 CME 期货和现货 ETF 市场。这种双向的信息流动，显著地提升了整个加密资产市场的价格发现效率，使得任何局部的价格冲击都能更快地被整个市场吸收和消化。

综上所述，三角套利不仅是一种复杂的套利策略，更是加密金融市场走向成熟和一体化的核心驱动力。它通过连接现货、期货和永续合约这三个关键市场，将不同参与者、不同制度框架、不同信息源的定价逻辑整合为统一体系，最终形成了一个更统一、更高效、信息传导更流畅的全球加密资产定价体系。这种跨越制度和地理边界的整合功能，是本章“套利基础设施假说”的集中体现。

16.7 资金费率套利

在永续合约复杂的机制设计中，资金费率不仅是维持价格锚定的核心工具，其本身也演化为一种独特的、可交易的金融参数。当同一资产在不同交易平台、不同市场层级间展现出持续且显著的资金费率差异时，一种加密市场原生的、高度制度驱动的套利形态由此产生。与捕捉短时价格偏差的套利策略不同，资金费率套利的核心在于捕获并利用由不同交易所微观机制、参与者结构和杠杆需求差异所导致的“制度性溢价”。这种套利活动不仅为交易者提供了相对独立的收益来源，更在宏观层面扮演着平滑全球费率结构、统一市场融资成本预期的关键角色。本节将深入剖析资金费率作为一种可交易资产的微观机制，提出“资金费率曲面”这一创新的分析框架，并通过对中心化交易所与去中心化交易所的典型案例研究，揭示资金费率套利如何驱动永续合约生态的效率校准。

16.7.1 费率的可交易性

当同一标的资产在不同交易所呈现不同的资金费率时，该费率差异本身便构成了可交易的套利标的。资金费率套利通过在高费率交易所做空、低费率交易所做多构建 Delta 中性组合，捕获制度参数的持续性差异。与价格套利不同，该策略持有周期通常更长，可持续数小时至数日。

与传统的跨交易所价差套利相比，资金费率套利在策略维度上更为深化。前者交易的是“价格”这一零阶变量的偏差，追求的是毫秒级的快速收敛；而后者交易的是“资金费率”这一由价格衍生出的一阶制度参数，捕获的是一种状态的持续性。此外，不同交易所的资金费率结算频率（例如，每8小时、每4小时或每1小时）的差异，为该策略增加了“期限结构”的维度，产生了更为复杂的“结算窗口套利”策略，即利用不同结算时间的错配来优化收益和风险暴露。这种将制度参数本身资产化的交易逻辑，是加密衍生品市场走向成熟和复杂化的重要标志。

资金费率套利同时面临多维度的风险约束。由于套利头寸涉及跨交易所的持仓，执行风险、流动性风险和操作风险均构成实质性约束。特别是当套利者需要在两个市场之间同时建立头寸时，如果市场条件快速变化，可能导致“腿部风险”（其机制见§16.4.1）。此外，跨交易所的资金划转延迟、交易所技术故障或政策变化，都可能对套利策略的执行造成影响。因此，资金费率套利的成功执行往往取决于套利者的技术基础设施、风险管理能力和对市场微观结构的充分理解。

16.7.2 费率曲面框架

为了系统性地理解和发掘跨市场、跨资产的资金费率套利机会，我们可以借鉴利率曲面或波动率曲面的概念，构建一个“资金费率曲面”的分析框架。这是一个多维度的信息矩阵，能够直观地展示全球永续合约市场的“融资成本地形图”。

我们可以将资金费率曲面形式化地定义为一个三维映射函数 $F: \mathcal{E} \times \mathcal{A} \times \mathcal{T} \rightarrow \mathbb{R}$，其中 $\mathcal{E} = {e_1, e_2, \ldots, e_m}$ 为交易所集合，$\mathcal{A} = {a_1, a_2, \ldots, a_n}$ 为资产集合，$\mathcal{T}$ 为时间域。$F(e_i, a_j, t)$ 表示交易所 $e_i$ 在时间 $t$ 对资产 $a_j$ 所报的年化资金费率。需要指出的是，与传统的波动率曲面存在重要区别：波动率曲面在行权价和到期日两个连续维度上通过插值构造光滑曲面，而资金费率曲面的交易所维度和资产维度均为离散的，不存在天然的插值基础。因此，将其称为“资金费率矩阵”可能在数学上更为精确，但“曲面”一词有助于强调其跨多维度分析套利机会的整体视角，故本章沿用此术语。

在这个框架中，我们可以定义至少两个核心维度：交易所维度横向排列全球主要的永续合约交易所，如 Binance、OKX、Bybit，以及新兴的去中心化平台如 Hyperliquid、dYdX 等。资产维度纵向排列不同的加密资产，从主流的 BTC、ETH，到热门的公链代币 SOL、AVAX，再到各类长尾资产。曲面上每个坐标点的值则代表特定交易所在特定资产上的实时或预测资金费率（通常以年化百分比表示）。

这张曲面的“形状”蕴含着极为丰富的市场微观结构信息。沿交易所维度的“斜率”在同一资产上，不同交易所之间的费率差异反映了它们各自用户结构、杠杆偏好、市场深度和风险管理机制的不同。例如，以散户为主导的平台可能在牛市中表现出比机构主导平台更高的资金费率。沿资产维度的“斜率”在同一交易所内，不同资产之间的费率差异揭示了市场对特定叙事、特定生态热点的短期追逐程度。高费率通常集中在近期涨幅巨大、市场关注度高的“明星资产”上。曲面的局部“峰”与“谷”曲面上的极值点正是套利机会的直接体现。一个显著的“高峰”（某个交易所在某个资产上拥有远高于市场平均的费率）和一个“深谷”（费率显著为负或远低于平均水平）之间的差值，构成了套利交易的潜在利润空间。

图 16-19. 资金费率曲面示意（数据来源：作者构建）

图16-19以三维热力图呈现某一时刻的资金费率曲面（横轴为主要交易所、纵轴为不同加密资产、颜色深浅代表年化费率）：曲面呈显著的“峰谷”结构，部分交易所在特定资产上的费率远高于市场均值（“高峰”）或显著低于均值甚至为负（“深谷”），峰谷之间的差值即为套利者可捕获的潜在利润空间。

套利者的核心工作，便是在这张动态变化的资金费率曲面上，实时监测并捕捉显著的“峰谷差”，通过构建跨平台、跨资产的对冲头寸进行平滑费率差异。他们的集体行动，客观上起到了平滑整个曲面的作用，促使全球永续合约市场的费率结构趋向于更加均衡和高效。这一过程可以被理解为市场的自我纠偏机制：当某个交易所的费率过高时，套利者的做空行为会增加该市场的空头供给，从而压低费率；反之亦然。通过这种市场参与者的自发行为，资金费率曲面逐步从一个高度异质的状态逐步趋向均衡，最终实现全球融资成本的均衡。

16.7.3 Hyperliquid 案例

为了具体地理解资金费率套利在实践中的运作，以及不同市场微观制度如何产生套利机会，我们选取全球最大的中心化交易所 Binance 与增长最快的去中心化永续合约平台 Hyperliquid 进行对比分析。这两者在用户基础、技术架构和机制设计上的显著差异，使其成为分析 CEX-DEX 之间费率套利逻辑的典型对比案例（两者机制差异见表 16-3）。

两者在资金费率机制上的核心差异构成了套利机会的制度基础。在结算周期上，Binance 通常为8小时，Hyperliquid 为1小时。在费率计算上，Binance 采用溢价指数加固定利率的方式，Hyperliquid 仅包含溢价指数。在执行环境上，Binance 采用中心化撮合引擎，Hyperliquid 则基于自研的 Layer 1区块链实现完全上链的订单簿。此外，跨平台资金划转的延迟差异也构成了重要的操作约束。

这些机制差异直接导致了两个平台资金费率行为模式的不同。最显著的是结算周期的错配。Binance 的8小时结算周期意味着其资金费率是对过去8小时市场情绪的“钝化”反映，而 Hyperliquid 的1小时高频结算则使其费率对短期市场波动更为敏感。这种时间上的错位为套利者创造了“结算窗口套利”的机会。例如，在一个快速上涨的市场中，套利者可以预判 Binance 在下一个结算点将出现高额正费率，而 Hyperliquid 的费率可能已经对短期的价格修正做出了反应。套利者可以提前在 Binance 做空，在 Hyperliquid 做多，捕捉 Binance 费率结算时的脉冲式收益。

表 16-3. Binance 与 Hyperliquid 结算机制对比（数据来源：Binance 与 Hyperliquid 官方文档，数据截至2025年初）

图 16-20. 结算周期错配分析（数据来源：作者基于 Binance 与 Hyperliquid 结算参数构建的概念示意图）

图16-20以并列时间轴对比 Binance（8小时结算）与 Hyperliquid（1小时结算）的资金费率结算时序：Hyperliquid 以更高频率响应市场变化、率先攀升，而 Binance 的费率因8小时“钝化窗口”存在明显滞后，两条曲线的时间错位区域即标示了“结算窗口套利”的潜在操作空间。

费率计算方式和上限的不同也加剧了费率差。Hyperliquid 的费率计算更为纯粹地反映了其平台内部的多空失衡，且极高的费率上限允许其在极端行情下出现远高于 CEX 的资金费率，这直接构成了显著的套利空间。Zhivkov（2026）^[12]基于跨26家交易所、连续多日的高频样本研究发现，Hyperliquid 上 BTC 永续合约的平均年化资金费率系统性地高于 Binance，二者年化均值差异达约18个百分点的量级（该研究高频样本中两者年化费率分别约为23%与4.5%的水平；需注意这一数值取自其特定高频观测窗口，而非某一完整季度的均值，且其具体数字未能在公开渠道完整复核，宜作为结构性差异的示意量级理解）。这种结构性的费率差异为套利者提供了可观的利润来源，也反映了两个平台用户构成和市场参与者行为的根本差异。这种结构性费率差异的成因是多维度的。除了 Hyperliquid 用户群体中散户和高杠杆交易者比例较高导致的多空失衡外，至少还有两个重要因素：其一，Hyperliquid 的订单簿深度远不及 Binance（在±2%价格范围内的挂单量通常仅为 Binance 的10%至20%），这意味着同等规模的方向性交易对 Hyperliquid 永续合约溢价的冲击更大；其二，Hyperliquid 在增长阶段实施的积分和空投激励机制可能人为扭曲了交易行为，部分交易者为获取空投积分而刻意维持高杠杆头寸，这种激励驱动的行为与自然的供需动态不同。流动性深度的限制也意味着，中等规模以上的套利头寸在 Hyperliquid 上执行时面临显著的滑点，特别是在市场波动加剧的时段。因此，虽然约18个百分点的费率差异在账面上极具吸引力，但实际可以低摩擦执行的套利仓位规模存在明确的容量上限。

图 16-21. Binance 与 Hyperliquid BTC 资金费率对比（示意量级：依 Zhivkov 2026 ^[12] 所述的 CEX-DEX 结构性费率差绘制；约23%与4.5%，差约18个百分点，为示意量级、横轴为示意区间，非该研究精确高频样本窗口的点值）

图16-21以每8小时费率口径对比了 Binance 与 Hyperliquid 在 BTC 永续合约上的资金费率走势：两条曲线方向一致，但 Hyperliquid 的费率水平多数时段高于 Binance、波动幅度更大，两者差异超过阈值时即形成套利窗口（图中阴影）。换算为年化口径，这一系统性结构差异约为18个百分点的量级（前文所述约23%对约4.5%的水平，参见^[12]），为跨平台费率套利提供了利润来源。

然而，执行 CEX-DEX 资金费率套利也面临独特的挑战。最大的摩擦来自于资金效率和操作风险：两个 CEX 之间资金调拨几乎即时，而 CEX 与 DEX 之间的资金转移须经跨链桥，其延迟、智能合约安全与桥接费用等风险（详见§16.9.1）会直接侵蚀套利的利润空间。这种执行上的摩擦，是导致 CEX 与 DEX 之间能够长期存在显著费率差异的核心原因，也构成了对套利者“基础设施服务”能力的考验。只有那些拥有高效跨链基础设施、能够快速执行和风险管理的套利者，才能在这个市场中获得持续的利润。

16.7.4 融资成本校准

资金费率套利活动，作为一种市场自发的纠偏力量，其核心效率功能在于“平滑”我们在前文提出的资金费率曲面，压缩跨交易所、跨资产的费率异常值，从而在全球范围内校准永续合约的隐含融资成本。当套利者在费率高地（如 Hyperliquid）做空、在费率洼地（如 Binance）做多时，他们的行为直接增加了高费率市场的空头供给，同时增加了低费率市场的多头需求。这两种力量共同作用，使得过高的费率趋于下降，过低的费率趋于上升，最终促使整个市场的费率水平向一个均衡值收敛。

实证研究为这一机制提供了有力证据。尽管由于执行摩擦的存在，费率差异无法被完全消除，但套利活动显著地限制了差异扩大的幅度与持续时间。Zhivkov（2026）^[12]的研究发现，在其观测样本中，有高达17%的观测存在经济上显著（大于20个基点）的 CEX-DEX 资金费率套利机会；然而其中仅约40%的顶级机会在扣除交易成本与价差反转后仍能产生正收益，且高达95%的机会最终以强制退出（forced exit）告终。这表明，资金费率套利并非“无风险”的无成本收益，其持续存在的正收益，是对套利者克服多重摩擦、提供市场整合服务所付出的成本与风险的补偿。

图 16-22. 资金费率套利收益分解（成本分项比例为作者模型示意值，参数参考 Binance 与 Hyperliquid 的 BTC 永续合约费率结构；正文相关的套利机会与强制退出比例见 Zhivkov 2026 ^[12]）

图16-22展示了资金费率套利策略的收益与成本构成：总费率收入在扣除交易手续费、借贷成本与交易滑点等一系列摩擦成本后方得净收益，费率差收窄或滑点骤增时净收益可能迅速转负。这表明资金费率套利者是在高不确定性环境中提供“效率校准”这一公共产品，并因此获取风险溢价。

进一步分析表明，资金费率套利与现货-永续基差套利之间存在着重要的协同效应。费率套利活动使得全球各交易所的资金费率更加趋于一致，这为执行基差套利的交易者提供了一个更稳定、更可预测的成本环境。当所有平台的融资成本（即资金费率）相近时，基差套利者可以更专注于永续合约与现货之间的价格偏差，而不必过多担心不同平台费率波动带来的额外风险，这提升了基差套利这一核心锚定机制的效率和稳健性。因此，资金费率套利构成一个二级校准系统，它通过精细调节各市场间的融资成本，为一级价格锚定机制的有效运作提供了坚实基础。

在更宏观的层面，资金费率套利的存在和有效运作，反映了加密衍生品市场呈现出制度化和效率提升的趋势。当市场中存在足够多的、具备专业能力的套利者时，市场的微观结构会变得更加高效，价格发现功能会更加完善，参与者的融资成本会更加公平透明。这是本章“套利基础设施假说”的核心体现：套利者通过其自利的交易行为，客观上提升了整个市场的效率，使得加密衍生品市场逐步演变为一个更加成熟、更加有效率的金融生态。

16.8 跨品种统计套利

跨品种统计套利在资产维度上维护定价体系的内在一致性。该策略聚焦于不同资产之间相对关系的动态平衡，通过在高度相关的资产之间构建市场中性头寸，确保相关资产的定价不会偏离其由基本面、技术采用和市场叙事共同决定的内在联系。

与依赖确定性无套利关系的策略不同，统计套利本质上是一种基于概率的博弈。它不追求单次交易的无风险性，而是通过大量交易来捕捉暂时性的定价偏差，并相信这些偏差终将回归其统计均值。在波动剧烈且叙事驱动的加密市场，这种策略的有效性不仅依赖于复杂的数学模型，更根本地依赖于永续合约这一金融工具所提供的独特制度优势。永续合约的制度特性，使得经典的配对交易策略在加密世界中演化出了新的、更强大的形态。

16.8.1 永续合约中的配对交易

配对交易的核心逻辑在于识别具有稳定协整关系的资产对，并在价差偏离均值时进行反向操作，押注于价差的均值回归。该策略具有市场中性特征，理论上不承担系统性 Beta 风险。

在加密资产市场，配对交易具有广泛的适用性。最典型的配对是比特币与以太坊。这对组合不仅是市值最大的两个加密资产，更代表了价值存储与智能合约平台两种不同功能定位的相对估值。它们的价差波动，在很大程度上反映了市场对价值存储和去中心化应用平台两种叙事的偏好变迁。除 BTC-ETH 外，L1公链竞争配对（如 ETH 与 Solana）的价差动态反映了市场对不同公链生态系统在技术性能、开发者活跃度和用户增长等方面的相对估值。同生态代币配对（例如同一 Layer2生态系统中的不同应用代币，或 DeFi 领域中功能相似的协议代币，如 AAVE 与 COMP）的价差关系则受到生态内部发展和特定赛道热度的直接影响。

图 16-23. BTC-ETH 滚动相关性演变（数据来源：Binance 交易所 API 数据 ^[10]）

图16-23追踪了 BTC 与 ETH 之间60日滚动相关系数的演变：多数时期维持在0.7至0.9的高位区间（共享显著的系统性因子暴露），但在以太坊重大升级、DeFi 热潮爆发或宏观风险事件等关键节点急剧下降、甚至短暂跌破0.5。这些“相关性断裂”时刻既是配对交易的最大风险来源，也是重新评估对冲比率与协整关系的关键信号。

Gatev 等（2006）^[13]对美国股票市场配对交易策略的系统性研究表明，该策略在扣除交易成本后仍能获得显著的超额收益，证实了均值回归现象的经济实质性。在加密市场中，DeLong 等（1990）^[14]所阐述的噪声交易者风险（即非理性交易者的行为可能导致价差在收敛前进一步扩大）对配对交易构成了额外的挑战。成功构建配对交易策略的关键，在于区分真正的统计关联与虚假的偶然相关。研究表明，仅仅依赖高相关性是危险的，因为它可能只是两个资产在特定时期内受共同的外部因素影响（如宏观经济环境）而同向运动，这种关系可能随时破裂。一个更为稳健的统计基础是协整。协整关系表明，即使两个资产的自身价格序列是非平稳的，它们的某种线性组合（即价差）却是平稳的，围绕一个长期均衡值上下波动。这种关系意味着两者之间存在一个真实的、长期的经济联系，为均值回归提供了更可靠的保证。因此，成熟的统计套利者会运用协整检验（如 Engle-Granger 检验或 Johansen 检验 ^[15]）来筛选交易对，并结合Z-score 等指标来判断价差的偏离程度，从而决定开仓和平仓的时机。

在方法论层面，加密市场的配对交易已从经典的静态回归框架演进至更为精细的动态建模方法。早期实践者通常采用 Engle-Granger 两步法估计协整关系，但该方法隐含了参数恒定的假设，难以捕捉加密资产间相关性结构的快速演变。当前前沿的做法是引入状态空间模型：通过卡尔曼滤波实时估计对冲比率和价差均值，使模型能够适应市场微观结构的动态变化。对于可能存在的结构性断裂（例如某条公链因重大技术升级而与竞争链的估值关系发生质变），马尔可夫机制转换模型^[16]允许价差的均值和波动率在不同市场状态之间切换，为交易者提供了更稳健的风险控制框架。此外，向量误差修正模型在存在多对协整资产时，可以同时建模多个价差的动态调整过程，捕捉资产网络中的联动效应。近年来，可解释机器学习方法也被引入加密市场微观结构的特征分析——例如 Bieganowski 与Ślepaczuk（2026）^[17]运用梯度提升模型与 SHAP 归因，对永续合约限价订单簿的微观结构特征及其对短期收益的预测作用进行系统刻画，为统计套利的信号构建与特征筛选提供了新的方法论工具。这些方法论的选择并非纯粹的技术问题，而是直接决定了策略在加密市场高波动、叙事快速切换的环境中的生存能力。

图 16-24. 配对交易的价差回归示意（数据来源：作者构建）

图16-24以示意方式描绘了一对协整资产价差围绕长期均值的波动与回归：当价差偏离均值超过设定阈值（通常以Z-score 的标准差倍数表示）时触发交易信号——价差过高时做空价差（做空相对强势、做多相对弱势的资产），价差过低时做多价差，图中以阈值线标示了开仓（±2σ）与平仓（±0.5σ）的触发逻辑。

16.8.2 永续合约与现货统计套利的差异

虽然配对交易的理念可以应用于任何市场，但在永续合约市场上实施，相比于在传统的现货市场，具有一系列显著的制度优势。这些差异从根本上改变了策略的风险收益特征和执行效率，使得永续合约成为统计套利，尤其是配对交易，近乎理想的执行场所。

首先是做空的便利性。现货市场中做空加密资产面临借贷成本高、额度受限等摩擦，而永续合约的做空操作几乎无摩擦，显著地降低了配对交易的执行门槛和成本。

其次，资金费率机制为配对交易增加了一个独特的收益或成本维度。对于配对交易者而言，两端头寸的资金费率之差直接构成策略的额外现金流。在理想情况下，若做多端资金费率为负、做空端为正，交易者可从两端同时赚取资金费率，这笔收入有时甚至超过价差收敛带来的利润。反之，不利的费率差异则成为持续成本。因此，资金费率的动态变化必须作为模型构建的核心变量。

再次，高杠杆的可用性是永续合约市场的另一个重要特征，其效果具有两面性。配对交易捕捉的是相对较小的价差波动，高杠杆可以将这些微小波动的收益显著放大。然而，杠杆同样会放大风险。如果价差没有如预期般收敛，而是持续发散，即所谓的“配对关系破裂”，高杠杆将导致头寸面临巨大的亏损甚至被强制平仓。因此，杠杆的使用必须与严格的风险管理体系相结合。特别需要警惕的是永续合约特有的强制平仓机制对统计套利策略的非对称影响。即使两个资产的长期协整关系仍然有效，短期价差的极端发散也可能触发一端或两端的强制平仓，导致策略被迫在最不利的时间点退出。更严重的是，一旦一端被强平，原本的市场中性头寸瞬间变为单边裸露敞口，而这种强制平仓行为本身可能进一步推动价差发散，形成正反馈的清算级联效应。

最后，加密市场7x24小时不间断交易的特性，使得配对交易策略可以全天候运行，捕捉任何时间出现的交易机会，而不像传统市场那样受到开闭市时间的限制。这也对交易系统的自动化和风险监控的实时性提出了更高的要求。两类统计套利的差异见表 16-4。

表 16-4. 永续合约与现货统计套利对比（数据来源：作者构建）

16.8.3 定价一致性维护

跨品种统计套利在加密市场中的核心功能，是作为一种去中心化的调节机制，持续维护着整个资产定价生态的内部一致性。它通过对“相对价值”的不断校准，将不同资产连接成一个相互关联、逻辑自洽的价值网络。这种效率功能体现在三个层面。

第一，它是资产间价格发现的传导机制。当一个资产（如 BTC）因某种外部信息冲击而价格上涨时，与其高度相关的资产（如 ETH）可能不会立即做出同等幅度的反应，从而导致两者价差偏离均衡。此时，统计套利者会迅速介入，做多 ETH 永续合约并做空 BTC 永续合约。他们的这种交易行为，相当于将 BTC 市场中的新信息“传导”至 ETH 市场，增加了 ETH 的买盘压力和 BTC 的卖盘压力，从而加速了 ETH 的“滞后上涨”和 BTC 的“价格修正”，最终推动两者价差回归均衡。在这个过程中，套利者不仅自己获利，也客观上提升了整个市场的信息传导效率。

第二，它整合并强化了跨资产的流动性。活跃的配对交易活动，同时增加了两个标的资产永续合约的交易量和订单簿深度。一个寻求在 ETH 上建立大量头寸的交易者，可能会发现直接下单会造成较大的市场冲击。但如果存在活跃的 BTC-ETH 配对交易，他可以通过交易 BTC 来间接影响 ETH 的价格和流动性。这种流动性的“溢出效应”，使得单一资产的流动性不再是孤立的，而是可以通过相关资产的交易得到补充和增强，从而提升了整个市场的深度和韧性。

第三，它为整个加密资产的估值体系提供了一个动态的参照系。通过观察不同资产配对的价差水平及其波动范围，市场参与者可以直观地了解各类资产之间的相对强弱和市场情绪。例如，当L1公链配对（如 ETH-SOL）的价差普遍收窄时，可能意味着市场正在重新评估不同公链的价值，竞争格局趋于激烈。而当整个市场的配对价差普遍扩大时，则可能预示着市场避险情绪上升，投资者倾向于持有头部资产（如 BTC）而抛售其他相关性较弱的资产。因此，统计套利活动所产生的价差数据，本身就成为了一种宝贵的市场情绪和风险偏好的指标。

图 16-25. 资产定价生态中的相对定价维护（数据来源：作者构建的概念示意图）

图16-25以网络拓扑展示了统计套利者维护相对定价的机制：每个节点代表一种加密资产，节点间连线代表套利者维护的相对定价关系，其中 BTC、ETH 等主流资产构成流动性最深、套利最活跃的核心配对，长尾资产的套利覆盖相对有限——揭示了套利者如何将孤立的资产定价编织成一个相互校准的价值网络。

综上所述，跨品种统计套利是加密市场市场成熟化进程的必然结果。它在效率谱的“资产维度”上发挥着不可或缺的作用，通过无数次对微小价差的捕捉和修正，将孤立的资产定价连接成一个动态平衡、逻辑自洽的生态系统。然而，这种策略并非没有风险，其最大的内在风险在于相关性本身的脆弱性。当市场发生结构性转变时，历史形成的统计关系可能被彻底打破。在加密市场中，这种断裂的触发因素具有独特的叙事驱动特征：一条'ETH 杀手'叙事可以在数周内彻底改变 ETH-SOL 的价差动态，一次社交媒体传播可以使长期稳定的配对关系瞬间解体。这种叙事驱动的结构性断裂与传统市场中因基本面变化导致的渐进式关系演变有本质区别：它的速度更快、幅度更大、可预测性更低，对基于历史数据的统计模型构成了根本性挑战，导致策略遭遇重大亏损。这将在第17章关于套利风险的讨论中进一步展开。

16.9 CEX-DEX 跨层级套利

在永续合约的套利生态中，中心化交易所与去中心化交易所之间的跨层级套利，则是加密市场结构性矛盾与前沿创新交织的最活跃的套利领域。CEX 与 DEX，作为两种截然不同的金融基础设施范式，其固有的架构差异创造了一个持续存在且动态演化的效率差距。套利者持续监测并利用因信息延迟、交易成本和共识机制差异而产生的价差机会。本节的核心论点在于，CEX-DEX 跨层级套利不仅是六大核心套利机制的终章，更是一个重要的分析视角，揭示了中心化与去中心化金融基础设施之间的深层张力、效率与公平的权衡，以及一场由套利驱动的持续性技术与机制竞赛。

16.9.1 效率差距来源

CEX 与 DEX 永续合约市场之间的效率差距并非偶然，而是源于两者在技术架构、信息传递和交易执行机制上的根本性差异。这种差异是结构性的，它定义了套利机会的产生条件和形态。正如第15章的效率分析及 Zhivkov（2026）^[12]所揭示的，CEX 生态内部的价格发现整合度（以 Hasbrouck 信息份额衡量）比 DEX 生态高出61%，且在研究样本期内，所有统计显著的信息流均由 CEX 单向传导至 DEX，未检测到显著的反向因果关系。需要指出的是，随着 Hyperliquid 等 DEX 交易量的快速增长（2025年下半年日交易量已多次突破百亿美元），这一单向主导格局可能正在演变，特别是在 DEX 首发资产和长尾代币领域，DEX 的价格发现贡献值得持续关注。这一显著的效率落差，构成了跨层级套利得以成立的宏观背景。我们可以将这个效率差距的来源分解为以下几个核心层面：

首先，最核心的来源是预言机延迟。不同 DEX 永续合约协议对预言机的依赖程度存在显著差异，可以分为三类。第一类是完全预言机依赖型，以早期的虚拟自动做市商协议为代表，其内部定价几乎完全由外部预言机喂价决定，套利窗口最大。第二类是预言机辅助型，以 Hyperliquid 为代表，其价格发现由链上中央限价订单簿的实时订单流驱动，预言机主要用于标记价格计算和清算触发，套利窗口取决于链上订单流与 CEX 价格的同步程度。第三类是混合型，如 dYdX v4，结合了链上订单簿数据和外部预言机来构建标记价格。尽管各类协议的架构差异显著，但它们都在不同程度上受到预言机更新延迟或链上价格发现滞后的影响。然而，预言机将外部世界（主要是 CEX）的价格信息更新到链上需要时间。这个过程包含数据聚合、网络传输、链上交易打包和共识确认等多个环节，其延迟从几百毫秒到数秒甚至在网络拥堵时达到分钟级别不等。当 CEX 上的价格因重大新闻或大额订单而短时变动时，DEX 的预言机价格不可避免地存在滞后，形成一个短暂但确定性的价格偏差窗口，这构成了套利者的主要操作空间。

其次，链上交易的固有摩擦是 DEX 效率不及 CEX 的另一个关键因素。在 DEX 上执行一笔交易，需要经过交易广播、进入内存池、被验证者打包进区块、并最终等待区块确认的全过程。这个过程不仅耗时（取决于底层区块链的区块时间和最终性），还需要支付 Gas 费用。相比之下，CEX 的交易执行发生在其中心化服务器的内存中，撮合引擎可以在微秒级完成订单匹配，交易成本也通常更低且更可预测。因此，即使套利者在 DEX 上发现了机会，其执行也面临着时间延迟和成本不确定性的双重约束。

再次，当套利涉及不同区块链上的 DEX 时，跨链桥接的延迟和风险成为新的障碍。资金在 CEX 与部署在不同链（如 Arbitrum、Solana、Base）上的 DEX 之间转移，必须通过跨链桥。这一过程可能耗时数分钟甚至更长，且桥本身也存在重大的安全风险（据 Chainalysis 统计，2021年至2023年间跨链桥攻击导致的损失超过25亿美元，包括 Ronin 桥6.25亿美元、Wormhole 3.2亿美元、Nomad 1.9亿美元等重大事件）。对于 CEX-DEX 套利者而言，使用跨链桥进行资金调拨不仅面临延迟风险，更面临实质性的智能合约安全风险，这一成本必须被纳入套利的期望收益计算。这种资本流动的摩擦，使得套利者无法像在 CEX 之间那样短时调动资金，从而限制了套利活动的规模和效率。

最后，DEX 的透明性带来了一个独特的悖论。与 CEX 的“不透明的”订单簿不同，DEX 的流动性池状态、乃至内存池中待处理的交易，都是完全公开的。这种透明性一方面为套利者提供了清晰的套利标的，但另一方面也将其交易意图暴露给了更具技术优势的竞争者，即最大可提取价值搜索者。一个针对预言机延迟的套利交易，在进入内存池后可能被 MEV 机器人通过“三明治攻击”抢先交易，导致原始套利者的利润被侵蚀甚至交易失败。这种复杂的链上博弈，进一步增加了 CEX-DEX 套利的执行难度和风险，形成了一种高度对抗性的链上博弈环境。

图 16-26. CEX 与 DEX 效率差异对比（其中“价格发现整合度”维度，CEX 较 DEX 高约61%，依据 Zhivkov 2026 ^[12]，其余维度为作者依据第15章与§16.9构建的代表性评分）

图16-26直观展示了 CEX 与 DEX 在多个维度上的效率差异：无论价格发现的整合度还是信息流的单向主导性，CEX 都显示出明显优势。这些结构性摩擦使得 CEX-DEX 效率差距得以持续存在，构成了一个兼具挑战与机遇的新兴套利领域。

16.9.2 预言机延迟与 OEV

CEX-DEX 跨层级套利的核心，在于利用上述结构性效率差距，在两个市场层级之间进行低买高卖。其最经典、最普遍的模式是预言机延迟套利。考虑以下情境：由于一条利好消息，比特币价格在 Binance 上从50,000美元迅速上涨至50,500美元。而此时，部署在 Arbitrum 上的一个 DEX 永续合约协议，其预言机价格仍然停留在50,000美元。套利者（通常是自动化机器人）监测到这一偏差后，立即执行以下操作：

套利者以50,000美元的“过时”预言机价格在 DEX 上开立比特币永续合约多头头寸，几乎同时在 Binance 上以50,500美元的实时价格开立等额的比特币永续合约空头头寸。

完成这两步操作后，套利者构建了一个市场中性的头寸。当 DEX 的预言机价格最终更新至50,500美元时，套利者便可以在 DEX 上平掉多头，同时在 CEX 平掉空头，从而锁定约500美元的价差利润（减去交易成本）。这个过程的利润来源，本质上是 DEX 未能及时反映市场公允价值而产生的短时定价错误。这种源于预言机更新机制的套利利润，在 DeFi 领域被定义为预言机可提取价值 OEV ^[18]。

正如 Daian 等（2020）^[19]在开创性研究中所揭示的，去中心化交易所中的交易排序本身即蕴含着可提取价值。Weintraub 等（2022）^[20]进一步对私有交易排序中的 MEV 进行了系统性度量，印证了这一价值提取现象的普遍性与规模。值得注意的是，MEV 活动的法律定性仍存争议。在传统金融中，抢先交易明确构成违法行为；而链上 MEV 因区块链内存池的公开性而在法律边界上更为模糊。然而，2023年美国司法部对 Avraham Eisenberg 市场操纵行为（Mango Markets 事件）提起的刑事诉讼表明，执法机构正在尝试将传统市场操纵的法律框架延伸至 DeFi 领域（需补充的是，Eisenberg 于2024年4月被陪审团定罪，但该刑事定罪于2025年5月被法院撤销，SEC 与 CFTC 的民事诉讼仍在进行；这一反复本身也说明链上市场操纵的法律边界仍处于争议与形成之中）。从效率分析的角度，有必要区分“良性 MEV”（如纯粹的预言机套利，其效果是加速 DEX 价格与全球市场趋同）和“恶性 MEV”（如三明治攻击，其效果是对终端用户的价值榨取），两者对市场效率的影响方向截然相反。本章以“对市场效率的净影响方向”作为这一二分的划分标准——即该行为是否推动价格向全局公允价值收敛而不损害知情用户；需说明这是一种简化分类，现实中存在难以截然归类的中间地带。预言机可提取价值（Oracle Extractable Value, OEV）是 MEV 的一个重要子集，特指利用预言机数据更新的时间差或内容差异来捕获的价值。在上述例子中，500美元的价差就是一种典型的 OEV。套利者通过抢在预言机更新之前进行交易，成功地将本应属于协议或流动性提供者的价值“提取”了出来。这种套利可以分为两种主要类型：

这种套利可以分为两种类型。原子性套利发生在同一条链上（例如一个 DEX 的现货池与另一个 DEX 的永续合约之间），套利者可以利用闪电贷在一个原子交易中完成“借贷-交易-偿还”的所有步骤，因为交易要么整体成功，要么整体失败回滚，因此几乎不需要自有资金承担风险。CEX-DEX 套利则属于非原子性/跨链套利：由于涉及两个独立系统（一个链下，一个链上），交易无法在单个原子操作中完成，套利者必须先在一端执行，再在另一端对冲，这个过程中存在时间差。如果市场价格在对冲完成前发生不利变动，或者链上交易因网络拥堵而失败，套利者将面临风险敞口。Zhivkov（2026）^[12] 的研究亦证实，即使存在显著价差，仍有大量套利机会因价差反转风险而导致亏损。

图 16-27. CEX-DEX 套利运作流程与 OEV 提取（数据来源：作者构建的机制示意图）

图16-27清晰描绘了预言机延迟套利的完整流程及套利者在收益、成本与风险之间的权衡：从发现价差到锁定利润，每一步都伴随对延迟、成本与执行确定性的精算，其核心是 OEV 的提取，由此引出效率与公平之间的制度设计权衡。

16.9.3 效率功能与 LP 损耗问题

CEX-DEX 套利者的逐利行为，在宏观层面扮演了重要的市场效率校准功能。当 DEX 的价格因预言机延迟而偏离全球市场时，套利者的介入会迅速施加反向交易压力（例如，在价格过低时买入，在价格过高时卖出），从而推动 DEX 价格向 CEX 的公允价值回归。从这个角度看，套利活动加速了 DEX 的价格发现过程，缩小了不同市场层级之间的信息差距，使得整个加密市场的定价更趋于统一和有效。套利者承担了 CEX 和 DEX 两个市场层级之间的价格传导功能，其活动确保了一价定律在充满摩擦的去中心化环境中仍能在一定程度上发挥作用。

然而，这种效率提升伴随着相应的成本。在基于自动做市商或虚拟 AMM 模型的 DEX 中，交易的对手方是被动的流动性提供者，套利者的逆向选择损失直接转嫁给 LP。但需要区分的是，在纯订单簿 DEX（如 Hyperliquid 的核心 CLOB 模式）中，流动性由主动做市商提供，其损失机制与自动做市商（Automated Market Maker, AMM）中的无常损失在本质上不同：主动做市商可以通过撤单、调整报价和管理库存来应对逆向选择，其面临的是传统金融中经典的做市商逆向选择成本。以下分析主要针对 AMM/vAMM 模型，但其核心逻辑（套利者的获利以流动性提供方的损失为代价）在两种模型中均成立。当套利者利用 OEV 获利时，他们的利润直接来源于 LP 的亏损。这构成了 LP 面临的“无常损失”之外的一种更直接的逆向选择损失，可以称之为“套利损失”。每一次成功的预言机延迟套利，都意味着 LP 以一个不利的“过时价格”与套利者进行了交易。如果这类套利频繁发生，LP 的年化收益率将受到严重侵蚀。

这就产生了一个伦理与机制设计层面的张力。一方面，套利是市场趋向效率的必要机制；另一方面，它又在损害为市场提供基础流动性的 LP 的利益。如果 LP 因持续的套利损失而选择撤出流动性，那么 DEX 的交易深度将下降，滑点会增加，最终可能导致 DEX 的整体效率不升反降，进入流动性下降的负反馈循环。因此，CEX-DEX 套利带来的效率提升，其成本在很大程度上被内部化，由 DEX 生态系统中较为脆弱的参与者，即 LP 来承担。这引发了一个核心问题：我们能否在不抑制套利这一效率机制的前提下，保护 LP 免受过度逆向选择损失？这个问题的答案，驱动了 DEX 协议在反套利设计上的持续演化。

16.9.4 DEX 反套利演化

针对 OEV 和 LP 损耗问题，DEX 永续合约协议推进了一系列技术与机制设计层面的迭代升级。这一演化的核心目标，是在保持去中心化特性的同时，持续缩小与 CEX 之间的效率差距，从而压缩套利者的利润空间，或将套利利润重新分配给协议和 LP。这一演化路径大致可分为以下几个阶段：

首先是预言机技术的迭代。第一代 DEX 往往采用更新频率较低、延迟较高的预言机，为套利留下了巨大的窗口。以 Pyth Network 为代表的新一代“低延迟”预言机，通过让数据发布者直接在链上提交价格更新，并将聚合过程置于链下，成功将价格延迟缩短至数百毫秒级别，大幅压缩了传统预言机套利的机会 ^[21]。更进一步，以 API3为代表的项目则提出了 OEV Share 的概念，即通过拍卖预言机更新的权利，将 OEV 的一部分捕获并返还给 DEX 协议或 LP，实现了从“对抗套利”到“与套利共存并分享利润”的范式转变 ^[22]。

其次是协议层面的反 MEV 设计。为了应对包括 OEV 在内的各类 MEV 攻击，DEX 协议开始探索更复杂的交易执行机制。例如，“意图驱动”架构允许用户只表达交易意图（如“我想用1 ETH 兑换尽可能多的 USDC”），而将寻找最优执行路径的复杂任务交给专业的“解决者”网络。解决者们通过批量拍卖等方式竞争执行权，可以在一个区块内结算多笔交易，从而消除抢先交易等 MEV 问题。此外，延迟执行和加密内存池等技术也旨在隐藏交易细节，直到它们被最终确认，以此来保护用户和 LP 免受逆向选择损失。

最后，也是最根本的演进方向，是 DEX 永续合约协议在底层架构上的根本性变革。以 dYdX v4和 Hyperliquid 为代表的最新一代 DEX，摒弃了在通用智能合约平台（如以太坊主网或L2 Rollup）上构建应用的传统模式，转而开发专为高性能交易设计的“应用链”。

dYdX v4 作为一个独立的 Cosmos 应用链，拥有自己的验证者网络，可以实现约1秒的区块时间和近乎即时的交易最终性，其核心设计是将订单簿的撮合和维护分布在各验证者节点的内存中，其中每个验证者独立维护一份订单簿的内存拷贝，通过 CometBFT 共识就交易结果达成一致，仅将经共识确认的成交结果写入区块链。这种“分布式链下撮合”架构与 CEX 的单一服务器架构有本质区别：它保留了拜占庭容错性，在安全性上优于中心化方案，但在性能上仍受限于共识延迟，从而实现了高吞吐量和低延迟 ^[23]。Hyperliquid 则采用了更为激进的“统一状态架构”，其自研的 HyperBFT 共识机制能达到亚秒级的交易确认延迟，它将交易层和智能合约层置于同一共识之下，消除了跨层通信的延迟，使得链上状态可以被即时访问，从根本上缩短了预言机延迟 ^[24]。然而，Hyperliquid 的去中心化程度需要审慎评估。截至2025年底，其验证者集合仍高度集中（活跃验证者数量远少于以太坊或 Cosmos 生态的主流链），且核心代码未完全开源。2025年3月发生的 JELLY 代币市场操纵事件（导致流动性金库出现约1200万至1350万美元的峰值未实现亏损，并迫使验证者进行争议性的手动干预，投票强制平仓特定头寸）暴露了这类应用链在安全治理上的脆弱性。验证者的手动干预虽然在短期内遏制了损失扩大，但也引发了关于“去中心化交易所”是否名副其实的根本性质疑。这些安全权衡表明，应用链 DEX 在追求 CEX 级性能的同时，不可避免地在去中心化程度和治理透明度上做出了妥协。

这些架构上的创新，使得新一代 DEX 在性能上已经非常接近 CEX，显著地压缩了因技术延迟而产生的套利空间。CEX-DEX 之间的效率差距虽然因区块链物理限制（如光速和全球节点分布）而永远无法完全消失，但其宽度正在被技术进步和激烈的套利竞争持续压缩。一个新均衡正在形成：在这个均衡点，CEX-DEX 价差将收敛至一个仅能覆盖最顶尖套利者（拥有最低延迟、最低成本和最强 MEV 博弈能力的 Tier 1和 Tier 3参与者）的执行成本和风险溢价的极窄水平。对于普通参与者而言，显著的无风险套利机会将不复存在，标志着这一前沿套利领域的“机构化”和“专业化”已臻成熟。

16.10 套利与市场质量

前六节（16.4–16.9）从微观机制层面逐一解构了六类核心套利策略的运作逻辑、收益来源与效率贡献。每一类策略都在效率谱的特定维度上发挥着不可替代的纠偏功能。然而，这些微观分析尚未回答一个更宏观的问题：套利活动的集体效应如何系统性地重塑市场的整体质量？本节将视角从单一策略提升至套利生态的聚合层面，考察套利者的集体行为在价差压缩、流动性整合、价格发现领导权和费率稳定四个维度上对市场微观结构产生的系统性影响。

值得强调的是，前述六类套利机制并非孤立运作，而是形成了一个相互协同与制约的动态网络。在协同维度上，基差套利（①）与资金费率套利（③）存在互补关系：基差套利者通过持续持仓收取资金费率，其行为本身即构成费率套利的一种形式；而资金费率套利者对跨平台费率的平滑，又为基差套利者提供了更稳定的成本环境。跨交易所套利（②）则为其他所有策略的执行奠定了前提：只有当全球主要交易所的价格保持高度一致时，基于单一交易所报价的基差和费率信号才具有可靠性。在替代维度上，三角套利（⑤）与基差套利（①）在功能上存在部分重叠：当 CME 期货基差与永续合约资金费率趋于一致时，三角套利的利润空间被压缩，套利者转向纯粹的基差策略；反之亦然。在竞争维度上，当 Ethena 等 Tier 0参与者大规模执行基差套利、系统性压低资金费率时，Tier 2和 Tier 4的费率套利空间也随之收窄，体现了不同策略之间的利润竞争。CEX-DEX 跨层级套利（⑥）在策略逻辑上具有相对独立性，其利润空间主要受制于技术基础设施的演进。然而，在风险传导维度上，它与其他策略紧密互联：FTX 崩溃事件表明，CEX 端的风险事件可以通过资金冻结、预言机喂价异常和恐慌性价差扩大等机制迅速传导至 DEX，策略逻辑的独立性并不意味着风险的隔离性。理解这些策略间的交互动态，是把握套利生态整体均衡状态的关键。

套利活动常被简单地视为零和博弈，但这种观点忽略了套利行为所产生的系统性正外部性。从市场微观结构的角度分析，套利者的集体行为构成了重塑市场质量的核心动力。套利者的集体行动作为一种内生的市场调节力量，在消除价差的同时，系统性地压缩了交易成本、整合了碎片化的流动性，并主导了价格发现的有效传导。本节将深入探讨套利活动对市场微观结构的四大核心影响，揭示其作为市场质量提升核心驱动力的关键角色。

16.10.1 价差压缩

买卖价差是衡量市场流动性与交易成本的核心指标。一个狭窄的价差意味着买家和卖家可以以更接近市场公允价值的价格进行交易，从而降低了所有市场参与者的成本。套利活动，特别是高频的跨交易所套利，是压缩买卖价差的最直接和主要机制之一。

其作用逻辑根植于竞争压力。在碎片化市场中，高频套利者（Tier 1）以微秒级速度在多个交易所之间执行“摘取报价”操作（即买入低价交易所的卖单、卖出高价交易所的买单），对做市商构成持续的竞争压力。为避免报价被系统性摘取，做市商被迫收紧买卖价差至接近全球统一市场价格的水平（具体的价差压缩趋势已在§16.5.4详细呈现）。这种竞争机制最终惠及所有终端用户。

实证研究清晰地展示了套利活跃度与买卖价差之间的负相关关系。我们可以通过构建一个“套利活跃度指标”，例如以跨交易所同步反向交易的频率、识别出的 Delta 中性头寸占总未平仓合约的比例等更直接反映套利行为的指标来量化套利活动的强度，而非使用价差收敛速度等结果变量，以避免将套利效果误认为套利原因的循环论证风险。如下图所示，当套利活跃度指标上升时，主流永续合约市场的平均买卖价差呈现出明显的下降趋势。这种关系在不同市场状态下都持续存在，表明套利是维持市场低交易成本环境的结构性力量。

图 16-28. 套利活跃度与买卖价差的动态关系（数据来源：Binance 交易所 API 数据 ^[10]；套利活跃度以同步反向交易频率、Delta 中性头寸占比等直接代理衡量，而非价差收敛速度，以避免循环论证）

图16-28展示了套利活跃度指标与主流永续合约市场平均买卖价差之间的动态关系。其中套利活跃度以跨交易所同步反向交易的频率、识别出的 Delta 中性头寸占比等直接代理综合衡量，而非价差收敛速度，以避免循环论证。两条曲线呈清晰的负相关：活跃度上升时价差同步收窄，活动减弱时（如重大市场事件引发的流动性退潮期）价差随之扩大，表明套利是维持低交易成本环境的结构性力量。

最终，这种由套利驱动的价差压缩机制，将交易成本的降低传递给了市场的每一个角落。无论是进行小额交易的散户，还是执行大额订单的机构，都能从一个更紧凑、更高效的定价环境中受益。套利者在追逐自身利润的同时，客观上为整个市场提供了“降低交易摩擦”这一重要的公共产品。

16.10.2 流动性整合

除了压缩价差，套利活动还在另一个关键维度上提升了市场质量：整合订单簿深度。在数字资产市场这样高度碎片化的环境中，流动性被分散在数百个独立的交易所中。对于一个希望执行大额订单的交易者而言，单一交易所的订单簿深度可能不足以在不产生显著价格冲击的情况下完成交易。然而，套利者的存在，将这些孤立的流动性池连接成一个“虚拟全局流动性池”。

这个概念的核心在于，套利者的跨市场活动使得一个交易所的流动性变动能够迅速传导至其他交易所（§16.8.3已从跨品种角度论证了类似的流动性溢出机制）。当A交易所出现大额买单、消耗卖方深度并导致价格上涨时，套利者会在价格较低的B、C交易所买入并在A交易所卖出，既使A交易所价格回归均衡，也为其补充了被消耗的流动性。效果上，B、C交易所的流动性被传导至A交易所，使得任何单一交易所的“有效深度”都远大于其订单簿上可见的深度。

因此，对于市场参与者而言，任何一个交易所的“有效深度”都远大于其订单簿上可见的深度。通过智能订单路由系统，交易聚合器可以将一笔大额订单拆分到多个交易所同时执行，利用的是套利者所构建的这个虚拟全局流动性网络。实证对比显示，以示例性估算为例，一笔在单一交易所执行的1000万美元级别订单可能造成约20个基点的价格冲击，而通过聚合器分散到多个主流交易所执行，总价格冲击可能降低至约5个基点（具体数值取决于标的资产、市场状态和订单簿深度）。这一效果源于套利者作为流动性的传导机制，确保了全局价格的一致性和流动性的互联互通。

如下图所示，在没有高效套利机制的市场中，每个交易所的流动性是孤立的。而当套利者积极参与时，不仅每个交易所自身的深度因为做市商更积极的参与而增加，更重要的是，所有交易所的流动性被整合起来，形成了一个远大于各部分之和的虚拟全局流动性池。在数字资产市场这一缺乏中央清算和统一交易场所的分散化市场结构中，套利者承担了流动性整合的核心功能，是连接数百个独立流动性池的关键传导机制。

图 16-29. 套利对订单簿深度的整合效应（数据来源：作者构建）

图16-29以单一面板对比了各交易所独立的订单簿深度与套利整合后的虚拟全局流动性池：前三根柱代表三个交易所相互独立时各自有限的深度（流动性孤岛状态），最右一根柱代表套利者通过跨市场活动编织而成的虚拟全局流动性池，其总深度显著高于各交易所深度的简单加总（如参考线所示）——表明高效套利不仅因做市商更积极的报价而增厚单个交易所的深度，更把分散的流动性整合为总深远大于各部分之和的整体。

16.10.3 价格发现领导权

如第15章基于多项实证研究（含 Alexander 等(2020)^[25]对以太坊现货与衍生品价格发现的信息份额分析）的综合所示，永续合约在绝大多数时间里（贡献约为70%–80%）主导着价格发现过程。套利者在这一动态中扮演了信息双向传导的关键媒介角色。

在常态市场环境下，永续合约市场凭借其结构性优势（如前述章节所分析），成为了信息交易者表达观点的首选场所。当一个关于资产基本面的新信息（无论是宏观经济数据、项目进展还是监管新闻）出现时，这些交易者会率先在流动性最好的永续合约市场上建立头寸，导致永续合约价格首先发生变动。此时，现货-永续基差套利者便会迅速介入。如果永续合约价格上涨，他们会卖出永续合约，同时买入等量的现货，以锁定基差利润。这个过程将永续合约市场的价格信号“传导”至现货市场，促使现货价格跟随上涨，直至基差恢复到正常水平。在这个典型的传导路径中，套利者是永续合约引领现货的执行者。

然而，价格发现的领导权并非一成不变。在某些特殊事件或结构性资金流变化的冲击下，领导权可能发生翻转。一个典型的例子是2024年初美国现货比特币 ETF 的批准与大规模资金流入。在这种情况下，信息源（即大规模的买入需求）直接作用于现货市场（主要是 Coinbase 等托管交易所）。大量的 ETF 申购需求转化为对现货比特币的直接购买，推动现货价格率先上涨。此时，基差套利者会进行反向操作：他们观察到现货价格高于永续合约价格，于是买入永续合约，同时卖出现货（或在持有现货的情况下直接卖出）。这一行为将现货市场的强劲需求信号传导至永续合约市场，导致永续合约价格被动跟随上涨。在这种情景下，现货市场的价格发现份额显著回升、一度逼近永续合约，而套利者则扮演了将现货信号反向传导至衍生品市场的角色。

因此，将套利者视为价格信号的双向传导机制是理解价格发现领导权动态变化的关键。他们并非单向地服务于永续合约的主导地位，而是机械地对任何偏离均衡的价差做出反应。无论价格信号源自何方，套利者都能确保它在最短的时间内被传播到整个市场的各个层级。如下图所示，尽管永续合约在大部分时间里占据主导，但领导权份额是动态变化的，反映了不同时期市场信息流入的主要渠道的变迁。套利者构成了这个动态传导系统中的核心执行机制。

图 16-30. 永续合约与现货的价格发现领导权动态（数据来源：作者构建的示意图，基于第15章信息份额分析综合，含 Alexander 等 2020 ^[25]）

图16-30追踪了永续合约与现货市场价格发现领导权份额的演变（纵轴为永续合约的信息份额占比）：大部分观测期间永续份额维持在70%以上，确认其作为价格发现主导场所的地位；但在2024年初比特币现货 ETF 获批、大规模资金涌入现货等关键节点，永续的领导权份额显著回落，现货份额相应显著回升、一度与永续接近。这些动态切换印证了套利者作为价格信号双向传导机制的核心角色。

16.10.4 费率稳定功能

如§16.4.4和§16.7.4的实证分析所示，资金费率机制本身只是一套规则，其实际有效性完全取决于是否存在规模充足、活跃且高效的套利者群体来执行价格纠偏操作。当资金费率因市场情绪偏移而大幅偏离均衡时，套利者通过构建反向 Delta 中性头寸获取费率收益，其大规模的反向头寸建立行为本身即构成对永续合约价格的纠偏压力，推动资金费率向均衡水平回归。

我们可以通过一个思想实验来理解套利者作为“机制稳定器”的决定性作用：假设一个不存在套利者的永续合约市场。当市场出现极端情绪时，资金费率可能会升至极端水平（或跌至极低的负值），并且长时间维持在该水平，因为缺乏足够强大的对手方力量来抵消投机者的单向压力。在这种情况下，永续合约的价格可能长期、大幅地偏离现货价格，其作为有效对冲和价格发现工具的功能将严重受损。套利者是驱动这套规则有效运转的核心参与者。

如下图所示，套利强度与资金费率水平之间存在一种非线性的映射关系。当资金费率处于一个相对温和的区间时，套利强度保持在一定水平。但当资金费率因市场失衡而急剧上升时，套利强度会呈指数级增长，因为更高的潜在收益吸引了更多的套利资本入场。这种反应机制确保了资金费率始终受到向均衡水平收敛的强力约束，防止其无限偏离。因此，套利者不仅是市场效率的核心驱动力量，更是永续合约这一制度设计能够成立并有效运转的必要条件和内在组成部分。

图 16-31. 资金费率与套利强度的映射关系（数据来源：作者构建的分析模型）

图16-31揭示了资金费率（年化）与套利强度（以新增 Delta 中性头寸的规模衡量）之间的非线性映射：费率处于温和区间（如年化5%–15%）时套利强度保持在基线水平，但当费率因市场失衡突破某一阈值后呈指数级跃升，反映高收益对套利资本的强力吸引。这种凸性响应机制确保资金费率始终受到向均衡水平收敛的约束，防止其在极端方向上无限偏离。

16.11 套利-效率传导模型

前十节的分析系统性地呈现了一个复杂的套利生态系统。从理论框架到参与者分层，从六类核心套利策略到它们对市场微观结构的重塑，我们已经积累了足够的细节认识。特别是§16.10从四个维度（价差压缩、流动性整合、价格发现领导权和费率稳定）展示了套利活动对市场质量的经验性影响。然而，这些分析如果不被整合为一个统一的理论框架，就仍然缺乏系统性的解释力。本节旨在建立一个“传导模型”，将§16.10所观察到的经验性影响抽象为三层递进的理论机制，即价格校准、信息聚合与流动性整合，从而将微观层面的套利行为与宏观层面的市场效率显性对接，回答这一全章的核心问题：套利如何将永续合约市场推向效率？这三层机制与§16.10的四个经验维度存在清晰的对应关系：价差压缩与费率稳定归入“价格校准”层，价格发现领导权归入“信息聚合”层，流动性整合则单独对应“流动性整合”层。

套利的效率传导并非一个单一的、线性的过程，而是一个多层次、多维度的复杂网络。我们可以将其分解为三个递进的、相互强化的层级。

第一层是价格校准，这是套利最直接、最可观测的效率传导路径：套利者的买卖行为直接作用于价格偏差，将其压缩至接近零的水平（基差、跨交易所、资金费率三类校准的具体机制分别详见§16.4、§16.5、§16.7）。相较于后两层，价格校准层的传导机制更易于直接观测和量化验证。在效率谱框架中，价格校准层主要作用于“市场层级”和“空间”维度，确保不同市场、不同交易所之间的价格保持一致。

第二层是信息聚合。套利者在追逐利润的过程中，不仅压缩了价差，更将分散在不同市场、不同交易所、不同合约类型中的信息整合为一个统一的有效价格信号：当新信息率先在某一市场被定价时，套利者的跨市场交易确保其在秒级时间内传导至其他市场，使同一资产的全球价格趋于一致（其价格发现的双向传导路径详见§16.10.3）。套利者是这一信息传导过程的核心加速机制。在效率谱框架中，信息聚合层主要作用于“信息类型”和“时间”维度，确保相同的信息在不同市场中的反映速度趋于一致。

第三层是流动性整合，是三层传导机制中覆盖范围最广、对市场结构影响最持久的一层。套利者（特别是 Tier 1高频交易者）在执行套利的同时通过持续双边报价为市场增加流动性，更通过跨市场活动将各交易所的“局部流动性”整合为一个“虚拟全局流动性池”，使大额订单可经智能订单路由拆分至多个交易所执行（该整合机制的完整论述详见§16.10.2）。在效率谱框架中，流动性整合层主要作用于“资产”维度，确保主流资产的流动性远高于长尾资产，从而形成了一个清晰的流动性梯度。

这三层传导机制并非独立存在，而是相互强化、相互促进的。价格校准为信息聚合奠定了基础，因为只有当价格能够被有效校准时，信息才能被准确地反映；信息聚合反过来又推动了流动性整合，因为当市场参与者相信不同市场的价格是一致的时，他们就更愿意跨市场交易，从而加强了虚拟全局流动性的形成；流动性整合则进一步强化了价格校准，因为更深的流动性意味着套利交易的执行成本更低，从而使得更小的价差也能被套利消除。

图 16-32. 套利效率传导的三层模型（数据来源：作者构建的概念示意图）

图16-32以层级结构图展示了套利效率传导的三层模型：最底层为价格校准（最直接、最可观测），中间层为信息聚合（通过跨市场交易将分散信息整合为统一价格信号），最上层为流动性整合（覆盖范围最广、对市场结构影响最持久）。三层之间以双向箭头构成相互强化的正反馈关系：价格校准为信息聚合奠定基础，信息聚合推动流动性整合，流动性整合又反过来降低价格校准的执行成本。

在三层传导机制的基础上，可以进一步建立套利强度与市场效率之间的映射关系。第15章建立的效率谱框架为市场效率提供了一个多维度的描述工具，但它本身是静态的、描述性的。本节的核心创新在于，将套利强度作为一个中介变量，将这个静态的效率谱框架转化为一个动态的、因果性的解释模型。

我们可以用以下的函数关系来表示这个映射：

$$\text{效率}(t, a, i, s) \approx g\big[\text{套利强度}(t, a, i, s)\big]$$

其中 $t$ 代表时间尺度，$a$ 代表资产，$i$ 代表信息类型，$s$ 代表市场状态（此处 $i$ 指信息类型维度，与 16.5、§16.7中作交易所下标的 $i$ 含义不同）。这个函数表明，在效率谱的任何一个特定坐标（由时间、资产、信息类型和市场状态四个维度确定）上，市场效率的水平由该坐标处的套利强度决定。需要强调的是，如§16.10.1所论的循环论证之虞，此处因变量“效率”须采用与价差正交的指标（如 Hasbrouck 信息份额、价差收敛半衰期、市场深度）来度量，而非价差收敛速度，否则该映射将退化为同义反复。

值得注意的是，上述映射关系隐含地假设了宏观金融环境的稳定性。实际上，全球美元流动性状态构成了一个重要的调节变量：在宽松的流动性环境中，套利资本充裕、融资成本低廉，同等水平的套利强度能够产生更高的效率传导效果；而在流动性紧缩期间（如美联储缩表周期），套利资本的机会成本上升、风险承受能力收缩，即使套利策略和技术不变，传导效率也会系统性下降。2022年加密市场的流动性危机深刻地印证了这一点。因此，更完整的映射关系应为条件函数形式：效率 ≈ g[套利强度 | 宏观流动性状态]，其中宏观流动性通过影响套利资本成本和风险偏好来调节传导效率。

这个映射关系在不同的效率谱象限中表现出显著的异质性。考虑两个极端的场景：第一个场景是“高频、主流币、标准化信息、常态市场”这个象限。在这个象限中，套利强度达到了最高水平。高频套利者在这一象限中活跃度最高，六类套利策略全部可行且竞争激烈，市场参与者众多且资本充足。结果是，这个象限的市场效率接近理论上限。价差极窄（在主流交易所的 BTC 永续合约中通常在1–2个基点量级），价格发现极快（毫秒级别），流动性极深。第二个极端场景是“低频、小市值币、复杂链上信息、危机市场”这个象限。在这里，套利强度极低。小市值币的流动性本身就有限，链上信息的复杂性和验证成本高，危机时期的风险溢价巨大，导致即使是简单的套利策略也难以盈利。结果是，这个象限的市场效率远低于前者。价差宽泛（在流动性不足的长尾资产中可达50–100个基点量级），价格发现缓慢（分钟级别或更长），流动性稀薄。

这个映射模型具有明确的政策含义：如果我们希望提升市场效率，关键不在于“呼吁市场更有效”或“制定更严格的规则”，而在于降低套利的摩擦和成本。这包括多个方面：技术层面，提升交易所之间的互联互通，降低跨市交易的延迟；制度层面，统一不同交易所的结算周期和费率结构，减少套利的制度摩擦；监管层面，确保套利者的合法地位，保护他们的财产权和交易权，防止政策的不确定性增加套利成本。任何这些方面的改进，都会直接提升套利强度，进而提升市场效率。

图 16-33. 套利强度与效率谱的映射关系（数据来源：作者构建的概念模型；套利强度以跨交易所价差收敛速度、基差套利相关未平仓合约变化率和资金费率均值回归半衰期等指标综合表征）

图16-33将效率谱的多维坐标空间简化为二维投影，标注了两个极端象限：在“高频-主流币-常态市场”象限（左上区域），套利强度与市场效率同时达到最高，价差与信息延迟均被压缩至极限；而在“低频-长尾资产-危机市场”象限（右下区域），套利强度不足导致效率显著低于前者。两象限之间的梯度分布，直观反映了套利成本结构对市场效率水平的决定性影响。

然而，这个看似简洁的映射模型隐含了一个内在的悖论，这个悖论在 Grossman 和 Stiglitz (1980)的经典论文中就已被揭示，但在加密市场中表现得尤为明显。

套利的自限性源于一个基本的经济学原理：当利润机会被充分利用时，机会随之消失。套利资本的涌入会压缩基差与费率，使收益回落至“刚好覆盖套利成本”的均衡水平（其动态均衡本体见§16.1.4，Ethena 大规模做空系统性压低资金费率的反身循环实例见§16.4.3）。这一过程在六类套利中均可观察到：收益回落促使部分资本退出，价差与费率随之重新扩大，又吸引新一轮资本进入，市场由此围绕某个均衡水平形成持续的“效率振荡”。

这一自限性机制与 Lo（2004）^[26]提出的适应性市场假说高度契合。适应性市场假说认为，市场效率不是一个终点，而是一个永远在进行中的动态过程。市场参与者不断地适应环境，发现和利用新的套利机会，但这个过程本身又会消除这些机会，从而推动市场走向新的均衡。这个循环没有终点，市场效率也没有一个固定的“上限”，而是在不同的条件下不断波动。

从这个角度看，第18章将要讨论的“套利失灵与市场异象”就不再显得神秘。那些看似长期存在的市场异象，其实往往反映的是套利成本的上升或套利资本的暂时性短缺。当套利成本因为某些原因（如杠杆约束、风险溢价上升、技术故障）上升时，原本被套利消除的价差会重新出现。在多数情况下，这并非市场“失效”，而是市场在新的成本结构下的新均衡。然而，需要区分两种截然不同的情境：在正常的成本调整中，价差确实会在新的水平上重新稳定；但在极端的流动性危机中，价差的扩大可能触发自我强化的正反馈：套利者被追加保证金或强制平仓，被迫平仓行为进一步推动价差扩大，导致更多套利者被清算。在这种保证金螺旋中，系统并非朝向“新均衡”收敛，而是可能持续发散直到外部干预或破产出清。套利自限性的均衡假设仅在系统未进入流动性螺旋区域时成立，而加密市场因缺乏最后贷款人机制和统一清算体系，进入这一危险区域的阈值可能低于传统金融市场。

图 16-34. 套利的自限性与适应性均衡（数据来源：作者构建的概念示意图，参数设定参考 Lo 2004 ^[26]的适应性市场假说框架）

图16-34以循环图描绘了套利强度与套利收益之间的动态均衡：套利收益升高吸引新资本入场、推动套利强度增加，套利强度增加压缩价差与费率、导致收益回落，收益回落又引发部分资本退出、价差重新扩大、收益再次上升。系统最终围绕一个动态均衡点振荡，该均衡点对应的价差水平即为市场能够维持的效率上限，也是激励套利者持续提供基础设施服务所需的最低补偿。

综上所述，永续合约套利相较于传统市场套利，在三个维度上展现出不可替代的效率贡献。其一，“流式锚定”范式赋予套利力量以时间维度上的连续性，使价格纠偏压力不再集中于传统期货的到期日前后，而是通过资金费率机制均匀地分布于整个交易周期。其二，资金费率作为市场情绪的实时量化指标，赋予套利行为以情绪校准功能：套利者对极端费率的反向建仓，在纠正价格偏差的同时，向市场传递了关于杠杆过度与风险积累的明确信号，这是传统期货市场所不具备的。其三，永续合约套利者同时跨越现货与衍生品、CEX 与 DEX、不同交易所及不同资产等多个维度，在高度碎片化的市场结构中充当了跨维度的信息与流动性传导中介。这三项贡献使得永续合约套利成为加密市场效率体系中不可替代的内生机制。

16.12 本章小结

本章围绕永续合约市场中的套利机制，建立了从微观行为到宏观效率的完整分析框架。理论层面，我们提出了“套利基础设施假说”，将套利者的角色从传统理论中的“无风险利润捕获者”重新定义为“市场基础设施的主动提供者”。在缺乏中央清算机构和统一监管的加密市场中，套利者事实上承担了三项关键的基础设施功能：跨市场价格传导总线（在价格联结维度上部分替代中央清算机构，但不承担其对手方信用风险集中管理与违约基金职能）、永续合约价格锚定器，以及全局流动性整合器。同时，永续合约的“流式锚定”范式相较于传统期货的“点式收敛”，从根本上重塑了套利的运作逻辑，使其从一次性交易演变为持续性的头寸管理活动。

实证层面，本章系统解构了六类核心套利机制，包括现货-永续基差套利、跨交易所套利、现货-期货-永续三角套利、资金费率套利、跨品种统计套利以及 CEX-DEX 跨层级套利，并揭示了它们如何通过价格校准、信息聚合和流动性整合三层传导路径，共同推动市场效率的提升。套利生态的多层次参与者结构（从协议级套利者到高频交易者、从系统性量化基金到链上 MEV 搜索者）形成了一个自我调节的动态均衡系统，其内在的自限性机制与 Lo 的适应性市场假说高度契合。

展望未来，套利生态的演化将沿着两条主线展开。第一条是基础设施的进一步协议化。随着链上衍生品协议的成熟和跨链互操作性的提升，CEX 与 DEX 之间的效率差距将被进一步压缩，而如 Ethena 所代表的“套利即服务”模式可能促成更多将套利策略封装为可组合金融产品的创新。第二条是监管框架的塑造效应。各司法管辖区对加密衍生品的监管政策将直接影响套利的摩擦成本结构：降低跨市场交易延迟、统一结算周期、保障套利者的合法地位，都将直接提升套利强度，进而提升市场效率。

然而，本章的分析也揭示了套利基础设施并非万能。套利的自限性意味着市场效率永远不会达到理论上限；而在极端市场压力下，套利力量可能因保证金约束、强制平仓或对手方风险而暂时失效。这些“套利失灵”的场景及其引发的市场异象，将是第17章和第18章的核心议题。

参考文献

[1] Makarov, I., & Schoar, A. (2020). Trading and arbitrage in cryptocurrency markets. Journal of Financial Economics, 135(2), 293–319. https://doi.org/10.1016/j.jfineco.2019.07.001

[2] 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

[3] Mitchell, M., Pulvino, T., & Stafford, E. (2002). Limited arbitrage in equity markets. The Journal of Finance, 57(2), 551–584. https://doi.org/10.1111/1540-6261.00434

[4] He, S., Manela, A., Ross, O., & von Wachter, V. (2022). Fundamentals of perpetual futures. SSRN. https://doi.org/10.2139/ssrn.4301150

[5] Gromb, D., & Vayanos, D. (2010). Limits of arbitrage: The state of the theory. Annual Review of Financial Economics, 2(1), 251–275. https://doi.org/10.1146/annurev-financial-073009-104107

[6] Grossman, S. J., & Stiglitz, J. E. (1980). On the impossibility of informationally efficient markets. American Economic Review, 70(3), 393–408. https://www.jstor.org/stable/1805228

[7] DefiLlama. (n.d.). DeFi TVL dashboard. Retrieved March 10, 2026, from https://defillama.com/

[8] The Block. (2024, February 23). Ethena captures 5% of ether perpetual futures open interest. The Block. https://www.theblock.co/post/278802

[9] Token Terminal. (n.d.). Token Terminal: Fundamentals for crypto. Retrieved March 10, 2026, from https://tokenterminal.com/

[10] Binance. (n.d.). Binance Futures market data API. Retrieved March 10, 2026, from https://www.binance.com/en/futures

[11] CME Group. (n.d.). Bitcoin futures and options on futures. Retrieved March 10, 2026, from https://www.cmegroup.com/markets/cryptocurrencies/bitcoin/bitcoin.html

[12] Zhivkov, P. (2026). The two-tiered structure of cryptocurrency funding rate markets. Mathematics, 14(2), 346. https://doi.org/10.3390/math14020346

[13] Gatev, E., Goetzmann, W. N., & Rouwenhorst, K. G. (2006). Pairs trading: Performance of a relative-value arbitrage rule. The Review of Financial Studies, 19(3), 797–827. https://doi.org/10.1093/rfs/hhj020

[14] DeLong, 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

[15] Johansen, S. (1991). Estimation and hypothesis testing of cointegration vectors in Gaussian vector autoregressive models. Econometrica, 59(6), 1551–1580. https://doi.org/10.2307/2938278

[16] Hamilton, J. D. (1989). A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica, 57(2), 357–384. https://doi.org/10.2307/1912559

[17] Bieganowski, B., & Ślepaczuk, R. (2026). Explainable patterns in cryptocurrency microstructure. arXiv. https://arxiv.org/abs/2602.00776 https://doi.org/10.2139/ssrn.6159346

[18] Pandya, P., Moser, M., & Sofia, G. (2024, August 30). An introduction to oracle extractable value (OEV). Chorus One; Superscrypt. https://chorus.one/reports-research/an-introduction-to-oracle-extractable-value-oev

[19] Daian, P., Goldfeder, S., Kell, T., Li, Y., Zhao, X., Bentov, I., Breidenbach, L., & Juels, A. (2020). Flash boys 2.0: Frontrunning in decentralized exchanges, miner extractable value, and consensus instability. In 2020 IEEE Symposium on Security and Privacy (SP) (pp. 910–927). IEEE. https://doi.org/10.1109/SP40000.2020.00040

[20] Weintraub, B., Ferreira Torres, C., Ritter, C., & Breidenbach, L. (2022). A flash(bot) in the pan: Measuring maximal extractable value in private transaction ordering. In Proceedings of the 2022 ACM SIGSAC Conference on Computer and Communications Security (pp. 3765–3776). ACM.

[21] Pyth Network. (n.d.). Pyth Developer Hub. Retrieved March 5, 2026, from https://docs.pyth.network/

[22] Greene, J., Shahid, A., Benligiray, B., & Vanttinen, H. (2022). Oracle extractable value (OEV) through order flow auctions (v1.0.1). API3 DAO. https://github.com/api3dao/oev-litepaper

[23] dYdX Foundation. (n.d.). dYdX documentation. Retrieved March 5, 2026, from https://docs.dydx.xyz/

[24] Liu, J.-H. (2025, December 13). Technical architecture comparison: Hyperliquid, dYdX, and Lighter.xyz. Medium. https://medium.com/@gwrx2005/technical-architecture-comparison-hyperliquid-dydx-and-lighter-xyz-2fd005854a7e

[25] Alexander, C., Choi, J., Massie, H. R., & Sohn, S. (2020). Price discovery and microstructure in ether spot and derivative markets. International Review of Financial Analysis, 71, 101506. https://doi.org/10.1016/j.irfa.2020.101506

[26] Lo, A. W. (2004). The adaptive markets hypothesis: Market efficiency from an evolutionary perspective. The Journal of Portfolio Management, 30(5), 15–29. https://doi.org/10.3905/jpm.2004.442611