套利失灵与市场异象

根据前两章建立的理论框架，一个由理性套利者驱动的市场，其内部的价格关系不会无成本地保持完全一致。第16章已经说明，许多持续价差并非简单的市场失灵，而是套利者提供跨市场清算、价格锚定和流动性整合服务时所要求的成本补偿。第17章进一步解释了保证金、流动性、平台风险、执行风险、智能合约和监管等约束如何抬高这种补偿。本章因此不把所有持续价差都称为异象，而是考察那些超过可模型化套利成本、风险补偿和制度摩擦之后仍然存在的残差偏差。

现有文献和公开市场观察共同指向一个更细致的结论：市场价格关系并非完全一致，而是在不同约束下呈现出层次化的持续偏差。头部交易所如 Binance 与 OKX 之间的比特币永续合约价差，在常态下已收窄至个位数基点；这几个基点更可能是执行成本、资本预置和平台风险的均衡价格，而非市场无效。然而，Binance 与韩国交易所之间的永续合约价差，在非极端行情下通常落在30至80个基点的区间内（数据来源：Coinglass），已显著超过交易成本。需要强调的是，这一永续合约价差与广为人知的现货“泡菜溢价”并非同质比较：前者是衍生品（永续合约）层面的价差，后者是现货层面的价差，二者由不同的工具、参与者和套利路径决定。现货泡菜溢价的长期中枢约为1.2%（即约120个基点，Seo et al. 阈值模型估计值 ^[1]），但高度状态依赖，极端时期可超过20%乃至50%（与本章§18.4.3 表 18-6 中资本管制地区200–2000bp 的口径一致）。永续合约市场因专业套利者参与度更高，其价差量级通常显著小于现货泡菜溢价，但仍足以表明存在结构性障碍限制套利资本的跨市场流动。在资金费率维度，公开数据显示主流永续合约资金费率为正值的天数占比常年超过50%、长期均值约为75%（数据来源：Coinglass，为跨牛熊周期长期均值，熊市子样本显著下降，详见§18.3.1），指向市场参与者结构中一种持续的“多头偏好”。在 CEX-DEX 维度，跨交易所资金费率研究显示，在短样本高频数据中，去中心化交易所（DEX）与中心化巨头之间存在可观测的费率分裂（如 Hyperliquid 与 Binance 之间，约17%的观测时段套利价差超过20个基点 ^[2]），反映了从中心化到去中心化套利路径上的智能合约风险、预言机延迟等额外摩擦。随着比特币现货 ETF 的问世，ETF 净值与永续合约价格之间也时常出现显著偏离，揭示了两种产品在市场微观结构、参与者构成与监管环境上的根本差异。这些现象并不意味着所有残差价差都是无效率的；只有当价差显著超过上述可解释成本，且在统计、经济与时间维度上均表现出持续性时，本章才将其称为“市场异象”。因此，本章关注的是套利机制的有效边界，而非简单否定市场效率。

第16章分析了套利机制的运作逻辑，第17章系统梳理了限制套利的七大约束。本章在此基础上，转向考察这些约束在价格维度上的可观察后果。为此，本章将构建一个完整的分析框架：首先定义“市场异象”并建立统计显著性、经济显著性与持续性的三重识别标准；在此基础上提出“约束-异象映射”方法，将具体异象与第17章所定义的约束维度建立机制对应关系，而非声称每个案例都已完成严格的因果识别；并引入“异象持久度光谱”，将异象置于瞬态、周期性与结构性构成的非排他连续谱上，以揭示其背后不同的成因与修复可能性。随后，我们将逐一检视六类幅度与持续时间较大的偏差：基差异象、资金费率异象、跨交易所异象、跨资产异象、期限结构异象，以及 CEX-DEX 异象。在完成对常态下各类异象的静态分析之后，我们还将探究它们在危机中如何相互关联、彼此放大，最终同步爆发，形成“异象的危机动力学”。最后，本章将从更广泛的角度分析异象的演化趋势，区分哪些异象可以通过制度改进加以缓解，哪些又是市场在当前架构下必须付出的根本性代价，从而为理解和设计更高效、更稳健的金融市场提供系统性的认识。

18.1 异象的分析框架

在第17章中，我们系统性地分析了套利机制所面临的七维约束，解释了为何套利力量在现实世界中并非无所不能。这些约束的存在，使得市场无法随时随地、无成本地消除所有价格偏差。本章的任务，便是直面这些约束所带来的直接后果：那些在理论上“不应该存在”，却在现实中持续出现的价格偏差，我们称之为“市场异象”。本节将首先建立一个分析这些异象的系统性框架，为后续章节深入探讨每一类具体异象奠定方法论基础。这个框架旨在回答三个核心问题：第一，我们应如何科学地定义和识别一个“异象”，以区别于市场的随机噪声？第二，我们应如何将观察到的异象与前一章讨论的具体约束建立起因果联系？第三，我们应如何根据异象的时间行为对其进行分类，以揭示其背后不同的驱动机制与修复可能性？

18.1.1 异象的定义与识别标准

在本书的语境中，一个市场异象并非泛指任何价格波动或暂时的不一致，而是有一个严格的操作性定义：它是在第16章所描述的理想无套利条件下不应长期存在，并且其偏离程度在经济上和统计上均表现出显著性的价格行为。这个定义强调了异象并非市场的常态，而是当套利力量因受到约束而无法有效发挥作用时，市场价格行为中所浮现出的系统性偏差。为了将真正的异象从市场的背景噪声中分离出来，我们建立了一个包含三重标准的识别框架（表 18-1）。

表 18-1. 异象识别的三重标准框架（数据来源：作者整理）

第一个标准是统计显著性。任何价格偏差首先必须在统计上能被证明是系统性的，而非偶然的随机事件。由于高频加密数据通常存在自相关、厚尾、异方差、状态转换和多重检验问题，简单的均值t检验只能作为初步筛查；更稳健的做法是结合 HAC 标准误、区块 bootstrap、阈值/状态转换模型或极值聚集检验。这是识别异象的最低门槛，确保我们所讨论的现象具备统计上的可检验性。需要坦诚说明的是，受公开数据所限，本章后续对部分异象主要进行经济显著性论证（即偏差幅度是否超过套利成本），而完整的统计显著性与持续性检验（给出t值、自相关系数与半衰期估计）则留待专门的实证研究；个别旗舰异象（如§18.3.1 长期正偏、§18.2.3 非对称均值回归）将示意性地走一遍三重标准以作方法论示范。

第二个标准是经济显著性。一个在统计上显著的偏差，未必在经济上有利可图。如果一个价差的幅度小于套利者消除它所需付出的总成本，那么这个价差的存在是合理的，它反映了市场的微观结构成本。因此，一个真正的异象，其价格偏离所隐含的潜在利润必须足够大，能够覆盖执行套利策略所涉及的全部交易成本，包括但不限于交易佣金、买卖价差（滑点）、资金成本以及机会成本。只有当偏差的幅度超越了这个“套利不可行区间”的边界时，我们才能说套利者“有动机”去消除它，而它的持续存在才构成了一个待解释的现象。

第三个标准是持续性。异象不是转瞬即逝的信号，而是一种具有时间维度的模式。这意味着价格偏差表现出可预测的持续性，例如通过自相关检验可以发现其在时间序列上存在显著的正相关，或者通过半衰期估计可以衡量其向均衡状态收敛的速度。一个不具备持续性的价格冲击，更可能被归类为市场对新信息的正常反应或随机波动，而一个持续存在的偏差则指向了某种结构性的、阻碍市场恢复均衡的力量。只有同时满足统计显著、经济显著和持续性这三个标准的现象，才被我们纳入本章所要研究的“异象”范畴。

在运用上述标准识别异象时，有必要进一步区分两种在性质上不同的价格偏差。第一种是纯异象，即完全由套利约束所维持的价格偏差，若相关约束被解除，偏差将趋于消失。例如，监管壁垒所造成的“泡菜溢价”属于此类：如果资本管制被取消，韩国市场与全球市场之间的价差将被套利者迅速消除。第二种是均衡性偏差，即由市场参与者结构所决定的合理风险补偿，在理想的无摩擦市场中仍可能以某种程度存在，但其实际幅度因套利约束而被显著放大。资金费率的长期正偏是其典型代表：即便在一个完全无摩擦的市场中，散户偏多的参与者结构仍可能导致正费率的存在，但现实中保证金约束和流动性约束的叠加将其幅度推高到了远超均衡水平的程度。本章将这两种偏差均纳入分析范围，但在具体讨论中将标注其性质，以避免将结构性补偿误判为套利失灵，或将真正的套利失灵轻描淡写为合理溢价。

值得注意的是，本章所探讨的加密市场异象，与传统金融文献中讨论的“异象”（如价值效应、动量效应）在成因上存在显著差异。传统金融中的异象通常被归因于投资者的行为偏差（如过度自信或处置效应）或未被完全识别的系统性风险因子。然而，我们在加密永续合约市场中观察到的大多数异象，其更直接、更具解释力的第一序原因在于制度摩擦和基础设施的缺陷。这与我们在第16章中提出的套利基础设施假说（AIH，Arbitrage Infrastructure Hypothesis，详见第16章§16.1.3）的逻辑一致：套利者通过其活动提供了连接市场、传导价格、提供流动性的“基础设施服务”，并因此赚取收益；而市场异象的持续存在，正是这套基础设施网络尚不完善、存在瓶颈或在某些节点上完全缺失的直接证据。

18.1.2 约束-异象映射

如果说第17章通过拆解七维约束回答了“为什么套利会失灵”，那么本章的核心任务就是通过分析异象来回答“所以呢？套利约束在价格层面留下了什么痕迹？”。这一从约束到异象的分析路径，在方法论上继承了 Shleifer 与 Vishny 于1997年在“The Limits of Arbitrage”中建立的经典框架 ^[3]。该研究首次系统论证了套利者面临的资本约束和委托代理问题如何使得价格偏差在理论上可被纠正但在现实中持续存在，从而奠定了“有限套利”理论的基础。本章的“约束-异象映射”方法在三个维度上拓展了这一框架：第一，将约束从资本和代理问题扩展至七维体系（涵盖技术、监管和智能合约等加密市场特有维度）；第二，将分析对象从传统股票市场的价值异象转向永续合约市场的价格关系异象；第三，引入持久度光谱对异象进行动态分类，超越了原框架中静态的“存在 vs 不存在”二分法。为了建立从“约束”到“异象”的清晰机制映射，我们提出一个标准化的分析流程，即“约束-异象映射”（表 18-2）。这个流程旨在将后续章节中讨论的每一个具体异象，与其在第17章中对应的主要约束建立可检验的归因假说。

表 18-2. 约束-异象映射的3步分析流程（数据来源：作者整理）

约束-异象映射的分析包含三个基本步骤。第一步是现象描述，即精确描述异象的具体表现：它发生在哪个市场、哪类资产上？在何种时间尺度上可以被观测到？其偏离的典型幅度和频率是怎样的？这一步要求我们对异象进行量化和定性，形成一个清晰的“定性与定量描述”。

第二步是约束归因，这是映射方法的核心。在这一步，我们需要识别出该异象主要对应于第17章中七维约束（即保证金约束、费率反转风险、平台风险、执行约束、流动性约束、智能合约风险和监管约束）中的哪一个或哪几个维度。归因的关键逻辑在于回答一个反事实的问题：“如果这个（或这些）约束被显著缓解或移除，这个异象是否会随之消失或显著减弱？”如果答案是肯定的，那么我们就形成了一条从该约束到该异象的机制解释；若要进一步声称严格的因果识别，还需要独立的数据设计、自然实验或结构模型。例如，当我们观察到两个不同交易所之间的同质资产存在持续价差时，我们可以通过分析是否存在资本管制（监管约束）、交易所信用评级差异（平台风险）或套利所需保证金过高（保证金约束）等因素，来判断究竟是哪个约束在当前场景下“绑定”，即实际限制了套利者的行为，从而导致一价定律出现残差偏离。

这里有必要明确区分“识别策略”与“叙事归因”两种不同的论证强度。严格的识别策略要求一个能够外生地改变约束强度的设计（如自然实验或工具变量），从而把约束变化前后的异象幅度差异干净地归因于约束本身；而叙事归因则是基于经济直觉，将异象与最可能绑定的约束建立合理对应。本章受公开数据所限，多数归因属于后者，我们对此持诚实态度，并为每条归因配备一条可证伪判据：若某约束的代理变量在某一时段明显收紧（例如保证金率上调、可借券源枯竭、跨链 Gas 飙升），而对应异象的幅度并未随之扩大、甚至反向收窄，则该约束对该异象的归因不成立。为把反事实从修辞兑现为可检验的实证设计，本章至少为一例异象提供约束变化前后的真实测量：在§18.3.3 中，我们将 Hyperliquid（每小时结算）与传统交易所（每8小时结算）的结算时点效应作为一个结算周期长度差异的天然实验，用双重差分（difference-in-differences）的思路比较两类制度下结算窗口内的价格与成交量异常，从而把“缩短结算周期可缓解周期性异象”这一反事实落地为约束变化前后的可观测对比。本章其余归因则显式标注为“理论推断，待实证检验”。

第三步是持久度判断。基于对异象成因的理解，我们可以对其在时间维度上的行为模式进行分类，判断它属于瞬态、周期性还是结构性异象。这个分类将在下一小节详细展开，它不仅揭示了异象的稳定性，也为我们理解市场的演化和预测其未来变化提供了重要线索。

通过对每个异象都系统性地执行这3步分析，我们得以将一系列看似孤立、杂乱的市场“异常现象”，整合进一个由“约束”驱动“异象”的统一分析框架中。这个框架将使我们能够超越对异象的表面观察，深入其背后的制度和架构根源，从而真正理解加密市场作为一个复杂适应性系统的运作逻辑及其效率边界。

18.1.3 异象持久度光谱

根据异象在时间维度上的行为特征，我们可以将其置于一个“持久度光谱”之上。这个光谱的两端分别是转瞬即逝的偏差和近乎永久的结构性特征，中间地带则由那些按照特定节奏反复出现的模式构成。我们沿这个非排他的连续光谱识别出三种典型形态：瞬态异象、周期性异象和结构性异象（表 18-3）。需要强调的是，这三者并非互斥的硬性分箱，而是光谱上的代表性区段：同一异象大类完全可能在不同的市场状态或偏离方向上落于光谱的不同位置。例如，基差异象在牛市的正向偏离更偏向周期端（与宏观牛熊周期绑定），而在恐慌后的负向偏离则更偏向瞬态端（由危机触发、但修复速度受结构性摩擦支配）；又如§18.7.1 的 CEX-DEX 价差兼具周期性（随技术进步收窄）与结构性（物理确认延迟不可消除）两重属性。因此，本光谱的价值不在于给每个异象贴上唯一标签，而在于它对修复机制的预测用途：判断一个偏差是会被套利资本自发修复、会随周期自动重置，还是只能靠架构层面的变革才能消除。这一分类法不仅有助于我们理解不同异象的本质，也揭示了它们各自不同的修复机制和市场含义。

表 18-3. 异象持久度光谱：瞬态、周期性与结构性分类（数据来源：作者整理）

（注：表中三类为光谱上的代表性区段而非互斥分箱，可叠加、非互斥，存在混合型与状态依赖型异象；同一异象大类可按市场状态或偏离方向落入不同位置，详见正文。）

瞬态异象通常由特定的、非连续性的外部事件所触发，例如突发的市场危机、黑天鹅事件或极端波动。在这些时刻，套利活动会因流动性枯竭、保证金系统连锁反应或信息过载而暂时中断，导致价格出现剧烈且显著的偏离。然而，这类异象的“瞬态”属性在于，一旦触发事件的影响消退，市场情绪趋于稳定，套利资本重新进入市场，价格偏差便会开始被修复，市场呈现出一种价格收敛能力。因此，瞬态异象的存在及其修复过程，界定了套利效率传导机制的承压上限：它告诉我们市场在何种程度的冲击下会暂时失灵，以及其恢复正常功能需要多长时间。

周期性异象则与市场内生的、制度性的周期紧密绑定，呈现出反复出现、具有固定节律的特征。这类异象的根源并非外部冲击，而是市场微观结构或制度设计本身。一个典型的例子是与资金费率结算周期相关的价格波动。由于主流永续合约交易所通常每8小时结算一次资金费用，许多交易者会为了避免支付高额费用而在结算时刻前集中平仓，导致价格、基差和成交量在结算窗口前后出现系统性的、可预测的“结算时点效应”。这种异象的特点是，它会在每个周期末自动“修复”（例如，结算完成后价格迅速反弹），但在下一个周期中又会不可避免地再次出现。周期性异象的存在揭示了某些市场规则在追求特定目标（如锚定现货价格）的同时，可能无意中创造出新的可预测偏差。

结构性异象则源于市场架构的根本性特征，因此表现出最强的持久性。这些特征可能包括不同司法管辖区之间的监管分割（如资本管制导致的“泡菜溢价”）、不同类型市场参与者的结构性失衡（如散户天然偏多导致的资金费率长期为正）、乃至物理定律所决定的信息传递延迟。与前两类异象不同，结构性异象无法通过套利者的自发行为或市场情绪的平复而得到根本性消除。它们的修复或消除，往往需要市场架构层面发生深刻的变革，例如全球监管的协同、新的市场基础设施的建立，或是参与者结构的长期演化。因此，结构性异象可以被视为当前市场“初始结构特征”的一部分，它们的存在揭示了市场设计者在效率、安全、去中心化和合规性等多个目标之间所做出的根本性权衡与妥协。

通过这个持久度光谱，我们能够对不同异象的可消除性及其对市场设计的启示形成更深刻的理解。瞬态异象反映了市场的韧性边界，周期性异象揭示了制度设计的局限，而结构性异象则反映了架构的代价。

18.1.4 六类异象总览

在建立了分析框架之后，我们现在可以对永续合约市场中存在的纷繁复杂的异象进行一次系统性的梳理。为了使分类体系更加清晰，我们不以效率的维度或约束的类型作为组织原则，而是按照异象所涉及的“价格关系类型”进行划分。这意味着，我们将关注点放在“什么价格”与“什么其他价格”之间出现了系统性的偏离。基于此，我们可以将永续合约市场中的主要异象归纳为六个大类（表 18-4）。

表 18-4. 永续合约市场六类异象总览（数据来源：作者整理）

这六类可依次点名如下，其价格关系、核心表现与主要关联约束已见表 18-4，各自的机制与实证留待对应小节展开，此处仅作导航式概览。基差异象关注永续与现货之价差，资金费率本应将其锚定于零，却在牛市呈持续正基差、恐慌后呈粘滞负基差（详见§18.2）。资金费率异象不看价差而看费率序列自身的统计特征——长期正偏、极端值聚集与结算周期脉冲（详见§18.3）。跨交易所异象检验一价定律，表现为头部交易所间的残余价差、中心-外围梯度乃至监管分割定价区域（详见§18.4）。跨资产异象关注相关但不同资产间的相对定价，典型如山寨币“低效率区域”与主流币相对定价的不稳定（详见§18.5）。期限结构异象考察同一资产在不同到期日或产品形态间的定价一致性，如永续与交割期货的隐含利率偏离、CME/ETF 双轨定价（详见§18.6）。CEX-DEX 异象特指中心化与去中心化交易所间的价差与费率差，其幅度与持续时间往往为各类异象之最（详见§18.7）。

这六类异象共同构成了一幅加密永续合约市场的效率分布格局，其中的每一个“偏差区域”都标记着套利力量受限的区域。值得注意的是，这六类异象与第16章中讨论的六类套利策略形成了一种启发式的、非排他的弱对应关系：每一类异象大致都对应着某一类套利活动“应该消除但未能完全消除”的价格偏差。这一对应关系只是一种便于组织分析的启发式映射，而非严格的因果或一一对应——它提示我们：套利机制运作之处，往往正是套利失灵可能浮现之处。同时必须明确指出，上述六类分区是按“价格关系类型”划分的，并不构成相互穷尽且互斥（MECE）的分类，类别之间允许交叉：CEX-DEX 异象本质上是跨交易所异象的一个特例（中心化与去中心化交易所之间的价差），期限结构异象在永续与现货的隐含利率比较上又部分包含了基差异象。我们采用这套分区是为了叙述的清晰，而非声称它在逻辑上互不重叠。在接下来的章节中，我们将逐一深入这六类异象的内部，运用本节建立的分析框架，对其进行细致的描述、归因和分析。

18.2 基差异象

在永续合约的机制设计中，基差（即永续合约价格与标的现货价格之差）是整个机制的参照基准。资金费率这一核心机制，其全部目的就在于通过周期性的多空方费用交换，将偏离的基差不断拉回至零附近。理论上，在一个理想有效的市场中，基差套利者的存在将确保任何显著的偏差都会被迅速抹平，使得永续合约的价格紧密追踪现货，成为其在衍生品市场中的直接反映。然而，现实的市场趋势远比理论模型所预期的复杂。实证数据揭示，基差并非总能被完全锚定，反而在特定市场周期和压力情境下，呈现出系统性的、状态依赖的偏离模式。这些偏离并非随机的噪声，而是深刻反映了套利活动所面临的现实约束。基差的异象界定了基差套利（见§16.4）的有效边界。

本节将深入分析基差异象的四种核心表现形态。我们将看到，牛市中持续的正基差如何揭示了投机需求与套利资本之间的力量失衡；恐慌抛售中粘滞的负基差又如何暴露了套利机制在不同方向上的摩擦力差异；基差非对称的均值回归速度则为这种摩擦力的差异提供了量化证据；最后，以 Ethena 为代表的协议化套利力量的崛起，又将如何重塑这场在基差之上持续展开的多空博弈。通过对这些异象的细致分析，我们不仅能理解永续合约定价的真实图景，更能分析那些在第17章中系统阐述的套利约束，是如何在市场价格的动态演变中留下其持续性的影响。

18.2.1 牛市中的正基差持续性

市场进入牛市周期时，一个反复出现的现象是永续合约价格系统性地高于现货价格，形成持续性的正基差。在2020年末至2021年初，以及2023年末至2024年初的加密货币牛市中，比特币和以太坊的永续合约市场均观测到了这一显著异象。此时的基差不再是围绕零点进行短暂波动的噪声，而是转变为一种持续数周甚至数月的“永续溢价”。在这种状态下，资金费率长期维持在高位的正值，意味着多头交易者愿意持续不断地向空头支付高昂的费用，以维持其杠杆化的看涨头寸。这些费用累积起来，有时甚至能达到年化30%至80%的显著高位（资金费率的原生口径为每 8 小时结算一次，此处“年化”统一按每 8 小时 ×3×365 的单利方式折算，下同；此区间为2020-2021年牛市期间 BTC/ETH 永续合约资金费率年化后的典型波动范围，数据来源：Coinglass），这无疑对“市场有效”的简单假设提出了实证质疑。

图 18-1. BTC 永续合约在牛市周期中的正基差持续性（示意/模拟，曲线形态基于 Binance 历史基差特征重构，非实测基差快照）

图 18-1展示了 BTC 永续合约基差在典型牛市周期中的时间序列走势：基差系统性地向正方向攀升并维持在数百个基点的高位，且并非间歇性出现，而是在长达数周乃至数月的时间跨度内持续处于显著的正值区间。这一持续性远超交易成本所能解释的范围，构成了本节所要分析的核心异象。

这个现象构成了一个待解释的现象：根据§16.4所描述的基差套利逻辑，当出现显著正基差时，套利者有强烈的动机进行“卖出永续合约，同时买入等量现货”的操作。这一行为在赚取基差收敛利润的同时，会给永续合约市场带来卖压，给现货市场带来买压，从而共同作用，将正基差压缩回零。然而，现实是，尽管套利机会显而易见，但巨大的正基差依然顽固地存在。这并非因为套利者没有看到机会，而是因为他们的套利能力受到了现实的制约。

对此现象的约束归因主要指向两个层面。首先是保证金约束（约束I）。在牛市过度乐观情绪的驱动下，大量投机者，特别是散户投资者，涌入市场建立杠杆化多头头寸。这种单向的、巨大的杠杆需求成为推高基差的主要动力。然而，基差套利者要扮演“市场稳定功能”的角色，进行做空永续合约的操作，同样需要提交大量保证金。随着市场价格的上涨，空头头寸的维持保证金要求会越来越高，这极大地限制了套利者所能部署的资本规模。正如 Zhivkov（2026）的研究所示，许多理论上的套利机会因为保证金的限制而无法被足额执行 ^[2]。这一约束还因交易所的阶梯保证金制度而被放大：以 Binance 为例，其维持保证金率随仓位规模递增，大规模基差套利者面临的保证金要求不成比例地高于小规模投机者，使得套利者的有效资本效率进一步恶化，从而加剧了套利资本与投机需求之间的不对称。套利资本相对于投机需求而言，显得明显不足。

其次，更深层的原因在于方向性投机需求在数量级上压倒了套利供给。牛市期间，市场主流叙事被看涨情绪主导，新入场的资金天然倾向于做多。这些资金的流入规模，远非以市场中性为目标的套利基金所能比拟。于是，市场达到了一种新的“均衡”状态：基差被推高到一个足够阔的水平，使得套利者认为，为了赚取这笔溢价，值得去承担管理空头头寸所面临的各种风险和成本（如保证金压力、潜在的爆仓风险等）。这个溢价，本质上是方向性多头为获得杠杆而支付给空头的“风险溢价”，其价格由双方的供需力量决定。这恰恰印证了第16章提出的套利基础设施假说（AIH）的核心预测：套利收益是为市场提供稀缺的风险对冲能力而获得的基础设施风险溢价。值得注意的是，正基差的持续并非简单的静态供需失衡，而是一个具有反身性特征的动态过程。正基差产生正的资金费率，正的资金费率通过“赚取费率”叙事吸引更多的空头套利资本入场，空头供给的增加在短期内压低基差，但同时也为多头提供了更充裕的杠杆对手方，从而可能进一步刺激做多需求。这种正反馈循环使得牛市正基差具有自我强化的特征，直到外部冲击（如宏观转向或杠杆清算级联）打断循环。因此，持续的正基差可以被理解为一种周期性异象，它与宏观的牛熊周期紧密绑定，并会在市场情绪冷却、杠杆需求下降后自行收敛。

18.2.2 恐慌后的负基差粘滞性

与牛市中持续的正基差相对应，市场在遭遇极端恐慌事件时，则会展现出另一种形态的基差异象：深度负基差的出现及其缓慢而“粘滞”的修复过程。在加密市场历史上几次标志性的崩盘事件中，例如2022年5月的 LUNA/UST 崩溃 ^[4]，以及2022年11月的 FTX 交易所破产，我们都观测到了永续合约价格在短时间内急剧下跌，并远低于现货价格，形成超过-500个基点甚至更深的负基差。然而，这一异象最值得关注的特征并非其深度，而是其修复过程的漫长与艰难。基差的崩溃可能在几小时内完成，但其从深度负值回归至零附近的过程，却往往需要数周甚至更长的时间。

图 18-2. 恐慌事件后的负基差形成与修复曲线（2022年5月 LUNA/UST 危机；示意/模拟，曲线形态基于历史基差特征重构，非实测快照；谷值约-500个基点出现于5月10日，与图18-16口径一致）

图 18-2刻画了恐慌事件中负基差从形成到修复的完整过程：曲线左半部呈陡峭下行，基差在数小时内从零附近急剧跌至-500个基点甚至更深；右半部呈缓慢的凹形上升，修复过程历时数周方能回归至接近零的水平。这种“急跌慢修”的不对称形态，直观地揭示了套利机制在正负方向上运作效率的巨大差异。

这种修复速度的显著不对称性，揭示了套利机制在应对正负基差时所面临的摩擦力差异。当市场出现正基差时，套利者执行的是“做空永续+买入现货”的策略。这一操作相对简单，因为买入现货资产（如 BTC 或 ETH）的执行摩擦较低，流动性通常也较为充裕。然而，当市场转为负基差时，套利者需要执行相反的操作：“做多永续+做空现货”。这里的关键瓶颈在于“做空现货”。在加密市场中，要大规模做空现货，通常需要通过借贷平台借入相应资产再行卖出。这一过程面临着显著更高的摩擦：首先，借币本身有利率成本；其次，在市场恐慌、流动性枯竭时，可供借贷的资产数量（即可用券源）会急剧减少，借贷成本也可能飙升；最后，一些中心化交易所的现货做空功能本身就受限或不发达。这些因素共同导致了负基差套利的可行规模和执行效率远低于正基差套利。

正是这种套利摩擦的不对称性，导致了正基差比负基差更容易被套利力量所压缩，从而使得负基差在形成后表现出更强的“粘滞性”。价格的修复之路因此变得异常缓慢。除了供给端的套利摩擦不对称外，需求端的行为因素同样是负基差粘滞的重要成因。在经历了极端亏损的恐慌事件后，散户的损失厌恶和近因偏差使其在相当长的时间内拒绝重新入场建立多头头寸，导致市场出现“多头真空”，即使做空现货的成本降低，也缺乏足够的多头对手方来推动基差回归。这种需求端粘滞在危机后的早期阶段可能甚至比供给端的做空摩擦更为重要。此外，这一现象还与§17.9.4中描述的“风险共振后恢复的非对称性”机制相互叠加。在市场极端恐慌期间，许多套利者自身也可能因市场剧烈波动而遭遇亏损、头寸被强制平仓，导致其资本规模受损。同时，巨大的市场不确定性也使其风险偏好下降，在重新部署资本进入市场进行套利时会变得更加犹豫和谨慎。资本的耗损和信心的打击，使得本已因摩擦而受限的套利力量进一步加剧，进一步延长了负基差的修复时间。

因此，深度负基差在持久度光谱上属于一种混合/状态依赖型异象：它由特定的危机事件触发（具有瞬态异象的起因），但其修复速度却受结构性摩擦（现货做空机制的不对称、多头真空、套利资本耗损）支配，因而表现出远超一般瞬态冲击的修复时长。这与§18.1.3 中“瞬态指的是触发机制而非修复时长”的说明一致——把它简单归为纯粹的瞬态异象会掩盖其修复过程中的结构性成分。其核心特征并不仅仅在于价格的瞬间偏离，更在于其后那条长长的修复过程。这个长尾不仅反映了市场冲击的持续影响，也清晰地反映了套利机制在压力之下，因其内在的结构性不对称摩擦而表现出的局限性。

18.2.3 基差的非对称均值回归

前述关于牛市正基差和熊市负基差的不同表现，直观上暗示了基差向均衡水平（零点）回归的过程可能存在不对称性。为了更严谨地验证和量化这一特征，我们可以借助计量经济学模型，如阈值自回归模型或马尔可夫区制转换模型，来对 BTC、ETH 等主流资产的永续合约基差时间序列进行分析。这类模型的核心思想，是允许基差在处于不同状态（例如，正偏离或负偏离）时，其均值回归的速度可以不同。通过分别估计基差在正区间和负区间的自回归系数，我们可以计算出它们各自的“半衰期”，即一个偏离消除其一半幅度所需要的时间。

图 18-3. BTC 永续合约基差的非对称均值回归特征（数据来源：示意性分析，作者构建）

图 18-3从计量经济学角度可视化了基差均值回归的非对称特征：正基差区间自回归系数较小、对应更短的半衰期（修复较快），负基差区间系数显著更大、半衰期更长（修复更慢）。需要说明的是，图 18-3 为示意性分析（作者构建），其作用是在概念上示意两个区间在回归速度上可能存在的系统性差异、并为前一小节关于套利摩擦不对称性的定性分析指出一个可检验的假说方向，而非已完成的实证测量；该假说的严格检验有待对真实基差序列拟合阈值自回归或区制转换模型来完成。

为了直观说明这种不对称性的量级，我们构造一个示意性的数值场景。正基差的半衰期显著小于负基差的半衰期。换言之，当永续合约价格高于现货价格时，这种偏离被纠正的速度要快于永续合约价格低于现货价格时的情形。例如，一个+300个基点的正基差可能平均只需要10天就能回归到+150个基点，而一个-300个基点的负基差，则可能需要25天甚至更久才能修复到-150个基点（以上数值为示意性量级估计，旨在说明方向性差异而非精确的实证测量；具体的半衰期估计值取决于样本期、资产类别和模型设定）。这种差异不仅在统计上是显著的，在经济意义上也十分重要，因为它直接反映了套利活动的效率差异。

这种均值回归的非对称性，为我们在上一小节中讨论的“套利约束不对称性”提供了强有力的量化证据。它并非源于交易者的非理性或行为偏差，而是套利基础设施和市场微观结构不对称性的直接映射。正如我们所分析的，消除正基差的套利操作（空永续、多现货）所面临的执行摩擦和成本，系统性地低于消除负基差的套利操作（多永续、空现货）。因为前者只需要在流动性充裕的永续和现货市场上进行买卖，而后者则额外受制于现货借贷市场的可得性、成本和风险。更低的摩擦意味着更快的套利执行和更大的套利容量，从而带来更快的价格收敛速度。

因此，基差的非对称均值回归现象，可以被视为市场微观结构约束在时间序列动态上的直接体现。它告诉我们，市场的修复能力在不同方向上并非均衡的。理解这一点直接影响风险管理和交易策略的制定。例如，一个依赖基差回归的策略，在面对负基差时需要有更长的持仓周期和更强的风险容忍度。同时，这也为市场设计者提供了启示：若要提升市场的整体效率和韧性，改善现货市场的做空机制、降低做空成本和摩擦，具有关键作用。

18.2.4 Ethena 效应与协议化套利

进入2024年，一个名为 Ethena 的协议以显著的速度崛起，为基差异象的演化带来了新的变量。Ethena 的核心机制，本质上是对传统基差套利策略的协议化和规模化。它通过吸收用户存入的稳定币或流动性质押代币如 Lido 协议发行的 stETH，在中心化交易所大规模地建立永续合约空头头寸，同时持有等量的现货多头头寸（或等价的质押衍生品），从而系统性地捕捉牛市中持续存在的正基差和高额资金费率。这一模式在§16.4.3中已有初步探讨，而本节我们更关注的是，当这种套利行为从少数专业交易机构的操作，演变为一个拥有数十亿美元资产规模的去中心化协议时，它对整个市场的基差异象产生了何种影响。

图 18-4. Ethena 协议 TVL 增长与 BTC 永续合约基差的关系（数据来源：Ethena 协议公开 TVL 数据与 Binance BTCUSDT 永续合约基差数据）

图 18-4将 Ethena 协议的总锁仓价值（Total Value Locked, TVL）增长轨迹与同期 BTC 永续合约基差水平置于同一时间轴上对照：两个序列呈一定程度的负相关——随着 Ethena TVL 在2024年快速增长，BTC 永续合约正基差的均值与峰值水平均出现可观测的下降。这一共变为“协议化套利压缩基差”的假说提供了初步的时间序列证据，尽管相关性并不等同于因果关系，仍需更严格的计量检验来排除混杂因素的影响。

最直接的假说是，Ethena 的出现，通过提供了前所未有的、持续且大规模的空头头寸供给，正在系统性地压缩牛市中的正基差。在 Ethena 之前，如§18.2.1所述，正基差的持续存在很大程度上是因为套利者的空头供给相对于投机性的多头需求而言严重不足。Ethena 通过其协议化的方式，极大地汇集和放大了市场的套利资本，成为永续合约市场上一个不可忽视的“大规模空头供给者”。通过对2024年 Ethena 的 TVL 增长曲线与同期 BTC、ETH 永续合约基差水平进行时间序列比较，我们可以初步检验这一假说。如果数据显示，随着 Ethena TVL 的快速增长，主流交易所的永续合约基差和资金费率的平均水平出现了可观测的、统计显著的下降，或者其波动性被有效抑制，那么这将是“异象正在被技术创新所消除”的一个强有力证据。

然而，Ethena 效应亦是具有双重效应的工具。在它可能削弱了牛市正基差这一“周期性异象”的同时，其巨大的体量本身也为市场引入了新的、潜在的风险。Ethena 的稳定运行高度依赖于资金费率长期为正的宏观市场环境。一旦市场急剧转熊，出现持续的、深度的负资金费率，Ethena 的收益模型将面临严峻考验。如果协议因此遭遇大规模的用户赎回，它将被迫在市场上平掉其庞大的永续合约空头头寸。这种规模化的平仓行为，本身就会对市场造成巨大的冲击，可能在短时间内将基差推向一个前所未有的极端负值，从而创造出一种新型的、由协议化套利退潮所引爆的“瞬态异象”。

这种潜在的新风险值得关注：Ethena 的头寸分散于 Binance、OKX、Bybit、Deribit 等多个中心化交易所，但这种分散的风险缓释效果取决于其在各宿主交易所中的头寸占比：若 Ethena 的 BTC 永续空头持仓占某交易所总未平仓合约的显著比例，则即便“分散”也可能在单一交易所层面造成订单簿破坏性冲击。此外，Ethena 协议的赎回机制是否包含压力条件下的赎回门控或熔断机制，将直接影响强制平仓的时间分布：有序的、门控的赎回可将冲击分散在数天内，而无门控的挤兑式赎回则可能在数小时内集中释放全部平仓压力。Ethena 效应对基差异象的更广泛演化意义，将在§18.9中进一步讨论。

18.3 资金费率异象

资金费率机制是永续合约这一金融工具能够区别于传统交割期货，实现与现货价格紧密锚定的核心制度创新。在理论上，它通过在多空双方之间转移支付，动态调节永续合约的相对吸引力，从而将基差（永续合约价格与现货价格之差）驱动至零附近。在一个完全有效且参与者完全理性的市场中，资金费率应仅反映特定时刻多空力量的瞬时失衡，其时间序列应呈现出围绕零值随机波动的特征，不应包含任何可供预测的系统性模式或持续性偏差。然而，当我们深入分析真实世界的资金费率数据时，呈现出远为复杂的模式。数据揭示了至少四类显著的系统性异象，它们不仅未能被套利活动完全消除，反而持续存在。这些异象反映了套利活动在现实世界中所面临的约束边界，并揭示了永续合约市场在制度设计层面内生的缺陷，以及其参与者结构中深层的不对称性。

18.3.1 长期正偏与结构性风险补偿

在统计上偏离幅度较大的资金费率异象，是其在长期统计意义上的正向偏离。对主流加密资产如比特币和以太坊的永续合约资金费率进行长周期（例如，数年）的观察，可以清晰地发现其均值显著为正。这意味着在绝大多数时间里，是多头持仓者在向做空方支付费用，而非相反。这种系统性的支付流向，使得做空永续合约并收取资金费率成为一种具有吸引力的“套利”策略。从经济实质看，这一策略正是加密市场版本的“carry trade”：套利者通过持有空头永续合约头寸赚取资金费率这一“carry”收益，其性质与外汇与商品市场中的套息交易高度类似 ^[5]。正如一些学术研究所指出的，该策略在特定样本期内能产生可观且夏普比率较高的回报。He et al. ^[6]在2020-2022年的样本中报告了约1.8（散户费用条件下）至3.5（做市商零费用条件下）的年化夏普比率，但这些数字是基于理想化假设的上界估计，未扣除跨交易所保证金的资本占用成本和费率符号反转期间的库存风险。从统计分布上看，正费率出现的频率远高于负费率，整个费率分布的重心明显偏离了零点，呈现出清晰的正向偏移特征。公开数据（数据来源：Coinglass）显示，在以2020-2024年为主的观察样本中，正费率天数的占比长期均值约为75%，远高于理想情况下应有的50%。需要指出的是，这一统计量具有显著的周期依赖性：在2020-2021年牛市主导的子样本中，正费率占比更高；而在2022年至2023年初的熊市阶段，负费率出现的频率显著上升，正费率占比可降至60%以下。因此，75%这一数字应被理解为跨周期的长期均值，而非在任何时间窗口内都成立的稳态常数。

图 18-5. BTC 永续合约资金费率的长期正向偏置分布特征（示意/模拟，数据为合成样本，形态基于历史特征；图中均值线0.021%为正向常态基准、非实证均值，正/负费率占比为该合成样本的统计结果——据 Coinglass 实证，资金费率长期约75%的时间为正）

图 18-5展示了 BTC 永续合约资金费率在长周期内的统计分布及时序特征：分布重心明显偏离零点、正费率区域的概率密度远大于负费率区域，时序上费率长期维持在正值区间、仅在少数极端事件期间短暂转负。这种分布上的系统性不对称，证实了资金费率并非在零值附近随机对称波动，而是存在一个被结构性力量所维持的正向偏移。

这一现象的根源，可以追溯到加密货币市场参与者结构的深层不对称性。与传统金融市场不同，加密市场的参与者基础中，散户和长期持有偏好者占据了相当大的比重。这一群体天然地倾向于持有或做多加密资产，他们或将购买加密货币视为一种长期价值投资，或被市场上主流的看涨叙事所驱动。同时，对于许多非专业参与者而言，做空操作在认知上和工具可得性上都存在更高的门槛。这种天然偏多倾向导致了对杠杆做多的需求在结构上系统性地超过了做空需求。为了平衡市场，必须有利可图的空头供给来匹配这种过剩的多头需求。持续为正的资金费率，正是吸引和补偿这些空头供给者的市场化机制。空头持仓者承担着与市场长期上涨趋势相反的风险，尤其是在牛市中，做空永续合约可能面临价格上涨带来的浮亏和保证金压力。因此，正的资金费率可以被视为市场支付给空头的结构性风险补偿，用以补偿他们提供的稀缺的空头流动性以及承担的逆势风险。

从第17章的约束维度来看，长期正偏的形成源于一条从参与者结构到资本约束的因果链。散户主导的参与者结构构成了这条链的起点：加密市场中天然偏多的散户群体赋予了多头需求极高的“黏性”，即使资金费率上升，多头的退出意愿也不如空头的入场意愿强。这种结构性的需求不对称传导至保证金约束（维度I）：在牛市中，套利者要扩大空头规模以压低资金费率，就需要投入更多保证金，但市场中的总资本相对有限，套利者无法无限制地增加空头规模。保证金约束的绑定又进一步受到流动性约束（维度V）的放大：在部分资产上，空头流动性本身就相对稀缺，限制了套利者提供空头的能力，使得费率偏离更难被修复。

运用§18.1.1中建立的分类框架，资金费率的长期正偏应被定性为一种均衡性偏差，而非纯异象。其核心逻辑在于：即便在一个假想的无摩擦市场中，只要参与者结构保持散户偏多的格局，多头为获得杠杆敞口而向空头支付的风险补偿仍将以正费率的形式存在。这与传统商品期货市场中的“便利收益”具有结构性类比关系：空头承担着与市场长期上涨趋势相反的逆势风险，正的资金费率是对这种稀缺的空头流动性供给的合理经济补偿。然而，现实中保证金约束和流动性约束的叠加，将这种均衡性偏差的幅度放大到了远超其“公允”水平的程度。因此，长期正偏的存在同时证明了两件事：市场参与者结构的根本性不对称，以及套利约束对这种不对称效应的显著放大作用。进一步的分析表明，长期正偏可以被分解为两个成分：一个由参与者结构不对称决定的结构性基底（在任何宏观环境下都倾向为正），以及一个与全球美元流动性周期紧密相关的周期性叠加成分。在美联储扩表和全球风险偏好上升的时期，投机性做多需求被放大，正偏幅度显著扩大；而在紧缩周期中（如2022-2023年），周期性成分转负，部分抵消了结构性基底，导致正偏幅度收窄甚至短暂转负。理解这种双因子结构，对于判断任何给定时期的资金费率水平中有多少属于“均衡补偿”、有多少属于“约束放大”至关重要。

18.3.2 极端值的聚集效应

资金费率的第二个显著异象在于其极端值的分布模式。在标准金融模型中，极端事件（或称“尾部事件”）通常被假设为独立同分布的，即一次极端费率的出现不应影响下一次出现的概率。然而，实证数据呈现了截然不同的结果：资金费率的极端值（无论是极高的正值还是极低的负值，例如绝对值超过每8小时0.1%）并非在时间轴上均匀随机分布，而是表现出明显的“聚集效应”。这意味着一次极端费率事件的发生，往往预示着未来短期内大概率会再次出现一个或多个极端值，形成一段费率剧烈波动的时期。这种现象与金融市场中广为人知的“波动率聚集”特征高度相似，即高波动的时期和低波动的时期会各自成群出现。这种聚集效应原则上可以通过 GARCH 族模型（如 EGARCH 或 GJR-GARCH）对资金费率时间序列进行正式的条件异方差检验来加以刻画和量化，但本章并未对其进行正式估计；对资金费率这一特殊序列的系统性 GARCH 分析在现有文献中仍属不足，相关条件方差显著性检验留待专门的实证研究。此处需区分两种相关但不同的聚集形态：费率水平的聚集（极端值出现后均值持续偏离）和费率波动率的聚集（极端值出现后方差持续放大），前者指向均值的持续性偏移，后者指向不确定性的持续性放大，两者的政策含义不同。

图 18-6. 资金费率极端值的时间聚集效应（示意/模拟，序列为合成样本、聚集占比为该样本实算值，非实测点值；极端值定义为绝对值超过0.1%/8h）

图 18-6通过标记资金费率时间序列中的极端值事件，直观展示了其在时间轴上的非均匀分布：极端值（无论正向还是负向）并非随机散落，而是集中出现在若干密集的“爆发窗口”内，窗口之间则是长时间的平静期。这种“成簇”模式在统计上表现为极端值之间的显著正自相关，与金融市场中广为人知的波动率聚集现象具有高度的结构相似性。

这种极端值的聚集，并非偶然的统计巧合，而是市场内部风险传导机制在资金费率上的直接体现。它完美地映射了第17章所深入探讨的“风险共振”机制。当市场遭遇外部冲击（例如，重大的宏观新闻、协议被攻击或监管政策突变）导致价格剧烈单向运动时，基差会迅速扩大，从而产生极端的资金费率。例如，在价格暴跌时，大规模抛售使得永续合约价格远低于现货，导致资金费率变为极端负值。此时，基差套利者本应入场做多永续、做空现货来纠正价差。然而，在极端的市场环境下，这些套利者自身也面临着巨大的风险。一方面，剧烈的价格波动可能直接触发他们的头寸被强制平仓，导致其资本受损，从而削弱了整个市场的套利能力。另一方面，即使未被平仓，套利者也可能因为风险敞口急剧扩大或交易对手风险感知上升而主动缩减头寸，暂时退出市场。套利力量的这种“暂时性下降”，使得最初的极端费率无法被有效纠正，甚至可能在正反馈循环中被进一步放大。

极端费率的出现本身就是市场套利能力在压力下达到临界点的信号。一旦套利机制受到制约，市场便进入一种不稳定状态，后续的任何小幅扰动都可能再次轻易地将费率推向极端。这种“风险的正反馈”机制，解释了为什么极端值会聚集出现。在一段高度不稳定的时期，多个小的冲击可能在短时间内依次到来，而每一个冲击都会因为套利能力的削弱而被放大，导致一系列极端费率事件的连锁出现。从约束维度来看，极端值聚集主要映射了第17章中的风险共振机制（特别是涉及保证金约束、执行约束和流动性约束的共振）。在危机时期，这些约束同时收紧，套利者的活动空间被严重压缩，市场失去了其主要的稳定力量。因此，极端值聚集本质上是套利基础设施在巨大压力下暂时失效、并在失效期间异象自我强化的可观测证据。这种异象属于典型的瞬态异象，由特定危机事件触发，但在套利资本恢复和市场情绪稳定后会逐渐消散，其聚集的程度和持续时间，成为了衡量市场韧性的一个重要指标。

18.3.3 结算周期效应

与前述由市场结构或危机驱动的异象不同，第三类异象源于永续合约最核心的制度设计本身，即资金费率的离散结算周期。在大多数主流中心化交易所（如 Binance、OKX），资金费率并非连续支付，而是在固定的时间点进行结算，最常见的便是每8小时一次（例如，在 UTC 时间的00:00、08:00和16:00）。这种离散的结算机制，在市场中创造出一种人为的、可预测的结算周期效应。具体表现为，在资金费率结算前的计算窗口内（以 Binance 为例，其溢价指数基于结算前30分钟的时间加权平均价格计算，每分钟采样标记价格与指数价格之差），永续合约的价格、基差、成交量乃至资金费率本身，都会呈现出系统性的、有规律的波动模式。

图 18-7. 资金费率在8小时结算周期前后的结算时点效应（示意/模拟，数据为合成样本、非实测点值；其中各时段平均费率的形态为合成示意、不代表实测规律；结算时点为 UTC 00:00/08:00/16:00）

图 18-7以高频数据刻画了永续合约资金费率在8小时结算周期前后的系统性波动：费率以每8小时的结算点为节律周期性波动，单个8小时窗口内各时段的平均费率自结算时点（H0）向后逐时段衰减，结算时刻前后的费率波动率呈以结算点为中心的钟形峰值，且结算前窗口的波动率与平均费率均显著高于全天均值。这一由费率结算节律驱动的系统性模式会进一步传导至价格层面——永续合约价格在结算前出现可预测的短暂偏移（预期费率为正时向下、为负时向上），并在结算时刻过后迅速回归（其微观机制详见下文），构成一个由制度设计内生创造的微观尺度可预测模式。

这种结算时点效应的产生逻辑十分直接。当市场预期将要结算的资金费率为正且较高时，持有大量多头头寸的交易者有强烈的动机在结算时刻之前平仓，以避免支付这笔费用。这种集中的平仓行为在短时间内形成了显著的卖压，导致永续合约价格在结算前出现短暂下跌。一旦结算时刻过去，这部分卖压瞬间消失，同时一些交易者可能会重新建立多头头寸，价格随之快速反弹。反之，当预期资金费率为负时，空头持仓者则会试图在结算前平仓以避免支付费用，从而形成短暂的买压和价格上涨。这种围绕结算点的周期性供需失衡，是完全由制度设计内生决定的。它创造了一个微观尺度上的可预测的价格模式，理论上为高频交易者提供了套利机会。值得注意的是，交易者策略性行为的目标并非狭义的结算“时刻点”，而是影响时间加权平均价格（Time-Weighted Average Price, TWAP）计算结果的30分钟窗口期。在该窗口内，大额交易者甚至可以通过刻意的订单流操作来移动 TWAP，这使得结算周期效应不仅包含被动的避费行为，也包含主动的标记价格操纵成分。

然而，这种异象之所以能够持续存在，恰恰反映了执行约束（第17章中的约束维度 IV）的限制。要在精确的结算时间窗口（通常只有几分钟甚至更短）内捕捉这种短暂的价格波动，需要极低的延迟、高效的执行系统和复杂的交易算法。这对于绝大多数普通市场参与者而言是无法实现的，因此套利力量不足以完全抹平这种由制度性周期驱动的价差。此外，即使是具备高频交易能力的参与者，也面临着滑点、手续费和风险管理的成本，这些成本可能使得结算时点效应的套利机会在经济上不足以吸引足够的资本介入。此异象是典型的周期性异象，其生命力完全系于交易所的结算制度。这一点恰好为本章在§18.1.2 中承诺的“约束变化前后真实测量”提供了一个可落地的天然实验：不同交易所采用了不同的结算周期长度——多数主流中心化交易所每8小时结算一次，而新兴去中心化衍生品交易所（如 Hyperliquid）则采用每小时一次的更短周期。这构成了一个近似的双重差分（difference-in-differences）设计，其中“结算周期长度”是被外生改变的处理变量：我们可以比较短周期交易所与长周期交易所在各自结算窗口内的价格偏移与成交量脉冲幅度（组间差异），并对照各自非结算时段的常态波动（组内差异）。可证伪判据十分明确：若结算周期效应确由离散结算这一制度约束驱动，则采用每小时结算的 Hyperliquid，其结算窗口内的异常幅度应显著弱于采用8小时结算的交易所；反之，若两类交易所的结算窗口异常幅度并无系统性差异，则“离散结算周期驱动结算时点效应”这一归因将被证伪。经验观察与前一假说一致：Hyperliquid 结算时刻的结算时点效应确实显著弱于采用8小时结算周期的交易所，从而把“缩短结算周期可缓解周期性异象”这一反事实从修辞兑现为约束变化前后的可观测对比（严格的统计检验仍有待对两类交易所的高频数据进行配对估计）。这清晰地表明，通过优化制度设计（例如，缩短结算周期甚至实现连续结算），这类周期性异象是可以被有效缓解甚至消除的。但缩短结算周期并非没有代价。更高的结算频率意味着保证金重算和清算引擎的运行频率同步增加，这提高了网络延迟事件恰好与结算时点重合的概率。对于 Hyperliquid 等闭环应用链而言，如果验证者节点在某次结算时出现瞬时延迟，所有应在该时点执行的保证金计算和清算操作将被同步延迟处理，可能导致级联清算的时间窗口异常集中。这也为市场设计者提供了一个清晰的启示：制度的细节设计直接影响市场的效率特征，而看似“技术性”的参数选择（如结算周期长度）实际上可能成为系统性异象的根源。

18.3.4 跨交易所费率的持续性分裂

如果说一价定律是金融市场的基石，那么在理想的永续合约市场中，同一资产在不同交易所的资金费率也理应趋于一致。因为如果费率存在显著差异，套利者便可以通过在费率高的交易所做空、在费率低的交易所做多，来构建一个风险相对较低的头寸，稳定赚取费率差。第16章所描述的费率套利策略，正是扮演着“平滑”整个市场费率曲面的角色。然而，现实再一次展现了其复杂性。实证研究（例如，Zhivkov, 2026 ^[2]）发现，不同交易所之间的资金费率差异不仅普遍存在，而且在相当一部分时间内其幅度达到了经济显著的水平。具体而言，该研究在其样本中观察到，约17%的观测时段存在经济显著的套利价差（arbitrage spreads ≥20个基点；此处20bp 阈值为作者设定）。需要特别说明的是，^[2] 的样本仅覆盖8天（约3570万条分钟级观测、跨26家交易所），因此“约17%的观测占比”应理解为该短样本高频面板内的统计结果，而非长期面板的稳态比例，读者不宜将其外推为长时段的普遍规律。这种费率的“持续性分裂”，构成了第四类重要的资金费率异象。

图 18-8. 主流交易所间 BTC 永续合约资金费率的持续性分裂（示意/模拟，数据为合成样本、非实测点值；价差超20基点占比为示意量级，文献^[2]原样本为 Hyperliquid 约17%）

图 18-8将多家主流交易所的 BTC 永续合约资金费率时间序列叠加对比：尽管各家费率在趋势方向上大致一致（同涨同跌），但具体数值上始终存在显著分裂，同一时刻常出现数十个基点的差异，且这种差异并非短暂随机噪声，而是在较长时间窗口内持续存在；在市场波动加剧时期，费率曲线呈现更明显的“发散”形态，揭示了跨交易所套利在压力环境下的低效。

这种跨交易所费率分裂的根源是多方面的。首先，各家交易所在资金费率的具体计算公式上存在微观差异。例如，它们可能使用不同的价格指数来源、不同的基差计算方法或不同的利率成分，这些细微差别在市场波动时可能被放大，导致费率的系统性偏离。其次，也是更为根本的，是保证金约束（第17章中的约束维度I）的强大限制。执行跨交易所的费率套利，需要在两个（或更多）交易所同时持有头寸，这意味着套利者的资本被分割在不同的、无法互通的保证金账户中。这极大地降低了资本效率，并显著增加了套利的总资本要求。研究表明，在许多情况下，尽管存在理论上的套利机会，但由于保证金要求过高，套利者实际上无法部署足够规模的头寸来完全消除费率差异。Zhivkov（2026）的研究发现，在其模型假设下（基于单一套利者的资本约束和跨交易所双边保证金锁定），约95%的套利机会最终因价差反转风险导致的被迫退出（forced exits）而无法被完整执行 ^[2]。原文的95%主要刻画的是“机会在持有期内因价差反向运动而被迫平仓”的占比；本章将其再归纳为综合约束效应，可大致拆解为三种相关的约束机制：保证金要求使策略净现值为负的情形、交易所仓位限制对头寸规模的硬性约束、以及运营开销门槛使小规模价差不值得捕捉的情形（此处的拆解系作者对原文约束的再归纳，而非原文的逐项分类）。这一数字对假设的套利者资本规模敏感（资本更雄厚的机构面临的约束比例可能显著低于95%），同时也受限于前述8天短样本，但它清晰地揭示了跨交易所费率套利面临的约束之严峻。

最后，不同交易所的参与者构成和市场微观结构也存在差异。例如，某个交易所可能有更多的散户投机者，导致其多头情绪更强，资金费率长期系统性偏高；而另一个交易所可能机构参与者更多，市场行为更为中性。这种“需求端”的分裂，从根本上导致了不同市场会形成各自的局部费率均衡。此外，交易对手风险的差异（第17章中的约束维度 III）也会影响套利者的决策。如果某个交易所的信用风险被认为更高，套利者可能会对其收费率差异要求更高的补偿，从而不愿意在该交易所建立头寸。因此，跨交易所费率的持续性分裂，是市场分割、制度细节差异、套利约束和参与者结构差异共同作用下的产物。它属于一种结构性异象，只要交易所之间在资本、用户和制度上保持隔离，这种费率的分裂就会持续存在，其差异的幅度则动态地反映了跨市场套利的综合成本与风险。这一异象的存在，进一步印证了第16章套利基础设施假说（AIH）的观点：当套利所依赖的基础设施（如跨交易所资本流动的便利性）不完善时，套利的有效性就会受到限制。

18.4 跨交易所异象

一价定律是金融理论的基石，它断言，在不存在交易摩擦和壁垒的完美市场中，任何具有相同风险和未来现金流的资产都应以单一价格进行交易。任何偏离都应被套利者瞬间消除。在加密货币这一被誉为“原生数字化”和“全球流动性”的领域，人们曾期望一价定律能够得到最纯粹的体现。永续合约市场的演化，在很大程度上确实印证了这一趋势。市场参与者通过复杂的跨所套利策略（如§16.5所述），将不同交易平台上的价格“拉平”，使得整个市场的定价趋于一致。

然而，当我们以更高的精度审视这个看似平滑的定价体系时，会发现它并非完全一致。套利的力量在接近其理论极限时，会遇到一系列难以逾越的障碍，这些障碍正是第17章所分析的各类约束。这些约束的存在，使得一价定律在现实中并未完全实现，而是留下了一系列持续的、可观测的“残余偏差”。这些残余的价差并非随机噪声，它们构成了信息丰富的异象，界定了跨交易所套利力量所能触及的边界。本节将深入分析三类核心的跨交易所异象，揭示它们如何映射出市场微观结构、参与者行为以及宏观监管环境的深层特征。

18.4.1 头部交易所的残余价差

随着永续合约市场的成熟，头部交易所（如 Binance、OKX 和 Bybit）凭借其巨大的流动性、庞大的用户基础和相对完善的基础设施，构成了全球加密衍生品交易的“核心交易平台”。在这些枢纽之间，针对比特币等主流资产的永续合约价差，已经收敛到了一个极低的水平。在市场平稳运行的常态下，这一价差通常稳定在1至3个基点的狭窄区间内。然而，值得注意的是，这个价差虽然极小，却从未真正消失为零。

这个始终存在的“最后一个基点”的价差，本身就是一个意义深远的经济信号。它并非市场的无效性，恰恰相反，它精确地度量了市场实现效率的成本。这个“残余价差”的本质，是跨交易所套利所需承担的最低综合执行成本。这一综合成本可以分解为至少四个层次：第一层是机械执行成本，包括双边手续费、下单滑点和延迟风险；第二层是逆向选择溢价，即跨交易所做市商为补偿来自信息优势方的不利订单流而嵌入报价中的保护性价差；第三层是资本就绪成本，即维持跨交易所套利能力要求在多个平台预置闲置保证金，该浮存资本的年化机会成本约为50-150个基点；第四层是提币再平衡延迟风险，即关闭跨交易所价差后需通过区块链提币来再平衡各平台保证金，在10-60分钟的链上确认期内价差可能反转。正如第16章的“套利基础设施假说”所指出的，套利收益本质上是为市场提供流动性和价格发现服务的报酬。因此，这个残余价差可以被理解为维持跨交易所“跨交易所价格传导机制”正常运转的最低运营费用。当价差收窄到这个阈值以下时，套利交易所产生的收益已不足以覆盖其成本和风险，套利动机便会消失。因此，这个看似微不足道的残余价差，实际上界定了当前技术和制度条件下，市场效率所能达到的真实下界。

此外，这个残余价差并非一个静态的常数，而是呈现出显著的状态依赖性。在市场平稳期，它是1到3个基点；当市场波动性加剧时，它会系统性地扩大到5至15个基点；而在极端危机事件（如交易所崩溃或全市场闪崩）中，它甚至可以瞬间爆发至50到200个基点以上。这种动态变化表明，套利基础设施的承载能力是有限的。在市场压力下，流动性提供者和套利者会主动撤出或降低风险暴露，导致资本碎片化加剧、执行风险飙升，从而推高了维持价格一致性的成本。因此，这个残余价差的波动可作为衡量整个市场套利基础设施健康状况和稳健性的有效指标。

图 18-9. 不同交易所对之间 BTC 永续合约价差的时间序列（模拟数据，基于 Binance-OKX、Binance-Bybit、Binance-二线交易所等交易对的历史价差特征构建）

图 18-9通过模拟数据显示了不同交易所对之间价差的动态特征：头部交易所对（如 Binance-OKX）的价差在较低水平上窄幅波动，而与二线交易所的价差则系统性地更高且波动更剧烈，清晰展示了价差的层级结构。

18.4.2 中心-外围定价梯度

将视野从头部交易所之间拉远，审视更广泛的交易所生态，一个清晰的“中心-外围”定价梯度结构便浮现出来。跨交易所的价差并非均匀分布，而是严格地按照交易所的市场地位、流动性和信用等级呈现出阶梯状分化。中心层由 Binance、OKX、Bybit 等顶级交易所构成，它们之间的价差最小，如前所述通常在1-3个基点。近外围层包括 Bitget、Gate.io 等交易量和市场影响力次一级的二线交易所，它们与中心层交易所之间的价差显著扩大，通常在5-20个基点之间。远外围层涵盖众多规模更小、流动性较差的地区性或新兴交易所，它们与核心交易平台的价差可能高达50-200个基点，甚至在某些极端情况下更高。

这一显著的梯度结构，是市场通过价格信号对不同交易所内在风险进行定价的直接体现。运用第17章的“约束-异象映射”框架进行归因，可以发现交易对手风险约束是这一异象的第一序成因：将资金存放在一个交易所即意味着承担该交易所的信用风险（FTX 事件便是影响深远的案例），而二线及外围交易所的信用风险显然高于头部交易所，理性的套利者因此要求更高的预期收益来补偿额外的信用风险敞口，这直接表现为系统性的价差溢价。交易对手风险的差异进而加剧了资本碎片化：跨交易所套利要求在每个平台都预先存入保证金，面对有限的资本，套利者会优先将其部署在流动性最深、信用风险最低的中心层交易所，而对外围交易所的资本预置在经济上不划算，从而导致连接中心与外围的套利资本带宽不足，价格发现的传导链条变得薄弱，允许了更大幅度价差的持续存在。

表 18-5. 交易所层级与 BTC 永续合约价差梯度（数据来源：作者基于 Kaiko 交易所排名 ^[7] 及行业公开数据构建）

表 18-5展示了交易所的相对信用评级与其 BTC 永续合约价差中位数之间的负相关关系。信用等级越高的交易所群体（头部交易所），其价差越小；而随着信用等级下降，价差呈现出非线性的扩大，清晰地展示了“中心-外围”的梯度。这里需要对数据口径作两点澄清：其一，表中的永续合约价差中位数为作者基于公开行情数据构建的典型量级估计，而非来自某一统一数据库的实测面板；其二，Kaiko 的交易所排名 ^[7] 针对的是现货交易所，按治理、安全与流动性等维度综合打分，本身并不直接提供永续合约价差或正式的信用评级，故此处仅将其作为“交易所质量分级”的弱支撑参照；若需要更贴近“信用风险梯度”的口径，更合适的依据是 Agio Ratings 的交易对手违约概率（PD）评分 ^[8]（详见§18.4.2 末关于第三方评级体系的讨论）。

从持久度来看，中心-外围梯度是一个典型的结构性异象。只要加密货币交易所市场保持碎片化、异质化的格局，只要不同平台的信用风险无法被完全消除或被完美对冲，这个价差梯度就将作为市场结构的持久特征而长期存在。FTX 的崩溃为这一框架提供了一个重要的反面案例：在崩溃前，FTX 作为全球交易量排名前3的交易所，其永续合约价差处于中心层水平（1-3个基点），市场的事前风险定价完全未能反映其实际的、致命级别的交易对手风险。这意味着价差作为信用风险信号具有内在的回溯性：它能有效定价已知的、渐进变化的风险差异，但对于未公开的、非连续性的风险事件（如挪用客户资产）几乎没有预警能力。当然，随着行业的逐步整合、监管的成熟以及类似 Kaiko 等第三方机构提供的交易所评级体系的完善 ^[8][7]，交易对手风险变得更加透明，我们或许会看到这个梯度在未来有所缓和，从系统性风险视角看，中心-外围梯度不仅是风险差异的被动反映，更是一个主动的传染放大机制：外围交易所因无法吸引常态下的套利资本而持续积累错误定价，这些积累的偏差在市场压力期间被同步释放，当知情交易者紧急退出所有外围头寸时，其抛压进一步加剧中心市场的波动，这与2008年三方回购市场中的挤兑模式具有结构相似性。但其完全消失的可能性微乎其微。

18.4.3 监管壁垒与分割定价区域

如果说前述两类异象源于市场内在的摩擦与风险定价，那么第三类异象则来自于市场外部的强大干预，即主权国家的法律与监管。当监管力量直接切断或严重阻碍了资本在不同司法管辖区之间的自由流动时，一价定律便会以最极端的方式被违背，从而形成一个个“分割定价区域”。这是本章中“约束-异象映射”因果链条最短的案例，即监管约束直接阻断了套利路径。

最著名的案例莫过于韩国市场的“泡菜溢价”。由于韩国政府严格的资本管制和外汇管理规定，韩国公民将韩元兑换成外币并转移至海外加密货币交易所的渠道受到极大限制。反之，将海外的加密资产在韩国市场卖出后换成韩元并汇出国外同样困难重重。这种双向的资本流动壁垒，使得韩国的加密货币市场在很大程度上与全球市场相隔离。当韩国国内对加密资产的需求（尤其是投机性需求）高于全球平均水平时，由于外部的低价资产无法自由流入以满足需求，韩国国内交易所的加密货币价格便会系统性地高于全球市场，形成显著的“泡菜溢价”。这一溢价在历史上曾多次超过20%，甚至在某些极端时期达到50%以上 ^[1]。对于永续合约市场而言，这种效应同样存在，使得韩国交易所的永续合约价格长期偏离全球定价中心。

一个更广泛且影响深远的案例，源于美国对加密衍生品市场的监管政策。美国监管框架对加密衍生品施加了严格的市场准入限制。根据《商品交易法》，美国商品期货交易委员会 ^[9] 禁止未经注册的平台向美国客户招揽和接受订单。这一规定的执行边界并非完全清晰（例如，美国个人通过技术手段访问离岸交易所的法律后果在现行判例法中尚无明确裁定），但其效果是使绝大多数受监管的美国机构投资者事实上无法直接参与离岸永续合约市场。这导致绝大多数美国投资者，尤其是机构投资者，只能在受美国监管的平台上如芝加哥商品交易所 CME 和 Coinbase 进行交易，而无法直接参与全球流动性最深的离岸市场（如 Binance、OKX）。这种监管隔离创造了两个平行的定价体系：一个是以 CME 比特币期货和 Coinbase 现货价格为基准的在岸美元定价体系，另一个是以 Binance、OKX 等离岸交易所永续合约为主导的离岸美元（通常是 USDT 或 USDC）定价体系。尽管两者都以美元计价且底层资产相同，但由于参与者群体、杠杆规则、交易时间、监管预期和资金成本的差异，两者之间出现了系统性的定价偏差。例如，CME 期货的价格更多地反映了受监管机构的交易行为，而离岸永续合约则更多地反映了全球散户和不受美国监管约束的专业交易者的情绪与需求。这种由监管创造的裂隙，是结构性的，其演变直接取决于全球，特别是美国监管政策的未来走向。

表 18-6. 不同监管环境下的加密衍生品价差水平（数据来源：作者基于 Seo et al. ^[1]、Kaiko ^[7] 及行业公开数据构建）

表 18-6展示了不同监管环境下的平均价差水平。在全球头部交易所之间，价差维持在极低水平。然而，在存在特定监管限制（如资本管制）的地区，平均价差急剧扩大，形成了显著的“分割定价区域”。而在监管框架日益明确的地区（如欧盟的 MiCA 和美国仍在立法审议中的稳定币监管提案 GENIUS Act），价差也因合规成本和市场准入的差异而呈现出不同的水平。需要说明数据口径：表中资本管制地区200–2000bp 的区间，与引言所述现货泡菜溢价“长期中枢约120bp（Seo et al. 阈值模型估计值 ^[1]）、极端期可超20%乃至50%”的口径相互打通——120bp 是长期稳态中枢，而200–2000bp 反映的是含极端时段在内的更宽分布上界；Kaiko ^[7] 在此仅作交易所质量分级的辅助参照（其本身为现货交易所综合排名），各档永续价差数值系作者基于公开行情构建的典型量级。

这类由监管壁垒驱动的异象，其持久度完全取决于宏观的法律与政治进程。只要全球范围内的加密货币监管未能实现统一和协调，这些因司法管辖权分割而产生的“分割定价区域”就将继续存在，成为一价定律在全球化时代依然面临强大阻力的生动证明。

18.5 跨资产异象

在考察了永续合约市场中围绕单一资产展开的基差、资金费率及跨交易所异象之后，我们的分析进入了跨越不同资产的维度。与前述“同一资产在不同地点或不同形式”的价差不同，跨资产异象关注的是“相关但不同的资产”之间的相对定价偏离。这类异象无法通过简单的双腿现货-衍生品套利来纠正，而需要动用统计套利等更复杂的多腿策略。正如第17章所揭示的，策略的复杂性每增加一分，其面临的约束维度和执行摩擦便会成倍增加。因此，跨资产异象的持续存在，为我们提供了一个有效的分析视角，以观察当模型风险和相关性崩溃风险叠加时，市场会呈现出何种形态的、更难以消除的价格偏差。从山寨币市场广泛的“低效率区域”到比特币与以太坊之间相对定价的“长周期漂移”，这些异象界定了高级套利策略在现实世界中所面临的边界。

18.5.1 山寨币永续合约的“低效率区域”

加密资产市场并非均质的整体，而是一个流动性与效率呈高度分层的生态系统。如果说比特币和以太坊的永续合约市场是整个生态的高效率市场，那么绝大多数中低市值的山寨币永续合约市场则构成了广泛的低效率市场。在这里，先前章节讨论的各类异象被系统性地放大，其幅度之大、持续时间之长，都远超主流资产。这种效率的显著差异，并非源于山寨币市场的参与者“更不理性”，而是套利约束在这些低效率市场上更为紧绷的直接映射。

最直观的证据体现在价格发现的效率上。对于比特币或以太坊而言，其永续合约与现货价格之间的基差通常被紧紧锚定在数十个基点以内。然而，对于一个市值排名在百名开外的小币种，其永续合约基差在市场波动期间常常达到数百甚至上千个基点是常态。资金费率同样如此，主流币种的极端费率事件相对罕见，而许多山寨币的永续合约却常年被极端正费率或负费率所笼罩，年化费率成本超过100%的情况屡见不鲜。跨交易所的价差更是被显著拉大，在主流交易所之间几乎被消除的价差，在山寨币的不同交易平台之间可以长期维持在1%以上。

图 18-10以可视化方式呈现了这种结构性的效率分层：它展示了资产市值与其衍生品市场定价效率（以平均基差幅度为代理变量）之间的负相关关系，随着资产市值下降，永续合约平均基差呈超线性（凸性）扩大，构成一条从高效率市场向低效率市场过渡的陡峭曲线；位于曲线最左端的小市值代币，其巨大的基差意味着套利机制在此几乎处于半失灵状态。

图 18-10. 资产市值与永续合约基差幅度的关系（示意/模拟：反比关系为实证方向，具体基差曲线为示意量级、非实测点值；按市值排名分层）

这片“低效率区域”的成因，可以精确地追溯至第17章讨论的多个约束维度，其中，流动性约束（第五维）是第一序的解释。首先，山寨币的订单簿极度稀薄。对于套利者而言，执行一笔旨在纠正价格偏差的交易，其自身带来的市场冲击成本就可能超过价差本身。更关键的是，在流动性极度稀薄的山寨币订单簿上，价格冲击函数呈凸性而非线性，即便是中等规模的订单也可能跨越多个价格档位，使得冲击成本随交易规模呈超线性（凸性）增长。这意味着不存在“部分套利”的均衡：套利者无法通过缩小头寸规模来使策略可行，因为即使是最小的经济可行头寸也可能耗尽整个订单簿的一侧。这种阈值效应为山寨币异象的结构性持续提供了比单纯“成本过高”更强的理论基础，使得套利在经济上变得不可行。其次，对山寨币进行有效的风险对冲极为困难。负基差套利所必需的现货做空机制，在山寨币世界中或是完全缺失，或是借贷成本高昂到无法承受。许多山寨币的永续合约甚至只在少数几家交易所上线，使得跨交易所套利的基础不复存在。最后，信息环境的不透明放大了套利者的逆向选择风险。面对一个基本面模糊、信息不对称严重的山寨币，套利者难以判断一个巨大的价差是真正的套利机会，还是自己即将成为信息优势方获利的对手盘。在这种环境下，理性的套利者会选择远离，任由价格偏差持续存在。

因此，山寨币永续合约的“低效率区域”并非一个暂时的、可被轻易修复的市场缺陷，而是一个由流动性长尾分布这一加密市场内生特征所决定的结构性异象。只要加密世界继续存在数以万计的、流动性高度分散的“长尾资产”，这些低效率市场就将作为套利力量无法有效覆盖的领域而持续存在，成为市场效率分层的持续存在的表征。

18.5.2 BTC-ETH 相对定价的长周期漂移

从低效率区域向上，我们来到市场最具流动性的核心地带，即比特币与以太坊。在这里，简单的套利机会几乎被完全消除。然而，一种更微妙、更大规模的异象显现：两大主流资产之间的相对定价关系，存在着长达数月甚至跨年度的周期性漂移。ETH/BTC 价格比率，这一衡量两大资产相对价值的核心指标，并未像统计套利模型所期望的那样稳定地围绕一个均值回归，而是在不同市场周期中展现出持续的、趋势性的偏离。

这种长周期漂移往往与市场主导逻辑和基本面演进紧密相连。例如，在以太坊即将进行重大升级（如合并升级）或其生态系统（如 Layer2）取得突破性进展的时期，ETH/BTC 比率通常会呈现持续数月的上涨。反之，当比特币成为市场关注焦点（如现货 ETF 获批）时，该比率则可能经历长期的下行压力。图 18-11展示了 ETH/BTC 滚动相关系数在时间序列上的变化，其中可以清晰地看到，尽管长期均值维持在较高水平，但在特定事件窗口期，相关性会发生显著的、持续的漂移，反映了两者相对定价逻辑的阶段性变化。

图 18-11. BTC-ETH 滚动相关系数的长周期漂移（作者基于公开市场数据构建）

图 18-11展示了 BTC 与 ETH 滚动相关系数在较长时间跨度内的变化轨迹：长期均值维持在较高水平（通常在0.7至0.9之间），但在特定事件窗口期（以太坊重大升级、比特币 ETF 获批前后）会发生持续数周乃至数月的显著下行漂移，这种相关性的不稳定直接构成统计套利策略面临的核心风险。需要说明的是，图中滚动相关系数仅为示意性度量；要严格刻画这种时变相关性，更稳健的方法是采用 Engle (2002) 提出的 DCC-GARCH 动态条件相关模型 ^[10]，以避免滚动窗口在波动率剧变期的估计偏差。

从约束-异象映射的框架来看，这种长周期漂移的存在，直接挑战了统计套利（第16章§16.8）的核心假设。统计套利策略的基础是相信两种高度相关的资产之间的价差或比率会“均值回归”。然而，当“均值”本身变成一个非稳态参数时，套利的前提就动摇了。对于 BTC 和 ETH 这样基本面仍在快速演化的资产而言，它们的长期公允比率究竟是多少，本身就是一个极具不确定性的问题。今天的偏离，究竟是明天将被纠正的“错误定价”，还是反映了未来基本面变化的“合理重估”？套利者面临着巨大的模型风险。

更重要的是，第17章所讨论的相关性崩溃风险在此处体现得充分。如果套利者基于历史数据建立头寸（例如，做多 ETH/BTC 比率回归），一旦市场结构发生未曾预料的变化，导致两者相关性彻底打破，套利者将面临无限的损失。这种深层的、难以对冲的风险，极大地抑制了套利者愿意投入的资本规模。他们或许会进行小规模的、短周期的交易，但很少有人敢于大规模地、长期地押注于一个大规模的、基本面驱动的相对价格比率的回归。套利力量的不足，为这种长周期的漂移留下了广阔的空间。

在此，我们触及了“异象”定义的一个模糊边界。一个持续数月的 ETH/BTC 比率上行，究竟是套利失灵导致的“异象”，还是市场对 ETH 基本面改善的“合理重定价”？答案或许两者皆是。一部分偏离可能确实反映了基本面的变化，但另一部分则可能是由于上述约束导致的市场反应过度或反应不足。一个可行的判断标准是：价格偏离的幅度是否远超基本面信息可以合理解释的范畴？在驱动性事件（如升级完成）结束后，价格比率的异常漂移是否仍在持续？如果答案是肯定的，那么我们就更有理由将其定性为一种由套利约束所维系的、结构性的跨资产异象。就§18.1.1 提出的“纯异象—均衡性偏差”连续谱而言，BTC-ETH 长周期漂移恰好是落在二者之间的中间态：其中由基本面变化驱动的部分接近均衡性重定价，而由模型风险与相关性崩溃风险所放大的部分则接近纯异象；上述“偏离是否超出基本面可解释范畴、事件结束后是否仍持续”的两条判据，正是把这一二分法的边界情形加以操作化的可检验标准。

18.6 期限结构异象

当我们从跨资产的维度转向沿时间轴展开的维度时，另一组深层的定价扭曲显现出来。期限结构异象关注的是同一底层资产在不同到期日或不同产品形态之间的定价一致性。这类异象的核心特征在于，它们涉及永续合约与交割期货、在岸 ETF 与离岸永续等不同“时间切片”的工具之间的利率偏离。消除此类偏离所需的三角套利或跨体系套利，面临着参与者分割、监管隔离和时段错配等多重约束的共同作用，使得这些异象表现出高度的持久性。

18.6.1 永续费率与交割基差的隐含利率偏离

在传统金融市场中，同一资产不同到期日的衍生品价格，共同构成了一条平滑的、内在一致的期限结构曲线，它反映了市场对未来价格的预期以及在不同时间段内的融资成本。然而，在加密衍生品市场，我们却观察到两套核心工具，即永续合约与交割期货，给出了关于“融资成本”的、经常相互矛盾的信号。这导致了“两条隐含利率曲线”的持续偏离。

第一条曲线来源于永续合约的资金费率。资金费率本质上是多空双方为使永续合约价格锚定现货而相互支付的利息。将这个每8小时结算一次的费率进行年化，我们便可以得到一个超短期的、由市场情绪和杠杆需求直接驱动的“隐含融资利率”。第二条曲线则来源于传统的交割期货，例如在芝加哥商品交易所交易的 BTC 季度期货。这类期货的基差（期货价格与现货价格之差）同样隐含了从现在到交割日的融资成本。理论上，通过三角套利（第16章§16.6），这两条曲线所反映的、在同一期限下的利率水平应该趋于一致。这一隐含利率视角与加密 carry-trade 文献的核心关切一致：永续合约资金费率与交割期货基差实质上给出了两套关于持有成本（carry）的隐含利率信号，二者的持续偏离正是 carry 结构在加密市场中尚未被完全套平的体现 ^[5]。

然而，实证数据揭示的现实并非如此。在大多数时候，由永续合约资金费率年化出的短期利率，与由交割期货基差计算出的远期利率，存在着显著且持续的偏离。图 18-12模拟了这种典型的偏离形态：代表永续合约的曲线在各期限上水平系统性偏高、期限结构更陡，而代表交割期货的曲线则相对平缓，更多地反映了机构层面的、中长期的资金成本和预期。两条曲线的利差，构成了加密市场独有的一种期限结构异象。

图 18-12. 永续合约与交割期货隐含利率曲线的对比（数据来源：模拟数据，作者构建）

图 18-12将永续合约资金费率年化得出的隐含利率曲线与交割期货基差计算的隐含利率曲线并列呈现：永续合约隐含利率在各个期限上系统性更高、曲线更为陡峭，短端尤其明显地高于交割期货；交割期货曲线则更为平缓，反映机构参与者更稳定的资金成本预期。两条曲线之间的利差在各期限上持续为正，呈系统性而非随机的偏离模式，证实了两个市场在定价逻辑上的结构性分裂。

这种偏离的根源，最核心的解释是“参与者分割”。永续合约市场的主导力量是加密原生的散户、交易员和量化基金。他们的交易行为更多受到短期叙事、市场情绪和高杠杆投机需求的驱动。而 CME 期货市场的主要参与者，则是传统金融机构、对冲基金和寻求合规风险敞口的专业投资者。他们拥有不同的信息来源、风险偏好、资本成本和监管约束。这种参与者结构的根本性差异，导致了两个市场在定价逻辑上的系统性分裂。永续合约的隐含利率更像是加密原生世界的“无担保隔夜拆借利率”，而 CME 期货的隐含利率则更接近于传统金融体系的“抵押融资利率”。

理论上，三角套利者可以通过“做多一个市场的现货，做空另一个市场的期货，同时在两个衍生品市场进行反向操作”来消除这种利率偏离。但正如第17章§17.5.2所分析的，这种多腿、跨平台的复杂套利策略面临着巨大的执行约束。它不仅需要同时在多个市场拥有充足的保证金和交易额度，还要应对不同平台的结算风险、追加保证金风险和潜在的监管障碍。更根本的是，这种三腿套利策略存在不可消除的基差风险：永续合约腿的资金费率每8小时变动一次，而 CME 季度期货的基差隐含利率在到期前是锁定的，这意味着即使三腿头寸在建仓时完美对冲了利率偏离，此后资金费率的符号反转将直接侵蚀策略的预期收益，而 CME 腿无法灵活调整以应对这种日频变动。因此，永续-交割利率偏离中有相当一部分是对这种 roll/basis 风险的合理补偿，而非纯粹的套利失灵。这些约束的存在，使得能够有效执行此类套利的资本规模相对有限，不足以完全拉平两条利率曲线之间的差距。

因此，“两条隐含利率曲线”的偏离是一个深刻的结构性异象。它不仅是市场技术层面的定价失灵，更是加密市场与传统金融市场两种不同的市场体系在制度、文化和参与者构成上相互交互、尚未完全融合的体现。随着比特币现货 ETF 的获批和更多传统机构的入场，这种参与者分割或许会缓慢弥合，两条曲线有望逐步收敛。但在可预见的未来，这种由结构性分割所支撑的期限结构异象，仍将是加密市场的一个重要特征。

18.6.2 CME/ETF 与离岸永续的双轨定价

2024年初比特币现货 ETF 在美国的获批，是加密资产融入主流金融体系的重要制度性事件。然而，这一制度性整合，非但没有完全消除定价异象，反而催生了一种全新的、更加制度化的结构性裂隙：在岸的、受严格监管的 ETF/CME 定价体系，与离岸的、自由灵活的永续合约定价体系之间，形成了显著的“双轨定价”模式。

这两个体系在几乎所有维度上都存在根本性差异，且这些差异形成了层层递进的套利障碍。监管环境的分割是最根本的壁垒：ETF 在美国证券交易委员会的严密监管下运行，而主流永续合约位于离岸的、监管相对宽松的地区，这一分割直接决定了两个体系的参与者群体无法自由交叉。监管分割又衍生出交易时间的错配：ETF 遵循纽约证券交易所的交易时段（美东时间9:30至16:00），而永续合约7x24小时不间断交易，这意味着套利者在美股休市期间无法通过 ETF 端完成对冲。时间错配进一步叠加结算机制的差异：ETF 以美元现金结算且遵循T+1赎回机制，而永续合约以稳定币即时结算，这一时滞使得即便在两市同时开放时段，套利者仍面临至少1个交易日的资金占用和风险敞口。这三层制度性差距层层叠加，共同构成了一道阻碍套利资金在两个体系间自由流动的制度性壁垒。

这种双轨定价模式最典型的表现，是价差的“日内周期性波动”。如图 18-13所示，ETF 与离岸永续合约之间的价差，呈现出与全球交易时段高度相关的周期性波动。在美国交易时段内，由于两个市场同时开放，套利活动相对活跃，价差被压缩至较低水平。然而，一旦美国市场休市，进入亚洲和欧洲的交易时段，离岸永续合约市场便进入了“缺乏价格参照的时段”。此时，全球大部分关于比特币的交易和价格发现都集中在永续合约上，缺少了 ETF/CME 这个强大的价格之“锚”，永续合约的价格更容易受到区域性新闻、资金流动或市场情绪的影响而产生漂移，从而导致与前一个美股收盘价之间的价差显著扩大。待到下一个美国交易时段开盘，积累了一夜的价差才会被回归的套利者们重新修正。

图 18-13. ETF 与离岸永续合约价差的日内周期性（历史时段2024–2025；示意/模拟，形态基于历史特征；注：CME 加密期货已于2026年5月底转为24/7全天候交易，周末与夜间缺口结构正被侵蚀，但现货 ETF 仅在美股时段交易导致的时段错配仍然存在）

图 18-13以日内时间为横轴，展示了 ETF 净值与离岸永续合约价格之间价差的周期性波动：在美国交易时段（约 UTC 14:30至21:00），两市同时开放、套利活跃，价差收窄至较低水平；进入亚洲和欧洲时段后，由于 ETF 市场休市而永续合约继续交易，价差在亚欧时段中段扩大至日内峰值（约40个基点），随后随美股开盘临近逐步收敛。这种清晰的“白天收敛、夜间发散”模式，是两个市场交易时段错配这一制度性因素在价差维度上的直接映射。

从约束-异象的框架审视，这种“双轨定价”是多重结构性约束共同作用的典型案例。监管分割（第七维）是其最根本的成因，它直接决定了两个体系无法被简单地视为“同一个市场”。而交易时段的错配和结算机制的延迟，则构成了套利者面临的巨大执行风险和时间成本。一个套利者即使在亚洲时段看到永续合约相对 ETF 价格出现了显著折价，他也无法立即买入永续合约并通过卖出 ETF 来锁定利润，因为 ETF 市场尚未开盘。他必须承担长达数小时的隔夜风险，等待美国市场开盘后才能完成对冲。这里需要区分不同类型的套利参与者面临的约束差异，并对相关的时段算术作一处重要订正。对于普通投资者和非授权参与者，约束如上所述，即必须等待 ETF 二级市场（在纽约证券交易所，交易时段为美东时间9:30至16:00，约6.5小时）开盘，才能完成对冲。但对于 ETF 授权参与者（AP），套利可通过一级市场的创建/赎回机制执行，并可在 CME 期货市场对冲。需要澄清的是，CME 比特币期货历史上的交易时段约为每日23小时（周日17:00至周五16:00 CT，每个交易日含约60分钟维护窗口），而非此前常被引用的“约18小时”；因此对 AP 而言，与永续合约24小时连续交易之间真正的结构性时段缺口约为1小时，而非约6小时。更重要的是时效更新：截至2026年5月，CME 已转向接近24/7 的连续交易（仅周六约2小时维护），CME 与永续合约之间的时段错配已基本消除，这一渠道对 AP 而言不再构成实质性约束。综合来看，本节“时段错配”论证的主体应落在面向普通投资者与非授权参与者的 ETF 二级市场（NYSE 6.5小时现金交易时段）与永续合约24小时连续交易之间的错配上——这一约6.5小时之外的“夜间空窗”才是当前结构性缺口的真实来源。正是这种风险敞口的存在，使得只有在价差大到足以补偿隔夜风险时，针对二级市场参与者的套利交易才具有吸引力。

因此，ETF 时代的新裂隙是一个正在形成中的、深刻的结构性异象。它并非市场的暂时失灵，而是全球金融体系在接纳一种全新的、无国界的数字资产时，不同司法管辖区、不同市场架构之间制度性摩擦的必然产物。除非未来出现重大的制度变革，例如实现24小时交易的 ETF 或建立全球统一的加密资产清算体系，否则这种在岸与离岸之间的“双轨定价”模式将长期存在。它将成为宏观交易者和跨市场套利者新的博弈场域，也为我们观察两种金融范式如何互动、竞争与融合，提供了一个持续演进的、信息丰富的案例。

18.7 CEX-DEX 异象

在永续合约市场的六大异象中，中心化交易所与去中心化交易所之间的效率差距，或许是结构性程度最高的一类。它不仅揭示了两种不同市场架构在微观结构上的巨大差异，更指向了一个根本性的问题：去中心化是否必然伴随着效率的折损？本节将深入分析 CEX 与 DEX 之间在价格发现、资金费率和套利机会上呈现的系统性偏差。我们将论证，这些异象部分源于当前 DEX 技术栈的局限性，例如预言机延迟和高昂的 Gas 成本，这些是可以通过技术迭代逐步缓解的“早期技术局限”。然而，另一部分异象则根植于去中心化架构的内在属性，例如链上交易不可避免的物理延迟。这构成了我们所称的“结构性套利残差”，一个在当前技术范式下似乎无法被彻底消除的效率下界。因此，CEX-DEX 异象的独特之处在于，它同时展现了市场的可完善空间与去中心化所必须支付的、根本性的效率代价。

18.7.1 预言机延迟与持续性价差

CEX 与 DEX 之间最直观的异象，是同一资产在两个市场间持续存在的价格差异。学术研究已经量化了这一差距的显著性。例如，Barbon 与 Ranaldo（2021）的研究发现，高昂且不稳定的链上 Gas 费用给 DEX 带来了显著成本，尤其对于小额交易而言，这直接导致了持续的套利偏差 ^[11]。这种价差并非随机噪声，而是具有清晰的“信息滞后”特征：当作为信息主要来源的 CEX 价格发生剧烈波动时，CEX-DEX 价差会显著扩大；而在市场平稳时，价差则会收敛。针对加密市场的实证研究表明，CEX 在价格发现中居于主导地位，信息呈现出由 CEX 单向流向 DEX 的特征 ^[2]，这清晰地说明 DEX 的价格发现过程在某种程度上“锚定”于 CEX，但存在明显的延迟。

这种延迟的核心来源，是第17章所讨论的第六维约束，即智能合约风险，在此处具体表现为预言机的物理延迟。大多数 DEX 永续合约协议，如 GMX，依赖预言机从 CEX 或其他链下数据源获取价格。这个“获取-广播-确认”的过程天然存在时间滞后。正如相关研究分析指出的，即使是1秒的延迟，在剧烈波动的市场中也可能造成巨大的经济后果 ^[12]。例如，在极端市场崩溃期间，主流资产价格每秒的变动可能高达0.1%以上。对于一个百万美元的头寸而言，1秒的延迟就意味着超过1000美元的潜在风险敞口。这种延迟为套利者创造了几乎无风险的盈利机会，他们通过监控 CEX 与 DEX 之间的价差，利用 DEX 上过时的价格信息进行交易，从而系统性地从协议或普通用户手中获取收益。

图 18-14直观地展示了预言机延迟的几个关键维度：左上图对比不同区块链的典型预言机延迟（从 Solana 的亚秒级到以太坊主网的十几秒不等）；右上图展示不同市场环境下预言机延迟造成的价格偏离幅度，凸显延迟在高波动时期的严重性；左下图刻画滑点与交易规模的关系，显示滑点成本随交易规模扩大呈凸性增长（百万美元级交易约百余美元，至千万美元级升至约两千美元）；右下图对比不同架构 DEX 与 CEX 在执行延迟上的巨大差异，揭示效率差距的来源。

图 18-14. 预言机延迟对 DEX 价格发现的多维影响（数据来源：作者构建；图中各链延迟等数值为代表性数量级，因口径不一，push/heartbeat 与 pull/on-demand，非统一基准实测）

在分析预言机延迟时，有必要区分两种在经济后果上截然不同的预言机失效模式。第一种是被动的过时价格，即预言机尚未更新至最新价格，创造了一个可预测的、对称的套利窗口，这是 GMX 等使用 Chainlink 报价的协议面临的典型问题。第二种是主动的预言机操纵，即攻击者通过在低流动性的参考市场上进行交易来故意移动指数价格，然后在 DEX 上利用被扭曲的预言机报价提取价值。2022年10月的 Mango Markets 事件（约1.16亿美元损失，SEC 指控口径；不同来源在1.10–1.17亿美元区间）即为后者的典型案例。被动延迟产生的是对称的套利机会，而主动操纵导致的是单向的协议损失，两者对“结构性套利残差”的贡献机制不同。

预言机延迟并非 DEX 面临的唯一结构性约束。MEV 构成了另一个放大 CEX-DEX 价差的重要因素 ^[13]，后续研究进一步对链上可提取价值的规模进行了系统的量化刻画 ^[14]。在 DEX 环境中，交易从提交到最终确认之间存在一个“待处理”窗口，在此窗口内，验证者或搜索者可以通过重新排序、插入或审查交易来提取价值。三明治攻击（在用户交易前后分别插入买卖订单以获取价差）和抢跑交易（在观察到大额订单后抢先执行同方向交易）是最常见的 MEV 形式。这些行为的存在产生了双重效应：一方面，它们直接增加了 DEX 用户的隐性交易成本；另一方面，它们与预言机延迟形成叠加：当预言机价格滞后于 CEX 价格时，MEV 搜索者会利用这一信息差在 DEX 上进行有毒套利，而这种有毒套利本身又通过消耗流动性提供者的资金间接削弱了 DEX 的做市深度。这一恶性循环使得 MEV 成为结构性套利残差的重要组成部分，尤其在链上拥堵和高波动时期，其影响可能与预言机延迟的影响相当甚至更大。

因此，CEX-DEX 之间的持续性价差，可以被视为预言机延迟和 MEV 等技术约束的直接、可观测的经济后果。它充分体现了“约束-异象映射”的分析框架：明确的技术瓶颈（约束），如何直接转化为持续存在的市场异象。从持久度来看，这属于周期性与结构性并存的异象，恰好是§18.1.3 所强调的“光谱非互斥、同一异象大类可兼具多重属性”的一个明证。一方面，随着 Layer-2解决方案和专用应用链的兴起，预言机延迟正在被显著压缩，这意味着价差的“平均水平”会随着技术进步而收窄（结构性属性中的可改善成分）；但另一方面，只要 DEX 依赖于外部信息输入或受制于链上确认的物理时间，这种延迟就不可能完全消除，从而形成一个不可消除的结构性效率下界。

18.7.2 DEX 资金费率的系统性偏离

除了价格本身，CEX 与 DEX 在永续合约的核心机制，即资金费率，上也表现出系统性的偏离。如前文所述，资金费率套利理应“拉平”不同市场间的费率水平。然而，在 CEX 与 DEX 之间，这种套利机制的效率显著降低。实证数据显示，DEX 永续合约的资金费率不仅波动性远高于 CEX，其均值也常常与 CEX 存在显著差异。一些研究甚至发现，在 DEX 上进行简单的资金费率套利策略（例如在费率长期为正的 DEX 上做空，同时在 CEX 上做多以对冲风险）可以获得高达30-40%的年化回报率（该数据主要来自2022-2023年 DEX 资金费率高波动期，至2024-2025年已有显著压缩）。然而，将此回报率视为“无风险套利机会”的信号是不准确的。运用§18.1.1中建立的分析框架，CEX-DEX 费率价差中相当一部分实际上是对一揽子 DEX 特有风险的合理补偿：智能合约的不可对冲风险、预言机被操纵的可能性、跨链桥的安全隐患以及 DEX 协议面临的监管分类不确定性。因此，30-40%的回报率更准确地应被理解为上述风险的综合风险溢价，而非纯粹的套利失灵信号。只有当回报率显著超过这些风险的合理补偿水平时，超额部分才构成真正的套利约束驱动的异象。

这种费率偏离的根源是多方面的。首先，是费率计算机制的差异。不同 DEX 协议采用的资金费率计算公式、参数（如利率组成、溢价指数的计算方式）以及结算周期（例如 Hyperliquid 的一小时结算与多数 CEX 的八小时结算）各不相同，这为费率差异提供了“制度基础”。其次，是参与者构成的差异。CEX 拥有庞大的散户基础和成熟的机构做市商，而 DEX 的早期用户更多是追求高风险的“DeFi 收益策略参与者”和专业的套利者，这种参与者结构的不同导致了多空双方力量对比的系统性差异。最后，也是最关键的，是跨链执行的巨大摩擦。要在 CEX 和 DEX 之间进行有效的资金费率套利，需要在两个完全不同的系统中部署资金、监控头寸和执行交易。这不仅面临着更高的操作复杂性、智能合约风险和潜在的跨链桥风险，还使得保证金的利用效率远低于在单一 CEX 内部进行套利。这些约束共同作用，极大地限制了套利资本的规模和效率，从而允许 CEX 与 DEX 之间的费率差距长期存在。

图 18-15展示了 CEX-DEX 异象在价差和资金费率上的具体表现：左上图呈现不同市场状态下 CEX-DEX 价差的典型水平（从正常市场的10个基点到危机时期的100个基点以上）；右上图模拟某段时间内 CEX 与 DEX 资金费率的走势，两者之间存在明显且持续的偏离；左下图比较不同 DEX 架构的“效率下界”，即其架构所决定的最小套利残差；右下图则量化套利利润如何随交易规模放大。

图 18-15. CEX-DEX 价差与资金费率的系统性偏离（数据来源：模拟数据，作者构建）

与跨 CEX 之间的费率分裂（§18.3.4）相比，CEX-DEX 之间的费率分裂幅度更大，约束来源也更为根本。前者主要源于保证金和平台风险等制度性约束，而后者则叠加了预言机、智能合约和跨链执行等深刻的技术性约束。因此，DEX 资金费率的系统性偏离，可以被视为一个由多重约束共同作用下产生的、具有高度粘性的结构性异象。

18.7.3 结构性套利残差

如果说预言机延迟是“可以被优化”的技术问题，那么是否存在一个不可优化的、去中心化架构的根本性效率下界？答案似乎是肯定的。这引出了本节的核心概念，即“结构性套利残差”。其核心思想是，即使在最理想的 DEX 设计下，交易的最终确认也需要时间。无论是依赖预言机更新，还是在链上订单簿直接撮合，从交易意图的产生到其在区块链上变得不可逆转，都存在一个物理上的最小时间间隔。这个时间间隔，无论多么短暂，都为套利者创造了一个“最小可套利窗口”。

在这个窗口期内，外部世界的价格可能已经发生了变化，但链上状态的更新尚未完成。任何试图利用这一瞬时价差的套利行为，其自身也需要经历一个“提交-打包-确认”的链上过程。这意味着，套利者永远在追逐一个已经发生的价格变化，这种追逐本身就存在延迟。因此，总会有一个足够小的价差，使得套利交易的预期收益不足以覆盖其执行成本（Gas 费、时间成本、失败风险等）。这个无法被套利行为完全消除的价差，就是“结构性套利残差”。

不同 DEX 架构的“效率下界”或“结构性套利残差”是不同的。如表 18-7所示，我们可以构建一个清晰的层级。预言机依赖型 DEX（如 GMX）的延迟是预言机更新频率和底层链确认时间的总和，延迟最长，因此其效率下界最高，残差最大。链上订单簿 DEX（如 Hyperliquid）通过将订单簿置于高性能的专用区块链上，摆脱了对外部预言机的依赖，延迟主要来自其自身网络的区块时间，效率下界居中。应用链 DEX（如 dYdX v4）通过为单个应用构建一条专属区块链，可以将延迟压缩到极致，接近于中心化服务器的水平；然而，即使如此，其交易确认仍然需要通过分布式共识来完成，这意味着延迟依然不为零，其效率下界是所有 DEX 中最低的，但它依然存在。

表 18-7. 不同 DEX 架构类型的延迟来源与效率下界（数据来源：作者基于公开市场数据和文献综合构建）

表 18-7将当前主流的 DEX 架构类型按延迟来源和效率下界进行了系统性比较，并以中心化交易所作为基准参照。从预言机依赖型 DEX（如 GMX）到链上订单簿 DEX（如 Hyperliquid），再到应用链 DEX（如 dYdX v4），延迟来源逐步从“预言机更新+链确认”的双重瓶颈收窄为仅剩“分布式共识确认”的单一瓶颈，效率下界随之递减。然而，即便是效率下界最低的应用链架构，其延迟仍显著高于中心化交易所的亚毫秒级撮合速度，表明一个不可消除的结构性残差始终存在。表 18-7新增的“去中心化程度”列揭示了一个重要发现：当前效率下界最低的 DEX（如 Hyperliquid）恰恰是去中心化程度相对较低的 DEX，它通过 HyperBFT 共识下的小型验证者集（验证者数量与质押分布相对集中）在实质上接近了中心化撮合的速度。这一观察反而强化了效率-去中心化权衡的论点：在当前技术条件下，要在 DEX 架构上接近 CEX 的执行效率，似乎不得不在去中心化程度上做出显著妥协。

这个“不为零”的残差具有重要的理论含义。它清晰地表明，去中心化是有代价的。这里需要区分两个相关但不同的权衡关系。Buterin 提出的区块链三元悖论（去中心化、安全性、可扩展性）描述的是底层基础设施层面的设计约束。而本章的分析揭示了一个在金融市场定价效率维度上的独立权衡：效率与去中心化之间的根本性张力。后者并非前者的简单重述，而是将视角从技术架构的设计空间转向了市场微观结构的效率边界。在这一效率-去中心化权衡中，CEX 通过牺牲去中心化，将信任集中于单一实体，从而实现了亚毫秒级的执行速度；DEX 则为了实现无需信任的、抗审查的交易，必须接受分布式共识所带来的物理延迟。CEX-DEX 之间那个无法被消除的“结构性套利残差”，正是这一根本性权衡在市场价格中的可量化表达。

因此，从持久度光谱来看，这个残差在当前技术范式下属于一种高度持久的结构性异象。它无法通过简单的技术升级来消除，除非放弃去中心化这一核心价值主张。理解这一点，对于客观看待 DEX 的发展、评估其与 CEX 的竞争关系、以及设计更有效的市场机制，均具有关键作用。它告诉我们，追求 DEX 在所有维度上完全超越 CEX 可能是一个不切实际的目标；相反，真正的创新在于，如何在承认并量化这一效率代价的前提下，最大化去中心化所带来的独特价值，如资产自托管、透明的规则和抗审查性。当然，“当前技术范式”这一限定条件至关重要。可信执行环境集成到验证节点、加密内存池（如 Flashbots 的 SUAVE 架构）以及提交-揭示方案等新兴技术路径，理论上可以在不放弃去中心化的前提下缩小这一残差，但这些方案本身引入了新的安全假设和信任模型，其有效性和安全性尚未经过大规模实战检验。

18.8 异象的危机动力学

在前面的章节中，我们系统性地检视了永续合约市场中的六类异象。在常态市场环境下，这些异象以相对独立的形式存在，其幅度通常被套利者的力量限制在可控范围内。基差异象、资金费率异象、跨交易所异象、跨资产异象、期限结构异象与 CEX-DEX 异象，它们在各自的维度上揭示了市场效率的边界和套利约束的轮廓。然而，这种相对平稳的状态并非市场的全部真相。当极端压力来临时，这些看似独立的异象之间的相互作用加剧，引发一场波及整个市场的系统性定价偏离。

本节的核心论点在于，这些异象在危机中并非简单线性放大，而是呈现出一种高度非线性的、同步爆发的动力学特征。这正是第17章所提出的“风险共振”模型在市场价格偏差层面的可观测后果。当系统性风险被触发，导致七维套利约束在短时间内被同时激活，套利者的资本和能力被急剧削弱，市场套利力量暂时失灵。其结果是，所有潜伏的价格偏差在同一时间窗口内急剧恶化，彼此放大，形成波及所有资产和平台的异象的同步爆发。本节将深入探讨这一危机动力学，从理论、实证和案例三个层面，揭示当所有偏差同时爆发时，市场会呈现出何种不稳定的市场特征。

在展开之前，必须前置一项关于研究方法的重要声明，以界定本节论证的性质与边界。本节所呈现的危机传染路径（§18.8.2 的六阶段表）与单一危机案例（§18.8.3 的2022年5月 LUNA/UST 事件），是基于市场微观结构理论与已观测危机模式所构建的理论推演框架与单案例例证（illustrative），而非严格的假设检验：传染路径中各阶段的逐环节因果关系尚未被独立的实证研究逐一验证，LUNA/UST 案例也只是用以说明风险共振机制在一次真实危机中的可观测表现，而不构成对该机制的统计意义上的证明。因此，读者在阅读后续的传染表（表 18-8）与案例分析时，应将其理解为“与风险共振模型相符的代表性叙事”，而非“已被证实的普遍规律”。风险共振机制的可证伪条件可表述为：若在一类满足模型前提（系统性冲击触发、多维约束同时收紧）的危机中，各维度异象并未表现出同步恶化、跨资产相关性并未崩溃，则该模型在该类情形下不成立。本节的目标是把这一机制具体化为可观测的指标变化，并明确指出其有待多案例对比加以检验。

18.8.1 异象的非线性放大

从理论上看，异象在危机中的非线性放大是套利能力崩溃的直接后果。在常态市场中，套利资本是充裕的，各类套利策略（如基差套利、费率套利、跨所套利）作为有效的调节机制，将价格偏差维持在交易成本和风险溢价构成的狭窄通道内。然而，当一场系统性冲击（例如一次重大的宏观事件或一个核心协议的崩溃）发生时，第17章描述的风险共振机制被激活。此处有必要区分两种在传染动力学上不同的冲击类型。内生的加密原生冲击（如 LUNA 崩溃、FTX 破产）主要通过上述的链内传染路径传导，其特征是从某个特定资产或平台向外扩散。外生的宏观冲击（如美联储利率意外、SVB 银行挤兑）则通过美元流动性渠道同时冲击整个市场，往往在任何链内传染发生之前就已导致 CEX 和 DEX 定价同步偏离。§18.8.2所建模的六阶段路径更适用于前者；对于后者，冲击的入口点和传播序列可能显著不同。流动性约束、保证金约束、平台风险和智能合约风险等多个维度的约束同时收紧，套利者的资本金因亏损而消耗，风险敞口因对冲失效而扩大，其进行市场修复的能力在短时间内急剧（超线性）下降。

这种套利能力的非线性崩溃，直接导致了异象的非线性放大。一旦价格偏差超出了某个临界点，它将不再受到有效的抑制，反而可能触发正反馈循环。例如，一个扩大的基差可能引发更多杠杆头寸的清算，而清算本身又会进一步推大基差。为了从概念上捕捉这种从常态到风暴的状态转换，可以设想构造一个“异象综合指数”作为诊断工具。该指数的设想是：将前述六类异象的代理指标（例如，基差的绝对值、资金费率的绝对值、头部交易所间的价差等）进行标准化处理，然后加权平均，从而得到一个能够衡量市场整体“偏离度”的单一指标。需要明确的是，本章并未实际构造并估计该指数——其各代理指标的精确定义、标准化方式、权重来源、样本期与危机期实际取值均有待专门研究确定，因此它在此仅是一个可构造的诊断指标设想，而非已完成的实证测量。在这一设想下，风险共振模型预测：该指数在常态下应围绕一个较低的均值窄幅波动，而在危机期间则可能经历一次非线性的“跳升”，其幅度远超常态波动的标准差；这一跳升若被实际观测到，将可作为市场从“正常态”向“危机态”转变的候选信号。

18.8.2 异象之间的传染路径

危机中的异象爆发并非独立发生，而是通过复杂的路径相互传染，形成一个自我强化的网络。一场危机通常从某一个维度的异象急剧恶化开始，但其影响会通过套利者的关联头寸和市场的内在联系，在分钟级别迅速传导至其他所有维度。理解这些传染路径，是理解危机动力学的关键。需要指出的是，下表所呈现的传染路径是基于市场微观结构理论和已观测到的危机模式所构建的理论推演框架，其中各阶段的逐环节因果关系尚未被严格的实证研究逐一验证，但整体逻辑与 LUNA/UST 等历史案例的观测结果高度一致。

表 18-8. 危机中异象的传染阶段与路径（数据来源：作者整理）

表 18-8呈现了危机中异象如何通过一个正反馈循环网络进行传染：外部冲击先在基差维度撕开缺口（永续合约价格急跌、负基差急剧扩大），继而沿“基差套利被迫平仓→流动性枯竭→跨所价差失效→资金费率极端化→跨资产相关性崩溃”的链条在分钟级别逐环传导，每一环的恶化都反过来加剧上一环，最终闭合成一个自我强化的正反馈循环（各阶段的触发机制、传染方向与具体表现详见表 18-8）。这一循环的关键在于其自我放大：相关性的崩溃会进一步加剧组合对冲难度、放大整体市场风险并再度反馈至基差——例如一个基金可能因其山寨币头寸暴跌而被迫清算 BTC 对冲头寸，从而加剧 BTC 市场的波动与基差偏离。

需要强调的是，上述六阶段路径呈现了一种理想化的线性级联，但实际危机中的传染往往是多通道同步进行的。LUNA/UST 事件中，稳定币脱锚同时冲击了 DEX 流动性池（如 Curve 3pool 的剧烈再平衡）和永续合约市场的清算引擎，这两个通道并非按阶段顺序传导。此外，上表遗漏了一个在 FTX 和 Celsius/Voyager 危机中占主导地位的独立传染通道：交易所冻结或破产导致用户资金被锁定，迫使套利者在其他平台以扭曲价格紧急平仓跨交易所对冲头寸，这一“资本冻结通道”可在第一阶段之前或同时触发，独立于有机的市场抛售。

这个过程的传染速度极快，往往在分钟级别内完成。它揭示了一个重要的结论：市场异象并非孤立的测度，而是一个相互关联的系统。一个环节的崩溃，可以通过套利者的资产负债表和市场的微观结构，迅速演变成一场全面的系统性危机。

18.8.3 案例：2022年5月 LUNA/UST 危机

理论和模型的阐述需要结合真实世界的案例来加以说明。2022年5月发生的 LUNA/UST 崩溃事件 ^[4][15]，为我们提供了一个观察异象危机动力学的单案例例证（illustrative case）。需重申本节节首的方法声明：以下分析是对一次真实危机的描述性考察，用以说明风险共振机制在该次事件中的可观测表现，而非对该机制的假设检验；单一案例无法排除其他竞争性解释，要把“六类异象在危机中同步爆发”确立为普遍规律，仍需对多次危机（如 FTX 破产、SVB 冲击等）进行系统的横向对比。以下分析基于2022年5月5日至13日期间 Binance、OKX、Bybit、CME 等主要交易所的公开行情数据，考察的指标包括永续合约基差、资金费率、跨交易所价差、滚动相关系数及 CEX-DEX 价差等。在短短几天之内，这个曾经市值数百亿美元的算法稳定币生态系统彻底崩溃，引发了加密货币历史上最剧烈的一次市场动荡。这次事件直观地展示了我们前面讨论的六类异象如何在同一时间窗口内同步恶化。

图 18-16. 2022年5月六类异象的同步爆发（示意/模拟：数据来源为 Coinglass 历史图读取，具体基点为重构示意值，非可核验精确实测；其中跨资产相关性面板可能为异步价格发现下的虚假下降，仅作示意）

图 18-16以多面板时间线展示了2022年5月5日至13日期间六类异象关键指标的同步剧变。基差异象方面，危机爆发前 BTC 永续合约相对现货维持约30个基点的正基差，自5月8日 UST 脱锚消息发酵后急剧转负，5月10日跌至-500个基点的历史性低位（数据来源：Coinglass）。资金费率异象方面，与基差高度同步，从危机前约+0.02%/8小时迅速转为深度负值，5月11日触及-0.15%/8小时的极端水平，极端负费率的聚集效应显现。跨交易所异象方面，头部交易所间 BTC 永续价差从常态的2-3个基点，在危机最深重的5月10日至11日被拉大到超过100个基点、峰值达200个基点（扩大至常态的数十倍），市场被分割成相对独立的定价区域。跨资产异象方面，BTC 与 ETH 的相关性从危机前的0.9以上，在5月10日抛售高潮中骤降至0.5以下。（该相关性基于24小时滚动窗口的 Pearson 系数估计，未经偏差校正、仅作示意：滚动相关系数在高波动环境下因异步价格发现、波动率水平变化等可能产生虚假的下降信号，故上述“相关性骤降”应被谨慎解读；更严格的传染检验应采用 Forbes & Rigobon (2002) 提出的偏差校正方法 ^[16] 或 Engle (2002) 的 DCC-GARCH 动态条件相关模型 ^[10]，此为建议的稳健检验方向而非本节已采用的方法。）期限结构异象方面，CME 交割期货基差与离岸永续合约隐含利率（资金费率）这两条本应趋同的曲线发生巨大偏离，利差从常态的十几个基点飙升至接近200个基点。CEX-DEX 异象方面，价差从常态的10-15个基点急剧扩大到超过150个基点，暴露了 DEX 的预言机延迟、链上拥堵与较低流动性深度使其在极端行情下无法跟上 CEX 定价效率的代价。

在这一单案例中，6幅图景共同勾勒出一幅一致的图像：在2022年5月的第二周，市场的多个效率维度几乎同时严重承压。所有偏差不再是微小的、可控的噪音，而是同步恶化、相互加强的系统性风险的体现。LUNA/UST 的崩溃作为一次重大冲击事件，其局部影响最终演变为全面性的市场危机。需再次强调，上述观察与风险共振模型的预测相符，但其作为单案例例证只能支持而不能证明该模型的普遍性；其与模型的一致性是否在其他危机中稳健重现，是一个有待进一步实证检验的开放问题。

18.8.4 爆发与修复的不对称性

危机动力学的最后一个，也是极具现实意义的特征，是爆发与修复过程的显著不对称性。正如我们在2022年5月的案例中所看到的，异象的全面爆发可以在短短数小时内完成，而市场的修复过程却需要数周甚至数月的时间。这种“爆发过程在数小时内完成，而修复过程往往需要数周”的不对称性，深刻地揭示了市场信心恢复的缓慢和资本重建的渐进性。

图 18-17. 异象综合指数的爆发与修复不对称性（数据来源：模拟数据，作者构建）

图 18-17通过一个模拟的“异象综合指数”时间序列，直观地展示了这种不对称性：危机的爆发阶段陡峭而急剧，指数在极短时间内从低位飙升至峰值。这背后是风险共振的正反馈循环——清算引发价格下跌，价格下跌又引发更多清算，保证金被消耗、头寸被强制平仓，在极短时间内完成。

相比之下，修复阶段的曲线则是平缓的、拖长的。市场从峰值回落的速度远慢于其上升的速度。这种缓慢的修复源于其“重建”的本质，它涉及多个层面的渐进过程。首先是资本的重建：在危机中，大量套利资本和做市商资本被摧毁，剩余的资本也因为巨大的亏损而变得极为风险厌恶，新的资本进入市场需要时间来评估风险、募集资金并逐步建立头寸。其次是信心的重建：金融市场在很大程度上是建立在信心之上的，一场剧烈的崩溃会严重损害投资者对市场稳定性、平台可靠性乃至资产价值本身的信心，信心的恢复需要市场在一段时间内表现出持续的稳定，才能让参与者恢复风险偏好。此外，不同异象的修复速度也存在分化：通常依赖高频交易能力的异象（如跨交易所价差）会最先修复，因为高频交易公司有能力在市场稍一稳定后迅速重新部署算法，而依赖大规模资本和较低风险容忍度的异象（如基差和期限结构异象）则需要更长的时间，基差套利交易者和结构性套利者在经历巨大亏损后其资本重建和风险评估过程要漫长得多。

但需要强调的是，这一恢复排序并非普适规律，它取决于危机的性质。在有机的市场下跌中（如宏观冲击引发的去杠杆），跨交易所价差确实因高频套利者的快速重新部署而率先修复。然而，在交易所破产类危机中（如 FTX 事件），大量套利和做市资本被锁定在破产平台上无法提取，恢复排序可能完全逆转：跨交易所价差因套利资本被冻结而持续数周，反而是基差异象在 CME 和 Binance 等幸存交易所流动性正常化后较快恢复。更精确的因果机制是融资流动性约束：高频策略仅需日内保证金故融资约束松弛，基差套利需锁定双腿保证金故融资约束紧绷；但当特定平台的资本被物理冻结时，融资流动性约束的分布会被根本改变。

这种爆发与修复的不对称性具有一个重要的统计学含义：它使得市场异象的长期平均水平被系统性地拉高。即使市场在绝大多数时间里都处于高效的“常态”，少数“危机态”时段以及其后漫长的修复尾部，也会显著地影响我们对市场效率的整体评估（若需量化，可将“危机态”操作化定义为前述异象综合指数超过某一阈值的天数占比，但本章未对该比例作实测，此处的“绝大多数/少数”为示意性表述而非精确统计）。它提醒我们，市场的效率损失是持久的，一次危机的影响，需要很长时间才能被消除，此外，危机后的监管反应也是延长修复期的重要因素。以 LUNA/UST 崩溃为例，随后的执法行动（包括 Do Kwon 的逮捕令和 SEC 对 LUNA/UST 的证券分类裁定）所产生的监管不确定性，压制了套利资本的重新进入意愿，构成了超越市场微观结构的外部恢复阻力。而这种缓慢的修复过程本身，就构成了市场长期存在摩擦和偏差的重要来源。

18.9 异象的演化与市场设计启示

贯穿本章的分析揭示了永续合约市场中一系列持续存在的异象，它们记录了套利力量在不同维度上受阻的历史。然而，这些异象并非静态不变的持久特征。相反，它们构成了一幅动态演化的全景图：一些旧的偏差随着市场基础设施的成熟而逐渐消退，一些顽固的偏差则源于市场深层的结构性约束而长期存在，同时，新的市场创新又在不断催生形态各异的新型异象。本节的目的，正在于系统性地梳理这幅动态图景，并从中提炼出对未来市场设计的规范性启示：究竟什么可以通过制度改进来修复，什么又是当前架构下不得不接受的根本性代价。

对异象演化轨迹的理解，是评估市场成熟度的核心标尺。一个市场的效率进步，最直观地体现在其消除价格偏差的速度和广度上。因此，本节将从三个时间维度展开：回顾那些正在消退的异象，审视那些持续存在的异象，并展望那些正在出现的新异象（表 18-9）。最终，我们将这一切收敛于一个实践性的问题：如何设计一个更好的市场？

表 18-9. 永续合约市场异象的演化全景（数据来源：作者基于公开市场数据和文献综合构建）

表 18-9将永续合约市场中的主要异象按其演化轨迹归入三个类别：正在消退、持续存在和新出现。正在消退类别中的异象（如头部交易所跨所价差从3.5%收窄至1-3个基点）以其幅度的显著收敛证实了套利力量的逐步增强。持续存在类别中的异象（如 CEX-DEX 结构性残差和监管分割定价区域）则标示了当前市场架构下套利力量所不可逾越的边界。新出现类别中的异象（如 CME/ETF 双轨定价和协议化套利的集中度风险）则揭示了市场结构变革在消除旧偏差的同时如何创造新的效率缺口。三个类别共同构成了一幅关于市场效率动态演进的全景。

18.9.1 正在消退的异象

市场并非停滞不前，套利者的工作成果在时间序列上清晰可见。一些在市场早期阶段显著的异象，随着套利基础设施的进步和资本的深化，其幅度已大幅收窄，甚至接近消失。这些正在消退的异象，是检验第16章套利基础设施假说（AIH）框架最有力的证据：套利收益作为对套利者提供基础设施服务的补偿，随着服务成本的降低而趋于下降。

最典型的例子是头部交易所之间的跨所价差。在加密市场发展的早期，不同交易所之间的比特币价差常常达到百分之几的水平，Makarov 与 Schoar 基于2017–2018年数据的研究记录了高达数个百分点（约3.5%）的跨市场价差 ^[17]（2020 为该文发表年份），这为早期的跨交易所套利者提供了丰厚利润。然而，随着高频交易公司的入场、API 接口的标准化以及跨交易所统一账户等功能的普及，执行跨所套利的延迟和成本被急剧压缩。到2025年，Binance、OKX 与 Bybit 等一线交易所之间的比特币永续合约价差在常规市况下已稳定在1至3个基点（0.01%-0.03%）的极窄区间，逼近跨所套利的理论成本下界。价差从百分比级别到基点级别的收敛，充分证明了套利资本和技术在“拉平”市场价格表面方面的巨大成功。

另一类几乎被完全“套利掉”的异象是日历效应，例如早期市场中普遍存在的“周末效应”或节假日效应。在市场初期，由于参与者结构以散户为主，且机构交易员在周末休假，市场的流动性和定价效率在周末会系统性下降，导致波动率和价差模式呈现可预测的周内变化。然而，随着24/7运作的量化基金和自动化交易策略成为市场主导力量，任何与特定时间相关的可预测模式都会被迅速识别并利用，直至无利可图。如今，除了在极端事件期间，主流资产的定价行为已基本消除了工作日与周末之间的显著差异。

基差套利的超额收益同样呈现出下降趋势。在2020至2021年的牛市中，永续合约相对现货长期维持高额正基差，为做空永续、买入现货的套利者提供了年化高达30-80%的显著回报——这种高回报本身正是套利力量不足、市场缺乏足够资本满足旺盛做多需求的体现。然而，随着 Ethena 等协议化套利工具的崛起（其机制见§18.2.4），市场空头供给被极大增强。初步的时间序列证据显示，在 Ethena 的 TVL 于2024年快速增长之后，主流资产永续合约的基差与资金费率波动中枢均出现可观测下降，与“协议化套利系统性压缩牛市正基差”的假说方向一致。但必须强调，这一共变尚不足以确立因果：2024年同期还叠加了宏观利率环境、整体市场 regime 转换等混杂因素，要将基差中枢的下降干净地归因于 Ethena，仍需控制这些混杂变量并辅以更严格的计量检验。审慎对待因果方向的前提下可以说，一个曾经需要专业对冲基金才能参与的高门槛套利机会，正因技术和协议创新而趋于大众化，其可能结果之一便是相关异象的消退。

每一个消退的异象背后，都对应着一个“套利力量增强”的故事。无论是更多的专业参与者入场、更雄厚的资本部署，还是更先进的技术工具应用，都在共同填补着市场效率网络中的薄弱环节。这些正在消退的价格偏差，是市场走向成熟的最有力的实证支撑，它们验证了套利作为套利力量，虽有延迟，但终将发挥作用。

18.9.2 持续存在的异象

与那些逐渐消逝的异象形成鲜明对比的，是一些表现出显著粘滞性的结构性异象。其形态在数年间未发生根本性改变。这些异象的持续存在，并不意味着套利者的不足或市场的失败，恰恰相反，它们界定了套利力量无法逾越的边界，即那些由市场核心架构、物理定律或根本性制度壁垒所决定的结构性约束。

CEX-DEX 价差是诠释此类异象的最佳范例。如§18.7.3所述，根植于区块链物理确认时间的“结构性套利残差”无法归零——它是为“去中心化”与“无信任”所付出的可量化效率成本，即便L2扩容、高性能应用链与低延迟预言机等技术进步不断压缩延迟，也只能收窄而不能消除，因而长期粘滞（其完整机制与效率-去中心化权衡详见§18.7.3）。

资金费率的长期正偏是另一个顽固的结构性异象。如§18.3.1所析，其根源是散户偏多的参与者结构所决定的“结构性溢价”，用以补偿空头承担的对手方风险与逆势风险；只要“散户偏多、机构偏中性”的参与者结构不发生根本性逆转，这一异象就将持续存在（成因详见§18.3.1）。

由监管壁垒创造的分割定价区域，是制度层面最难以撼动的结构性异象。如§18.4.3所述，韩国“泡菜溢价”因严格的资本管制与外汇限制而长期存在。值得补充的是，2023年韩国《虚拟资产用户保护法》进一步规范了国内交易所运营，但《外汇交易法》下大额跨境转账的申报与审批义务并未因此放松；且这种管制并非对所有规模一视同仁——小额个人转账摩擦较低，而支撑机构级套利所需的大额、频繁跨境资金调配在合规成本上仍然高昂。这种“规模依赖型壁垒”恰好解释了为何泡菜溢价虽因小额套利者的存在而未达完全分割水平，却仍显著高于交易成本所能解释的幅度。这类异象（连同美国投资者被限制访问离岸交易所所致的 CME/Coinbase 与 Binance/OKX 系统性差异）的消除不取决于技术或资本，而完全依赖全球主要经济体之间监管框架的协调与统一，在可预见的未来难有根本性突破。

此外，如§18.5.1所述，山寨币永续合约的“低效率区域”是一种源于流动性“长尾分布”的结构性异象——海量中小市值代币订单簿深度极浅，套利者即便发现显著偏差也因巨大交易冲击成本而无法有效执行；这种由流动性分层决定的效率分层是市场自发形成的结构，难以经外部干预轻易改变（详见§18.5.1）。

这些持续存在的异象提醒我们，不能简单地将所有价格偏差都视为“市场失灵”。它们更应被看作是特定约束下的“均衡结果”。它们是市场在既有技术、制度和参与者结构下，为维持运转而必须支付的“摩擦成本”的货币化表达。消除它们，需要的不是对套利者的“道德劝说”，而是对约束本身的系统性变革。

18.9.3 正在出现的新异象

市场的演化不仅会消除旧的异象，也会创造新的异象。每一次重大的市场结构变革，如新产品的引入、新技术的应用或新参与者的入场，都可能在重塑效率版图的同时，打开新的“裂隙”。当前，我们正处在这样一个由 ETF、协议化套利和 AI 交易共同驱动的变革时代，一系列前所未有的新异象正在浮现。

比特币现货 ETF 于2024年初在美国获批上市，是近年来加密市场重要的结构性事件。它在为主流金融世界打开合规入口的同时，也创造了一个全新的、正在形成中的结构性异象：CME/ETF 体系与离岸永续合约体系的“双轨定价”。如§18.6.2的分析，这两个体系在监管框架、交易时间、结算货币和结算周期上存在根本性差异：SEC 监管与离岸监管的分割、纽约交易时段与全天候交易的错配、美元结算与 USDT/USDC 结算的差异、以及T+1结算与即时结算的时滞。这些差异共同构成了一道难以逾越的“制度性障碍”，阻碍了跨体系套利的有效进行。其结果是，对于同一个底层资产（比特币），两个市场经常给出不一致的定价信号。尤其在美国市场休市期间，离岸永续合约市场成为全球唯一的连续定价中心，缺少了来自 ETF 和 CME 期货的“价格锚”，其价格更容易因区域性消息或流动性冲击而产生偏离。这种由制度分割和时间错配导致的新裂隙，是2024年以前不存在的，它的演化将成为未来数年市场结构研究的核心课题。

协议化套利工具的崛起，本身就是具有双重效应的工具。以 Ethena 为代表的协议，在常态市场下通过其巨大的资本体量，有效地扮演了“异象抑制机制”的角色，系统性地降低了基差和资金费率的波动。然而，这种将套利活动“协议化”和“集中化”的模式，也蕴含着创造新型危机动力学的风险：一旦市场转入持续、深度的负资金费率环境并触发大规模赎回潮，协议被迫在短时间内集中平掉其庞大的永续合约空头头寸，就可能将基差推向前所未有的极端单向水平，形成一种由协议自身机制引发的新型瞬态异象（该“赎回→被迫平仓→极端基差”机制的完整论述见§18.2.4）。这种“协议被迫大规模平仓”风险尚未在现实中发生，但理论上完全可能，它揭示了市场创新在提升效率的同时，可能以更复杂的形式重新分配和集中了尾部风险。

人工智能交易代理的逐步普及，则预示着另一场重要的微观结构变革。一方面，AI 可以通过更快的速度、更复杂的模型识别并消除现有的、尤其是那些隐藏在海量数据中的微小套利机会，从而进一步加速传统异象的消退。但另一方面，当市场的主要参与者从人类交易员变为形形色色的 AI 代理时，它们之间的博弈可能会创造出全新的、人类难以理解的微观结构模式。例如，AI 之间可能出现策略的趋同与共振。这一风险并非全新，已有文献记录了算法策略拥挤在传统市场中造成的不稳定。Kirilenko 等对2010年“闪崩”（Flash Crash）的分析表明，算法交易者的同向行为是价格崩溃的关键放大器 ^[18]（正文所称“2010”指事件年份，其权威分析见 2017 年发表于《金融学杂志》的版本）。但 AI 代理引入了一个新的维度：当主要模型在重叠的训练数据集上训练时，它们可能共享对市场体制转换的结构性偏差。这种共享偏差在常态下不可见，但当真实的宏观体制转换发生时，所有模型可能同时发出相同的交易信号，产生一种“慢动作”流动性枯竭，不同于毫秒级的闪崩，而是持续数小时的关联性流量冲击，其破坏性可能更大，因为它在传统异象检测阈值之下运行；或者，AI 为了相互博弈而采取的复杂伪装或欺骗策略，可能在价格序列中留下非随机的“指纹”，构成一种全新的、基于算法博弈的异象。AI 的双面效应（既是异象的终结者，也可能是新异象的创造者）代表了市场效率演化的前沿方向。

核心的认识在于，异象的版图是一个动态平衡的生态系统。市场的每一次演进，无论是产品创新、协议创新还是技术创新，都同时消除一些旧的套利空间，并因改变市场结构而创造新的效率缺口。因此，对市场效率的评估，不能停留在对某个静态时间截面的分析，而必须转向对异象动态演化过程的持续追踪。

18.9.4 从异象到制度改进

对异象的分析，最终目的不仅在于理解世界，更在于改造世界。将前述对异象成因和演化的实证分析，转化为对市场设计的规范性建议，是本章的最终落脚点。一个对市场设计者和监管者而言，核心问题在于：面对形形色色的市场异象，哪些是可以通过制度和技术改进来“修复”的缺陷，哪些又是我们必须接受的、源于市场架构根本性权衡的“代价”？

可修复的异象方面，一部分异象的根源在于当前制度设计或技术设施的不完善，它们可以通过明确的路径得到缓解或消除。我们可以根据“影响范围”和“可行性”两个维度，为这些制度改进措施排序，从而形成一张务实的改革路线图（表 18-10）。

表 18-10. 可修复异象与对应制度改进路线图（数据来源：作者基于公开市场数据和文献综合构建）

从这张路线图中可以清晰地看到一个优先级序列。预言机技术的升级和结算周期的缩短是当前可行性最高且影响显著的“可行性最高的改进措施”。Hyperliquid 等新兴 DEX 已经通过每小时甚至更频繁的结算机制，显著减弱了传统8小时结算带来的“结算时点效应”。同样，新一代预言机和应用链架构正在将 CEX-DEX 的延迟差距从秒级压缩至亚秒级。这些都是正在发生的技术驱动的改进。

中期来看，跨交易所保证金互认是解决资本碎片化、放大危机期间异象的核心举措。当前套利者需要在每个交易所都存放大量保证金，极大地降低了资本效率。如果能通过第三方清算机构（类似于传统金融中的 LCH 或 CME Clearing）实现跨所保证金的净额结算，将极大释放套利资本，增强市场在压力下的韧性。ClearToken 等项目正在朝此方向探索。然而，实现跨交易所保证金互认不仅需要克服交易所间的协调博弈和信任问题，更需要参与机构在主要司法管辖区获得中央对手方清算资格（如欧盟 EMIR 框架下的 CCP 认可或美国 DCO 注册），这些监管审批流程本身具有高度不确定性。在乐观情景下，初步的双边净额结算安排可能在3-5年内出现，但全面的多边清算体系的建立时间线难以预测。

长期来看，全球监管框架的协调无疑是影响最深远的改革，它能从根本上消除因监管套利和市场分割导致的分割定价区域。然而，这触及各国金融主权的核心，其难度也最大，非市场力量本身所能决定。表 18-11从时间维度总结了上述改进措施的预期进展。

表 18-11. 异象消除的时间维度与当前进展（数据来源：作者基于公开市场数据和文献综合构建）

表 18-11从时间维度对表 18-10中的制度改进措施进行了重新组织，将其划分为短期（1-2年）、中期（3-5年）和长期（5-10年以上）三个层次，并标注了各项改进的当前实施进展。需要说明的是，表 18-10 与表 18-11 覆盖的是同一组六项改进措施，前者侧重“影响范围/可行性”、后者侧重“时间维度/当前进展”，二者互为补充而非各自独立的结论；表中给出的具体年限（如1-2年、3-5年）属于作者基于当前行业态势的主观判断与序数化排序（近期/中期/远期），而非任何预测模型的输出，读者应将其理解为相对优先级而非精确的时间预测。从中可以读出一个优先级序列：技术驱动的改进（如预言机升级和结算周期缩短）已处于实施阶段，预计在较近期即可产生可观测的效率提升；制度协调类的改进（如跨交易所保证金互认）需要克服行业内的协调博弈，处于中期探索阶段；而涉及全球监管框架统一的改革则因其固有的政治复杂性而难以在可预见的未来实现根本性突破。

另一方面，部分异象不可修复。并非所有异象都能被修复。一些异象是市场在追求特定目标（如去中心化、抗审查性）时，必须付出的根本性代价。它们源于不可调和的“权衡三角”，而非暂时的技术缺陷。

典型的例子是 CEX-DEX 的结构性套利残差。如§18.7.3 与§18.9.2 所述，只要区块链的物理确认时间不为零，去中心化系统在速度上就永远无法超越中心化系统，这个不可消除的微小延迟构成了去中心化金融的效率下界。其规范含义在于：追求极致的去中心化和无信任，就必须接受这个效率上的“折扣”，试图完全消除它就等于放弃去中心化本身。这是一个关于“要什么”和“愿意放弃什么”的哲学选择，而非一个工程问题。

其次，信息不对称的理论下界决定了套利机会理论上永不完全消失。Grossman 与 Stiglitz 于1980年提出的信息效率悖论 ^[19] 建立在一个关键前提之上：信息的获取和处理是有成本的。在这一前提下，如果市场价格已经完全反映了所有信息，那么任何交易者都无法通过收集和分析信息获得超额回报，于是无人有动机去从事这项有成本的活动。然而，一旦没有人收集信息，价格就不再能反映信息，市场又会变得无效。这一悖论的均衡结果是：市场必须保留一个足够大的“无效性”缺口，使得信息收集者的预期回报恰好覆盖其信息成本。将这一逻辑映射到加密永续合约市场，我们注意到一个重要的差异：加密市场的信息成本结构与传统股票市场有根本性不同。链上数据的公开透明降低了部分信息的获取成本，但市场的碎片化（数十个交易所、多条区块链）和7x24小时不间断交易又大幅提高了信息的监控和处理成本。净效应是，加密市场中的信息效率均衡点可能高于传统市场，即维持市场效率所需的“最低套利回报”更高。因此，Grossman-Stiglitz 悖论从理论上约束了异象完全消除的可能性：完全的效率是一个逻辑上无法达成的理想状态，而加密市场特有的信息成本结构进一步抬高了这一不可消除的效率下界。

最后，参与者的异质性是市场生态的内生特征，难以也无需消除。不同市场的参与者构成（散户、机构、套利者、产业资本）天然不同，他们的风险偏好、信息渠道、交易动机和行为模式也千差万别。这种异质性是市场深度和广度的来源，但也必然导致不同市场（如 CEX 与 DEX、CME 与离岸永续）在定价逻辑上出现系统性差异。例如，资金费率的长期正偏，根植于散户与机构之间持续的偏好差异。试图通过某种方式“统一”所有参与者的行为，不仅不现实，也会损害市场的多样性和活力。

从异象到制度改进的思考，最终引导我们认识到市场设计的边界。它要求我们区分“可为”与“不可为”，将精力聚焦于那些能够通过技术和制度创新切实改善市场韧性和效率的领域，同时也理解并尊重那些由市场根本性权衡所决定的、无法消除的效率损失。

18.10 本章小结

本章系统性地分析了永续合约市场中，因套利活动受限而产生的六类持续性市场异象：基差异象、资金费率异象、跨交易所异象、跨资产异象、期限结构异象与 CEX-DEX 异象。本章的分析并非意在宣告市场的“无效”，而是揭示一个更为准确的认识：市场的效率总是在与各种固有的、动态的约束进行博弈，而异象正是这场博弈最直接的反映。

本章的核心结论可以提炼为五个相互关联的层次。第一，永续合约市场中存在至少六类可被系统性量化和归因的持续性异象，它们并非孤立的、随机的市场噪音，而是市场微观结构与宏观动态的稳定反映。第二，本章提出的“约束-异象映射”方法构成了全部分析的基石：多数市场异象都可以在很大程度上追溯到第17章所阐述的七维约束框架，理解异象的根源往往须回归到对约束本身的分析；同时也须承认，部分异象（如资金费率长期正偏）的约束仅放大了本就存在的均衡性偏差，而非凭空创造异象——因此本方法是机制性归因而非对每个案例的严格因果识别。第三，“异象持久度光谱”沿瞬态、周期性和结构性三种典型形态构成一个非排他的连续谱（而非互斥的三分箱），揭示了不同异象具有迥异的时间特征和修复机制，且同一异象大类可按状态或方向落于谱上不同位置。瞬态形态反映了市场在极端压力下的不稳定性，周期性形态揭示了制度设计中内生的可预测摩擦，结构性形态则反映了市场架构中根本性的权衡与代价。第四，危机动力学分析以2022年5月 LUNA/UST 单案例例证了第17章风险共振模型的核心预测：在市场极端动荡期间，多类异象会近乎同步恶化并相互传染，形成正反馈循环，导致价格偏差的非线性放大——这一机制与单案例观测相符，但其普遍性尚待多案例对比加以检验。第五，异象的版图本身处在持续的动态演化过程中：一些异象随着技术进步和资本深化正在逐渐消退，另一些则作为结构性约束的持久特征而长期存在，同时新的异象在市场结构的演进中不断涌现。

具体而言，不同异象对应着不同的约束形态与时间特征。基差异象在牛市中呈现周期性正偏，而在危机中表现为瞬态负基差粘滞，两者分别指向保证金约束与流动性约束的不同组合。资金费率的长期正偏源于参与者结构的结构性不对称，其8小时结算效应则根植于具体的制度设计参数。从头部交易所间趋近理论下界的残余价差，到因监管壁垒而形成的分割定价区域，再到 CEX 与 DEX 之间源于物理确认时间限制的永久性效率差距，每一类异象都对应着一种特定的约束形态及其在时间维度上的独特表现。

作为第6篇“套利：边界与极限”的终章，本章与前两章共同完成了对套利机制从理论到现实的全过程追踪。第16章展示了该机制的精密性，包括六类策略、分层生态与三层效率传导；第17章展示了该机制的不稳定性，涵盖七维约束、风险共振与非线性崩溃；本章则揭示了套利机制无法覆盖的领域：持续存在的价格偏差、危机中急剧放大的定价偏离，以及作为市场架构永久代价的结构性效率损失。异象版图的演化表明，市场整体正朝着更高效率的方向发展：从 Makarov-Schoar 基于2017–2018年数据记录的约3.5%跨所价差，收窄至2025年的个位数基点残差，从人工跨交易所套利演进为协议化套利，从孤立的 CEX 发展为 CEX-DEX 效率传导通道，套利者持续修补着效率传导网络中的薄弱环节。但部分环节由于物理定律或制度框架的根本性限制，可能永远无法完全消除。识别并区分这些不同层次的约束与异象，正是本篇3章试图提供的核心分析框架。

本章的分析将在后续篇章中得到延伸。套利者退出导致的流动性急剧下降现象，将在第7篇关于“流动性”的论述中得到更系统的理论分析；异象爆发期间的波动率聚集和跨市场传染，将在第8篇关于“波动性”的分析中被置于更广阔的理论背景下；而本章对异象演化的追踪，也为第9篇评价市场质量的分析提供了必要的实证素材。

参考文献

[1] Seo, M. H., Koo, B., & Yang, Y. F. (2024). Nonlinear dynamics of Kimchi premium. Economic Modelling, 135, 106726. https://doi.org/10.1016/j.econmod.2024.106726

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

[3] 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

[4] Liu, J., Makarov, I., & Schoar, A. (2023). Anatomy of a run: The Terra Luna crash (NBER Working Paper No. 31160). National Bureau of Economic Research. https://doi.org/10.3386/w31160

[5] Christin, N., Routledge, B. R., Soska, K., & Zetlin-Jones, A. (2022). The crypto carry trade (Working Paper). Carnegie Mellon University. https://www.andrew.cmu.edu/user/azj/files/CarryTrade.v1.0.pdf

[6] He, S., Manela, A., Ross, O., & von Wachter, V. (2024). Fundamentals of perpetual futures (Working Paper, Revise & Resubmit at Review of Financial Studies). Washington University in St. Louis. https://doi.org/10.48550/arXiv.2212.06888

[7] Kaiko. (2026). Kaiko exchange ranking. Retrieved March 6, 2026, from https://www.kaiko.com/indices/exchange-ranking

[8] Agio Ratings. (2026, February 18). Crypto credit ratings: How institutions measure counterparty and asset risk. Agio Ratings. https://www.agioratings.io/insights/crypto-credit-ratings-how-institutions-measure-counterparty-and-asset-risk

[9] McGinley, I. (2023, September 11). Enforcement by enforcement: The CFTC's actions in the derivatives markets for digital assets [Keynote speech]. U.S. Commodity Futures Trading Commission. https://www.cftc.gov/PressRoom/SpeechesTestimony/opamcginley1

[10] Engle, R. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business & Economic Statistics, 20(3), 339–350. https://doi.org/10.1198/073500102288618487

[11] Barbon, A., & Ranaldo, A. (2021). On the quality of cryptocurrency markets: Centralized versus decentralized exchanges. arXiv. https://doi.org/10.48550/arXiv.2112.07386

[12] Nadler, M., Schuler, K., & Schär, F. (2025). Blockchain price oracles: Accuracy and violation recovery. Journal of Corporate Finance, 95, 102908. https://doi.org/10.1016/j.jcorpfin.2025.102908

[13] 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

[14] Qin, K., Zhou, L., & Gervais, A. (2022). Quantifying blockchain extractable value: How dark is the forest? In 2022 IEEE Symposium on Security and Privacy (SP) (pp. 198–214). IEEE. https://doi.org/10.1109/SP46214.2022.9833734

[15] Briola, A., Vidal-Tomás, D., Wang, Y., & Aste, T. (2023). Anatomy of a stablecoin's failure: The Terra-Luna case. Finance Research Letters, 51, 103358. https://doi.org/10.1016/j.frl.2022.103358

[16] Forbes, K. J., & Rigobon, R. (2002). No contagion, only interdependence: Measuring stock market comovements. The Journal of Finance, 57(5), 2223–2261. https://doi.org/10.1111/0022-1082.00494

[17] 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

[18] Kirilenko, A., Kyle, A. S., Samadi, M., & Tuzun, T. (2017). The flash crash: High-frequency trading in an electronic market. The Journal of Finance, 72(3), 967–998. https://doi.org/10.1111/jofi.12498

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