> **Source:** https://permissionless.fi/zh/20-liquidity-fragility > From *无需许可的金融* (无需许可的金融：从永续合约到链上全球市场) by Eric Cheung. Licensed under CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). # 第 20 章 流动性的内生性与脆弱性 2022年11月初，比特币永续合约在主要交易所的买卖价差维持在约1个基点，全市场1%区间内的订单簿深度合计约为5.8亿美元 [1]。即使抛出1000万美元的市价单，也能以极小的滑点成交。然而，11月8日 FTX 危机全面爆发后，流动性急剧恶化。在此后一周内，主要交易所的买卖价差扩大至常态的数倍，全市场1%区间内的订单簿深度从约5.8亿美元骤降至约2.3亿美元，缩水超过60%。Kaiko 将这一流动性的结构性塌缩称为“Alameda 缺口” [2]。与此同时，FTX 自身平台上的流动性几乎完全归零，部分交易对在崩溃最烈的数小时内出现了订单簿深度的极端蒸发 [3]。这并非一个渐进的枯竭过程，而是做市商在极短时间内主动撤回了流动性供给。这一现象引出了本章的核心问题：为什么一个看似充裕的流动性体系可以在数天乃至数小时内迅速崩溃，且这种崩溃总是发生在市场对流动性需求最大的时刻？ > **证据等级说明**.本章危机案例的若干具体数值（如开篇 5.8 亿→2.3 亿美元深度、60% 缩水，以及后文对 2021年5月19日、2022年5月 Terra-LUNA、2022年11月 FTX 等事件的价差/深度/跌幅刻画）部分引自数据商研报与交易所、项目方博客（Kaiko、Deribit、Perpetual Protocol 等），属一手但未经独立学术验证的灰色来源；本章在引用这些数值时以定性趋势为主，不将其作为精确测量结论。涉及理论机制的形式化（§20.2.5、§20.3.3、§20.8）均为说明性设定而非实测校准，相关限定在各处显式标注。 流动性的突然消失并非系统的偶然故障，而是做市商利润方程在极端条件下的结构性倾向。当价格急跌触发波动率上升时，做市商的库存成本呈现凸性增长，迫使他们扩大价差并减少深度，这种流动性的退潮反过来放大了价格冲击，形成波动率与流动性之间的自我强化循环。与此同时，价格下跌导致系统的有效杠杆被动攀升，触发强制清算机制。清算订单作为完全无弹性的流动性需求涌入市场，不仅直接吞噬本已稀薄的订单簿深度，其携带的高订单流毒性更会驱逐剩余的做市商，导致可用流动性以乘法速度急剧收缩。此外，极端行情下资金费率的骤变会迫使大量套利头寸集中平仓，大规模的同向订单打破了买卖两侧流动性的对称性。贯穿这三个正反馈环路的，是表观流动性与真实流动性的分裂。平静市场中显示的深度仅仅是做市商给出的条件性承诺，一旦压力超过其容忍区间，这些承诺便会迅速失效。 本章先建立流动性内生性的理论基础（§20.1），依次分析波动率螺旋、清算级联与资金费率扭曲三个正反馈环路（20.2–§20.4），再探讨表观与真实流动性的分裂（§20.5）、流动性蒸发的五阶段框架（§20.6）与跨维度传染路径（§20.7）。 ## 20.1 流动性内生性的理论基础 传统市场微观结构理论倾向于将流动性视为一种外生给定的背景条件，而在永续合约的制度环境中，流动性展现出高度的内生性特征，与价格、波动率和杠杆水平通过正反馈环路深度耦合。本节将建立这种内生性视角的理论基础，并揭示导致流动性在压力下突然蒸发的深层机制。 ### 20.1.1 外生流动性与内生流动性 在经典的金融市场分析框架中，流动性通常被假定为一个外生变量，由做市商的资本储备和风险偏好决定，在短期内被视为缓慢变化的常量。然而，在永续合约市场中，流动性的供给是做市商实时评估毒性风险、库存成本和制度约束后做出的动态最优解。利润方程中的参数直接或间接地依赖于当前的市场状态，市场状态的变化又通过利润方程调整流动性供给，这种调整反过来重塑市场状态，形成不可分割的闭环。从外生流动性向内生流动性的范式转换，意味着流动性的突然消失不再需要外部冲击来解释，而是系统内部正反馈环路被激活后的可预期结果。一个规模稍大的常规交易或一次普通的清算事件，只要恰好跨越某个触发区间，就足以启动自我强化的崩溃螺旋。这种视角深受 Brunnermeier 与 Pedersen (2009) [4] 提出的市场流动性与融资流动性螺旋理论的启发，但在永续合约的具体制度语境中，这种内生耦合展现出更加复杂的特征。 ### 20.1.2 流动性的反身性三角 在内生流动性的框架下，我们可以构建一个解释永续合约市场流动性脆弱性的核心理论模型，即流动性的反身性三角。在这个模型中，三角形的三个顶点分别代表流动性供给、价格水平和头寸结构，而连接它们的三条边则代表波动率驱动机制、杠杆-清算机制和资金费率机制这三个正反馈环路。任何一个维度的恶化都可能触发其他维度的连锁反应，最终汇聚成一场系统性的流动性蒸发。 需要指出的是，“反身性”这一概念在金融学中具有特定的学术渊源。Soros (1987) [5] 将反身性定义为市场参与者的认知与市场现实之间的双向反馈关系。Brunnermeier 与 Pedersen (2009) [4] 则从市场流动性与融资流动性的双向螺旋中形式化了这种反馈机制。本章提出的反身性三角在 Brunnermeier-Pedersen 框架的基础上，引入了永续合约特有的资金费率维度，将双边螺旋拓展为三维的正反馈网络。这一拓展反映了永续合约作为一种无到期日、高杠杆的合成工具，其流动性动力学具有传统衍生品市场所不具备的额外脆弱性来源。 ![图 20-1](./images/fig-20-1.png) **图 20-1.** 流动性反身性三角：价格、波动率与杠杆之间的正反馈环路 反身性三角的第一条边连接着价格、波动率与流动性。当市场遭遇初始的价格下跌冲击时，资产的实现波动率会显著上升。根据我们此前对做市商库存成本的分析，库存风险的持有成本与波动率之间存在着强烈的凸性关系。波动率的成倍增加会导致做市成本呈凸性（二次）飙升。面对急剧恶化的利润方程，理性的做市商会采取防御性策略，首先是扩大买卖价差以补偿逆向选择风险，随后是削减订单簿深度以限制潜在的库存敞口。当波动率突破做市商的容忍区间时，他们会选择彻底撤出市场。这种流动性的实质性衰退使得后续同等规模的交易指令产生更大的价格冲击，从而进一步推高波动率，形成一个自我强化的恶性循环。 三角的第二条边描绘了价格、杠杆与流动性之间的交互作用。在永续合约市场中，价格的急剧下跌会迅速侵蚀多头头寸的保证金余额，导致系统的有效杠杆率被动攀升。当保证金跌破维持阈值时，清算引擎被触发。清算订单作为一种强制性的流动性需求，以市价单的形式涌入市场，直接吞噬订单簿上仅存的流动性深度。与此同时，清算流所携带的极高毒性会迫使做市商加速撤退。流动性的双重流失使得价格进一步下挫，从而将更多原本安全的头寸拖入清算区间，引发级联式的崩溃。 三角的第三条边则揭示了资金费率、头寸结构与流动性方向性分布之间的内在联系。在极端的市场环境下，资金费率往往会出现剧烈的单向倾斜。例如，在价格暴跌伴随极端负费率的场景中，空头持有者面临高昂的持仓成本，被迫平仓买入。这种集中的买方流动性需求与做市商因库存偏移而减少的买方流动性供给形成尖锐矛盾，导致流动性在方向上出现严重扭曲。资金费率的骤变还可能引发庞大的期现套利头寸集中平仓，这种结构性的头寸大挪移会给本已脆弱的流动性池施加难以承受的单向压力。 这三条边并非孤立运作，而是呈现出高度的非线性特征。在真实的危机场景中，它们往往被同时激活并产生交叉放大效应。波动率的飙升加速了做市商的撤退，使得清算订单面临更薄弱的深度；清算的冲击又进一步推高了波动率，并加剧了资金费率的扭曲。这种多维度的风险共振，使得总体的流动性破坏力通常超出单一因素效应的简单加总。这里的“超出简单加总”是一个可被检验的命题：若在某次崩溃中，多个环路并发时的总冲击不超过各环路单独作用冲击之和，则交叉放大假说在该情形不成立；本章将其作为待实证检验的工作假设而非已证结论。 上述分析隐含一个重要的简化假设：市场中的主要做市商在风控模型、风险阈值和信息集方面具有高度同质性。这一假设使得协调博弈和同步撤退的论证得以成立。在实际市场中，部分做市商可能采用差异化策略（如在危机中反向提供流动性以捕获极端价差），但实证证据表明，极端行情下做市商行为的同步性远高于常态（Anand 和 Venkataraman, 2016 [6]），支持同质性假设作为一级近似的合理性。 反身性三角模型还有一个重要的适用边界：它描述的是市场微观结构层面的内生流动性危机，但不涵盖交易对手信用风险引发的流动性蒸发。在 FTX 崩溃事件中，流动性的消失在很大程度上并非由波动率、杠杆或资金费率的反身性循环驱动，而是源于市场参与者对交易所本身偿付能力的信心崩溃。即使波动率和杠杆处于正常水平，一旦交易者怀疑交易所无法兑付其保证金和盈利，流动性也会瞬间蒸发，而这是一条独立于反身性三角的传染通道。本章的分析框架侧重于市场微观结构层面的内生机制；交易对手信用风险的系统性分析将在后续章节中展开。 ### 20.1.3 永续合约的四个流动性放大器 如果说反身性三角描绘了流动性崩溃的普遍动力学机制，那么永续合约特有的制度设计则构成了放大这一机制的四个结构性维度。这些在常态下被视为产品核心优势的特征，在压力场景下却成为了加剧流动性脆弱性的根源。 ![图 20-2](./images/fig-20-2.png) **图 20-2.** 永续合约的四个流动性放大器（概念示意，非实测数值） 第一个放大器是极高的杠杆率。与传统金融市场对杠杆施加严格的监管限制不同，永续合约市场普遍允许极高倍数的杠杆交易。这意味着同等规模的初始资本可以建立远超其自有资本的名义头寸。当市场逆转时，这些庞大的名义头寸会转化为同样庞大的清算量，对市场流动性造成远超传统市场的冲击压力。高杠杆不仅放大了收益，更在结构上放大了系统对流动性的潜在索取。 第二个放大器是强制且即时的清算机制。在传统的保证金交易中，当账户净值低于要求时，交易者通常会收到追加保证金通知，并获得一定的缓冲时间来补充资金或自行平仓。然而，永续合约的清算是由代码严格执行的，不可协商，也没有时间缓冲。一旦触及阈值，系统会自动以市价单或激进限价单的形式强制接管并抛售资产。现代主流交易所虽已引入多层清算流程以缓解这种冲击（其分层执行与对深度冲击的负依赖作用详见§20.3.3），但在极端行情中清算队列快速积压时，这些缓冲的有效性会显著下降，冲击效果仍趋近于即时全额执行。这种机制将潜在风险在极短时间内转化为现实的流动性挤兑，极易在短时间内抽干订单簿。 第三个放大器是无到期日的设计。传统的交割期货合约拥有明确的到期日，在到期时刻，合约价格会自然收敛于现货价格，所有的未平仓头寸都会被强制结算。这种机制为市场提供了一个天然的稳定锚。而永续合约通过资金费率机制来维持价格锚定，它允许失衡的头寸无限期地存续下去。在极端行情中，做市商无法指望通过持有到期来化解暂时的账面亏损，这迫使他们在面对风险时更加倾向于立即止损和撤退，从而降低了系统吸收冲击的韧性。 第四个放大器是全天候无休的交易环境。永续合约市场保持着每周七天、每天二十四小时的连续运转，且缺乏传统市场中常见的熔断或涨跌幅限制等减震器。这意味着流动性冲击可能在任何时刻爆发，包括那些做市商参与度最低、订单簿深度最薄弱的凌晨时段。在这些流动性低谷期，即使是规模相对较小的冲击，也足以引发剧烈的价格波动，进而启动反身性三角的崩溃螺旋。全天候交易的脆弱性还包含一个常被忽视的操作风险维度：加密交易所的技术基础设施在极端负载下的表现记录堪忧。在2021年5月19日的崩盘中，多家主要交易所出现了撮合引擎延迟激增、充提服务暂停乃至全面宕机的情况，大量交易者无法及时下达止损订单或追加保证金。技术故障不仅阻碍了风险管理操作，更迫使做市商出于对交易所系统稳定性的不信任而预防性地撤回流动性，成为流动性蒸发的独立放大器。 ### 20.1.4 表观流动性与真实流动性的楔子 流动性的内生演化和放大机制还引出了一个关键概念：表观流动性与真实流动性之间的楔子。订单簿上显示的买卖价差和深度构成了表观流动性，但这些指标反映的仅仅是做市商在当前市场状态下的条件性承诺。一旦波动率突破其容忍区间或单向订单流积聚，这些承诺便会在毫秒间被撤回。由于主要做市商使用相似的风控模型，他们的撤退行为呈现高度同步性，导致订单簿深度的消失表现为断崖式的集体蒸发而非渐进衰减。表观流动性与真实流动性之间楔子的形成机制、幽灵流动性的微观结构以及由此导致的流动性指标失效，将在§20.5中进行系统分析。 ## 20.2 波动率-流动性螺旋 流动性反身性三角的第一条边揭示了波动率与流动性之间的自我强化正反馈环路。这个环路的核心在于，波动率的上升不仅是市场风险的表征，更是削弱流动性供给的直接驱动力。当做市商面对剧烈波动的市场时，其理性的防御性行为（扩大价差和撤回订单）会反过来进一步放大市场的价格冲击，从而推高波动率。这一机制可在加密资产市场的多次崩盘中观察到。 ### 20.2.1 做市商的波动率响应函数 波动率对流动性的影响可从做市商利润方程中得到解释。在第19章中，我们详细拆解了做市商的三重成本：逆向选择成本、库存成本和制度成本。库存成本与波动率的凸性关系是理解做市商波动率响应的核心。Ho 和 Stoll (1981) [7] 在其经典的做市商库存模型中率先推导出，最优买卖价差与库存风险（波动率的函数）之间存在非线性的正相关关系。Avellaneda 和 Stoikov (2008) [8] 在高频做市的最优控制框架中进一步形式化了这一结论，表明最优价差与波动率的平方成正比（最优价差 $\propto \gamma\sigma^2$），其中 $\gamma$ 为风险厌恶系数（此处 $\gamma$ 沿用 Avellaneda–Stoikov 原文记号，与本章§20.2.5 中表示风险厌恶系数的 $\alpha$ 同义）。这意味着，当市场波动率翻倍时，做市商承担的库存风险并不是线性增加，而是以四倍的速度攀升。这种非线性的成本结构决定了做市商在面对波动率上升时的响应方式必然是剧烈且断崖式的。 波动率的上升还通过第二条路径削弱流动性：加剧逆向选择风险。Glosten 和 Milgrom (1985) [9] 的序贯交易模型表明，买卖价差在信息不对称环境下的均衡水平由知情交易者的比例和信息优势的大小决定。当市场波动率急剧上升时，往往伴随着信息不对称的加剧，做市商无法判断涌入的订单是基于真实信息的知情交易，还是单纯的恐慌性抛售。为了保护自己免受知情交易者的逆向选择，做市商必须通过扩大买卖价差来增加缓冲空间。在永续合约市场中，库存成本凸性与逆向选择风险的双重叠加使得这种防御机制表现得尤为剧烈。由于缺乏到期日的约束和高杠杆的放大效应，两种成本在极端行情下会同时被急剧放大。 在2020年至2023年间比特币永续合约的高频数据中，实现波动率与买卖价差呈显著正相关关系（样本期与字段口径待补，下述阈值为示意性刻画）。在平静的市场环境中（日化波动率低于3%），顶级交易所的比特币永续合约买卖价差通常维持在0.5至1个基点之间。然而，当波动率突破特定阈值（例如日化波动率超过8%）时，价差会迅速扩大至10个基点甚至更高（如图 20-3 所示）。这种扩大并非渐进式的，而是在突破阈值后呈现出急剧的凸性飙升。这正是库存成本凸性在微观层面的直接体现：当预期利润无法覆盖急剧上升的风险成本时，做市商的理性选择是立刻收缩流动性供给。值得注意的是，上述价差数据反映的是最佳买卖报价之间的差距，但在极端波动中，最佳报价处的挂单深度可能极小。对于需要执行特定规模的交易者而言，其面临的实现价差（即加权平均执行价格与中间价的偏离）将远大于最佳报价价差，使得实际的流动性恶化程度比报价数据所显示的更为严峻。 ![图 20-3](./images/fig-20-3.png) **图 20-3.** 实现波动率与买卖价差的非线性关系（示意性刻画） 做市商的撤退不仅体现在价差的扩大上，更体现在订单簿深度的快速蒸发。在波动率上升的初期，做市商或许只是拉宽报价；但如果波动率继续攀升，触及他们内部风控模型的熔断阈值，他们会迅速撤销所有限价单。此时，订单簿上看似丰厚的“表观流动性”会在瞬间消失，留下一个极度脆弱的市场真空。做市商的这种行为并非出于恐慌或非理性，而是对其利润函数的精确计算：当库存成本的凸性使得继续做市的期望收益变为负值时，撤退就成为了唯一的最优选择。 ### 20.2.2 价差扩大的传导机制 做市商扩大价差和撤回深度的行为，仅仅是波动率-流动性螺旋的起点。接下来，这种微观层面的流动性收缩将通过一条清晰的传导链条，反向作用于宏观市场的价格发现过程，最终导致波动率的进一步攀升。 首先，价差的扩大直接导致了交易成本的急剧上升。对于普通的市价单交易者而言，他们不仅要承受更大的滑点，还要面对深度大幅缩减的订单簿。在这种环境下，哪怕是规模中等的交易订单，也无法在最优买卖价附近被完全吸收，而是会不可避免地“击穿”多个价格层级。这种现象即价格冲击的放大。 价格冲击的放大意味着，同等规模的交易量在流动性匮乏的市场中会引发比常态下大得多的价格变动。Kyle (1985) [10] 提出的价格冲击系数可以量化这一效应。在正常的市场状态下，一笔1000万美元的比特币市价单可能只会造成0.05%的价格波动；但在流动性撤退的极端行情中，同样的订单可能导致价格瞬间跳水1%甚至更多。这种由流动性枯竭引发的价格剧烈波动，在统计学上直接表现为实现波动率的飙升。 ![图 20-4](./images/fig-20-4.png) **图 20-4.** 买卖价差的 Glosten-Milgrom 分解（常态/高波动/危机，示意性数值） 在这个阶段，波动率的上升已经脱离了外部基本面信息的驱动，转变为一种纯粹的流动性驱动现象。市场并没有发生新的负面消息，仅仅是因为缺乏承接盘，价格就在微小卖单的冲击下快速下跌。这种“非信息性波动率”的出现，标志着正反馈环路已经正式闭环。高波动率导致流动性撤退，流动性撤退放大价格冲击，价格冲击进一步推高波动率。一旦这个螺旋被启动，它就会依靠内生的正反馈持续加速，直到某种外部力量（如交易所宕机、熔断或巨额新资金的介入）强行打断这一进程。 ### 20.2.3 螺旋的触发条件与临界点 如果波动率-流动性螺旋如此具有破坏力，那么为什么它没有每天都在发生？答案在于，这个螺旋的启动需要满足特定的触发条件，并且存在一个高度非线性的临界区间。 从博弈论的视角来看，做市商在提供流动性时面临着一种典型的“协调博弈”。在常态下，如果所有做市商都留在市场中，整体流动性充裕，价格冲击小，每个做市商承担的风险都在可控范围内。这是一个帕累托最优的“好均衡”。然而，一旦市场受到某种初始冲击，导致波动率上升，每个做市商都会开始猜测其他竞争对手的反应。如果做市商A预期做市商B会因为害怕风险而撤单，那么做市商A的最优策略就是抢在B之前撤单，以免自己成为市场上唯一的流动性提供者，从而承受所有的逆向选择风险。 这种基于预期的自我实现机制，使得流动性的崩溃往往具有突发性和同步性。当波动率逼近某个临界区间时，市场预期会发生瞬间的反转。在这一刻，维持报价的策略风险急剧上升，而集体撤退成为了唯一的纳什均衡。这种机制与 Diamond 和 Dybvig (1983) [11] 描述的银行挤兑模型具有相似的结构：当储户对银行的流动性失去信心时，挤兑本身就会导致银行破产。在永续合约市场中，做市商对市场流动性的信心一旦动摇，他们的集体撤退就会瞬间制造出他们所恐惧的流动性危机。 然而，这一类比存在重要的结构性差异。Diamond-Dybvig 模型中的战略互补性源于存款合同的先到先得约束，即排在后面的储户面临银行资产已被清空的风险，因此每个储户都有动机抢先提款。而做市商撤退的战略互补性来源完全不同：它并非排队效应，而是信息外部性：当其他做市商撤退时，留守者将独自面对全部有毒订单流，其逆向选择风险急剧攀升。Morris 和 Shin (1998) [12] 的全局博弈框架或许能更精确地捕捉这一机制：每个做市商基于其对波动率、订单流毒性和同行行为的私有信号做出二元决策（留守或撤退），当信号跨越某个阈值时，从留守到撤退的状态翻转几乎同时发生。这一区别对治理方案的设计具有重要含义：银行挤兑可以通过存款保险来预防，而基于信息外部性的做市商撤退则需要不同的干预工具，例如增强市场透明度以降低信号噪声，或引入强制性的最低报价义务以消除撤退的占优策略。 ![图 20-5](./images/fig-20-5.png) **图 20-5.** 波动率-流动性螺旋的传导链条与临界点 2021年5月19日的比特币闪崩事件提供了一个典型案例。当天，在多重宏观利空消息的打击下，比特币价格开始下跌。起初，这只是一次正常的市场调整。但随着价格跌破关键支撑位，大量高杠杆多头头寸被推入清算区间。强制平仓的市价卖单涌入市场，导致波动率急剧上升。在约六小时内，顶级交易所的买卖价差从常态的0.5个基点扩大到了40个基点，订单簿深度蒸发了超过80%。由于极端行情下系统负荷过载，Binance 甚至出现了长达40分钟的交易数据缺失。在流动性彻底真空的阶段，比特币价格一度从约 43,000 美元下跌至约 30,000 美元，跌幅超过 30%。该事件中 BTC 侧的核心数字（BTC 跌幅、深度蒸发、价差、时长）依据交易所历史 K 线与清算数据整理（其交易所侧的价格保护机制详见§20.3.4 及该处所引 Deribit 报告），此处一次性锚定，后文相关段落对其回指；ETH 侧的跌幅数字则于§20.3.4 首次给出。这正是波动率跨越临界点后，流动性螺旋失控的表现。 ### 20.2.4 跨资产溢出效应 波动率-流动性螺旋的影响不仅限于单一资产内部，它还具有强烈的跨资产和跨市场传染性。当做市商在核心资产上遭受库存损失或面临极端波动时，其投资组合层面的风控指令会迫使他们同步撤回在其他资产上的流动性供给。这种传染沿着跨资产、跨交易所、跨层级和跨产品四个维度展开，将局部的波动率冲击放大为系统性的流动性危机。§20.7将对这四个传染维度进行详细分析。 ### 20.2.5 螺旋的数学刻画 波动率-流动性螺旋的机制可以通过做市商利润函数的数学性质予以形式化。需要预先说明的是，本节及全章的形式化均为说明性设定（illustrative specification），用于刻画机制的定性结构，其参数并非由真实数据校准，相应数字应理解为机制示意而非实测估计。做市商的利润函数可以简化表示为一个关键的权衡关系。设做市商在时刻 $t$ 的利润为： $$\Pi_t = \text{价差} \times \text{交易量} - \text{库存成本} - \text{逆向选择成本}$$ 其中库存成本与波动率的关系呈现出显著的凸性。设库存成本为 $C_{inv} = \alpha \sigma^2 Q^2$，其中 $\sigma$ 是实现波动率，$Q$ 是库存量，$\alpha$ 是含量纲的风险厌恶系数（用于将 $\sigma^2 Q^2$ 归一为货币量纲）。其中 $\alpha,\sigma,Q$ 均为说明性设定，非由真实波动率与库存数据校准。这个函数形式的含义是深刻的：当波动率从 $\sigma_0$ 上升到 $2\sigma_0$ 时，库存成本会从 $\alpha \sigma_0^2 Q^2$ 上升到 $4\alpha \sigma_0^2 Q^2$，增长了4倍。需要强调的是，此 4 倍系 $\sigma^2$ 的二次凸性关系，而非指数关系。这种非线性的成本结构意味着，做市商在面对波动率翻倍时，必须通过大幅提高价差或大幅减少库存来维持利润。 在2021年5月19日的比特币闪电崩盘中，这种机制表现得尤为明显：当天实现波动率在短短6小时内从日化3%飙升至25%以上，价差与深度随之经历三阶段的示意性恶化（其分阶段数值即§20.2.3 所锚 5/19 口径，另见 fig-20-3、fig-20-4），大多数做市商完全撤出市场。这种阶段性恶化正是做市商面对不断上升的库存成本时的理性反应。 更为重要的是，这个过程中存在着明显的“临界点”现象。在价差从10bp 扩大到15bp 的过程中，市场的交易量并未出现明显下降。但当价差突破20bp 时，交易量开始急剧萎缩，这导致做市商的总利润反而下降，从而进一步激励他们撤回流动性。这种“断崖式”的行为转变，正是利润方程在某个波动率区间附近从正翻负的直接体现。在数学上，这对应于做市商利润方程在某一波动率区间由正转负的快速（非平滑）转变。需要说明的是，由于上式 $\Pi_t$ 未给出显式可微的函数形式，本节不就该转变是否构成严格意义上的不连续跳跃做形式化断言。 ## 20.3 杠杆-清算-流动性级联 清算级联在三个正反馈环路中产生的冲击最为直接。清算不仅直接消耗流动性，即吞噬订单簿深度，还间接摧毁流动性，即驱逐做市商。这两个效应的叠加创造了一个远比波动率-流动性螺旋更剧烈的正反馈环路，使得市场在面临冲击时极易发生非线性的崩溃。与前文讨论的波动率-流动性螺旋不同，清算级联的破坏性在于其强制性和不可逆性，一旦启动就难以通过交易者的主动调整而停止。清算级联的特殊性还在于它将微观的个体风险转化为宏观的系统性风险，使得单个交易者的被清算可能触发连锁反应，最终导致整个市场的流动性蒸发。 ### 20.3.1 杠杆的内生性 传统市场微观结构理论倾向于将交易者的杠杆水平视为外生变量，即交易者在开仓时选择的固定倍数。然而，在永续合约市场中，系统的有效杠杆是高度内生的，它是价格水平、持仓量、保证金余额和清算阈值的动态函数。这种内生性使得市场在价格下跌过程中变得越来越脆弱，形成了一个隐藏的风险放大机制。 有效杠杆的内生性体现在其顺周期特征上。当价格上涨时，多头头寸的未实现盈利增加，保证金余额变得充裕，系统的平均有效杠杆随之下降，市场趋于安全。相反，当价格下跌时，多头头寸的保证金被侵蚀，有效杠杆被动上升。这一机制意味着，随着价格的下跌，距离清算触发线越来越近的头寸数量会加速增加。 具体而言，假设一个交易者以 50,000 美元的价格做多 1 BTC 永续合约，初始保证金为 10,000 美元（初始杠杆 5 倍），维持保证金率为 5%。当价格上涨至 55,000 美元时，未实现盈利 5,000 美元使账户权益增至 15,000 美元，有效杠杆从 5 倍降至 3.67 倍（55,000/15,000），保证金充裕度显著提高。但当价格下跌至 45,000 美元时，未实现亏损 5,000 美元侵蚀了一半的初始保证金，账户权益缩减至 5,000 美元，有效杠杆被动攀升至 9 倍（45,000/5,000）。若价格继续下探至 42,000 美元，账户权益仅剩 2,000 美元，而维持保证金要求为 2,100 美元（42,000 × 5%），头寸将被强制清算。这种被动的杠杆上升不是交易者的主动选择，而是市场状态的代数结果。 图 20-6 展示了在固定初始保证金（10,000 美元）与 5 倍初始杠杆下，价格下跌如何导致有效杠杆非线性上升并逼近清算阈值。 ![图 20-6](./images/fig-20-6.png) **图 20-6.** 杠杆的顺周期性与清算风险的非线性上升（数据来源：理论模型推导） 这种杠杆的顺周期性解释了为什么看似温和的初始价格冲击可能演变为灾难性的市场崩溃。在价格下跌的早期阶段，系统杠杆的上升主要吸收了交易者的缓冲资金；但当价格越过某个临界点时，大量高杠杆头寸同时触及清算线，将潜在的流动性需求转化为实际的市场冲击。这一“牛市积累杠杆、熊市集中释放”的顺周期动态，正是 Geanakoplos (2010) [13] 杠杆周期（leverage cycle）理论所刻画的核心命题：在资产价格上行期，抵押约束放松、杠杆内生攀升；在下行期，抵押价值缩水迫使去杠杆集中发生，放大价格波动。Brunnermeier 和 Pedersen (2009) [4] 在其经典的流动性螺旋模型中进一步指出，保证金要求的顺周期性是导致市场流动性突然干涸的核心机制之一。他们的模型表明，当融资成本上升（即保证金要求提高）时，做市商的融资约束变得更紧张，进而减少流动性供给，形成一个自我强化的恶性循环。在永续合约市场中，这一机制通过清算触发线的非线性特征得到了放大。 杠杆的内生性还意味着，在牛市中积累的高杠杆头寸在熊市中会成为系统性风险的集中释放源。许多交易者在价格持续上涨期间会逐步增加杠杆倍数，因为他们的保证金充裕度不断提高，风险感知被麻痹。但一旦价格反转，这些头寸会在极短时间内从“安全”变成“危险”，从“盈利”变成“亏损”。这种状态转换的速度往往超出交易者的反应能力，导致被动清算。 ### 20.3.2 强制性流动性需求 在常规交易环境中，流动性需求具有弹性，交易者可以根据市场深度和执行成本调整订单规模或推迟交易。然而，清算机制将这种弹性需求转化为完全无弹性的强制性流动性需求，从而对市场结构产生根本性冲击。这一转变是永续合约市场与传统市场最根本的差异之一。 清算订单的特殊性质源于其执行机制。当头寸的保证金率低于维持保证金要求时，清算引擎会接管该头寸，并以市价单或激进的限价单形式将其推入市场。这种执行方式剥夺了交易者选择时机和价格的自由，订单必须在当下以当前可用的价格立即成交。在价格快速下跌的过程中，清算量会因为杠杆内生性而加速增长，导致越来越多的无弹性卖单涌入订单簿。 强制性流动性需求的集中爆发直接导致了价格冲击的非线性放大。Kyle (1985) [10] 的价格冲击模型表明，市场价格对订单流的敏感度，即价格冲击系数 $\lambda$，与市场深度成反比。当巨量清算订单在极短时间内涌入时，它们不仅消耗了现有的流动性储备，还迫使市场以极端的折价水平出清，从而为下一轮清算创造了条件。需要指出的是，Kyle 的线性价格冲击模型假设做市商无法区分知情与非知情订单流，而如§20.3.3 将要讨论的，清算订单具有可识别的机械性特征。这意味着清算级联中的实际价格冲击可能呈现非线性（凸性）特征，超出线性模型的预测范围。 与传统期货市场相比，永续合约的清算机制更为激进：如§20.1.3 及表 20-3 所述，传统交易所在保证金不足时给予追保缓冲期，而永续清算触发即执行、不留反应时间。这一差异使永续市场在压力时期的清算流量显著高于传统市场，从而对流动性造成更大冲击。 清算的强制性还意味着，清算订单的到达是不可预测的。做市商无法提前知道何时会有大量清算订单涌入，因此他们必须为最坏的情况做准备。这种不确定性进一步提高了做市的风险成本，使得做市商在高波动期间更倾向于缩小流动性供给。 ### 20.3.3 双重冲击机制 清算级联对市场流动性的破坏并非单一维度的深度消耗，而是由深度吞噬和做市商驱逐构成的双重冲击。这两种效应的相互作用解释了为什么在极端行情下，流动性的消失速度远超线性模型的预测。 第一重冲击是深度的直接吞噬。清算引擎生成的市价单会按价格优先级逐层消耗订单簿上的限价单。由于清算订单的规模通常远大于常规交易，它们能够轻易击穿第一层和第二层流动性，引发显著的滑点。这种深度的物理消耗不仅降低了市场吸收后续冲击的能力，还直接压低了标记价格，进而将更多原本安全的头寸推入清算区间。 第二重冲击是做市商的主动撤退。如前所述，做市商在面临极端波动和单向订单流时会面临巨大的逆向选择风险。需要指出的是，清算订单的毒性与传统市场微观结构中知情交易者带来的信息性毒性不同：清算订单本身不携带关于资产基本面的私有信息，其毒性源于强制性和不可预测性给做市商带来的极端逆向选择风险。当做市商的算法检测到大量清算订单涌入时，它们无法区分这些订单是无信息的强制平仓还是有信息的方向性抛售。为了保护自身资本，做市商的理性反应是扩大买卖价差或直接撤销报价。这种行为导致可用流动性在最需要的时候主动蒸发。这一“清算→抛售→价格进一步下跌→更多清算”的抛售螺旋，与 Shleifer 和 Vishny (1992) [14] 所刻画的资产抛售（fire sales）机制同构：当被迫卖方集中出清而自然买方（具备估值与承接能力的同行）同样受困时，资产以远低于基本面的清算价成交，清算价值与债务承载能力相互压低，形成正反馈。 为了量化双重冲击的叠加效应，图 20-7 对比了仅考虑深度吞噬效应的单因素模型与同时纳入做市商撤退效应的双因素模型对流动性消耗的预测差异。 ![图 20-7](./images/fig-20-7.png) **图 20-7.** 流动性消耗的双重冲击机制：深度吞噬与做市商撤退的乘法效应（数据来源：理论模型推导） 双重冲击的叠加产生了显著的乘法效应。一方面，清算订单在物理上消耗了订单簿深度；另一方面，做市商的撤退减少了新流动性的补充。这种供给和需求的双向恶化使得市场的有效流动性急剧（超线性）下降，最终形成价格断层。 从数学角度看，设初始可用流动性为 $L_0$，深度消耗因子 $d \in [0,1]$ 表示清算订单消耗后剩余的订单簿深度比例，做市商留存因子 $m \in [0,1]$ 表示仍在提供报价的做市商比例。若分析者仅考虑单一效应中影响较大的一方，可能以 $\min(d, m)$ 作为流动性评估的基准。然而，双重冲击的实际效果是乘法性的：$L = L_0 \cdot d \cdot m$。例如，**在 $d$ 与 $m$ 相互独立的假设下**，当深度消耗 40%（$d = 0.6$，说明性算例）、做市商撤退 40%（$m = 0.6$，说明性算例）时，仅取单一效应会高估剩余流动性为初始水平的 60%，而乘法模型给出 36%。需要强调的是，此 36% 是**独立性假设下的最坏情况下界（理论上界损失）**，并非实测值。事实上，实际交易所的清算引擎实现了多种缓冲机制，包括分层清算（先以限价单尝试成交，仅在失败时转为市价单）和智能拆分策略，使得两个因子之间存在负依赖关系：更精细的清算执行会降低单次清算对深度的冲击，进而减缓做市商的撤退速度。因此，乘法模型描述的是 $d,m$ 独立假设下的最坏情况理论下界，实际效果（因 $d,m$ 负依赖而更轻）取决于清算引擎的具体实现。前述“低估”“被低估近一半”应理解为这一独立性假设下上界与单因素估计之间的差距，而非对真实流动性损失的测量。 做市商撤退的另一个后果是，它破坏了市场的价格发现功能。在正常情况下，做市商通过在买卖两侧提供流动性，帮助市场发现均衡价格。但在清算级联中，做市商的撤退导致买卖两侧的流动性严重不对称，市场无法有效地进行价格发现。这种情况下，价格的变动不再反映基本面信息，而是纯粹的流动性驱动。 ### 20.3.4 非线性级联与状态跃迁 清算级联最显著的特征是其状态跃迁式的非线性。市场在面临不同规模的冲击时，表现出截然不同的微观结构响应。这种非线性解释了为什么系统在“差一点触发级联”和“刚刚好触发级联”之间存在显著的状态跃迁。本章在此沿用物理学中“相变”一词作为对该跃迁的类比性描述（borrowed metaphor），并对其核心断言给出一条可证伪判据，而非将其当作已被证明的数学性质。 在清算量低于某个临界阈值时，市场的现有流动性足以吸收强制卖单，价格冲击被限制在局部范围内，系统能够迅速恢复均衡。然而，一旦清算量超过该阈值，现有深度被彻底击穿，价格被推至下一层清算线，触发新的清算订单。此时，正反馈环路被激活，系统从可控状态快速跃迁至失控状态。这种跃迁的存在意味着，市场的风险不是平滑分布的，而是集中在某些临界区间附近。这一“相变”假说可被如下方式证伪：若在清算量连续增加的过程中，价格冲击与可用深度均随之连续、平滑地变化，而未观测到在某一清算量水平附近出现深度与价格冲击的骤变（跳跃式恶化），则就该次事件而言，本节意义上的相变并不成立——它将退化为一个虽陡峭但连续的响应曲线。 2021 年 5 月 19 日的加密货币市场闪电崩盘是这种非线性级联的典型案例。在不到 12 小时的全程内，以太坊价格暴跌超过 46%，比特币累计下跌约 32%（此为全程累计跌幅；§20.2.3 所记 43,000→30,000 美元、跌幅超过 30% 系其中价差/深度崩塌最剧烈的约 6 小时窗口内的区间跌幅，二者口径相容）。据 Deribit 的市场分析报告 [15]，极端的全网清算量导致了严重的流动性枯竭，促使交易所触发价格保护与限速机制。这一事件中，Deribit 交易所的价格保护机制在 ETH 指数价格快速变动时被触发 [15]。与传统市场的熔断机制不同，Deribit 的保护措施并非完全暂停交易，而是通过限制标记价格的变动速率来减缓清算引擎的响应速度，为市场参与者争取重新评估的时间窗口。然而，即使有这样的保护机制，流动性的蒸发速度仍然超出了大多数市场参与者的预期。本段的 BTC 跌幅、深度蒸发与时长即§20.2.3 所锚定数字的回指，ETH 跌幅则为此处首次给出。这一事件说明，当清算量突破临界区间时，流动性蒸发的速度和规模将很大程度上脱离基本面逻辑。 图 20-8 以清算量与可用流动性的动态关系为主线，展示了清算级联在突破临界阈值后的非线性加速过程及其最终导致流动性真空的完整路径。 ![图 20-8](./images/fig-20-8.png) **图 20-8.** 清算级联的非线性发展与流动性真空的形成（数据来源：理论模型推导） 为了缓解这种极端冲击，交易所引入了保险基金和自动减仓机制。保险基金的设计初衷是吸收清算阈值附近的穿仓损失，防止系统性风险的蔓延。然而，保险基金的资本规模相对于潜在清算损失往往严重不足。以 Binance 为例，其保险基金在 2023 年约为 10 亿美元，而 2021 年 5 月 19 日单日全网清算量曾超过 80 亿美元；若以同口径的极端单日全网清算需求为参照，单一交易所的保险基金覆盖率不足两成（此处分子为单一交易所基金、分母为全网清算量，量纲并不严格对齐，仅用于说明基金规模相对于系统性清算需求的量级悬殊；两数分别来自交易所披露与第三方清算统计，时点不同）。更重要的是，保险基金的积累机制本身是顺周期的，在平静市场中通过清算盈余逐步积累，在危机中集中消耗，恰好与需求方向相反。在极端的清算级联中，当巨额亏损耗尽保险基金时，交易所将被迫启动自动减仓机制，强制平仓盈利头寸以弥补亏损。这一机制虽然保证了系统的偿付能力，但通过强制剥夺盈利交易者的头寸，进一步破坏了市场预期的稳定性，加剧了流动性的系统性撤退。 自动减仓机制的启动标志着市场已经进入了流动性真空的深层阶段。此时，市场的微观结构已经完全崩溃，价格发现机制失效，订单簿上出现了巨大的价格断层。交易者面临的不再是流动性成本问题，而是根本性的执行困难。这一阶段的特征是，即使交易者愿意以极端价格出清头寸，也可能无法找到对手方。这就是流动性危机的本质定义。 ## 20.4 资金费率扭曲与头寸挤压 极端资金费率通过强制改变头寸结构，导致流动性的结构性失衡。这是永续合约特有的第三个正反馈环路，它将原本作为价格锚定工具的资金费率机制，转化为在极端市场条件下破坏流动性供给的催化剂。在常态下，资金费率通过温和的套利激励维持永续合约与现货价格的收敛；但在压力下，极端的费率水平会触发大规模的单向平仓需求，同时驱逐做市商，形成自我强化的流动性危机。 ### 20.4.1 费率信号的扭曲 资金费率在常态下反映市场多空力量的相对强度，但在极端市场条件下，它会转变为扭曲流动性方向性分布的结构性因素。资金费率的结算频率在不同交易所之间存在显著差异，且正经历快速演化。早期永续合约普遍采用每 8 小时结算一次的离散机制，但 Binance、Bybit 和 OKX 已相继推出每 4 小时甚至每 1 小时结算的产品线，而链上永续合约平台则采用接近连续的高频结算。结算频率的提高在理论上降低了单次结算的费率绝对值，从而减轻了结算时刻的集中平仓冲击。然而，这种改进并不必然消除费率驱动的流动性脆弱性：更高频的结算意味着费率对市场状态的响应更加灵敏，在极端单边行情中可能导致费率持续处于极端水平而非间歇性冲击。以下分析以离散结算机制为基准展开，但其核心逻辑，即极端费率驱动的方向性流动性失衡，在不同结算频率下均成立。常态下，做市商在订单簿的买卖两侧提供大致对称的流动性，市场对多头和空头都保持友好的交易环境。当市场进入单边极端行情时，资金费率的剧烈攀升打破了这种对称性，引发流动性供需的严重错配。 在极端正费率期间，多头头寸持有者面临高昂的持仓成本。高成本压力促使多头集中平仓，这意味着市场上的卖方流动性需求急剧增加。然而，此时做市商面临着库存偏移和逆向选择风险的显著加剧。为了避免承接大量的多头平仓盘而导致自身积累过多的多头库存，做市商会理性地减少甚至撤回卖方流动性供给。这种买卖意愿的严重不匹配导致流动性在方向上发生扭曲，卖方深度枯竭，而买方深度可能相对充裕。相反，在极端负费率期间，空头头寸持有者被迫支付高额费率，导致空头集中买入平仓，买方流动性需求激增。同样的逻辑驱使做市商缩减买方流动性供给，导致买方深度急剧下降。 资金费率与可用流动性之间存在负相关关系，且在高费率区间这种恶化通常会加速。具体而言，当资金费率的绝对值处于温和区间时，做市商可以通过调整价差来吸收风险，流动性的下降相对平缓；但当费率进入预示着即将到来的单向清算潮的高位区间时，做市商的利润方程预期转负，他们会选择直接撤销订单而非仅仅扩大价差，流动性的恶化随之明显加快。是否存在一个可估计的费率临界阈值、以及恶化速率在该阈值前后的对比，属于可通过分桶数据检验的实证问题，本章给出的是定性方向而非已标定的阈值。这种撤退不仅是单向的，而且往往是多家做市商同步进行的，从而在瞬间制造出特定方向上的流动性真空。 ![图 20-9](./images/fig-20-9.png) **图 20-9.** 资金费率与流动性方向性分布的关系 图 20-9 左图为常态下对称的双向报价，右图为极端负费率下买方流动性急剧萎缩、卖方被动堆积的非对称扭曲。这种扭曲意味着空头平仓将面临远高于常态的滑点成本，而多头建仓异常容易，进一步加剧市场的单边失衡。 ### 20.4.2 头寸挤压 头寸挤压是极端资金费率环境下的直接后果，它通过强制性的方向性交易需求对市场流动性造成严重冲击。头寸挤压分为多头挤压和空头挤压，两者在触发机制和市场影响上存在显著的不对称性。这种不对称性至少源于三个层面。第一，清算方向的物理不对称：多头清算表现为卖出，价格可趋近于零；空头清算表现为买入，价格理论上无上限，因此空头挤压在极端情况下的价格冲击潜力更大。第二，市场参与者结构的不对称：加密市场的零售投资者普遍偏向做多，导致多头拥挤度系统性高于空头，使得多头挤压影响的参与者基数更广、恐慌传导更快。第三，资金费率公式的不对称：多数交易所对费率设有上下限，且部分交易所的溢价指数算法依赖于订单簿深度，在深度稀薄时可能放大溢价指数的极端值，从而放大费率信号的扭曲程度（该效应的具体强度取决于各交易所的溢价指数实现）。综合而言，多头挤压通常伴随着价格的快速崩溃，而空头挤压则表现为价格的剧烈向上飙升。 空头挤压在永续合约市场中尤为显著，其核心机制在于负资金费率对空头头寸的持续亏损效应。当市场经历急跌后，大量投机性空头涌入，推低永续合约价格，导致资金费率深度转负。这种极端负费率不仅增加了空头的持仓成本，还吸引了套利者买入永续合约、卖出现货。当价格企稳或微幅反弹时，部分高杠杆空头被迫平仓买入，这种强制性的买方流动性需求在缺乏做市商卖盘供给的环境下，会迅速推高价格，进而触发更多空头的止损和清算，形成连环的空头挤压。 2021年2月22日至23日的比特币闪电崩盘提供了一个典型的挤压案例。当时比特币价格在约两天内从约 58,000 美元暴跌至约 45,000 美元，跌幅超过 22%（据 Perpetual Protocol 团队事后复盘 [16]，原文以 2 月 21 日标注该次闪崩，本章按事件持续区间记为 2 月 22 日至 23 日）。这一极端波动并非源于基本面消息，而是由几个高杠杆大额头寸的清算触发的；其中“几个大额头寸触发”为 [16] 的复盘归因，价格区间为公开行情，二者来源不同。在价格下跌过程中，资金费率急剧变化，市场流动性因做市商撤退而极度匮乏。当价格触底时，极端的负资金费率和超卖状态引发了剧烈的空头回补和套利盘涌入。由于当时订单簿上的卖方深度已被清空，强制性的买入平仓单只能以极高的滑点成交，导致价格以极快的速度向上“挤压”。这种挤压不仅摧毁了方向性交易者，也对试图提供流动性的做市商造成了巨大的逆向选择伤害。 ### 20.4.3 套利者的稳定化极限 资金费率套利者通常被视为永续合约市场的天然稳定器。他们通过基差交易，即在现货市场和永续合约市场之间建立方向相反的头寸，来获取资金费率收益，客观上促进了永续合约价格向现货价格的收敛。然而，这种稳定化作用并非无限，当市场压力超过其容量极限时，套利者不仅会丧失稳定功能，反而可能成为加剧流动性压力的因素。 套利者的稳定力量源于其对资金费率的敏感反应。当资金费率显著为正时，套利者买入现货并做空永续合约，这为永续市场提供了卖方流动性，抑制了过度溢价；当费率转负时，他们平仓或反向操作，提供买方流动性。这种机制在常态下运作良好，有效平抑了价格偏离。然而，套利资本的容量是有限的。当市场遭遇极端冲击，单向投机需求远远超出套利资本的吸收能力时，资金费率将突破套利者的平抑区间，进入极端状态。 套利者撤退的临界条件通常由资金费率的急剧翻转和现货市场流动性的枯竭共同决定。当大量基差交易者持有“做多现货加做空永续”的头寸以收取正资金费率时，如果市场突然暴跌导致费率深度转负，这些原本的正收益头寸会瞬间变为持续亏损头寸。为了止损，套利者被迫同时在永续市场买入平空、在现货市场卖出平多。这种大规模的同向订单涌入，不仅在永续市场制造了巨大的买方流动性需求，还在现货市场形成了沉重的抛压。当所有套利者试图在同一时间通过狭窄的流动性出口撤退时，集中退出效应便不可避免地发生，原本的稳定机制转化为波动率的放大器。 ![图 20-10](./images/fig-20-10.png) **图 20-10.** 基差套利 头寸挤压的时间序列（示意性刻画） 如图 20-10 所示，在资金费率由正转为极端负值的过程中，基差套利 头寸规模急剧下降，伴随着清算流量的同步增长。这一动态过程清晰地展示了套利者集中退出如何将稳定力量转化为破坏力量：随着费率翻转，原本分散的平仓需求在短时间内汇聚为集中的单向流动性冲击，加速了市场的进一步下跌。 此外，资金费率的离散结算机制也会在特定时刻制造流动性断层。需要限定的是，这种结算流动性断层主要见于每 8 小时离散结算的低频合约；在前文所述的每 1-4 小时乃至链上近连续结算制度下，单次结算的费率敞口较小，该效应显著弱化。在即将进行费率结算的最后几分钟，预期需要支付高额费率的交易者会集中平仓以逃避支付，导致瞬间的流动性需求激增。而做市商为了避免在结算时刻承担不利的库存和费率敞口，会大幅缩减报价深度。这种供需的瞬间背离在结算前后形成了一个明显的流动性真空期，极易被恶意交易者利用来触发人为的价格尖峰和清算。 ![图 20-11](./images/fig-20-11.png) **图 20-11.** 资金费率结算时刻的流动性断层（主要见于 8 小时低频离散结算合约） 图 20-11 呈现结算前后的流动性断层：结算前数分钟逃避费率的平仓需求与做市商预防性撤退叠加，深度急剧下降形成短暂真空；结算完成后做市商迅速回补，流动性在数分钟内恢复至常态。这种周期性脉冲是永续合约低频离散结算制度的结构性副产品，在高频或连续结算制度下则不显著。 ### 20.4.4 环路耦合与复合危机 永续合约市场的系统性流动性崩溃，极少由单一机制引发，而是波动率螺旋、清算级联和费率扭曲这三个正反馈环路相互耦合、交叉放大的结果。这种复合危机展现出强烈的非线性特征：在初期，市场冲击可能只激活其中一个环路，系统仍具备一定的自我修复能力；但当冲击突破临界点，三个环路同时发作时，它们之间的乘数效应将导致流动性在瞬间彻底蒸发。 复合危机的形成机制遵循一条清晰的传导链。首先，外部冲击或大额抛单导致价格急跌，实现波动率上升，触发做市商因库存成本凸性增加而初步撤退，启动了波动率与流动性的负向螺旋。随着价格进一步下跌，系统内生杠杆被动升高，触及大规模头寸的清算线。强制性的市价清算单涌入，不仅直接吞噬了本已稀薄的订单簿深度，其产生的极高毒性更是将剩余做市商彻底驱逐，清算级联全面爆发。在此过程中，价格的极端偏离导致资金费率深度扭曲，原本起到稳定作用的套利者被迫平仓，基差交易的集中退出向市场释放了最后一波无法被吸收的单向流动性需求。这三个机制在时间上高度重叠，在因果上互为表里，共同将市场推入流动性真空状态。 ![图 20-12](./images/fig-20-12.png) **图 20-12.** 三个正反馈环路的耦合与复合危机的非线性特征 图 20-12 揭示了复合危机的非线性特征：初期各环路独立发展、冲击强度近似线性，中期环路交叉放大（波动率上升同时加速清算与费率扭曲），晚期三环路全面共振、乘数效应使冲击强度呈超线性增长，市场在极短时间内从受控状态快速跃迁至全面崩溃。此处的“跃迁”沿用§20.3.4 对清算级联状态跃迁的类比性用法，同样可由“冲击强度随驱动变量是否出现骤变”加以经验检验。 2022年5月的 Terra-LUNA 崩溃是这种复合危机耦合的最极端实证 [17]。该事件包含两个相互耦合但机制本质不同的螺旋：一是算法稳定币的信用崩溃螺旋（UST 脱钩→LUNA 增发稀释→LUNA 抛售→UST 进一步脱钩），属货币层面危机，源于 UST 铸造-赎回机制的设计缺陷；二是永续合约的内生流动性螺旋（LUNA 价格下跌→清算级联→做市商撤退→流动性真空→价格进一步下跌），即本章核心机制。两者的耦合点在于：永续合约清算级联推动 LUNA 现货价格进一步下跌，反向加速了算法稳定币的死亡螺旋。以下聚焦第二个螺旋及其与第一个螺旋的耦合。事件触发点是 UST 在 Curve 流动性池中遭大额抛售导致的轻微脱钩，这一初始冲击抬高隐含波动率、促使做市商扩大价差；随着 Luna Foundation Guard 抛售比特币储备捍卫汇率失败，市场信心急剧恶化，LUNA 价格暴跌 [18]，迅速触发借贷协议与永续合约市场的大规模清算级联。同时市场对 LUNA 的极度看空使其永续合约资金费率达到极端负值，不仅未能吸引套利者买入，反而迫使所有跨市场基差交易者认亏出局。波动率飙升驱逐做市商，持续清算吞噬所有买盘，费率扭曲摧毁最后的套利缓冲；三环路多因素共振下，LUNA 的表观与真实流动性同时归零，价格在短短几天内下跌 99.9% 以上，引发整个加密市场的系统性震荡 [19]。 ## 20.5 表观流动性与真实流动性的分裂 订单簿深度和买卖价差是评估市场微观结构最直观的两个指标。在常态市场中，这些指标能够准确反映交易者执行大额订单时的预期成本。然而，当市场进入压力状态时，这些常规指标会系统性地高估真实可用的流动性 [20]。这种高估并非测量误差，而是现代高频做市机制的结构性特征。本节探讨表观流动性与真实流动性之间楔子的形成机制，揭示为何看似充裕的流动性会在市场最需要它时突然消失。 ### 20.5.1 幽灵流动性 现代加密资产交易所的订单簿呈现出高度的动态性，订单的提交与撤销频率远超实际成交频率。这种动态性主要由高频做市商的算法驱动，导致订单簿上显示的流动性深度中包含了大量条件性的报价。Degryse, de Winne, Gresse, 和 Payne (2018) 将这种现象称为幽灵流动性 [21]。幽灵流动性是指那些在订单簿上可见，但在实际交易需求到来时或市场条件微小变动时就会被迅速撤回的限价单。需要说明的是，Degryse 等的原始定义聚焦于跨交易场所的重复挂单-成交后即时撤单现象；本章在其跨场所原义的基础上，将该概念扩展用于指代单一场所内部毫秒级的条件性撤单。 幽灵流动性的存在源于做市商对逆向选择风险的防御。在连续双向报价机制中，做市商提供流动性的同时，也暴露在被知情交易者“摘单”的风险中。为了平衡这种风险，高频做市商的算法会持续向市场发送订单以探测其他参与者的意图和市场深度的真实性。当市场处于平静期时，这些探测性订单停留在订单簿上，构成了厚实的表观深度。然而，这些订单并不是无条件的承诺。一旦波动率上升或检测到单向订单流的积聚，算法会在毫秒级的时间内取消这些报价。识别这类“有毒”订单流并据此动态收缩报价，正是高频做市商风控的核心；Easley, López de Prado 和 O'Hara (2012) [22] 提出的成交量同步知情交易概率（VPIN）即是度量订单流毒性的代表性工具，其在高频环境下的快速攀升常先于流动性的断崖式收缩。 这种条件性报价策略导致了表观流动性与真实流动性之间的严重分裂。图 20-13 展示了在危机触发前后，订单簿深度与实际可执行深度之间的动态关系。 ![图 20-13](./images/fig-20-13.png) **图 20-13.** 表观流动性与真实流动性在压力事件前后的演变轨迹（作者基于公开行情对 FTX 崩溃期间 BTC 永续深度的示意性重构，非 [15] 数据） 在常态下，表观流动性与真实流动性高度重合，常规流动性指标是可靠的。但当危机触发点到来时，表观流动性虽然开始下降，但仍维持在一定水平，给人以市场仍有承接能力的错觉。与此同时，真实流动性却呈现断崖式下跌。两者之间的巨大缺口即为幽灵流动性。这种分裂意味着，基于历史订单簿深度计算的价格冲击模型，在极端行情下会严重低估实际的执行成本，导致风险管理系统失效。 ### 20.5.2 隐藏流动性 与幽灵流动性相反，市场中还存在一种看不见的流动性层，即隐藏订单和条件单。如果说幽灵流动性是“可见但不可执行”的幻觉，那么隐藏流动性则是“不可见但可执行”的流动性储备。Bessembinder, Panayides, 和 Venkataraman (2009) 的研究表明，隐藏订单的使用量随着市场波动率、订单规模和相对深度的增加而显著上升 [23]。 隐藏订单机制允许交易者向交易所提交大额限价单，但只在公开订单簿上显示一小部分（即“冰山”的露出部分），剩余部分则隐藏在撮合引擎内部。这种机制的初衷是保护大额交易者免受信息泄露和掠夺性算法交易的攻击。对于做市商而言，隐藏订单是管理大额库存的重要工具。当做市商需要平仓或建立大额头寸时，公开显示全部意图会引发市场的预期反应，导致价格向不利方向移动。通过使用隐藏订单，做市商可以在不引起市场恐慌的情况下逐步释放流动性。 在压力场景下，隐藏流动性的存在使得真实流动性的测量变得更加复杂。一方面，隐藏订单可能在关键价位提供意想不到的支撑，减缓价格的下跌速度；另一方面，当市场压力达到极端水平时，这些隐藏的支撑也可能被迅速撤销。链上自动化做市商机制在某种程度上改变了隐藏流动性的范式。在集中流动性模型中，流动性提供者虽然需要公开其资金分布区间，但可以通过动态调整区间边界来实现类似隐藏订单的效果。这种微观结构上的差异导致了中心化交易所与去中心化交易所在压力测试下表现出不同的流动性衰减特征。 | 流动性类型 | 可见性 | 可执行性 | 常态市场表现 | 压力市场表现 | | :--- | :--- | :--- | :--- | :--- | | 表观流动性 | 完全可见 | 部分可执行 | 稳定且充裕，指标可靠 | 滞后性下降，存在虚假支撑 | | 幽灵流动性 | 完全可见 | 极低 | 构成订单簿主要深度 | 毫秒级撤回，导致深度真空 | | 隐藏流动性 | 不可见 | 完全可执行 | 稳定的大额订单缓冲 | 撤销不确定性高，支撑脆弱 | **表 20-1.** 三种流动性维度的微观特征与状态演变（数据来源：基于 Bessembinder 等 [23] 及 Degryse 等 [21] 研究框架整理） 表 20-1 揭示了一个关键的不对称性：在常态市场中，幽灵流动性构成了订单簿的主要深度，而在压力市场中，这部分深度会在毫秒内消失。与之相反，隐藏流动性在常态下不可见，其在压力场景下的行为也难以预测。这意味着，任何基于订单簿可见深度的风险评估，都同时面临着高估（幽灵流动性的虚假支撑）和低估（隐藏流动性的潜在缓冲）的双重偏差，而在极端行情下，高估的风险远大于低估。 ### 20.5.3 做市商的同步撤退 流动性在危机时刻的消失并非一个渐进的衰减过程，而是表现为瞬间的集体蒸发。这种现象的根源在于不同做市商决策之间的高度相关性。Anand 和 Venkataraman (2016) 的实证研究指出，当市场条件变得不利时，做市商倾向于在同一时间缩减流动性供给，这种行为导致了流动性在横向和纵向上的强协变性 [6]。 做市商的同步撤退可以从库存成本和协调博弈两个维度来解释。首先，所有做市商面临着相似的外部环境约束。当波动率飙升、清算级联启动或资金费率极端化时，做市商的库存风险成本和逆向选择成本会同时越过其内部设定的风险阈值。由于各家做市商的风险管理模型和输入变量（如价格波动、订单流不平衡）高度同质化，其算法在面对相同的市场冲击时，往往会输出相似的撤退指令。 图 20-14 模拟了在一次典型的流动性冲击事件中，多个独立做市商参与水平的演变过程。 ![图 20-14](./images/fig-20-14.png) **图 20-14.** 压力事件下做市商流动性供给的同步撤退现象（数据来源：基于 Anand 和 Venkataraman [6] 的协变性模型构建） 其次，做市商之间还存在隐含的策略互补性，其博弈论根源即§20.2.3 所析的协调博弈与信息外部性：当预期同行撤退时，留守者将独自承接全部有毒订单流，因此每家都力图抢先撤退，系统由此从“所有人提供流动性”的良好均衡瞬间跃迁至“所有人撤退”的恶性均衡，此处不再重复其博弈论推导。 ### 20.5.4 流动性指标的失效 表观流动性与真实流动性的分裂，最终导致了传统流动性评估框架在压力测试中的失效。常规的流动性指标，如买卖价差、特定深度的订单累积量或基于历史交易数据的价格冲击系数，都是建立在流动性供给连续且稳定的假设基础之上。然而，正如前文所述，永续合约市场中的流动性是高度内生的，其供给量与市场需求之间存在着结构性的负相关性。本小节聚焦于这种指标失效的机制诊断，而将量化指标的具体设计放在§20.8 讨论。 图 20-15 展示这种内生性如何使表观深度与实际可执行深度的稳定线性关系在压力下转为高度非线性、可执行深度严重边际递减，从而令基于表观深度的风险模型失效。这一关系可通过对压力期与常态期的“所需深度—可执行深度”配对样本拟合斜率加以检验，若两区制斜率无显著差异则边际递减主张不成立。 ![图 20-15](./images/fig-20-15.png) **图 20-15.** 订单簿深度与实际可执行深度的非线性偏离（数据来源：结合 Berkowitz [24] 的流动性风险模型推导；[24] 为工作论文，未经同行评审） 为了应对这种指标失效，风险管理理论引入了流动性调整在险价值的概念。Bangia, Diebold, Schuermann 和 Stroughair (1999) [25] 率先提出将流动性风险纳入在险价值框架的方法论，通过在市场风险之上叠加执行成本的分布来捕捉流动性对投资组合损失的放大效应。在永续合约的清算机制中，流动性风险的低估尤为显著。当系统的清算引擎依赖表观流动性来评估账户的安全边际时，它可能会错误地认为现有的保证金足以覆盖平仓成本。而当真实的清算订单涌入市场，触发做市商的同步撤退后，实际的滑点成本将远超预期，超出保证金覆盖范围，引发连环清算。 然而，传统流动性调整在险价值框架仍假设流动性成本外生（以固定折扣率估计压力情景下的执行滑点），无法捕捉永续合约内生流动性在做市商撤退下的非线性崩溃，因而在原理上不适用于本章描述的场景。衡量真实流动性必须将做市商的动态响应函数内生化，模拟特定波动率冲击下库存成本的非线性上升轨迹并预测算法撤单的临界点；未来的方法论创新可能需要转向基于主体的建模或反身性在险价值框架 [24]。 ## 20.6 流动性蒸发的五阶段框架 前述各节揭示了流动性内生性的理论基础以及驱动其自我消解的三个正反馈环路。这些机制并非孤立运作，而是以特定的时间序列和逻辑链条相互交织，构成了一个完整的流动性崩溃传导路径。流动性的消失极少是瞬间完成的，而是遵循一个可识别的五阶段演化模型。理解这一传导路径，对于识别市场脆弱性、设计预警指标以及制定干预策略具有决定性意义。 需要在节首明确本框架的定位：本节以时序整合视角串联前述机制，五阶段是§20.2–20.4 三环路与§20.7 传染在崩溃时间轴上的可识别相位，而非独立于三环路之外的新机制。相邻阶段可以交叠，并非每次冲击都依序经历全部五个阶段（§20.6 末与§20.6.4 的反例即为佐证）。五阶段框架的增量价值在于刻画了“微观触发”这一前置阶段，以及阶段之间的先行指标（如§20.6.2 所述价差与毒性先于深度恶化的时间差），而其各阶段的内部机制则回指§20.3（清算级联）与§20.7（传染）。从这一视角看，做市商在压力下的同步撤退导致流动性骤然枯竭，与 Kirilenko, Kyle, Samadi 和 Tuzun (2017) [26] 对 2010 年 5 月“闪电崩盘”的实证刻画一致：高频做市商在库存超限后集中撤离，是单笔大额卖压演变为全市场流动性蒸发的关键环节。该实证为本节微观触发与同步撤退阶段提供了加密市场之外的外部印证。 图 20-16 展示了流动性蒸发五阶段模型的核心传导路径与反馈机制。 ![图 20-16](./images/fig-20-16.png) **图 20-16.** 流动性蒸发五阶段模型与正反馈环路示意图 如图 20-16 所示，五阶段并非简单线性递进，每个转换节点都有正反馈环路介入：微观触发到初步退潮由波动率-流动性螺旋驱动，初步退潮到清算级联由杠杆内生性放大，流动性真空到传染溢出依赖做市商的跨资产风控联动。 需要指出的是，并非每次流动性冲击都必然演化至第五阶段。2020 年 3 月 12 日的“黑色星期四”事件中，BitMEX 在 BTC 价格暴跌至约 3,800 美元的极端时刻因系统过载而被迫暂停交易约 25 分钟。这次非自愿的交易中断与此后清算级联的放缓在时间上相继出现，可作为“外部干预在特定阶段打断环路”的一个说明性例证；需要审慎的是，中断本身与市场自然见底孰为主因在单一事件中难以完全分离，故此处不作“中断阻断了级联”的强因果断言。当 BitMEX 恢复交易时，最剧烈的恐慌已经过去，市场在阶段三附近未继续向第四、五阶段演化。这一案例同时说明，五阶段框架描述的是无干预情况下的完整传导路径，而适时的外部干预，无论是有意的熔断机制还是偶然的系统中断，都可以在特定阶段打断正反馈环路。 ### 20.6.1 阶段一：微观触发 流动性蒸发的起点通常是一个微观层面的触发事件，其本身未必具有系统性破坏力，但足以打破原有的流动性均衡。这类触发事件可分为三类：单笔超大额市价单冲击、突发性负面消息注入，以及交易所基础设施的技术故障。在常态市场中，这些冲击会被充裕的表观流动性迅速吸收。然而，当市场已经处于脆弱状态，即系统有效杠杆高企、做市商库存严重偏移，或处于流动性自然偏薄的低谷时段时，一个微小的触发事件便能启动灾难性的连锁反应。 触发事件的核心特征在于其对初始价格和买卖价差的瞬间扰动。例如，一笔超出订单簿顶层深度的市价卖单会直接穿透数个价格档位，导致最新成交价出现异常跳动。这种价格跳动不仅反映了供需的瞬间失衡，更重要的是，它向所有市场参与者发送了一个强烈的波动率上升信号。做市商的算法模型会立即捕捉到这一信号，并重新评估当前的逆向选择风险与库存持有成本。在此阶段，可观测的微观结构指标表现为价格的初始跳动幅度扩大以及买卖价差的初步展宽，尽管整体订单簿深度尚未出现灾难性缩减。 ### 20.6.2 阶段二：流动性初步退潮 随着微观触发事件推高了实现波动率，做市商开始做出理性的首轮响应，市场进入流动性初步退潮阶段。基于第 19 章分析的库存成本凸性特征，波动率的上升导致做市商的预期库存成本呈非线性增长。为了控制风险暴露，做市商首先采取的防御性措施是扩大买卖价差，以此增加对潜在逆向选择的补偿。如果波动率指标继续恶化，做市商会进一步减少在订单簿各价格档位上挂出的限价单规模，即缩减做市深度。 这一阶段标志着波动率与流动性之间正反馈螺旋的正式启动。做市商扩大价差和减少深度的行为，直接导致后续相同规模的订单产生更大的价格冲击。这种由流动性衰退引发的价格冲击进一步推高了市场的有效波动率，从而迫使更多做市商收紧报价 [27]。值得注意的是，此时做市商尚未完全撤出市场，表观流动性虽然受损，但仍维持着基本的交易功能。可观测指标显示，买卖价差可能扩大至正常水平的三到十倍，订单簿深度减少一半以上，同时反映订单流毒性的指标开始急剧攀升。 图 20-17 展示了在流动性蒸发的各个阶段中，关键市场微观结构指标的演变轨迹。 ![图 20-17](./images/fig-20-17.png) **图 20-17.** 流动性蒸发五阶段模型中关键指标的演变轨迹（作者基于 FTX 崩溃案例的示意性拟合，非 [15] 数据） 图 20-17 在模型示意的意义上揭示了一个关键的预警逻辑：在阶段一至阶段二的过渡期间，买卖价差与订单流毒性指标已经开始显著恶化，但订单簿的表观深度尚未出现断崖式下降。这种指标之间的时间差意味着，价差的异常扩大和毒性的急剧攀升可以作为流动性崩溃的先行信号。一旦这些信号出现，从阶段二到阶段三的跃迁可能在极短时间内完成，留给市场参与者的反应窗口非常有限。 ### 20.6.3 阶段三：清算级联介入 当初始价格下跌幅度触及大量高杠杆头寸的维持保证金要求时，市场进入最具破坏力的第三阶段：清算级联介入。其内部机制已在§20.3 详述，此处仅刻画该阶段的可识别特征。如前所述，清算订单是一种完全无弹性的强制性流动性需求。这些以市价单形式涌入的清算指令，直接吞噬了在初步退潮阶段已经变得稀薄的订单簿深度。价格被毫无阻力地推低至下一个清算触发线，引发新一轮的强制平仓，杠杆与清算之间的正反馈环路（§20.3.1–§20.3.3）被全面激活。 在这一阶段，做市商面临着核心判别难题。面对汹涌而至的单向订单流，做市商必须判断这究竟是暂时的流动性冲击，还是系统性崩溃的前兆。由于错误接单可能导致自身头寸被推向清算边缘，而错误撤退的代价仅仅是损失部分手续费收入，绝大多数做市商会选择后者。这种集体性的理性撤退将原本的流动性提供者转化为旁观者，甚至在极端情况下，为了对冲积累的单向库存，做市商自身也可能成为流动性的需求者。该阶段的可观测特征是：清算量急剧攀升，未平仓合约量急剧下降，交易所的保险基金开始被大量消耗。 ### 20.6.4 阶段四：流动性真空 清算级联与做市商同步撤退的叠加效应，最终将市场推入流动性真空阶段。在这一阶段，订单簿的连续性被彻底破坏，出现了肉眼可见的“价格断层”，即在极宽的价格区间内完全没有任何限价单报价。任何试图穿越这一真空地带的市价单，都会导致价格出现极端的跳跃式断层。这种价格的不连续性不仅摧毁了市场的价格发现功能，还对永续合约的底层基础设施构成了严重挑战。 流动性真空对标记价格机制施加了极大的压力。基于指数移动平均的标记价格在面对价格断层时会出现显著滞后，可能导致对头寸健康状况的误判，进而引发不合理的清算或阻碍必要的风险控制。如果清算造成的穿仓损失超出了保险基金的吸收能力，交易所将被迫触发自动减仓机制。盈利方头寸被强制平仓，意味着即使是方向判断正确的交易者也被迫承受系统性流动性衰竭的代价。在此期间，买卖价差可能扩大至数百个基点，常规的流动性度量指标完全失效。 在使用 FTX 崩溃期间的数据时，需要注意一个重要的限定条件：FTX 平台上的部分流动性是建立在关联机构挪用客户资金进行做市的基础之上的，其崩溃在很大程度上是一个欺诈暴露事件（Conlon, Corbet & Hu, 2026 [28]）。然而，欺诈因素并不否定内生流动性螺旋的分析价值，因为类似的订单簿深度蒸发和价差飙升在不涉及欺诈的 2021 年 5 月崩盘中同样发生。以下数据用于展示流动性恶化的速度和幅度特征，而非将 FTX 的特殊情况一般化。 | 市场状态 | 阶段 | 买卖价差 | 订单簿深度（买/卖） | 价格冲击系数 | | :--- | :--- | :--- | :--- | :--- | | 危机前常态 | 11月7日 | 0.5 bp | \$50M / \$50M | 极低 | | 初步退潮 | 11月8日早晨 | 2.0 bp | \$45M / \$42M | 轻微上升 | | 清算级联 | 11月8日晚间 | 10.0 bp | \$25M / \$20M | 显著上升 | | 流动性真空 | 11月9日中午 | 45.0 bp | \$3M / \$2M | 极端高企 | **表 20-2.** FTX 崩溃期间 BTC 永续合约流动性指标的示意性演变（数据来源：作者基于公开行情的示意性重构，非 [15] 数据） 表 20-2 中的数据为示意性时序，用以揭示流动性恶化的惊人速度。从 11 月 7 日的常态到 11 月 9 日的流动性真空，买卖价差在不到 48 小时内扩大了 90 倍（从 0.5bp 至 45bp），而订单簿深度则缩减了约 94%–96%（从 \$50M 降至 \$2–3M）。值得注意的是，买卖两侧的深度衰减并不对称：在流动性真空阶段，买方深度（\$3M）略高于卖方深度（\$2M），反映了在价格暴跌环境中卖方流动性被优先消耗的结构性特征。需要说明的是，表 20-2 中的深度数据为受 FTX 危机直接冲击的平台上 BTC 永续合约单一交易对订单簿状况的示意性刻画，而本章开篇引用的 5.8 亿美元深度为 Kaiko 统计的全市场、多交易所、多币种的 1% 区间聚合深度。两组数据的统计口径不同，但共同指向同一个结论：无论是单一平台还是全市场层面，流动性的恶化速度和幅度都远超市场参与者基于常态经验的预期。 ### 20.6.5 阶段五：传染溢出 流动性危机极少局限于单一资产或单一交易平台，其最终阶段表现为跨维度的传染与溢出。做市商的全局风控指令将核心资产的流动性压力扩散至边缘资产；跨所套利路径的断裂使价差异常长期存在并反向传导压力；预言机的价格馈送则将中心化市场的极端波动传导至去中心化协议，触发链上清算。这一传染溢出的完整机制将在§20.7中系统展开。 ## 20.7 流动性的跨维度传染 流动性危机一旦爆发，极少会停留在其起源的单一资产或单一市场内。永续合约市场的流动性网络通过做市商的跨资产资本配置、套利者的关联策略以及预言机的价格传导机制，形成了一个高度互联的复杂系统。当某一节点的流动性出现真空时，这种压力会通过特定的传导链条向外扩散，将局部的微观冲击放大为系统性的流动性危机。这种传染过程并非随机发生，而是遵循着从核心向边缘、从现货向衍生品、从中心化市场向去中心化市场的结构性路径。 图 20-18 展示了流动性危机向外扩散的四个主要维度及其相互作用机制。 ![图 20-18](./images/fig-20-18.png) **图 20-18.** 流动性传染的四维度模型（机制参照：Akhtaruzzaman 等 [29]；四维框架为作者在其系统性风险概念基础上的延伸，非 [29] 原始分类） 如图 20-18 所示，四个传染维度并非相互独立，而是密切交互：跨资产传染经做市商统一资本基础、跨交易所传染经套利路径断裂、跨层级传染经预言机系统、跨产品传染经基差集中平仓，分别将局部的流动性压力向外扩散。以下各小节逐一展开分析。 ### 20.7.1 跨资产传染 在加密资产市场中，流动性的跨资产传染呈现出显著的不对称性，通常表现为从核心资产向边缘资产的单向强传导。这种现象的根源在于做市商的资本管理结构与风险控制机制。做市商通常在多个资产上同时提供流动性，但其资本基础是统一的。当核心资产发生剧烈价格波动并触发清算级联时，做市商在该资产上的做市头寸会面临极端的逆向选择风险和库存压力。 为了保护整体资本金，做市商的风险控制系统会触发全局性的缩减指令。这种风控机制不区分资产类别，而是要求在所有交易对上扩大买卖价差并减少挂单深度。因此，即使某些边缘资产本身并未发生任何基本面变化或面临直接抛压，其流动性也会因为做市商的防御性撤退而瞬间枯竭。 跨资产传染的速度和范围在很大程度上取决于做市商网络的拓扑结构。市场深度高度集中于少数头部做市商：据 Kaiko、Wintermute 等机构的行业报告估计，前五家做市商提供了主要交易所相当大比例（约 50% 至 70% 量级）的订单簿深度；需要披露的是，这些数字源自数据商与做市机构的自家口径、方法未公开，且部分来源（如头部做市商）存在固有的利益相关性，本章仅将其作为量级参照而非精确测量，并与第 19 章§19.5.1 “前 3–5 家达 70% 量级深度”的口径相互参照。这种高度集中的核心-外围结构在正常时期具有效率优势，核心做市商的深度覆盖降低了市场的整体交易成本。然而，Acemoglu, Ozdaglar 和 Tahbaz-Salehi (2015) [30] 的研究表明，这种网络结构在小冲击下具有吸收能力，但在超过临界阈值的大冲击下会发生级联式的全面传染。当一家核心做市商因风控指令全面撤退时，其退出同时影响数十个交易对和多个交易所，瞬间在整个网络中制造流动性真空。 交叉保证金制度进一步强化了这种跨资产传染效应。在统一保证金账户下，交易者持有的核心资产多头头寸如果因价格急跌而产生未实现亏损，这部分亏损会直接侵蚀账户的总保证金余额。当总保证金水平低于维持要求时，系统会强制平仓账户内的其他资产头寸，包括那些价格原本稳定的边缘资产。这种机制将核心资产的价格冲击转化为边缘资产的强制卖盘，在边缘资产流动性已经被做市商抽干的背景下，这些强制卖盘会引发边缘资产更为猛烈的价格崩溃。 图 20-19 以 2022 年 11 月 FTX 崩溃期间的市场数据为基础，记录了核心资产与边缘资产在这一传导过程中流动性蒸发的时间线差异。 ![图 20-19](./images/fig-20-19.png) **图 20-19.** 极端市场环境下的流动性蒸发时间线（机制参照：Galati 等 [31]） 在这一传导过程中，边缘资产的流动性恶化程度往往远超核心资产。核心资产由于其庞大的交易量和多元化的参与者结构，在经历初始的流动性冲击后，仍能吸引部分具有抄底意愿的流动性提供者入场。而边缘资产由于平时就依赖少数几家做市商维持流动性，一旦这些做市商撤退，市场就会陷入完全的流动性真空，买卖价差可能扩大数十倍甚至上百倍，导致极端的流动性溢价。 这里需要厘清一个表面的张力：本小节强调核心资产“仍能吸引部分抄底流动性”（自我修复倾向），而§20.5.3 强调做市商“同步撤退导致崩溃”（脆弱性倾向）。二者并不矛盾，而是分别对应不同的参数区制：当市场足够厚、参与者足够异质、且尚有资本缓冲时（典型为核心资产的温和回调），填补主导，市场表现出自我修复；当市场偏薄、参与者高度同质、资本缓冲耗尽时（典型为边缘资产或核心资产的极端尾部），撤退主导，市场表现出断崖式崩溃。分界变量主要是异质性参与者的数量与可动用资本缓冲的规模。需要说明的是，这一“撤退主导 vs 填补主导”的划界目前为理论推断，其阈值的实证标定留待后续研究。 ![图 20-20](./images/fig-20-20.png) **图 20-20.** 跨资产流动性传导链特征对比（机制参照：Hautsch 等 [32]） 图 20-20 以多个资产类别的流动性传导链特征为对比对象，展示了跨资产传染在核心资产、中间层资产和边缘资产之间的差异化影响，与本小节“核心资产相对韧性、边缘资产极端脆弱”的论述相互印证。 ### 20.7.2 跨交易所传染 中心化交易所之间的流动性传染主要通过跨所套利机制的失效来实现。在常态市场中，套利者扮演着连接不同交易所流动性池的桥梁角色。当某一交易所在特定资产上出现短暂的流动性失衡和价格偏离时，套利者会在该交易所进行反向交易，同时在其他流动性充裕的交易所进行对冲，从而将局部的流动性压力分散至全市场。 然而，当极端流动性危机爆发时，这种分散机制会突然断裂。如果某一主要交易所遭遇流动性挤兑，导致其内部价格出现严重扭曲，跨所套利者会试图捕捉这一巨大的价差利润。但危机的特殊性在于，崩溃的交易所往往伴随着提款限制、交易接口过载或极端的滑点成本。这些摩擦因素使得套利者无法顺利完成资金划转或头寸对冲，导致套利路径实质性断裂。 一旦套利路径断裂，原本旨在平抑价差的套利头寸就会变成单边敞口。为了控制风险，套利者被迫在其他正常运作的交易所上紧急平仓其对冲头寸。这种大规模的非预期平仓行为，将崩溃交易所的流动性压力直接转移到了其他交易所的订单簿上。同时，其他交易所的做市商在观察到某所的崩溃后，会预期到即将涌入的平仓订单流和潜在的系统性风险，从而主动撤回报价。这种基于预期的同步撤退，使得流动性危机在物理隔离的不同交易所之间实现了瞬间的跨所传染。 ### 20.7.3 跨层级传染 中心化市场与去中心化市场之间的流动性传染刻画了系统性风险的第三个维度。这种跨层级传染的核心枢纽是预言机系统。去中心化金融协议的运行高度依赖预言机提供的外部价格数据，而这些数据绝大多数来源于中心化交易所的现货或衍生品市场。 当中心化交易所发生流动性危机并导致价格瞬间深跌时，这种极端且可能失真的价格会被预言机如实捕获，并广播至各个去中心化借贷协议和合成资产平台。去中心化协议的智能合约缺乏对价格异常波动的辨别能力，会机械地根据预言机喂价触发链上清算程序。这种由外部流动性冲击引发的链上清算，会迫使清算人将抵押资产抛售至去中心化交易所的流动性池中，从而引发链上的流动性枯竭和价格崩溃。 预言机作为跨层级传染的枢纽，其故障模式至少包含三个可区分的维度。第一是延迟传染：主流预言机的价格更新受心跳间隔和偏差阈值的约束，在极端波动中喂价可能显著滞后于中心化交易所的实时价格，导致链上清算的触发时机偏离真实市场状态，造成过度清算或清算不足。第二是操纵传染：攻击者可以通过操纵中心化交易所中标的资产的价格来影响预言机喂价，从而在去中心化协议中触发异常清算。2022 年 10 月的 Mango Markets 事件是这一传染通道的代表性案例，但其具体机制需要准确刻画：攻击者通过在多家交易所拉抬 MNGO 永续合约价格，抬高了自身在 Mango 协议内抵押品（MNGO 多头头寸）的估值，进而超额借出并掏空协议资金，涉及金额超过 1 亿美元。该案例的本质是“操纵自身抵押品估值后超额提取”，而非“操纵第三方现货价格触发他人头寸的级联清算”；但它同样揭示了“预言机如实传导被操纵价格”这一跨层级脆弱性。第三是拥堵传染：在极端行情期间，底层区块链的交易费用飙升可能导致预言机节点无法及时更新喂价，使链上协议使用过时的价格数据做出清算决策。 反向传染同样存在，尽管频率较低但破坏力不容忽视。当去中心化市场遭遇闪电贷攻击、预言机操纵或底层协议漏洞时，链上资产价格会出现极端扭曲。高频套利者会迅速捕捉到这种链上链下的巨大价差，并将这种扭曲的价格信号转化为中心化交易所上的真实交易订单。中心化市场的做市商如果未能及时识别这种虚假信息冲击，可能会在接单后遭受严重损失，进而触发风控机制导致全面撤退。这种双向传染机制表明，中心化与去中心化市场在流动性层面已经深度绑定，任何一端的脆弱性都会成为整个系统的隐患。 ### 20.7.4 跨产品传染 永续合约市场的流动性危机最终会通过产品间的套利关系蔓延至现货及其他传统金融衍生品市场。永续合约与现货市场之间最直接的纽带是资金费率套利机制。在常态下，大量的套利资金通过持有现货多头和永续合约空头来获取稳定的资金费率收益。 当永续合约市场发生剧烈下跌并触发多头清算级联时，资金费率会迅速由正转负，且负值可能达到极端水平。此时，原本享受收益的套利头寸变成了持续亏损的头寸。为了止损，套利者必须平仓其组合头寸，即在永续合约市场买入平空，同时在现货市场卖出多头。这种大规模的现货卖盘将永续合约市场的流动性压力直接传导至现货订单簿，导致现货价格同步跳水。 这种产品间的传染不仅局限于加密资产原生市场，还会沿着金融工具的复杂性链条向外延伸。现货价格的剧烈波动会迅速反映在传统交易所上市的受监管期货合约中，迫使传统金融机构的做市商调整其对冲头寸。进一步地，这种波动在传统交易时段内会传导至相关的交易所交易基金市场，通过申购与赎回机制的延迟效应，在次日或更长时间内持续影响市场流动性。这一从加密原生衍生品向受监管期货与 ETF 的梯次传导属于机制推演，其具体强度与时滞尚待实证检验。这种按时间顺序梯次展开的跨产品传染，展示了永续合约作为流动性风险源头的系统性影响力。 ## 20.8 制度根源与量化 前文的机制分析揭示了流动性在压力下蒸发的完整传导链。本节将这些机制整合为制度层面的总结，提出衡量流动性风险的量化方法，并探讨做市商集体行为中的博弈论困境，从而为后续章节的治理框架设计提供理论基础。 永续合约市场的流动性脆弱性并非市场发展早期的过渡现象，而是其核心制度设计所带来的结构性特征。与传统股票或期货市场相比，永续合约在多个维度上放大了流动性冲击的烈度与传播速度（表 20-3）。 | 维度 | 传统股票与期货市场 | 永续合约市场 | | :--- | :--- | :--- | | 杠杆倍数 | 受监管限制（股票融资约 2–3 倍；股指/商品期货按合约约 10–20 倍） | 普遍提供 50 至 125 倍高杠杆 | | 清算机制 | 具备缓冲期的保证金追缴机制 | 触发即执行的强制市价平仓 | | 交易时段 | 存在固定的休市期作为自然减震器 | 全天候无休止交易 | | 熔断机制 | 普遍存在涨跌幅限制或交易暂停 | 绝大多数平台缺乏系统性熔断 | | 做市商义务 | 部分市场存在指定做市商的报价义务 | 纯自愿参与，无强制报价要求 | | 中央清算 | 中央对手方吸收违约风险 | 缺乏统一清算，各交易所风险独立 | | 信息环境 | 受严格监管的标准化信息披露 | 缺乏统一且透明的信息披露标准 | **表 20-3.** 传统市场与永续合约市场制度特征比较（数据来源：Joshi [33]；该文为工作论文/job-market paper，未经同行评审，相关制度对比宜结合公开交易规则交叉核验） 高杠杆与即时清算机制的结合是流动性脆弱性的核心驱动力。如§20.1.3 及表 20-3 所列，永续清算触发即执行、无追保缓冲，在保护交易所免受穿仓损失的同时，将巨大的流动性压力转嫁给了市场。当市场处于单边急跌时，高杠杆头寸的连环爆仓会产生完全无弹性的流动性需求，迅速吞噬订单簿深度 [34]。 此外，如§20.1.3 放大器四所述，全天候交易与缺乏熔断机制剥夺了市场在极端波动中的喘息机会，流动性冲击可能在周末或凌晨等深度最薄弱的时段爆发，此时做市商响应能力受限，初始冲击更容易演变为系统性的流动性真空。这种制度设计的差异表明，在不改变底层架构的前提下，永续合约市场的脆弱性无法通过单纯的交易量增长而消除。 此外，永续合约市场的流动性脆弱性并非仅由内生机制决定，宏观流动性环境构成了脆弱性积累的重要前置条件。2022 年的流动性恶化并非始于 11 月的 FTX 事件，而是在美联储激进加息周期中持续积累的。全市场订单簿深度从 2022 年初至 FTX 事件前已出现了显著下降，FTX 事件只是在一个已经脆弱的基底上施加了最后一击。美元紧缩周期通过多个渠道系统性地压缩了永续合约市场的流动性基础：机构资金的风险偏好收缩导致做市资本撤出，稳定币储备的收益率上升提高了做市的机会成本，而加密友好银行的倒闭则直接切断了法币与加密市场之间的资金通道。忽略这一宏观背景，将高估本章所述内生机制的独立解释力。 制度特征的差异进一步体现在流动性风险的度量层面。传统的流动性指标在常态下能够有效反映市场深度与交易成本，但在极端市场条件下往往会失效：承§20.5 所析，表观流动性在压力情境下系统性地高估真实流动性，导致风险度量出现严重偏差。 为了更准确地捕捉流动性崩溃的风险，本节提出四项面向永续合约市场的流动性风险量化指标。需要先行说明的是：本节为量化指标的设计提案，旨在指明可操作的度量方向，其完整的参数化标定与历史回测留待后续实证研究；下文除“做市商集中度指数”给出最简形式化外，其余指标停留在概念定义层面。 第一，条件性深度衡量在给定波动率或订单毒性水平下的预期可用流动性。与静态的订单簿快照不同，条件性深度将做市商的撤单概率纳入考量，反映了流动性供给对市场状态变量的动态响应。当波动率突破特定阈值时，条件性深度会呈现非线性的断崖式下降，这一指标能够提前预警表观流动性背后的脆弱性（参见 Cont 等 [35] 关于流动性压力测试的框架）。 第二，流动性在险价值借鉴了传统金融风险管理中的概念，用于量化极端情景下的流动性损失。它衡量在给定的置信水平下，市场在特定时间窗口内可能蒸发的最大流动性比例 [35]。例如，95% 置信水平下的流动性在险价值表明，在最糟糕的 5% 的市场情景中，订单簿深度将缩减至正常水平的极低比例。这一指标将流动性风险从单一的价格冲击转化为系统层面的供给枯竭概率。 第三与第四，清算触发距离与做市商集中度指数则从微观结构层面提供了风险预警。清算触发距离测量当前市场价格与下一个密集清算区间的空间。距离越近，由微观价格波动触发级联清算的概率越高，市场进入流动性消耗正反馈环路的风险也越大。做市商集中度指数评估市场深度对少数核心流动性提供者的依赖程度。作为一个最简的形式化提案，可将做市商集中度指数定义为： $$\text{MMCI}_N = \sum_{i=1}^{N} s_i$$ 其中 $s_i$ 为第 $i$ 家做市商在目标交易对上提供的订单簿深度占全部做市深度的比例（按降序排列），$N$ 为纳入统计的头部做市商数量。当取 $N=5$ 时，结合本章§20.7.1 给出的“前五家约 50%–70% 量级深度”这一示意性参照，可得示范值 $\text{MMCI}_{5}\approx 0.5\text{–}0.7$（该数值继承§20.7.1 来源的灰色属性，仅为示意）。$\text{MMCI}_N$ 越接近 1，意味着市场深度越依赖少数头部做市商，一旦这些做市商因风险控制策略同步撤退，市场陷入流动性真空的风险越高。 量化方法揭示了流动性风险的结构性特征，而做市商的集体行为则引出了一个更深层的制度困境。流动性在永续合约市场中表现出准公共品的特征。所有市场参与者，无论是方向性交易者还是套利者，都从紧密的买卖价差和充足的订单深度中受益。然而，这种具有广泛外部性的资源完全由追求利润最大化的私人做市商自愿提供。这种供给机制在面临系统性压力时，不可避免地陷入了经典的公地悲剧。 从个体理性的角度来看，每个做市商的决策都由其实时利润方程驱动。当市场波动率飙升、清算订单带来的毒性急剧增加时，继续维持报价意味着承担巨大的库存风险和逆向选择成本。此时，撤回订单、退出市场是保护自身资本的最优策略。然而，当所有做市商都基于同样的理性逻辑做出撤退决策时，集体非理性的结果便随之产生：全市场流动性彻底崩溃。 在流动性真空的环境下，价格发现机制失效，微小的抛单即可引发剧烈的价格断层。这种系统性崩溃不仅伤害了普通交易者，最终也损害了做市商自身的利益。做市商手中原有的库存头寸在缺乏流动性的市场中无法以合理价格平仓，导致其面临远超预期的账面亏损。这是一个典型的囚徒困境：合作（共同维持流动性）能够避免市场崩溃，对集体最为有利；但对于任何单一做市商而言，背叛（率先撤退）始终是占优策略。最终的纳什均衡必然是所有做市商同步撤退，市场陷入次优的流动性枯竭状态 [36]。 传统金融市场通过引入外部机制来缓解这一困境。例如，央行在危机时刻充当最后贷款人，或者交易所强制规定特许做市商在极端行情下的报价义务。而在去中心化程度较高、缺乏统一监管的加密资产衍生品市场中，既没有能够提供无限流动性的中央机构，也没有强制性的做市约束。做市商之间的竞争关系和信息不对称使得自发的协调行动成为不可能。流动性治理的核心挑战由此形成。值得注意的是，全球监管格局正在回应上述制度缺陷：截至 2025 年，欧盟《加密资产市场法规》(MiCA)、香港证监会虚拟资产交易平台框架、日本金融厅等正分别对持牌交易所施加市场完整性、有序交易乃至类似指定做市商的流动性保障义务。这些正在形成中的监管方向可能逐步改变本章描述的“无义务”基准状态，其具体影响将在下一章进一步讨论。 综合上述分析，本章系统性地诊断了永续合约市场流动性脆弱性的根源。流动性并非外生给定的静态环境，而是与价格、波动率和杠杆深度耦合的内生变量。这三个要素构成的正反馈环路，在永续合约独特的制度放大器作用下，能够将微小的初始冲击转化为席卷全市场的流动性灾难。表观流动性与真实流动性之间的巨大楔子，以及做市商集体行动中的公地悲剧，共同揭示了现有流动性供给体系的深层缺陷。 做市商在极端行情中的集体撤退并非源于非理性行为，而是基于利润方程的结构性倾向。既然个体理性的总和导致了系统性的脆弱，那么解决之道就必须超越微观层面的策略优化，转向宏观层面的制度与激励设计。接下来的问题是：如何通过重构市场规则，改变做市商在危机中的收益风险不对称？如何设计创新的治理框架，使私人提供的流动性具备公共基础设施的韧性？这些关于流动性治理与重建的探讨，将是下一章的核心议题。 ## 20.9 本章小结 本章揭示了永续合约流动性体系的一个根本矛盾：流动性在最被需要的时刻反而大规模消失。这种反周期性并非源于参与者的非理性恐慌，而是市场微观结构与做市商利润方程的结构性后果。通过剖析流动性内生性机制，本章解构了前一章建立的流动性供给正面叙事，展示了看似稳定的供给体系如何在极端压力下系统性失效。 流动性在永续合约市场中高度内生，不再是传统理论假设的外生背景条件，而是与价格、波动率和杠杆深度耦合的动态变量。三者构成的反身性三角形成相互强化的正反馈环路：价格下跌引发波动率上升，做市商库存成本凸性增长，迫使其扩大价差或撤回深度，流动性撤退又放大后续订单的价格冲击、推动波动率进一步飙升；同时价格下跌侵蚀多头保证金，有效杠杆被动升高，触发强制清算，清算订单作为完全无弹性的流动性需求涌入，既吞噬剩余订单簿深度，又以高毒性驱逐剩余做市商；资金费率在单边行情中的极端化则扭曲多空持仓结构，引发套利资本集中退出，为流动性崩溃增加另一重压力。 永续合约的制度特征放大了这种内生脆弱性。高达百倍的杠杆、触发即执行的市价清算、缺乏到期日收敛的自然稳定器，以及全天候无休且缺乏熔断的交易环境，共同构成一个高度敏感的风险放大系统；这些常态下赋予资本效率与交易便利的设计，在危机时刻转化为流动性蒸发的催化剂。其作用下表观流动性与真实流动性之间产生巨大楔子：订单簿显示的充裕深度往往包含大量在压力下瞬间消失的幽灵流动性，使常规风险指标在危机前夕系统性低估真实的流动性风险。 流动性的崩溃并非瞬间完成的随机事件，而是遵循从微观触发到系统性传染的五阶段路径。一笔超出市场吸收能力的订单或意外外部冲击作为初始触发器，使做市商初步收紧报价；价格下跌随后激活清算级联，强制卖单与做市商撤退形成共振；深度耗尽后订单簿出现价格断层，市场陷入流动性真空；最终，局部枯竭通过做市商的跨资产风控、交叉保证金机制与套利者的跨市场头寸，迅速向其他资产、其他交易所乃至现货和传统衍生品市场蔓延。 这场灾难的本质是一场经典的公地悲剧。流动性作为惠及全市场的准公共品，完全依赖私人做市商的自愿供给。极端行情中，每个做市商基于利润方程的撤退决策都是个体理性的选择，但所有做市商的同步撤退却导致集体非理性的结果——全市场流动性全面崩溃。由于缺乏外部的最后贷款人角色与强制性的做市义务，市场自身无法打破这一囚徒困境。 本章的分析表明，永续合约市场流动性的脆弱性是一个系统性问题。做市商平静时期充裕供给、极端行情中大幅收缩，是基于风险收益不对称的理性最优响应的可预期结果；但可预期并不意味着不可改变。既然崩溃由特定的利润方程和制度特征驱动，重构这些底层逻辑就可能为市场注入新的韧性。如何设计更有效的激励机制以改变做市商在危机中的行为模式？如何引入创新的治理框架以克服流动性供给的公地悲剧？这些关于流动性治理与制度重建的探讨，构成了下一章的核心内容。 ## 参考文献 [1] Kaiko Research. (2023). *Looking back on FTX's impact*. https://research.kaiko.com/insights/looking-back-on-ftxs-impact [2] Kaiko Research. (2022, November 15). *The Alameda Gap*. Kaiko Research Weekly, 2022-11. [3] Akyildirim, E., Conlon, T., Corbet, S., & Goodell, J. W. (2023). Understanding the FTX exchange collapse: A dynamic connectedness approach. *Finance Research Letters*, *53*, 103643. https://doi.org/10.1016/j.frl.2023.103643 [4] Brunnermeier, M. K., & Pedersen, L. H. (2009). Market liquidity and funding liquidity. *The Review of Financial Studies*, *22*(6), 2201–2238. [5] Soros, G. (1987). *The Alchemy of Finance: Reading the Mind of the Market*. John Wiley & Sons. [6] Anand, A., & Venkataraman, K. (2016). Market conditions, fragility, and the economics of market making. *Journal of Financial Economics*, *121*(2), 327–349. https://doi.org/10.1016/j.jfineco.2016.03.006 [7] Ho, T., & Stoll, H. R. (1981). Optimal dealer pricing under transactions and return uncertainty. *Journal of Financial Economics*, *9*(1), 47–73. https://doi.org/10.1016/0304-405x(81)90020-9 [8] Avellaneda, M., & Stoikov, S. (2008). High-frequency trading in a limit order book. *Quantitative Finance*, *8*(3), 217–224. https://doi.org/10.1080/14697680701381228 [9] Glosten, L. R., & Milgrom, P. R. (1985). Bid, ask and transaction prices in a specialist market with heterogeneously informed traders. *Journal of Financial Economics*, *14*(1), 71–100. https://doi.org/10.1016/0304-405x(85)90044-3 [10] Kyle, A. S. (1985). Continuous auctions and insider trading. *Econometrica*, *53*(6), 1315–1335. https://doi.org/10.2307/1913210 [11] Diamond, D. W., & Dybvig, P. H. (1983). Bank runs, deposit insurance, and liquidity. *Journal of Political Economy*, *91*(3), 401–419. https://doi.org/10.1086/261155 [12] Morris, S., & Shin, H. S. (1998). Unique equilibrium in a model of self-fulfilling currency attacks. *American Economic Review*, *88*(3), 587–597. [13] Geanakoplos, J. (2010). The leverage cycle. *NBER Macroeconomics Annual*, *24*(1), 1–65. https://doi.org/10.1086/648285 [14] Shleifer, A., & Vishny, R. W. (1992). Liquidation values and debt capacity: A market equilibrium approach. *The Journal of Finance*, *47*(4), 1343–1366. https://doi.org/10.1111/j.1540-6261.1992.tb04661.x [15] Deribit Insights. (2021). *The (Flash) Crash of May 19, 2021*. https://insights.deribit.com/exchange-updates/the-flash-crash-of-may-19-2021/ [16] Perpetual Protocol Team. (2021). 2021/2/21 BTC Flash Crash. *Medium*. https://blog.perp.fi/2021-2-21-btc-flash-crash-149eef35f7f8 [17] 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 [18] Uhlig, H. (2022). A luna-tic stablecoin crash (No. w30256). *National Bureau of Economic Research*. [19] Diop, P. O. (2024). An econometric and time series analysis of the USTC depeg's impact on the LUNA classic price crash during spring 2022's crypto market turmoil. *Commodities*, *3*(4), 24. [20] Allen, F., & Carletti, E. (2008). The role of liquidity in financial crises. In *Proceedings – Economic Policy Symposium – Jackson Hole* (pp. 379–412). Federal Reserve Bank of Kansas City. https://doi.org/10.2139/ssrn.1268367 [21] Degryse, H., de Winne, R., Gresse, C., & Payne, R. (2018). High frequency trading and ghost liquidity. *SSRN Electronic Journal*. [22] Easley, D., López de Prado, M. M., & O'Hara, M. (2012). Flow toxicity and liquidity in a high-frequency world. *The Review of Financial Studies*, *25*(5), 1457–1493. https://doi.org/10.1093/rfs/hhs053 [23] Bessembinder, H., Panayides, M. A., & Venkataraman, K. (2009). Hidden liquidity: An analysis of order exposure strategies in electronic stock markets. *Journal of Financial Economics*, *94*(3), 361–383. https://doi.org/10.1016/j.jfineco.2009.02.001 [24] Berkowitz, J. (2000). *Incorporating liquidity risk into value-at-risk models* (Working Paper). University of California, Irvine. [25] Bangia, A., Diebold, F. X., Schuermann, T., & Stroughair, J. D. (1999). Modeling liquidity risk with implications for traditional market risk measurement and management. *Risk*, *12*(12), 68–73. [26] 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 [27] Bouchaud, J. P., Farmer, J. D., & Lillo, F. (2009). How markets slowly digest changes in supply and demand. *Handbook of Financial Markets: Dynamics and Evolution*, 57–160. https://doi.org/10.1016/b978-012374258-2.50006-3 [28] Conlon, T., Corbet, S., & Hu, Y. (2026). The collapse of the FTX exchange: The end of cryptocurrency's age of innocence. *The British Accounting Review*, *58*(3), 101277. [29] Akhtaruzzaman, M., Boubaker, S., Nguyen, D. K., & Rahman, M. R. (2022). Systemic risk-sharing framework of cryptocurrencies in the COVID–19 crisis. *Finance Research Letters*, *47*(B), 102787. https://doi.org/10.1016/j.frl.2022.102787 [30] Acemoglu, D., Ozdaglar, A., & Tahbaz-Salehi, A. (2015). Systemic risk and stability in financial networks. *American Economic Review*, *105*(2), 564–608. https://doi.org/10.1257/aer.20130456 [31] Galati, L., Webb, A., & Webb, R. I. (2024). Financial contagion in cryptocurrency exchanges: Evidence from the FTT collapse. *Finance Research Letters*, *67*(A), 105747. https://doi.org/10.1016/j.frl.2024.105747 [32] Hautsch, N., Scheuch, C., & Voigt, S. (2024). Building trust takes time: Limits to arbitrage for blockchain-based assets. *Review of Finance*, *28*(4), 1345–1380. https://doi.org/10.1093/rof/rfae004 [33] Joshi, R. (2025). *Exogenous Stress and Runs on Perpetual Futures: A Global Games Approach*. https://assets.zyrosite.com/dWxb3MBxOpUo84q9/rj_final_jmp-yITW2IpzBgnp7Swl.pdf [34] Chen, E., Ma, M., & Nie, Z. (2024). Perpetual future contracts in centralized and decentralized exchanges: Mechanism and traders' behavior. *Electronic Markets*, *34*(1), 1–25. [35] Cont, R., Kotlicki, A., & Valderrama, L. (2020). Liquidity at risk: Joint stress testing of solvency and liquidity. *Journal of Banking & Finance*, *118*, 105871. [36] Ostrom, E. (2008). The challenge of common-pool resources. *Environment: Science and Policy for Sustainable Development*, *50*(4), 8–21.