2025 年初，加密货币衍生品市场的交易格局已经发生了根本性重塑，永续合约不仅确立了其绝对主导地位，更占据了全部加密货币衍生品交易量 93% 的份额 [1]。这一数据标志着自 2016 年 BitMEX 推出首个比特币永续合约以来，这种无到期日、通过资金费率锚定现货价格的创新工具，已经从边缘实验演变为全球加密资产定价的核心基础设施。然而，随着交易规模的指数级增长和市场参与者结构的复杂化，单纯的交易量数据已不足以回答一个更为根本的问题：该市场的整体质量是否与其规模相称？交易者在使用高杠杆和全天候交易功能的同时，是否承担了隐性的结构性代价？这一矛盾引出本章的核心问题：如何构建一个统一的、多维度的市场质量评价框架，以全面诊断永续合约市场的真实健康状况，并处理不同质量维度之间的系统性权衡？
评价一个交易市场的质量，本质上是回应市场参与者最核心的诉求。从一个永续合约交易者的视角出发，其期待可以被归纳为五个维度的标准：低廉的交易成本（不仅包括显性手续费，还涉及买卖价差、市场冲击和资金费率构成的隐性税收）、准确的价格发现（市场价格迅速且无偏地反映供需信息）、强大的韧性（在极端波动中维持流动性供给）、公平的交易规则（普通参与者不因缺乏做市商特权而处于系统性劣势），以及开放的市场可及性（无论地理位置、资本规模或技术水平均能参与全球定价）。这五个维度共同构成了市场质量的核心框架。第 13 至 24 章关于价格发现、套利机制、流动性供给与波动性来源的微观结构分析，最终都服务于同一个宏观追问：永续合约市场在这五个维度上的综合表现究竟如何？本章的任务正是将前序章节的碎片化结论整合为一份结构化的市场质量诊断报告，这一框架既度量各维度的绝对水平，也揭示它们之间的内在冲突。例如，为了降低交易成本而引入的高杠杆机制，往往以牺牲市场在极端情况下的韧性为代价；而为了追求绝对的公平性而实施的严格准入审查，又不可避免地损害了市场的可及性。
本章先度量交易成本、价格发现、韧性、公平性与可及性五个维度（第 25.2 至§25.6），再将常态、压力与危机三种市场状态纳入考量，分析市场质量的时变特征与状态依赖性。在此基础上，本章构建一个将五个维度统一起来的评价模型，对永续合约平台或具体资产给出结构化的质量评判，并解释不同机制设计在多维质量目标之间所做出的系统性妥协，从而为后续关于监管介入与制度重构的讨论奠定诊断基础。
25.1 市场质量的理论基础
25.1.1 市场质量的经济学含义
市场质量的评价本质上是对市场制度在资源配置效率和参与者福利分配上的综合检验。一个高质量的市场应当能够最大化社会福利，这一目标在微观结构层面体现为投资者福利、市场稳定性与资源配置效率的统一。投资者福利取决于交易成本的高低、定价的准确性以及参与规则的公平性；市场稳定性要求交易场所具备抵御外部冲击和内部正反馈风险的抗压能力；资源配置效率则依赖于价格信号对基本面信息的准确反映，从而引导资本流向最高价值的用途。
从社会福利的角度看，市场质量的改善直接转化为经济效率的提升：交易成本下降提高资本配置效率，价格发现效率提升改善投资决策质量，市场韧性增强降低系统性风险。这些看似微观的指标变化，在宏观层面体现为资源配置效率的改善、金融风险的下降以及整体经济福利的增加。因此，市场质量不仅是交易者关心的问题，也是监管者和政策制定者必须关注的战略性议题。
经济学对市场质量的理论探索可以追溯到 Stigler (1961) 提出的完美市场基准 [2]。在这一理论抽象中，完美市场具备即时交易、零交易成本以及所有参与者同质的特征，且信息在市场中无摩擦地传递。现实中的金融市场无法达到这一理想状态，信息成本的存在必然导致价格分散和摩擦。偏离完美市场基准的程度构成了衡量市场质量损失的核心尺度。在这一框架下，市场制度的每一次演进，从人工撮合到电子订单簿，从中心化清算到链上自动做市商，都可以被视为缩小现实市场与完美市场之间差距的尝试。
Stigler 的框架提供了一个系统性的分析方法。通过将完美市场作为基准，我们可以将任何现实市场的缺陷分解为具体的成本来源：交易成本、信息不对称、参与者异质性等。这种分解方法使我们能够诊断市场质量的具体问题所在。例如，如果一个市场的买卖价差很宽，我们可以进一步追问：这是因为做市商面临的逆向选择风险高（信息不对称问题），还是因为流动性提供者的资金成本高（市场深度不足），还是因为交易所的技术基础设施落后（交易速度慢）？不同的根本原因需要不同的解决方案。
在评估市场质量时，必须实现从单一效率指标向多维评价体系的概念拓展。信息效率是市场质量的一个重要维度，它衡量了价格对新信息的吸收速度和准确度。然而，信息效率并非市场质量的全部。一个信息高度有效但交易成本极高、或者在极端行情中容易发生系统性崩溃的市场，不能被称为高质量市场。市场质量的评价需要综合考虑价格发现的效率、流动性提供的成本以及市场在压力状态下的表现。这种多维视角的必要性在永续合约市场中尤为突出，因为这些市场的特殊机制设计（如高杠杆、自动清算、资金费率等）在传统金融市场中并不存在。
多维评价框架的核心洞察在于承认市场质量的多面性。一个市场可能在某些维度上表现卓越，而在其他维度上存在明显缺陷。例如，某些高度专业化的永续合约平台可能在交易成本上非常有竞争力，但其流动性在极端行情中容易枯竭；反之，某些流动性充沛的平台可能因为复杂的费用结构而导致有效交易成本较高。这种维度间的异质性意味着，简单的“排名”方法是不适当的。我们需要的是一个能够在多个维度上进行结构化诊断的框架，而不是一个将所有维度压缩为单一评分的系统。
25.1.2 传统市场质量理论
现代市场微观结构理论为量化市场质量提供了坚实的分析工具。O'Hara (1995) 将研究焦点从宏观均衡转向交易层面的定价机制，以买卖价差和信息不对称为核心，揭示了做市商如何在逆向选择风险和存货成本的约束下提供流动性 [3]。在这一视角下，买卖价差不仅是交易者的执行成本，更是衡量市场信息不对称程度和流动性供给效率的结构性指标。做市商面临的信息不对称越严重，要求的价差补偿就越高，从而降低了整体市场质量。
信息不对称作为市场摩擦根本来源这一洞见，直接指向了市场质量改善的一个关键方向：减少参与者之间的信息不对称。
随着电子化交易的普及，Harris (2003) 提出了一个更为系统的多维评价框架，将市场质量分解为流动性、交易成本、价格发现和市场完整性四个核心维度 [4]。这一框架明确了不同维度之间的相互作用关系：流动性决定了交易成本的隐性部分（市场冲击），而价格发现的效率则受到市场完整性和透明度的制约。基于这些理论基础，美国证券交易委员会和欧洲证券和市场管理局等监管机构建立了一套以最佳执行、订单处理规则和市场数据透明度为核心的监管指标体系，将市场质量的学术概念转化为可操作的合规标准。
Harris 的四维框架为本章的五维模型提供了直接的理论锚点。本章在保留其核心维度的基础上，做出了三项关键调整：将“市场完整性”拆分为“公平性”和“可及性”两个独立维度，以反映加密市场中制度公平与参与门槛的截然不同的约束条件；同时新增“韧性”维度，以捕捉传统框架中未能显性建模的市场抗冲击能力。
需要指出的是，学术界已经发展出多种单一维度的市场质量度量工具。Amihud (2002) 提出的非流动性比率通过价格变动幅度与交易量的比值来捕捉市场的价格冲击敏感度，已成为实证研究中最广泛使用的流动性代理变量之一 [5]。然而，这些单维指标无法反映永续合约市场特有的多层次质量特征。例如，一个 Amihud 比率很低（即流动性表面充裕）的市场，可能在清算级联中表现出极端的脆弱性。五维模型的增量贡献在于提供了一个结构化的诊断框架，能够同时识别效率优势和制度性缺陷。
Harris 框架的重要贡献在于明确了市场质量的多维性，并指出了不同维度之间的相互制约关系。流动性充沛的市场能够以更小的市场冲击执行大额交易，从而降低交易成本；但过度的流动性供给可能导致做市商的风险承受能力下降，在压力时期流动性迅速枯竭。价格发现的效率取决于市场参与者获取和处理信息的能力，但这也意味着市场中存在知情交易者，他们的存在会增加不知情交易者的交易成本。这种维度间的权衡关系是市场设计中的核心难题。
然而，传统市场质量评价框架在面对永续合约市场时显现出明显的局限性。这些经典理论和监管指标隐含了若干在加密资产市场中并不成立的结构性假设。传统框架默认市场存在中心化清算对手方、受统一的司法管辖区监管，并且交易产品具有标准化的到期日和交割机制。永续合约市场的碎片化流动性、无中央清算机构的保证金体系以及多样化的清算机制，超出了传统框架的解释范围。此外，传统模型未能充分考虑高杠杆自动清算带来的系统性风险，也没有将全天候交易、资金费率机制以及去中心化架构的独特性纳入考量。
这些假设的失效意味着，我们不能简单地将传统市场的质量评价指标移植到永续合约市场。例如，传统市场的“最佳执行”标准通常基于价差和成交速度，但在永续合约市场中，资金费率的支付可能远超价差成本，成为交易的主要成本来源。同样，传统市场中的“市场完整性”通常指的是防止操纵和欺诈，但在永续合约市场中，由于交易所的自营做市和信息不对称，“公平性”成为了一个更加复杂和关键的问题。这种框架的不适用性正是本节提出新的五维模型的根本动力。
25.1.3 永续合约的特殊挑战
永续合约的机制创新和加密资产市场的特殊结构，对市场质量评价提出了五个传统框架无法解答的新问题。
第一个挑战在于如何度量市场的韧性。传统金融市场依赖于熔断机制和中央清算对手方作为系统性风险的缓冲机制，而在永续合约市场中，这些外部保护机制通常缺失。市场在极端行情下的自我修复能力、订单簿深度的恢复速度以及抵御连环清算的能力，必须作为独立的维度被显性度量。在没有熔断机制的情况下，市场的韧性成为了判断其是否能在压力下继续正常运转的关键指标。
第二个挑战涉及如何处理制度性噪声。永续合约特有的机制设计，如资金费率的周期性结算和自动清算引擎的阶梯式强平，会在价格发现过程中引入非信息性的波动。Ruan 和 Streltsov (2022) 的研究表明，永续合约的资金费率周期会导致现货市场质量呈现系统性的日内模式，做市商在费率结算期间面临更高的逆向选择风险，从而扩大买卖价差 [6]。这种由合约机制本身引发的质量损失，在传统评价框架中缺乏对应的度量维度。
第三个挑战在于如何评价市场公平性。传统市场受到统一监管标准的约束，而在加密资产市场中，交易所与做市商之间的协议往往缺乏透明度，部分平台甚至存在自营做市的利益冲突。信息特权和执行延迟上的不对称分布，使得公平性不再是一个可以默认的前提，而需要通过具体指标进行显性评估。在永续合约市场中，某些做市商可能获得交易所提供的特殊数据或优先清算权，这些隐性特权直接影响了市场的公平性。
第四个挑战是如何在统一框架内比较中心化交易所和去中心化交易所（DEX）。Barbon 和 Ranaldo (2024) 发现，CEX 在小额交易中具有成本优势，而 DEX 则在大额交易中提供更具竞争力的执行环境 [7]。此外，Capponi 和 Jia (2025) 指出，DEX 的基础设施使流动性提供者面临独特的集体行动困境，缺乏退出流动性池的激励 [8]。这两种架构在信任假设、结算效率和流动性组织方式上存在根本差异，要求评价框架具备足够的包容性。CEX 依赖中央对手方的信用，而 DEX 则依赖智能合约的透明执行，两者的质量特征完全不同。
第五个挑战是如何评价可及性。永续合约的全球化特征和去中心化协议的“无需许可”属性，使得参与门槛从传统市场中外生的监管设定，转变为直接决定市场参与者多样性与流动性池深度的内生质量变量（将在§25.6 展开）。
25.1.4 五维模型的架构
为了解决上述挑战，本节提出永续合约市场质量五维模型（5D-MQ）。该模型将永续合约的市场质量解构为五个相互关联的维度：交易成本、价格发现、韧性、公平性和可及性。这五个维度共同构成了一个完整的评估框架，能够对不同平台、不同资产在各种市场状态下的表现进行结构化诊断。
五维模型的提出基于以下核心认识：永续合约市场的质量特征与传统市场存在根本差异，需要一个专门为其设计的评价框架。这个框架必须能够容纳永续合约特有的机制（资金费率、自动清算等），同时也要能够比较不同架构（CEX vs. DEX）的市场。更重要的是，这个框架必须能够识别市场质量的多个维度，并明确指出不同维度之间的权衡关系，从而为市场参与者和监管者提供清晰的诊断和改进方向。
图 25-1 给出五维模型（5D-MQ）的层级架构：以市场质量为核心，向外展开交易成本、价格发现、韧性、公平性和可及性五个一级维度，每个维度再落为若干可操作的二级指标（详见图），从而既具宏观层面的概括力，又能在微观操作层面落实为具体的度量指标。
图 25-1. 永续合约市场质量五维模型（5D-MQ）架构图（数据来源：作者构建）
五维模型的设计遵循四个核心原则。其一是互斥性，每个维度覆盖市场质量的一个独立面向。交易成本衡量进入和退出市场的执行摩擦；价格发现评估价格信号吸收信息的效率；韧性度量市场在受到冲击后的恢复能力；公平性考察规则对不同参与者的公正程度；可及性则界定市场的开放广度。这种划分避免了维度之间的重复和模糊。互斥性的重要性在于确保每个维度都有明确的定义和独立的度量方法，避免因为维度重叠而导致的重复计算或逻辑混乱。
其二是完备性，这五个维度构成了对市场微观结构和宏观表现的全面映射，遗漏任何一个维度都会导致对市场质量的偏颇判断。例如，一个交易成本很低但容易在压力下崩溃的市场，其真实质量远低于低成本指标所暗示的水平。同样，一个价格发现高效但对小额交易者完全不友好的市场，其可及性维度的缺陷会抵消价格发现的优势。
其三是可度量性。每个维度都被分解为具体的操作性指标。例如，交易成本不仅包含显性的手续费和买卖价差，还纳入了市场冲击和资金费率这一永续合约特有的隐性成本；价格发现通过信息份额和超额波动率进行量化；韧性则通过价差恢复半衰期和深度恢复率来衡量。Alexander 等人 (2020) 在分析以太坊市场时证明，永续合约在价格发现中占据主导地位，这种领导力指标正是价格发现维度的重要组成部分 [9]。
其四是权衡性。五维模型揭示了市场质量各维度之间存在系统性的内在冲突。更低的交易成本往往以牺牲市场韧性为代价（例如高杠杆降低了资金占用成本，但加剧了清算脆弱性）；更高的制度公平性可能需要更严格的身份验证，从而降低了市场的可及性；更高的价格发现效率可能吸引更多知情交易者，从而提高做市商的逆向选择成本，最终导致交易成本上升。五维模型表明，不存在在所有维度上均达到完美的市场，市场制度的设计本质上是在这五个维度构成的有效前沿上进行权衡与取舍。对权衡性的认识有助于理解市场设计的复杂性，因为它说明了为什么不同的市场会做出不同的选择，以及为什么“最优”的市场设计取决于特定的使用场景和参与者需求。
五维模型为后续各节奠定理论基础：第 25.2 至§25.6逐一探讨各维度的度量方法、跨平台比较与演化趋势，§25.7剖析维度之间的权衡关系，第 25.8 至§25.10进一步探讨市场质量的状态依赖性、跨平台比较与长期演化，为第 26 章的监管经济学讨论和第 27 章的思想实验提供实证基础。
五维模型是一个诊断框架而非评分系统（其“非评分”立场详见§25.1.1）。它的诊断力体现为能够回答诸如“为什么某个交易所的交易成本很低但流动性在压力时期容易枯竭？”或“为什么某个 DEX 提供了更高的公平性但可及性相对较低？”这样的具体问题，不仅对学术研究有价值，也对市场参与者的决策和监管者的政策制定有实际指导意义。
最后需要坦诚承认五维模型的一个内在局限：该框架隐含了理性参与者假设，即市场参与者能够正确评估风险并做出符合自身利益的决策。然而，在加密永续合约市场中，高杠杆、全天候交易和极端波动的组合可能系统性地利用了交易者的行为偏差，包括过度自信、损失厌恶和赌博倾向。五维模型评估的是市场制度的运行质量，而非参与者的行为健康度。这意味着一个在五维指标上表现优异的市场，仍然可能因为参与者的行为非理性而产生大规模的个体福利损失。这一维度的缺失并非框架的设计疏忽，而是反映了制度质量评估与参与者福利评估之间的根本性区分，后者需要行为金融学的独立分析工具。
25.2 交易成本
交易成本是市场质量中最传统、最可度量的维度。在永续合约市场中，交易成本的构成比传统金融市场更为复杂。除了显性的手续费和隐性的买卖价差，资金费率构成了一种独特的持有期交易成本。在单边趋势行情中，资金费率的累积负担可能远超手续费和价差的总和，成为交易者面临的最大成本。本节从显性费用、隐性摩擦和资金费率负担三个层次，全面解构永续合约的总交易成本。
25.2.1 显性成本
手续费是交易者进入和退出市场必须支付的显性费用。加密货币交易所普遍采用基于流动性提供者和流动性提取者的双轨制费率结构，并结合基于交易量和资产规模的分级费率制度。这种结构设计的核心目标是激励做市商提供流动性，同时向主动消耗流动性的交易者收取溢价。
在主流中心化交易所中，手续费的设定呈现出高度的趋同性与微妙的差异性。以 Binance 的以太坊永续合约为例，普通用户的流动性提供者费率为 0.02%，流动性提取者费率为 0.05% [10]。相比之下，OKX 交易所针对普通用户的现货交易收取 0.1% 的流动性提供者费率和 0.2% 的流动性提取者费率，这表明衍生品市场的显性交易成本显著低于现货市场 [11]。去中心化交易所如 Hyperliquid 则通过完全免除流动性提供者手续费，并将流动性提取者费率压低至 0.02%，在显性成本上建立竞争优势。Bybit 作为新兴的中心化衍生品交易所，其基础费率结构与 Binance 相近，但通过更激进的返佣计划吸引高频交易者。
名义费率与有效费率之间存在显著差异。交易所通过分级费率制度和做市商返佣计划，将绝大部分交易量的实际执行费率压低至名义费率的一小部分。当交易者的月交易量达到一定阈值时，其流动性提供者费率不仅可以降至零，甚至可以获得负费率的返佣补贴。Binance 的 VIP 3 用户在达到 1亿美元月交易量时，永续合约的流动性提供者费率可降至 0.012%，约为普通用户的 3/5（约 60%） [10]。OKX 的 VIP 9 用户则可获得 0% 的流动性提供者费率，实现完全免费做市 [11]。这种结构使得散户交易者实际上在补贴高频做市商的流动性提供成本。因此，仅通过官方费率表评估一个市场的显性交易成本是不完整的，必须结合市场参与者的结构分布来计算加权平均有效费率。
25.2.2 买卖价差与市场冲击
显性手续费仅构成交易成本的一部分，买卖价差和市场冲击构成了更为庞大的隐性摩擦。买卖价差不是交易所设定的固定数值，而是做市商为承担存货风险、逆向选择风险和订单处理成本而索取的补偿。买卖价差直接反映了市场的流动性深度和信息不对称程度。
报价价差与有效价差是度量这一隐性成本的两个不同维度。报价价差是订单簿上最优买价与最优卖价之间的差额，它代表了小额市价单的即时执行成本。有效价差则考虑了订单在多个价格层级的实际成交情况，更真实地反映了大额交易者的实际成本 [12]。在传统做市商主导的市场中，有效价差通常约为报价价差的一半，反映了限价单改善和市场参与者对价格走势的预期调整 [12]。然而，在加密永续合约的电子限价订单簿中，由于高比例的激进市价订单和做市商在波动期间的快速报价撤回，有效价差与报价价差的比例关系因市场状态而异，在压力期间，有效价差可能接近甚至超过报价价差 [7]。在流动性充裕的比特币和以太坊永续合约市场中，报价价差通常维持在 0.5 至 2 个基点的极窄区间内 [7][13]。然而，对于流动性较差的山寨币合约，价差可能扩大至 50 个基点以上，形成显著的隐性交易壁垒。
大额交易产生的市场冲击是隐性成本的另一个重要组成部分。当市价单的规模超过最佳买卖报价的深度时，订单将沿着订单簿向更劣的价格层级吃单，导致实际平均成交价格偏离初始报价。这种价格冲击可以分解为不可消除的永久性信息成本和可以通过改善流动性来降低的临时性流动性成本。在市场平稳期，100万美元的比特币市价单可能仅产生约 5 个基点的冲击成本 [7]；但在极端波动或流动性枯竭的压力期，同样规模的订单可能引发超过 100 个基点的冲击，导致隐性交易成本呈现出非线性放大特征（上述具体基点数为基于 [7] 方法论的示意性估算）。这种非线性特性对于风险管理具有重要意义，因为它意味着在市场压力期间，交易者面临的实际成本可能是平时的 10 倍以上。
25.2.3 资金费率的持有成本
资金费率是永续合约市场独有的交易成本维度，它构成了头寸的持有成本。在传统期货市场中，持有头寸的成本主要是确定的资金利息；而在永续合约中，为了维持合约价格与现货价格的锚定，多空双方需要定期交换资金费率。这种费率是随市场供需实时波动的随机变量，在极端行情中可能飙升至极高水平。
从经济学本质来看，资金费率是市场为杠杆失衡定价的机制。当市场情绪极度乐观、多头杠杆需求远超空头时，永续合约价格将产生正向溢价，导致资金费率为正。此时，做多方必须向做空方支付费用。在 2021 年的牛市高峰期，比特币永续合约的年化资金费率一度持续数周保持在 30% 至 80% 的高位。这意味着，即使标的资产价格横盘震荡，多头持有者也会因为高额的资金费率负担而遭受显著的资本损耗——资金费率已被实证研究确认为一个独立于价格方向的风险因子 [14]。
资金费率的计算方式因交易所而异且持续演化。BitMEX 最早确立了固定基准费率加溢价指数的模型，以每 8 小时结算一次作为行业早期标准。Binance 和 OKX 等主流交易所在此基础上采用了更灵活的浮动费率模型，根据合约价格与现货价格的实时偏差动态调整。截至 2025 年初，这些平台已对部分主流合约引入 4 小时甚至更高频的结算周期，Hyperliquid 等新一代平台则进一步探索每小时结算。更高频的结算降低了单次费率的绝对波动幅度，但也增加了结算时点附近的微观结构噪声，做市商需要在每个结算窗口前后重新对冲其费率敞口。
在牛市周期中，资金费率呈现出显著的正偏特征，做多方在系统性地支付这种持有税。然而，这一正偏并非永续合约的固有属性：在 2022 至 2023 年的深度熊市期间，资金费率持续为负，空头反而成为费率的净支付方。从覆盖完整牛熊周期的数据来看，资金费率的净正偏幅度远小于纯牛市期间的观察值，但仍然为正，反映了加密市场中多头杠杆需求在长期内占据主导地位的结构性特征。这是使用永续合约而非现货进行多头配置的额外隐性成本。对于高频交易者而言，资金费率的影响较小；但对于持有期超过数天的波段交易者或套保机构，资金费率的累积支出可能远超进出场的手续费和价差总和。一个持有 100万美元比特币多头头寸 30 天的交易者，在资金费率年化为 30% 的环境下，将支付约 25000 美元的资金费率成本，相当于 2.5% 的资本损耗。这一成本水平足以显著侵蚀交易策略的收益空间。因此，将预期资金费率年化并按持有期加权，是准确评估永续合约真实交易成本的必要步骤。
25.2.4 总交易成本度量
为了全面评估市场质量，必须将显性费用、隐性摩擦和资金费率负担整合为一个统一的总交易成本指标。总交易成本等于手续费、有效价差的一半、市场冲击成本以及预期资金费率持有成本的总和。这种综合度量方法揭示了不同交易策略面临的真实成本约束。
具体的计算示例有助于理解这一框架。假设一位交易者在 Binance 以吃单方身份开立 100万美元的比特币多头头寸，持有期为 7 天，开仓和平仓均以市价单执行。其总交易成本应包含往返交易的全部摩擦：进场吃单方手续费 0.05% x 100万美元 = 500 美元；进场有效价差成本假设为 5 个基点，即 500 美元；进场市场冲击成本在平稳市场中假设为 10 个基点，即 1000 美元；7 天的资金费率成本假设年化为 20%，则为 20% x 7/365 x 100万美元，约为 3800 美元；退场吃单方手续费同样为 500 美元；退场有效价差成本 500 美元；退场市场冲击成本 1000 美元。因此，一个完整往返交易的总成本约为 7800 美元，相当于 0.78% 的资本成本。这一成本水平对于持有期较短的交易策略可能是可接受的，但对于长期持仓者来说则构成了显著的收益拖累。值得注意的是，如果交易者在平仓时使用限价单而非市价单，可以避免平仓端的价差和冲击成本，将总成本降至约 6300 美元（0.63%），但这需要以牺牲平仓的即时性为代价。
不同交易频率和持仓周期的投资者对总交易成本的敏感度截然不同。对于高频做市商，手续费和价差是核心考量，资金费率由于持仓时间极短而几乎可以忽略。对于中低频的趋势跟踪者，资金费率构成了最大的成本项，尤其是在顺势建仓时往往需要支付高昂的费率溢价。此外，总交易成本具有强烈的状态依赖性。在市场平静期，充裕的流动性和低波动的费率使得总交易成本维持在较低水平；而在市场压力期，价差急剧走阔、市场冲击非线性放大、资金费率出现极端脉冲，导致总交易成本可能在短时间内飙升数十倍。更值得注意的是，上述总交易成本公式将各成本项视为独立变量进行简单加总，但在实际市场中这些成本项之间存在显著的交互效应。当资金费率飙升时，做市商因承担更高的存货风险和资金费率敞口而被迫扩大买卖价差，即资金费率的极端化会间接推高其他隐性成本项。这种交互效应意味着压力期间的真实总交易成本可能高于各项成本的简单加总。
跨资产的总交易成本比较进一步印证了市场质量的分层现象。比特币和以太坊等主流资产享有最窄的价差、最深厚的流动性和相对稳定的资金费率，其总交易成本最低。随着市值规模和流动性的下降，山寨币永续合约的总交易成本呈现出陡峭的上升梯度。这种成本差异不仅反映了做市商对不同资产风险定价的区别，也构成了阻碍资本在长尾资产中有效配置的摩擦壁垒。
25.2.5 跨平台比较与演化
将总交易成本框架落到各平台，图 25-2 分解了典型市场环境下不同交易所比特币永续合约的总交易成本。
图 25-2. 主流交易所比特币永续合约总交易成本对比（示意性综合估算，非实测；OKX-VIP3、Bybit 普通两档总成本为代表性扩充档、未见于正文，其余各档见正文；数据来源：各交易所官方费率表及市场数据 [10][11][14]）
从跨平台比较来看，中心化交易所的普通用户面临着最高的显性手续费负担，但其深厚的订单簿深度有效降低了市场冲击成本。Binance 普通用户的总交易成本约为 21.5 个基点，其中吃单方手续费占 5 个基点，买卖价差成本占 1.5 个基点，资金费率年化成本占 15 个基点。随着费率等级的提升，总交易成本显著下降，Binance VIP 3 用户的总交易成本降至 19.4 个基点，体现了平台对高频大资金用户的倾斜。OKX 普通用户由于现货费率较高，其总交易成本达到 40.5 个基点，约为 Binance 普通用户的 2 倍。去中心化衍生品平台 Hyperliquid 则通过零手续费策略和创新的流动性池机制，将总交易成本压低至 15.5 个基点，在总交易成本上形成显著的竞争压力，迫使传统中心化平台重新审视其收费模型。
回顾过去 10 年的演化历程，永续合约市场的交易成本经历了结构性的下降。从 BitMEX 在 2016 年推出第一个比特币永续合约时数十个基点的宽阔价差，到如今在主流资产上逼近传统金融市场的极窄点差，这一进步主要归功于三个驱动力。首先是高频做市商的全面介入和算法交易的普及，显著压缩了隐性摩擦，使得主流资产的价差从 10 个基点以上压缩至 1 个基点以下。其次是交易所之间围绕流动性和市场份额展开的激烈竞争，推动了显性手续费的持续下调，从早期的 0.1% 降至如今的 0.02%。最后是清算引擎和风险管理机制的成熟，降低了系统的尾部风险溢价，使得资金费率的波动性显著下降。然而，资金费率作为平衡多空机制的核心，其带来的持有成本依然是永续合约区别于其他金融工具的独特属性，也是交易者在评估长期持仓成本时必须跨越的计算障碍。这一成本维度的存在，使得永续合约市场的总交易成本结构与传统期货市场存在本质区别，也是理解永续合约市场质量的关键所在。
25.3 价格发现
价格发现质量度量的是市场作为信息处理器的效率，即新信息到来后价格多快、多准确地反映它。本节的核心任务是将信息效率作为市场质量的一个关键维度，探讨其如何与其他维度相互作用，并构建一个多层次的价格发现质量评估框架。永续合约已成为加密资产价格发现的主导场所，但这种领导力是有条件的，在信息冲击类型、市场状态和资产类别上存在显著差异。
25.3.1 度量方法
在多市场交易同一资产的环境中，确定哪个市场主导了价格发现过程是评估市场质量的核心问题。学术界通常采用两类经典的计量经济学方法来量化不同市场的价格发现贡献。第一类方法由 Hasbrouck (1995) 提出，其核心概念是信息份额。该方法基于一个隐含的、不可观测的共同有效价格假设，将某个市场对共同有效价格创新的比例贡献定义为该市场的信息份额 [15]。在这一框架下，如果一个市场能够更快地吸收并反映新信息，其信息份额就会更高，表明该市场在价格发现中占据主导地位。
第二类方法源于 Gonzalo 和 Granger (1995) 的研究，他们提出了一种将价格序列分解为永久成分和临时成分的技术。这种永久-临时分解方法被广泛用于估计多个协整市场中的价格发现贡献度，特别是在期货与现货市场的价格领导力分析中 [16]。与信息份额关注方差贡献不同，Gonzalo-Granger 方法侧重于测量各市场价格对共同长期趋势的调整速度。当两个市场偏离均衡状态时，调整较慢的市场被认为是价格的领导者，而调整较快的市场则是跟随者。
然而，将这些传统方法直接应用于永续合约市场时面临着特殊的挑战。永续合约与传统期货的根本区别在于其无到期日的设计，这要求通过资金费率机制来锚定现货价格 [17]。资金费率的周期性支付或收取引入了一种独特的机制性摩擦，使得永续合约价格与现货价格之间的协整关系比传统市场更为复杂。此外，加密市场的全天候交易特征和极高的微观结构噪声，要求在应用这些计量模型时必须采用高频数据，并对模型规范进行更为精细的调整，以准确分离真实的信息冲击与短期的流动性扰动。需要特别注意的是，Hasbrouck 信息份额和 Gonzalo-Granger 分量份额两种方法在实际应用中可能产生矛盾的市场领导力排名。这种矛盾源于两种方法对微观结构噪声的不同处理方式：信息份额对价格创新的方差分解结果依赖于变量排序，而分量份额则对短期噪声成分的估计高度敏感。由于永续合约市场的微观结构噪声远高于传统市场，方法选择对结论的影响尤为显著。因此，本章后续的实证讨论综合参照了两类方法的结果，以增强结论的稳健性。
25.3.2 永续合约与现货的领导关系
大量实证证据表明，永续合约在多数时段内领导了现货市场的价格发现。Alexander 等人 (2020) 对以太坊市场的研究发现，BitMEX 上的以太坊永续合约在所有价格发现指标中都占绝对主导地位，其信息份额远高于现货交易所。该研究进一步指出，永续合约的引入实际上提升了现货交易所的定价效率 [9]。Robertson (2025) 针对比特币市场的最新高频数据分析也得出了类似结论，确认了期货市场在吸收信息方面相比现货市场具有系统性的领先优势 [18]。这种领导力源于永续合约提供的内建杠杆、较低的交易成本以及更深厚的流动性，这些特征使其成为知情交易者表达观点的首选场所。然而，完整的价格发现格局不应仅局限于离岸永续合约与现货市场的二元比较。自 2024 年比特币 ETF 获批以来，CME 比特币期货的未平仓合约显著增长，机构参与者在美国交易时段通过 CME 表达定价观点的强度日益提升。在特定时段内，受监管期货市场的价格发现贡献可能超过离岸永续合约，形成离岸永续、现货和受监管期货三足鼎立的定价格局。
尽管永续合约占据了整体的领导地位，但这种领导力呈现出显著的条件性特征。在处理不同类型的信息冲击时，市场的相对角色会发生变化。对于宏观经济数据发布或全市场范围的流动性冲击，永续合约由于其高流动性和杠杆特性，通常能够最快做出反应。然而，对于特定于某个资产的微观信息，如协议升级、安全漏洞或大额现货转移，现货市场有时会短暂夺回价格发现的领导权。这种信息处理的分工反映了不同市场参与者结构和交易动机的差异。
市场状态的剧烈转变同样会重塑价格发现的格局。在 2021 年的长期牛市中，永续合约的领导力达到了顶峰，持续的正向资金费率和高昂的投机情绪使得衍生品市场成为绝对的定价引擎。但在 2022 年经历了一系列系统性危机和深度熊市后，随着大量杠杆被清算和做市商资本的撤出，永续合约的信息份额出现了一定程度的下降。在极端恐慌的抛售阶段，现货市场的实际抛压往往成为主导价格的决定性力量，永续合约的领导力在这些压力测试期显得更为脆弱。这种状态依赖性表明，永续合约的价格领导力并非静态的常数，而是随着市场环境动态演变的变量。
25.3.3 跨资产差异
加密资产市场的价格发现效率存在巨大的跨资产梯度。主流资产与山寨币在信息处理能力上表现出截然不同的特征。比特币和以太坊作为流动性最深、市值最大的资产，其永续合约市场展现出高度的微观结构效率。在这两个市场中，价格能够迅速整合新信息，信息份额稳定在较高水平，且买卖价差极窄。这种高效的价格发现得益于成熟的做市商生态、广泛的机构参与以及高度发达的跨市场套利机制。
相比之下，大多数山寨币的永续合约市场效率显著偏低。这些资产的流动性通常较为稀薄，订单簿深度不足以吸收中等规模的交易而不产生显著的价格冲击。在这种环境下，价格发现过程往往伴随着剧烈的波动和大量的噪声。由于缺乏足够的套利资本来维持跨市场的价格一致性，山寨币永续合约的价格经常在较长时间内偏离现货标的，导致信息效率低下。这种流动性与价格发现效率之间的正反馈循环，使得高流动性资产的效率持续提升，而低流动性资产则难以摆脱低效状态。
跨交易所的价格发现份额分布进一步凸显了市场结构的复杂性。流动性在不同平台之间的碎片化导致了定价权的分散。头部中心化交易所凭借其庞大的用户基础和深厚的做市商资源，通常占据了最大的信息份额。然而，随着去中心化衍生品交易所的崛起，这种格局正在发生微妙的变化。去中心化平台通过创新的流动性供给机制和无需许可的接入方式，开始在特定资产或特定时段内捕获可观的价格发现份额。这种多中心化的价格发现过程虽然增加了套利机会，但也引入了跨平台传导的延迟和摩擦，对整体市场的定价效率提出了新的挑战。
25.3.4 超额波动率
在评估价格发现质量时，单纯依赖信息份额等指标往往不足以捕捉市场微观结构的全部复杂性。超额波动率提供了一个具有较高分析价值的综合反向指标。超额波动率被定义为市场的实际总波动率与由基本面信息驱动的应有波动率之间的差值。在操作层面，应有波动率可通过多种方式估计：一种方法是利用 Hasbrouck 信息份额将已实现波动率分解为信息驱动成分和噪声成分；另一种方法是以滚动窗口内的方差比检验偏离随机游走的程度作为代理 [15][18]。当超额波动率较高时，意味着价格变动中包含了大量的非信息性噪声，这直接反映了价格发现质量的下降。这种噪声可能掩盖了真实的供需信号，增加了交易者的执行成本和逆向选择风险。
永续合约市场中存在着几种独特的超额波动率来源。首先是清算机制引发的波动放大。当价格快速变动触发大规模强制平仓时，系统自动抛出的市价单会在流动性本已匮乏的订单簿上造成严重的价格连锁冲击，导致价格远超其基本面价值的剧烈波动。其次是资金费率脉冲带来的制度性噪声。在单边行情中，极端的资金费率会迫使套利者进行频繁的仓位调整，这种非信息驱动的交易流同样会注入额外的波动性。此外，做市商在面临库存风险时的防御性报价调整，也会在微观层面上增加价格的随机游走成分。
图 25-3 展示了不同加密资产在多个时期内的超额波动率与价格发现效率指数之间的关系。
图 25-3. 超额波动率与价格发现效率的反向关系（示意性综合估算，非实测；二者呈显著负相关，仅作定性呈现、不标注精确相关系数以避免伪精确；基于 Alexander 等人 [9]、He 等人 [17] 和 Robertson [18] 的信息份额与方差比估计，超额波动率定义为已实现波动率与 Hasbrouck 信息份额加权的基本面波动率之差，样本期间 2020-2024 年）
该散点图清晰地揭示了两者之间的显著负相关性。比特币和以太坊在 2024 年等较为成熟的市场阶段，表现出较低的超额波动率和较高的价格发现效率。而在 2022 至 2023 年的高压时期，即便是主流资产的超额波动率也显著上升，伴随着效率的下降。更为显著的是，Solana、Ripple 和 Cardano 等山寨币系统性地处于图表的右下方，即高超额波动与低价格发现效率的区域。这一经验证据有力地支持了将超额波动率作为衡量永续合约市场质量和信息效率的重要维度，为跨资产和跨周期的比较提供了一个直观且可量化的标尺。
25.4 韧性
韧性是永续合约市场质量中被低估但具有关键意义的维度。在日常交易中，交易者通常只关注价差的窄度或订单簿的深度，而忽视了韧性的存在。韧性只有在危机中才得以显现，但一次韧性失败的损失可能超过数年平静中的累积收益。在加密货币这种高杠杆、全天候运行且缺乏中央银行作为最后贷款人的市场中，理解并衡量市场的自我修复能力，是评估系统性风险的关键。本节从流动性韧性、深度韧性和系统韧性三个层次展开分析，从微观的价差恢复和订单簿重建，到清算机制和保证金制度的设计差异，再到资金费率在极端行情下的韧性功能，最终揭示跨交易所传染这一宏观层面的系统性风险。
25.4.1 定义与度量框架
在金融微观结构理论中，市场流动性通常被解构为三个相互关联的维度。根据 Kyle 提出的经典分类，这三个维度分别是紧度、深度和韧性 [19]。紧度衡量了交易的直接成本，通常表现为买卖价差；深度反映了市场在不引起价格大幅变动的情况下吸收大额订单的能力；而韧性则被定义为价格从随机、无信息冲击中恢复的速度 [19]。在永续合约市场中，韧性不仅是价格的恢复，更是整个市场结构在遭受极端压力后的自我修复过程。
韧性与流动性的其他维度有着本质的区别。流动性是静态的，它描述了在特定时刻市场能够提供多少交易机会；而韧性是动态的，它关注的是在流动性被消耗后，市场重新补充流动性的能力。一个市场可能在平静时期表现出极好的紧度和深度，但在受到冲击时却可能因为缺乏韧性而瞬间枯竭。在加密货币市场中，这种动态特性尤为重要，因为高杠杆和程序化交易往往会将局部冲击放大为系统性事件。
为了全面评估永续合约市场的韧性，我们需要建立一个多层次的度量框架。第一层是流动性韧性，主要关注买卖价差在扩大后恢复到正常水平的速度；第二层是深度韧性，衡量订单簿在被大额市价单击穿后，限价单重新填补空缺的时间；第三层是系统韧性，评估整个交易所在面临大规模清算级联时，维持正常运转并防止风险蔓延到其他市场的能力。这三个层次相互交织，共同决定了市场在极端情况下的生存能力。
在韧性的分析中，必须区分价格韧性与系统韧性这两个不同层次的概念。价格韧性关注的是资产价格在短期冲击后向基本面回归的速度，而系统韧性则衡量市场在遭遇严重外部冲击或内部流动性枯竭时，维持核心功能（交易执行、清算结算和价格发现）不中断的能力。对于永续合约市场而言，由于其基础资产本身具有极高的波动性，追求绝对的价格稳定既不现实也无必要，因此韧性评估的核心应聚焦于系统层面的抗脆弱性：市场能否在压力下继续运转，而非价格是否保持不变。
永续合约市场在维持系统韧性方面面临着特殊的结构性挑战。永续合约没有到期日，这意味着风险敞口可以无限期累积，市场无法通过定期的交割结算来强制释放系统内积累的压力。该市场普遍提供极高的杠杆倍数，使得微小的价格波动就可能触发强制平仓，进而引发链式反应。经验观察表明，当市场整体杠杆比率（定义为全网未平仓合约名义价值与总保证金存款的比率）攀升至高位时，系统性脆弱性将显著升高，此时任何微小的负面冲击都可能触发无法遏制的清算级联 [20]。触发系统性脆弱的具体杠杆阈值因观测口径与样本而异（示意性地约在 25% 上下），并无统一的精确临界值。需要强调的是，实际的脆弱性不仅取决于杠杆的绝对水平，还取决于杠杆的分布形态：集中在少数大户的高杠杆头寸远比分散在众多散户的低杠杆头寸更危险，因为前者的清算会释放更大的瞬时抛压。
25.4.2 价差恢复半衰期
流动性韧性最直观的体现是价差恢复半衰期。当市场遭受大额交易或外部消息冲击时，做市商为了规避逆向选择风险，通常会迅速撤回限价单，导致买卖价差急剧扩大。价差恢复半衰期就是指价差从冲击后的峰值回落到初始正常水平所需时间的一半 [21]。这个指标直接反映了流动性提供者重新评估风险并重返市场的信心和速度。
在传统金融市场中，电子限价订单簿的恢复速度通常相当快。研究表明，在伦敦证券交易所等成熟市场中，订单簿在大额交易后恢复的半衰期约为 20 秒 [21]。然而，在加密货币永续合约市场中，由于杠杆的广泛使用和市场的高度碎片化，价差恢复的过程往往更加复杂：正常条件下顶级交易所的恢复半衰期可媲美甚至超越传统市场，但在压力期间可能被显著延迟。图 25-4 对比多家主要交易所在正常与压力两种状态下的价差恢复表现。
图 25-4. 流动性韧性指标的跨平台比较（示意性综合估算，非实测）：左为价差恢复半衰期（正常市场与压力期间），右为正常期中位价差（≈0.8 个基点）与压力期峰值价差；压力期恢复显著分化、峰值价差大幅放大（数据来源：商业平台测评 [13] 及各交易所市场数据）
从图中的跨平台对比数据可以清晰地看到不同交易所在韧性上的差异。在正常市场条件下，主要交易所的比特币永续合约价差极小，中位数通常维持在约 0.008%（约 0.8 个基点）的水平 [13]。然而，在压力期间，不同平台的恢复速度出现了显著分化。部分平台能够在 30 至 40 秒内将价差恢复到正常水平，而其他平台则可能需要超过 1 分钟的时间 [13]。这种差异不仅源于各平台做市商群体的构成，更深层的原因在于各交易所清算引擎的效率和风险管理机制的设计。恢复半衰期较短的平台通常能够为交易者提供更可靠的执行环境，从而在危机中吸引更多的流动性回流。
25.4.3 订单簿重建速度
深度韧性关注的是订单簿在受到冲击后的物理重建过程。当一个大规模市价单扫过订单簿，消耗了多个价格层级的流动性后，市场会留下一个“空洞”。深度韧性衡量的是新的限价单填补这些空洞、恢复原有市场深度的速度。这个过程高度依赖于高频交易者和做市商的行为逻辑。
图 25-10 给出冲击发生前的流动性基线：正常市场条件下主流交易所在最优价 ±0.1% 价格带内的订单簿深度，多数头部平台处于 4000 万至 5000 万美元量级、个别平台明显更高。正是这一基线在剧烈冲击下被瞬间击穿，其重建速度决定平台的深度韧性。
图 25-10. 主流交易所比特币永续合约订单簿深度（示意性综合估算，非实测；最优价 ±0.1% 价格带内挂单名义深度，正常市场条件；数据来源：各交易所市场数据综合估算 [13]）
在冲击发生后，做市商面临着两难的选择。一方面，扩大的价差提供了更高的做市利润；另一方面，价格的剧烈波动意味着巨大的库存风险。在加密货币市场中，做市商往往采用“撤退-观察-重返”的策略。2020 年 3 月的市场崩盘事件提供了一个深度韧性失败的极端案例。当时，比特币价格在短时间内暴跌，导致了大规模清算潮 [22]。面对巨大的单边抛压和超过 500 美元的跨平台价差，许多做市商选择直接关闭交易算法，停止提供流动性 [22]。
在那次危机中，某主流衍生品交易所的订单簿深度一度枯竭到仅剩约 2000万美元的买单，而等待清算的多头头寸却高达 2亿美元 [22]。如果这些清算单全部以市价抛出，比特币的价格可能会被推低至接近零。这种深度韧性的彻底崩溃表明，当市场冲击超过了做市商的风险承受能力时，订单簿的重建机制将完全失效。只有当价格稳定在一个新的均衡点，或者交易所采取了干预措施（如暂停交易）后，做市商才会重新开始提交订单，订单簿的深度才得以缓慢恢复。
25.4.4 清算级联的抵御能力
系统韧性是永续合约市场独有的、也是最关键的韧性维度。它衡量的是市场在面临清算级联时的生存能力。清算级联是指价格下跌触发多头清算，清算产生的市价卖单进一步压低价格，从而触发更多清算的恶性循环。在缺乏熔断机制和涨跌幅限制的加密货币市场中，清算级联是导致系统性崩溃的最主要威胁。
为了抵御清算级联，永续合约市场发展出了一套独特的缓冲机制，其中最核心的就是保险基金。当被清算的头寸以低于破产价格成交时，产生的穿仓损失由保险基金来弥补，从而保护了盈利交易者的利润不受损失。保险基金的规模和消耗率是衡量系统韧性的重要指标。值得注意的是，主要交易所的保险基金并非单一资金池，而是按币种和合约类型分别设立：BTC 永续合约、ETH 永续合约和各山寨币永续合约各自拥有独立的保险基金。这种分割结构在提供风险隔离的同时，也意味着长尾资产合约的保险基金保护远弱于主流资产：在极端行情中，某一山寨币合约的保险基金可能已经耗尽并触发自动减仓，而 BTC 合约的保险基金仍然充裕。如果一次市场冲击消耗了保险基金的大部分甚至全部，这就意味着市场的系统韧性已经接近极限。在极端情况下，如果保险基金耗尽，交易所将不得不启动自动减仓机制，强制平仓盈利头寸，这将严重损害市场的信誉和流动性。
不同交易所的清算机制设计对系统韧性有着深远的影响。例如，早期某些交易所仅接受比特币作为保证金，这意味着在价格下跌时，多头交易者不仅面临头寸亏损，其保证金的价值也在缩水，这种非线性的杠杆效应显著增加了清算级联的风险 [22]。随着市场的演进，现代交易所普遍引入了多币种混合保证金和阶梯式清算机制，有效减缓了清算对市场的瞬时冲击，从而提升了系统的整体韧性。
保证金制度的架构选择对清算级联的抵御能力产生决定性影响。逐仓保证金模式将特定头寸的风险隔离，为每个合约分配独立的保证金，其优势在于限制了单一错误决策的损失上限。然而，逐仓模式使得单个头寸的缓冲空间极小，在剧烈波动中更容易频繁触发微型清算，在微观层面上增加了市场的交易摩擦和短期波动 [23]。全仓保证金模式允许交易者使用账户内的所有可用余额作为共同担保，在正常市场条件下显著降低了被清算的概率，使得交易组合能够更好地吸收局部冲击 [23]。但全仓模式在极端尾部事件中表现出极强的脆弱性：当市场遭遇全面抛售时，相关性资产的同步下跌会迅速耗尽整个账户的保证金，导致所有头寸被同时强制平仓，向市场瞬间释放巨大的抛压。从系统层面来看，当市场中大多数交易者采用全仓保证金时，这种个体层面合理的风控选择会在聚合层面产生合成谬误：单一资产的暴跌不仅清算该资产的头寸，还会连带清算同一账户中所有其他资产的头寸，将原本局限于一个市场的冲击扩散为跨资产的系统性抛压。
阶梯式清算机制和保险基金构成了缓冲清算冲击的第二道防线。现代清算引擎已从早期的简单市价平仓演化为复杂的多阶段系统：第一阶段尝试以限价单清算，将被清算头寸挂入订单簿等待撮合；第二阶段在限价单未能成交时启动对手方撮合，寻找愿意以折价接管头寸的做市商；最后阶段才执行市价清算。部分交易所还引入了清算委托机制，允许第三方做市商以优于破产价格的价格主动接管被清算头寸，从而减少对市场的冲击。阶梯式清算在此基础上进一步优化，根据市场深度和价格滑点分批次逐步减仓，在一定程度上平滑了抛压。保险基金则作为吸收穿仓损失的资金池，用日常清算中收取的罚金来弥补极端情况下的系统性亏损，但其规模通常只占总未平仓合约的一小部分 [23]。
25.4.5 资金费率的韧性功能
资金费率是永续合约最核心的创新，其设计初衷是作为一种价格锚定机制，通过多空双方的定期资金交换，迫使永续合约价格向现货指数价格回归。在正常市场状态下，资金费率充当了有效的修复机制：当合约价格高于现货时，多头向空头支付费用，抑制过度看多情绪；反之亦然。这种锚定机制持续地将套利资本引入市场，维持了定价的有效性，构成了市场韧性的重要微观基础。
然而，在极端行情中，资金费率机制可能不仅无法发挥韧性功能，反而表现出强烈的顺周期性，放大市场的波动。当市场出现单边剧烈波动时，投机性订单流往往会压倒套利资本的承接能力 [24]。此时，资金费率会飙升至极端水平。对于持有逆势头寸的交易者而言，他们不仅要承受巨大的账面浮亏，还要支付高昂的资金费。这种双重负面效应加速了保证金的消耗，迫使交易者提前平仓或被强制清算，进而推动价格进一步偏离基本面。值得关注的是，资金费率韧性功能的失效并非从正常状态到崩溃的突然跳变，而是一个渐进耗竭的过程：在中高费率持续期间，套利者虽然持续介入以压缩费率偏差，但其保证金缓冲在每次结算周期中被逐步消耗。当真正的极端冲击到来时，套利资本已被显著削弱，导致修复机制的崩溃速度远快于从完全正常状态直接跳转至极端状态的情形。这种路径依赖性使得市场在经历长时间的单边行情后，对突发冲击的韧性会系统性地低于市场的初始状态。
资金费率韧性功能失效的另一个关键条件是底层流动性的枯竭。当现货市场流动性枯竭时，指数价格的微小变动会被放大，导致资金费率的计算基础失去代表性。此外，部分交易所为了防止资金费率过度惩罚单边持仓者，设定了费率上限。在极端情绪下，当真实的市场不平衡程度远超这个上限时，资金费率便失去了其价格锚定和供需调节的功能，导致永续合约价格与现货价格发生长期且严重的脱轨。
25.4.6 跨交易所传染
加密资产市场由众多相互独立的交易所构成，但它们通过跨交易所套利者、共同的做市商以及高度重叠的资产抵押池被紧密地连接在一起。这种网络结构使得任何单一节点的危机都可能迅速演变为全市场的系统性危机，构成了对市场韧性的终极考验。
跨交易所的价格传染机制主要通过两条路径发挥作用。第一条路径是流动性冲击的直接传导。当某大型交易所发生挤兑或清算级联时，该平台上的资产价格会发生暴跌。由于套利算法在毫秒级监控着各个平台的价格差，它们会迅速在其他正常运行的交易所抛售相同资产以锁定利润，从而将价格崩溃瞬间传递到全网。第二条路径是资产负债表的交叉感染。许多机构投资者在多个平台同时持有敞口，当其在一个平台的头寸遭遇强制清算时，为了补充保证金，他们不得不清算其他平台上的健康头寸，这种跨平台的去杠杆化过程将流动性危机蔓延至原本不相关的资产和交易所。
除上述两条路径之外，去中心化协议与中心化交易所之间的双向传染构成了第三条日益重要的传导渠道。中心化交易所的大规模清算通过预言机价格馈送传导至链上借贷和永续合约协议，触发链上清算和流动性池的失衡；反之，链上协议的崩溃（如 2022 年 Terra-Luna 事件）通过套利者和共同抵押品渠道将冲击传导至中心化交易所。稳定币脱锚构成了一种尤为危险的独立传染路径：当 USDT 或 USDC 的锚定出现偏离时，以稳定币计价的保证金在所有交易所和协议中同时缩水，跨所、跨协议同步触发清算，其传染范围远超单一资产或单一平台的危机。
2022 年 11 月 FTX 的崩溃提供了一个研究系统性传染的典型案例。作为当时全球第三大加密衍生品交易所，FTX 的破产不仅摧毁了其原生代币，更引发了显著的下行风险溢出效应。实证研究表明，在 FTX 崩溃期间，与该平台深度绑定的资产承受了最强烈的风险传染，而即使是相对独立的比特币和以太坊，也因整体市场流动性的抽离而经历了剧烈的价格重估 [25]。更值得注意的是，FTX 危机导致大量跨交易所做市商遭受重创甚至破产，全网流动性基线在随后数月内大幅下降，市场的整体韧性受到了长期损害。
图 25-5 将上述传染机制呈现为网络结构，各节点代表主要交易所和关键机构参与者，连线的粗细与方向反映流动性冲击和资产负债表传染的强度与路径。图中标注的关键放大节点——同时连接多个交易所的大型做市商和对冲基金——在正常时期充当流动性桥梁，危机中却成为系统性传染的加速器。
图 25-5. 跨交易所稳定性传染的网络结构与传导路径（基于 FTX 崩溃 [25] 及 2025 年 10 月清算级联 [20][26] 实证研究的代表性重建，边强度为定性分级、非实测权重）
类似的网络效应在随后的市场压力事件中反复出现。例如，在 2025 年 10 月由宏观经济冲击引发的清算级联中，约 36 小时内全网发生了规模空前的清算（清算名义规模，而非被抹去的未平仓合约）[20]。在这场危机中，跨资产传染的强度甚至超过了以往的宏观压力测试，再次证明了在缺乏全网统一协调机制的情况下，个体交易所的风险控制措施无法阻挡系统性危机的蔓延。
25.4.7 跨平台比较与演化
尽管永续合约市场的流动性在过去几年中显著提升，但韧性的改善却是最缓慢的。这是因为流动性的提升可以通过降低费率或提供做市商返佣等短期激励来实现，而韧性的增强则需要制度层面的系统性改革和基础设施的长期投入。从历史演化的角度来看，加密货币市场的韧性已经经历了几次重大的考验和进化。
对比几次重大市场危机，我们可以清晰地看到韧性的演变轨迹。在 2020 年 3 月的市场崩盘中，市场结构几乎完全崩溃，网络拥堵导致套利者无法在交易所之间转移资金，加剧了局部的流动性枯竭 [22]。到了 2022 年 5 月的 Terra-Luna 崩溃期间，尽管市场同样经历了剧烈的价格波动和大规模清算，但主要交易所的系统并未出现长时间的宕机，价差和深度的恢复时间也从数小时缩短至数十分钟。而在 2022 年 11 月 FTX 破产引发的动荡中，尽管市场信心受到重创，但剩余主要平台的流动性指标在 10 至 20 分钟内就基本恢复了正常状态 [27]。然而，将这一恢复完全归因于市场结构的成熟度提高需要审慎对待。FTX 的崩溃本质上是一个信用事件而非纯粹的流动性事件，其他平台流动性的快速恢复部分源于 FTX 用户的资金和交易活动向幸存平台迁移，本质上是一种流动性再分配机制，而非市场自身的流动性再生能力。区分这两种恢复机制对于准确评估市场韧性至关重要：流动性再分配仅在部分平台遭遇危机时有效，而在全市场范围的系统性冲击中则不可依赖。
然而，韧性的提升并非没有代价，它往往需要与交易成本之间进行权衡。为了维持更高的韧性，交易所需要建立更庞大的保险基金，实施更严格的风险控制，并可能要求做市商承担更严格的报价义务。这些措施不可避免地会增加系统的整体摩擦成本，并最终转嫁给交易者。此外，市场韧性不仅包含上述流动性和清算层面的恢复能力，还包含运营层面的技术可靠性。交易所系统宕机、API 中断、DDoS 攻击以及安全事件同样构成对市场连续性的直接威胁。2024 年的 Bybit 安全事件和多次中心化交易所在极端波动期间的系统过载表明，一个在流动性韧性上表现优异但技术基础设施频繁故障的平台，其有效韧性将大打折扣。运营韧性的评估应当纳入系统可用性、安全事件频率和灾备恢复速度等指标。
因此，未来的永续合约市场设计需要在极致的流动性和可靠的韧性之间寻找一个最佳的平衡点，以确保市场在常态和压力状态下均能维持核心功能。
25.5 公平性
公平性是传统市场质量评价中经常被忽略但在加密市场中尤为突出的维度。在传统金融市场中，公平性通常由监管机构通过统一的规则和严厉的惩罚来强制执行，因此它更多地被视为一种“前置条件”而非需要持续评估的市场质量指标。然而，在永续合约市场中，由于缺乏统一的全球监管框架以及中心化交易所与去中心化协议在架构上的根本差异，公平性成为了一个高度可变且直接影响参与者福利的核心变量。
永续合约市场的公平性问题不是一个纯粹的道德问题，而是一个深刻的市场效率问题。当市场规则未能平等适用，或者某些参与者获得了系统性的信息特权时，这种不公平会直接转化为其他参与者的交易成本。信息特权和执行不平等会导致知情交易者的优势被放大，做市商为了补偿被逆向选择的风险，必然会扩大买卖价差或减少流动性供给。最终，这种由制度设计或技术架构导致的不公平将损害所有无信息交易者的福利，并降低市场的整体质量。
25.5.1 多层次结构
市场公平性并非一个单一维度的概念，而是由多个相互交织的层次构成。为了系统地评估永续合约市场的公平性，我们需要将其分解为三个核心层次：执行公平、信息公平与制度公平。这三个层次分别对应了交易者在“如何交易”、“基于什么信息交易”以及“在什么规则下交易”三个环节中可能遭遇的不平等待遇。
图 25-6 呈现执行公平、信息公平、制度公平三个层次的嵌套关系及其向市场质量指标的传导路径，三层由最微观的成交质量逐级上升到规定游戏规则边界的制度层。图中还呈现了不同架构的差异化表现：中心化交易所在执行与信息公平层面面临较大挑战（源于做市商特权和共位托管优势），但可在制度层面通过内部治理修复；去中心化交易所在制度层面表现出色（规则硬编码于智能合约），却面临 MEV 这一兼具信息与执行双重属性的新型不公平威胁。
图 25-6. 公平性的多层次结构与市场影响路径（作者综合概念示意，非实测数据；理论基础：Angel & McCabe, 2013 [28]；Lin et al., 2019 [29]）
执行公平关注市场参与者在订单提交和处理速度上的差异——当某些参与者凭借技术手段或交易所提供的特殊通道获得系统性速度优势时，执行公平即受到破坏，普通交易者的订单总是落后于高频交易者（其机制将在§25.5.2 展开）。
信息公平涉及市场数据和订单流信息的分配。在理想的市场中，所有公开信息应该同时对所有参与者可用。然而，在现实的永续合约市场中，知情交易的程度和信息特权的分配存在显著差异。做市商或高频交易机构往往能够获得更深度的订单簿数据或更快的市场数据推送。Glosten 和 Milgrom (1985) 的经典模型表明，在信息不对称条件下，做市商的买卖价差是对逆向选择风险的理性补偿 [30]。当信息特权被极少数参与者垄断时，这种不对称性将迫使其他流动性提供者扩大价差，从而增加了全市场的交易成本。
制度公平是最高层次的公平性，涉及交易所或协议制定和执行规则的公正程度，也是最具破坏性的不公平来源——它不仅扭曲价格发现，还可能引发利益冲突乃至市场信任的崩溃（其机制将在§25.5.3 展开）。
25.5.2 执行公平
执行层面的不公平主要源于高频交易者在订单处理和信息获取上的速度优势。在永续合约市场中，价格发现和流动性供给高度依赖于做市商的持续报价。然而，这种微观结构也为那些拥有极低延迟连接的参与者创造了寻租空间。Angel 和 McCabe (2013) 在探讨高频交易时代的市场公平性时指出，尽管高频交易在某些情况下能够改善市场流动性，但其依赖的微秒级速度优势本质上构成了对其他较慢参与者征收的一种隐性成本 [28]。
在中心化交易所中，这种执行不公平通常表现为物理位置和 API 的差异。资金雄厚的交易机构可以通过服务器托管服务，将其交易服务器部署在尽可能靠近交易所撮合引擎的数据中心内。这种物理距离的缩短使得它们能够比普通交易者更早地接收到价格更新，并更快地发送订单。此外，交易所往往会为顶级做市商提供专用的 API 通道，进一步放大了这种延迟不对称。当新的市场信息到达时，拥有速度优势的机构能够抢在普通交易者之前撤销旧报价或建立新头寸，这种“前跑”行为使得普通交易者经常面临滑点扩大或订单被拒绝的困境。
除了纯粹的速度优势，做市商还经常获得信息特权。在许多中心化永续合约交易所中，做市商可以通过特定的数据共享协议获得普通用户无法看到的订单流信息。这种高级数据访问权使他们能够更准确地预测短期价格走势。虽然交易所通常辩称提供这些数据是为了帮助做市商更好地管理风险从而提供更紧密的报价，但实际上这创造了一个不公平的信息阶层。知情交易者利用这些特权信息在市场中获取超额利润，而这些利润最终是由无信息交易者（主要是散户）通过更宽的有效价差和更高的滑点来支付的。
在极端行情下，执行层面的不公平会引发更严重的问题。当市场发生剧烈波动，大量头寸面临清算风险时，拥有提前获取清算信息和更快执行速度的机构可以预先在清算价格附近建立头寸，从而在清算级联发生时获利。这种行为不仅加剧了市场的超额波动，也使得被清算者遭受了远超其保证金缺口的额外损失。
25.5.3 制度公平
制度层面的不公平源于规则制定者的人为偏袒。在中心化永续合约市场中，交易所不仅是交易场所的提供者，往往还是规则的制定者、裁判员甚至参与者。这种多重角色导致了严重的利益冲突，并催生了不透明的做市商协议和极端的制度偏袒。
做市商协议的不透明性是制度不公平的典型表现。为了吸引流动性，交易所通常会实施做市方-吃单方费用结构。Malinova 和 Park (2015) 的研究表明，这种费用结构确实能够显著影响市场质量和交易者的行为选择 [31]。然而，在加密货币市场中，这些协议往往是不公开的。顶级做市商不仅可以获得全额的做市方费用返还，甚至可能获得额外的现金补贴或代币奖励。这种“VIP 特权”使得大型做市商能够以远低于普通参与者的成本进行交易，从而在策略竞争中占据绝对优势。虽然这种价格歧视在一定程度上有助于维持账面流动性，但它实质上构成了对中小交易者的不对称成本负担。
更严重的制度不公平来自于交易所的自营做市和关联交易。当交易所运营自己的做市团队或与特定的对冲基金存在密切的利益绑定时，公平性将受到根本性损害。2022 年 FTX 交易所的崩溃提供了一个极端的制度不公平案例。根据美国商品期货交易委员会的起诉书，FTX 的关联对冲基金 Alameda Research 不仅作为平台的主要做市商获得了特殊的交易优先权，更在代码层面获得了系统性的风险控制豁免 [32]。
在 FTX 的案例中，Alameda 能够绕过自动清算机制，即使其账户余额为负也依然可以继续交易。这种特权使得 Alameda 能够无限制地动用其他客户的资金进行高风险投机。此外，Alameda 还拥有比其他机构客户更快的 API 访问权限，使其能够在毫秒级别上领先于市场 [33]。这种极端的制度偏袒不仅是对其他所有交易者的不公平，更从根本上损害了交易所作为中立撮合引擎的信任基础。当规则制定者可以随意为特定参与者修改系统参数时，所谓的市场效率和价格发现就沦为内部利益相关者转移外部资金的渠道。
25.5.4 DEX 的公平性
面对中心化交易所中普遍存在的执行和制度不公平，去中心化交易所提供了一种基于区块链架构的替代方案。DEX 的核心价值主张之一是通过代码即法律和无需许可的特性，从根本上消除人为的规则偏袒和秘密协议。在这一架构下，公平性问题从“人与制度的博弈”转变为“人与代码的博弈”。
DEX 在制度公平性上具有显著的结构性优势。在基于自动做市商或链上中央限价订单簿的协议中，所有的交易规则、费用结构和清算参数都硬编码在开源的智能合约中。没有不透明的做市商协议，没有隐藏的 VIP 通道，也没有交易所自营团队的风险豁免。所有参与者，无论是拥有数亿美元资本的机构还是只有几百美元的散户，都必须遵循完全相同的执行逻辑。这种链上透明性确保了规则的绝对平等适用。McMenamin 等人 (2022) 指出，去中心化架构有潜力通过创新的协议设计（如频繁批量拍卖）来显著减少传统市场中的价值提取行为 [34]。然而，“硬编码”并非绝对不可变，大多数 DEX 协议采用可升级合约模式，核心参数可通过治理投票或多签钱包进行调整，而治理权力在实践中往往集中于少数大额代币持有者手中。更关键的是，当前主流的应用链永续合约平台（Hyperliquid、dYdX v4）的排序器均由单一实体中心化运行，这意味着排序器运营者在理论上拥有与中心化交易所类似的交易排序权力，包括对交易进行重排序或选择性审查的能力。这些因素表明，DEX 的制度公平优势虽然在规则透明性上是真实的，但在权力分散程度上仍存在与其去中心化叙事不完全一致的信任假设。
然而，DEX 的透明性和开放性也引入了新型的公平性挑战，最突出的便是最大可提取价值问题。在区块链网络中，由于所有待处理的交易都公开暴露在内存池中，并且区块构建者拥有决定交易打包顺序的权力，这就创造了一种兼具信息与执行双重属性的不公平。Daian 等人 (2019) 的研究详细描述了 DEX 中的抢先交易和交易重排现象，指出这会导致共识层面的不稳定性并直接损害普通交易者的利益 [35]。
在永续合约 DEX 中，MEV 通常表现为三明治攻击。当搜索者在内存池中观察到一笔可能引起显著价格滑点的大额订单时，他们会通过支付更高的优先费用，抢在该订单之前提交一笔同向交易推高价格，并在该订单执行后立即反向平仓获利。这种攻击使得受害者被迫以更差的价格成交。根据 Uniswap 的分析，虽然这种价值提取行为是区块链透明性的副产品，但它本质上是一种利用交易排序权对普通用户进行的隐性征税 [36]。
除了 MEV 攻击之外，去中心化交易所中的流动性提供者还面临着一种更隐蔽的结构性损失。Milionis 等人 (2022) 提出的损失对冲再平衡框架揭示了自动做市商中的一个根本性公平缺陷：当中心化交易所的价格率先更新时，知情套利者可以在去中心化交易所上以过时的报价执行交易，系统性地从流动性提供者处提取价值 [37]。损失与再平衡（Loss-Versus-Rebalancing, LVR）的存在表明，即使在消除了制度性特权的去中心化架构中，信息不对称仍然通过跨市场套利渠道对流动性提供者施加隐性税收，这构成了与中心化交易所中做市商特权不同但同样值得关注的公平性问题。
此外，DEX 中的公平性还受到技术能力和资本规模的制约。虽然规则对所有人平等，但能够编写复杂智能合约进行套利的技术极客，显然比只能通过网页前端进行手动交易的普通用户拥有巨大的优势。同时，在基于代币治理的协议中，资本雄厚的大户可以通过投票改变协议参数，从而实现符合自身利益的规则修改。因此，尽管 DEX 消除了中心化机构的特权，但它并未实现绝对的公平，而是在透明的规则下重新定义了优势的来源。
25.6 可及性
可及性衡量的是市场在多大程度上允许广泛的参与者跨越地理、资本和技术维度进入交易。在传统金融市场中，参与资格由监管规则预先设定，准入门槛被视为外生的制度约束而非市场质量的内生变量。然而，在加密永续合约市场中，无需许可的去中心化架构与严格身份审查的中心化平台并存，使得可及性成为直接决定参与者多样性和流动性池深度的核心质量维度。一个在交易成本和价格发现上表现优异但对大多数潜在参与者设置高准入壁垒的市场，其整体质量将因流动性基础的狭窄而大打折扣。
25.6.1 定义与度量框架
可及性可以被分解为三个相互关联的子维度。地理可及性衡量市场对不同司法管辖区用户的开放程度，包括地域性禁令、了解你的客户（Know Your Customer, KYC）分级审查制度以及法币出入金通道的覆盖范围。资本可及性关注最低存款门槛、VIP 交易量阶梯和保证金要求对不同资本规模参与者的筛选效应。技术可及性则评估用户在钱包设置、Gas 费用支付、智能合约交互和跨链桥接等环节面临的操作复杂度。
为了量化这三个子维度，可以构建以下操作性指标：地理覆盖指数（一个平台可服务的司法管辖区占全球加密活跃市场的比例）、最低可行资本（在特定平台开立并维持一个有意义头寸所需的最小资金量）和技术门槛评分（从钱包创建到首笔交易完成所需的步骤数和技术知识要求）[38][39]。这些指标使得可及性从一个定性概念转变为可量化的市场质量维度。
25.6.2 CEX 的准入壁垒
中心化交易所通过层级化的身份验证体系构建了一套隐性的准入等级制度。在基础层面，KYC 审查将未能提供有效身份证明的用户排斥在市场之外。在地理层面，美国居民被排除在绝大多数离岸永续合约平台之外，而多个亚洲和非洲国家的用户面临部分或完全的服务限制 [38][40]。在资本层面，VIP 阶梯制度构成了对散户交易者的结构性歧视——如§25.2.1所述，达到 Binance VIP3 等级所需的 1亿美元月交易量门槛，使具有竞争力的费率对绝大多数零售用户在结构上不可获得 [10]。
发展中经济体的用户面临着更为严峻的法币出入金摩擦。银行转账通道的缺乏、支付处理商的高额手续费以及本币兑换的汇率损耗，使得从法币进入加密衍生品市场的实际成本远超显性交易费用 [41]。这种摩擦不仅限制了个体参与者的市场准入，更系统性地削弱了特定地理区域对全球价格发现过程的贡献能力。
25.6.3 DEX 的无许可接入与技术门槛
去中心化交易所的核心价值主张之一是无许可接入，即任何持有数字钱包的用户均可在无需身份验证的情况下参与交易 [8][42]。这种架构从根本上消除了中心化平台的地理限制和身份审查壁垒，在制度层面实现了最大程度的开放性。然而，技术门槛在很大程度上替代了制度门槛，成为去中心化市场可及性的主要约束。
钱包管理、助记词安全存储、Gas 费用优化、智能合约风险评估以及跨链资产桥接，构成了一系列对非技术用户而言具有显著复杂性的操作环节。其中，智能合约安全风险尤为值得关注：非技术用户在与 DEX 交互时面临的不仅是操作复杂度，还有因不慎授权恶意合约而导致资产被盗的安全风险。这种安全门槛使得 DEX 的无许可接入优势在实践中被部分抵消。以太坊主网的 Gas 费用在网络拥堵期间可能使小额交易在经济上不可行，从而创造了一个事实上的最低交易规模门槛。以 Hyperliquid 和 dYdX v4 为代表的应用链架构的兴起，通过将交易执行迁移至专用链并大幅降低交易费用，显著缓解了这一技术壁垒 [43]。然而，应用链在降低交易费用的同时也引入了新的门槛：资产跨链桥接。用户需要将资产从以太坊主网或其他链桥接至应用链，这一过程涉及对桥安全性的信任假设、数分钟至数十分钟的等待时间以及额外的桥接费用。对于非技术用户而言，桥接操作的认知复杂度和安全风险可能高于 Gas 费用优化本身。账户抽象和移动端优先的界面设计进一步降低了钱包管理的复杂度，使得去中心化市场的用户体验正在逐步趋近于中心化平台。
25.6.4 可及性与市场质量的反馈循环
可及性并非一个孤立的市场质量维度，而是通过参与者多样性这一中间变量与其他维度形成深层反馈循环。更广泛的准入意味着更多元化的参与者群体，不同风险偏好、不同信息集、不同交易时区的参与者汇聚在同一市场中，从而加深流动性池、改善价格发现效率并增强市场在局部冲击下的韧性。相反，受限的准入导致参与者向专业机构集中，虽然可能在短期内提高执行效率，但也使得市场在流动性供给和风险承担上过度依赖少数同质化主体，在压力时期表现出更高的脆弱性。
DEX 交易量在中心化交易所遭遇监管打击期间的显著攀升，为可及性的市场质量效应提供了自然实验证据。当特定司法管辖区限制用户访问中心化平台时，交易活动迅速向无许可的去中心化协议迁移，揭示了市场参与者对可及性的强烈偏好 [44]。这种迁移模式表明，可及性约束不仅是一个福利分配问题，更是影响全球流动性配置格局的结构性力量。§25.8.1将进一步探讨消费者保护与市场可及性之间的监管困境。
25.6.5 跨平台比较与演化
在可及性维度上，中心化交易所和去中心化交易所呈现出互补的优劣势格局。中心化交易所通过流畅的用户界面、完善的法币通道和专业的客户服务，大幅降低了技术门槛，使得非技术背景的用户能够便捷地参与交易。然而，其地理覆盖范围受到监管合规要求的严格限制，且 KYC 分级制度在保护投资者的同时也构成了对全球参与的制度性约束。去中心化交易所则在地理可及性上具有结构性优势，无许可架构意味着任何互联网用户均可参与，但较高的技术复杂度在用户体验层面形成了事实上的准入壁垒。
这两种架构正在经历显著的趋同演化。中心化交易所开始引入链上结算和非托管钱包选项，试图在合规框架内赋予用户更大的资产自主权。去中心化交易所则通过账户抽象、社交登录和移动端原生应用等技术创新，持续降低技术门槛 [43][45]。这种双向趋同表明，市场竞争正在推动可及性维度的整体改善。未来的竞争焦点将从“是否可及”转向“以何种成本可及”，即在保持广泛准入的同时，如何最小化用户在地理、资本和技术三个子维度上面临的综合摩擦 [41]。
25.7 综合评估
单一维度的市场质量指标必然是片面的。正如前文所述，仅凭极窄的买卖价差或极高的信息效率，并不能断言一个市场具备高水平的整体质量。只有将交易成本、价格发现、韧性、公平性和可及性这五个维度整合为一个综合指数，才能捕捉市场质量的全貌。然而，这种整合本身也面临着权重选择和维度间权衡的根本性挑战。本节将详细阐述五维市场质量指数的构建方法论，并将其应用于跨平台和跨架构的比较分析。
25.7.1 构建方法论
五维市场质量指数的核心目标是将不同量纲和属性的微观结构指标转化为可比较的标准化评分。这一过程要求在保留各个维度独立特征的同时，建立一个统一的度量基准。
指数的构建始于基础指标的标准化。交易成本维度主要依赖于有效价差和市场冲击成本的倒数；价格发现维度采用 Hasbrouck 信息份额或方差比检验的得分；韧性维度量化为流动性冲击后的价差恢复半衰期和深度恢复率；公平性维度基于做市商协议透明度和知情交易概率的反向指标；可及性维度则综合评估最低资本门槛和全球准入程度（详见§25.6）。这些基础指标通过极差标准化方法映射到 0 至 100 的得分区间，使得原本不可通约的物理量转化为同一尺度下的质量得分 [7]。需要指出的是，极差标准化对极端值高度敏感，而加密市场中极端值频繁出现，例如某山寨币的买卖价差可能在流动性危机中突然飙升至数百基点。在实际应用中，可以采用分位数标准化或对极端值进行截尾处理以增强鲁棒性。此外，标准化的参照样本选择（以全部资产为基准还是仅以主流资产为基准）会根本性地改变各平台的得分排序，因此在具体应用中必须明确说明参照范围。
在完成标准化后，综合指数的计算面临权重选择的核心难题。等权分配方案假设五个维度对整体市场质量的贡献完全相同，这种处理方式在数学上较为简洁，但在经济学意义上往往缺乏坚实的理论支撑。相比之下，功能权重方案更具解释力。例如，对于高频套利者而言，交易成本和价格发现维度的权重远高于其他维度；而对于长期机构投资者或监管者而言，韧性和公平性维度则占据主导地位。因此，五维指数的实际应用并不追求一个普适的单一总分，而是强调在特定评估目标下的加权结果。
尽管五维模型提供了更全面的评估视角，但其局限性同样不容忽视。维度间的不可通约性意味着，在一个维度上的得分提升并不能完全弥补另一个维度上的得分下降。例如，通过极端杠杆降低交易成本所获得的得分增加，无法抵消由此引发的清算级联导致的韧性得分崩塌。这种非线性关系要求我们在应用五维指数时，不能仅看加权总分，而必须审视各维度得分的分布形态及其内在的权衡关系。
25.7.2 CEX 的横向比较
图 25-7 以热力图对比 Binance、OKX、Bybit 以及去中心化代表 Hyperliquid 在交易成本、价格发现、韧性、公平性和可及性五个维度上的质量得分。该图呈现出一个显著的对角线分化模式：中心化交易所在效率导向维度上占优，而去中心化交易所则在公平性和可及性维度上展现优势。
图 25-7. 主要交易所五维市场质量得分热力图（五个维度的得分均为代表性/定性序数评分、非实测精确测量；交易成本与价格发现得分基于 Barbon 和 Ranaldo [7] 的方法论，韧性得分基于各平台公开的保险基金数据和价差恢复速度估算 [13]，公平性得分基于做市商协议透明度和 API 接入分级的定性评分，可及性得分基于地理准入限制和最低资本门槛）
在交易成本和价格发现这两个“效率导向维度”上，Binance 表现出显著的领先优势。其深厚的订单簿流动性和庞大的交易量基础，使得买卖价差长期维持在极低水平，同时在价格发现过程中占据主导地位。OKX 和 Bybit 在这些维度上紧随其后，三家头部平台之间的差距正在逐渐缩小，反映出做市商竞争和基础设施升级带来的同质化趋势 [46]。
然而，在“制度保障维度”上，各平台的表现呈现出不同的特征。在韧性方面，头部中心化交易所凭借庞大的保险基金和成熟的清算引擎，在面对中等规模的市场冲击时能够较快恢复流动性。但在公平性维度上，中心化交易所普遍得分偏低。这主要源于其做市商协议的不透明性以及 VIP 客户享有的执行特权。这种制度设计虽然有效降低了整体交易成本，但不可避免地损害了普通交易者的相对公平性。
25.7.3 CEX 与 DEX 的比较
中心化交易所与去中心化交易所代表了两种截然不同的市场架构范式，这种底层架构的差异深刻地塑造了它们在五维模型中的质量特征。
去中心化交易所在公平性和透明度上具有结构性的绝对优势。以 Hyperliquid 或 dYdX 为代表的平台，其核心逻辑建立在链上规则的强制执行之上。所有的清算参数、费率结构和订单匹配逻辑对所有参与者完全公开，彻底消除了中心化交易所中普遍存在的做市商私下协议和信息特权 [42]。此外，去中心化架构无需许可的特性，使得其在可及性维度上同样表现优异，任何拥有数字钱包的用户均可无障碍参与市场。
然而，这种在公平性和可及性上的优势，是以牺牲部分交易成本和韧性为代价的。去中心化交易所在大额交易中往往能提供具有竞争力的执行成本 [7]，但在小额交易中仍面临成本劣势。对于以太坊主网上的自动做市商（Automated Market Maker, AMM）型去中心化交易所，固定 Gas 费用是小额交易成本过高的主要原因；而对于应用链架构的永续合约平台（如 Hyperliquid 和 dYdX v4），交易本身不收取 Gas 费用，小额交易的成本劣势主要来自相对有限的流动性深度导致的更大价格冲击，而非固定费用。更关键的是在韧性维度，去中心化平台在极端市场压力下面临更大的流动性枯竭风险。当市场出现剧烈波动时，缺乏中心化做市商底线支撑的去中心化流动性池可能迅速枯竭，导致价差急剧扩大和价格发现功能短暂停滞。这表明，CEX 与 DEX 在市场质量上并非简单的替代关系，而是呈现出高度的互补性。
25.7.4 动态演化
市场质量并非静态的截面数据，而是一个随时间推移不断演化的动态过程。回顾2019年至2025年的发展历程，永续合约市场在各个维度上呈现出显著但不均衡的改善轨迹。
在过去 6 年中，改善速度最快的是交易成本和价格发现维度。随着高频交易机构的全面介入和匹配引擎技术的升级，主流资产的买卖价差下降了近一个数量级 [47]。同时，永续合约在价格发现中的信息份额稳步上升，已从早期的现货跟随者转变为主要的定价场所。这种“效率导向维度”的快速提升，主要得益于激烈的商业竞争和技术创新的直接驱动。
相比之下，韧性和公平性这两个“制度保障维度”的改善步伐则显得相对迟缓。尽管各大平台逐步完善了清算机制并扩充了保险基金规模，但在2022年和2025年的多次极端市场冲击中，流动性瞬时真空和清算级联现象依然频发 [48]。这表明，仅仅依靠技术升级无法从根本上解决由高杠杆和顺周期机制带来的内生脆弱性。公平性方面的进展同样缓慢，做市商特权和信息不对称问题依然是市场微观结构中的持续性难题。未来的市场质量改善方向，必然要求从单纯的技术效率竞争，转向更深层次的制度设计优化与架构创新。
25.8 监管含义
市场质量的度量不仅是对交易环境的学术描述，更是制定监管政策的科学基础。传统金融市场的监管框架大多建立在对特定市场质量缺陷的干预之上，例如通过要求信息披露来改善价格发现效率，或者通过资本充足率要求来增强系统韧性。然而，将这些监管逻辑平移至永续合约市场时，监管者面临着全新的挑战。加密衍生品市场的去中心化特征、跨境属性以及全天候交易机制，使得干预措施的效果往往偏离预期。更重要的是，监管干预本身也会重塑市场微观结构，在解决一个维度的质量问题时，可能引发其他维度的质量恶化。因此，理解市场质量各维度与监管目标的映射关系，以及不同司法管辖区之间监管套利的影响，是在效率、公平和稳定之间寻找合理平衡的前提。
25.8.1 监管目标的对应关系
市场质量的五个维度并非孤立的学术指标，它们直接对应着金融监管的核心政策目标；监管机构对市场的干预，本质上是对这些维度中某一项或多项的纠偏与强化。图 25-8 以矩阵形式展示五维市场质量与主要监管目标之间的映射关系，并标识每项监管工具对各维度的直接作用强度与潜在负面溢出效应。由此可提炼一个关键洞见：几乎不存在仅影响单一维度的监管工具，每项干预在改善目标维度的同时，都会通过复杂的传导链路对其他维度产生正面或负面的溢出效应——这种多维联动性正是监管政策设计的核心难题。
图 25-8. 监管目标与市场质量维度的映射关系（作者基于 Harris [4] 及各监管框架构建的 5×5 定性映射矩阵，非实测）：横轴为五个质量维度、纵轴为竞争政策/信息监管/宏观审慎/反操纵/消费者保护五类监管目标，主要作用沿对角分布，交叉区以正/负号标注正面与负面溢出效应（依据§25.8.1）
交易成本维度直接关联竞争政策。监管机构通过反垄断措施和促进市场透明度来降低显性和隐性交易成本。在永续合约市场中，做市商的竞争格局和交易所的费率结构直接决定了投资者的交易成本 [17]。监管层对交易成本的干预通常表现为要求交易所公开订单簿数据，减少信息不对称，从而促进做市商之间的充分竞争。然而，过度压低交易成本可能会挤出边际做市商，导致流动性集中于少数头部机构，进而损害市场的整体韧性。
价格发现维度对应信息监管。金融监管的一个基本目标是确保市场价格能够准确、及时地反映所有可用信息 [4]。为此，监管机构通常要求发行方进行定期和临时的信息披露，并严厉打击内幕交易。在永续合约市场中，由于缺乏传统意义上的企业基本面信息，价格发现更多依赖于宏观经济数据、链上活动指标以及资金费率的信号传导。监管面临的挑战在于如何界定加密资产的“实质性非公开信息”，以及如何规范预言机报价的生成过程，以防止价格发现机制被恶意扭曲。
韧性维度是系统性风险监管的核心关切。监管机构通过设定资本充足率、流动性覆盖率等宏观审慎工具，旨在增强金融机构抵御外部冲击的能力 [49]。在永续合约市场中，由于普遍缺乏中心化清算机构的信用担保，韧性主要依赖于交易所的自动减仓机制和保险基金。监管干预在此维度的目标是防止单一个体的违约演变为系统性的清算级联。要求交易所维持充足的保险基金储备，并对其风险管理模型进行压力测试，是提升市场韧性的关键监管手段。
公平性维度直接指向反市场操纵监管。公平的市场环境要求所有参与者在交易执行和信息获取上享有平等的机会。在加密衍生品市场中，延迟套利、抢跑交易以及交易所对特定做市商的 VIP 特权，构成了对公平性的主要威胁 [50]。监管机构通过禁止特定的交易行为、要求交易所公平分配订单流等方式来维护市场公平。然而，严格的公平性监管可能会削弱做市商提供流动性的积极性，从而在一定程度上推高交易成本。
可及性维度与消费者保护和准入监管密切相关。如§25.6所分析的，监管机构通过客户身份识别和反洗钱要求，以及对投资者适当性的评估，来决定谁可以参与市场 [38]。永续合约市场的高杠杆特征使其对零售投资者具有极大的吸引力，但也伴随着极高的爆仓风险。监管在此面临着艰难的权衡：提高准入门槛可以有效保护缺乏风险承受能力的投资者，但同时也违背了加密市场“无需许可”的初衷，降低了市场的整体可及性。
25.8.2 现有框架的适用性
将传统的证券和衍生品监管框架直接应用于永续合约市场，暴露出显著的不适应性。传统框架建立在中心化清算、明确的司法管辖权边界和标准化的产品生命周期之上，而这些假设在加密市场中往往不成立。
欧盟的《金融工具市场指令 II》是全球最全面的金融市场监管框架之一。根据该指令，加密衍生品有可能被归类为金融工具，从而受制于复杂的报告、透明度和最佳执行要求 [51]。然而，MiFID II 的设计初衷并未考虑永续合约无到期日和持续资金费率的特性。指令中关于交易前和交易后透明度的要求，在应用于高频波动的加密市场时，可能会对做市商的报价策略产生意外的负面影响。此外，MiFID II 依赖于明确的清算和结算基础设施，这与许多去中心化交易所通过智能合约自动执行的逻辑存在根本冲突。值得注意的是，欧盟于 2024 年 12 月正式生效的《加密资产市场监管法案》明确将加密衍生品排除在其直接管辖范围之外，将其推回 MiFID II 框架下进行监管。这一分类决定形成了一个显著的监管缺口：永续合约这种最具创新性也最具风险性的加密衍生品，实际上仍然受制于一个并非为其设计的传统框架。
美国的《全国市场系统规则》旨在通过统一的市场数据分配和订单保护规则，提升股票市场的整体效率和公平性 [52]。其核心的订单保护规则要求交易所在全市场最优价格处执行订单。若将此原则引入永续合约市场，理论上可以解决流动性碎片化带来的价差问题。但加密市场的现实是，交易所之间缺乏统一的清算体系和互操作协议，跨平台的最优执行面临着极高的技术和资金转移成本。强制实施类似 Reg NMS 的规则，不仅技术上难以实现，还可能引发严重的执行延迟，反而损害市场质量。
永续合约市场的特殊性使得传统监管框架留下了大片空白。首先是去中心化架构带来的监管对象缺失。当交易协议由不可篡改的智能合约运行，且没有明确的中心化运营实体时，传统的基于机构牌照的监管模式便难以实施。其次是跨境流动性带来的管辖权冲突。加密资产可以在全球范围内瞬间转移，单一司法管辖区的监管禁令往往只能将交易活动推向监管宽松地区，而无法从根本上消除风险。最后是资金费率机制带来的新型风险。传统监管缺乏对这种持续性杠杆成本的评估工具，难以有效衡量其在极端行情下对投资者造成的隐性剥削。
25.8.3 监管工具设计
面对传统监管框架的局限性，监管机构需要设计更具针对性的动态工具，这些工具应当直接锚定市场质量的具体指标，而非仅仅依赖静态的合规检查。
基于流动性的杠杆上限是调控市场韧性的重要工具。传统衍生品市场的保证金要求通常是静态的，或仅根据历史波动率定期调整。在永续合约市场中，杠杆率与流动性深度之间存在紧密的非线性关系 [53]。当市场深度不足以吸收大规模清算订单时，高杠杆极易引发清算级联。因此，监管可以要求交易所实施基于实时订单簿深度的动态杠杆上限：在流动性充裕的常态下允许较高杠杆以降低交易成本，而在流动性枯竭的压力状态下自动降低最大允许杠杆，从而在不完全牺牲资本效率的前提下提升市场抗冲击能力。
基于韧性的保险基金要求是防范系统性风险的另一关键机制。目前，多数交易所的保险基金规模由其内部模型决定，缺乏透明度和外部监督。监管机构可以引入类似传统银行业压力测试的机制，要求交易所的保险基金规模必须能够覆盖特定置信区间下的极端价格冲击 [54]。这种监管要求直接提升了市场的制度韧性，确保在黑天鹅事件中，盈利交易者的利润不会因为对手方的穿仓而遭到强制分摊。
然而，基于市场质量的监管干预必须警惕意外后果。当某一司法管辖区实施严格的杠杆限制或高昂的资本要求时，最直接的市场反应往往是流动性迁移。做市商和高频交易者会迅速将资金和交易量转移至监管较宽松的离岸平台。这种流动性的流失会导致受监管市场的价差扩大、冲击成本上升，最终使其在交易成本和价格发现维度上处于劣势。因此，监管工具的设计必须在提升市场安全性和保持市场竞争力之间寻找微妙的平衡。
25.8.4 监管套利与国际协调
加密衍生品市场的全球连通性与各国监管政策的碎片化，共同催生了广泛的监管套利现象，这对全球市场质量产生了显著影响。
不同司法管辖区在永续合约监管上展现出截然不同的态度，且这种态度本身也在快速演变 [40]。美国的监管立场经历了从严厉执法到审慎开放的转变：2022 至 2024 年间，SEC 和 CFTC 对多家加密交易所发起诉讼，将多数加密资产视为证券并严厉打击未注册的衍生品平台；但自 2025 年初新一届政府上任后，SEC 撤回了对部分交易所的诉讼，CFTC 也开始探索更具包容性的衍生品监管框架。这种政策转向可能显著改善美国市场的可及性维度，但其对韧性和公平性的长期影响尚待观察。欧盟则通过《加密资产市场监管法案》试图建立统一的合规框架，但在衍生品分类上仍存在模糊地带。相比之下，部分亚洲和加勒比海地区的离岸金融中心则采取了更为宽松的监管态度，吸引了大量加密原生交易所的注册。这种监管差异的直接后果是，全球永续合约市场的流动性高度集中于少数离岸平台。
监管套利对市场质量的影响是双面的。一方面，它为市场参与者提供了逃避严苛监管的渠道，使得永续合约市场能够在较低的合规成本下实现极高的可及性和较低的交易成本。另一方面，它严重损害了市场的整体公平性和韧性。离岸平台往往缺乏严格的投资者保护机制和透明的做市商规则，零售投资者在这些平台上暴露于极高的操纵风险和系统性崩溃风险之中。此外，当离岸平台发生危机时，由于缺乏最后贷款人和明确的破产清算程序，其负面影响会迅速通过价格传导机制蔓延至全球市场。
国际协调是解决监管套利的根本途径，但在实践中面临巨大局限。尽管金融稳定理事会和国际证监会组织等国际机构已经提出了加密资产监管的高级别建议，但由于各国在金融主权、创新容忍度和投资者保护理念上的根本分歧，达成具有约束力的全球统一监管框架仍然遥不可及 [55]。在缺乏全球协调的情况下，单一国家的强监管往往只能导致本国投资者失去参与全球定价的机会，而无法真正消除加密市场固有的结构性风险。因此，未来的监管演进可能更多依赖于主要经济体之间的双边协议，以及对关键法定货币法币出入金通道的协同控制。
25.9 技术变革与制度演进
市场质量的演化轨迹并非单一维度的线性增长，而是技术创新与制度规制相互作用的复杂过程。技术进步能够显著降低交易摩擦并提升信息处理效率，但它并不自动带来市场质量的全面改善。相反，新技术的引入往往在解决旧有摩擦的同时，创造出新的结构性脆弱或公平性失衡。评估市场质量的未来，核心在于辨析技术变革是否能够触及当前市场结构的根本性缺陷，以及制度演进能否在创新与稳定之间建立新的均衡。
25.9.1 人工智能做市商
人工智能与机器学习技术在微观结构层面的应用，正在重塑流动性供给的基本范式。传统的算法做市商依赖预设的参数和静态的库存控制模型，而基于强化学习的人工智能做市商能够根据高频订单流数据动态调整报价策略 [56]。这种技术升级在常态市场中展现出显著的效率优势：人工智能模型能够更精准地预测短期价格方向，从而收窄买卖价差并降低逆向选择成本 [57]。在库存管理方面，智能算法通过动态调整持仓偏好，能够在提供更深流动性的同时维持较低的资本占用率，这直接提升了市场的整体交易效率 [58]。
然而，人工智能做市商的普及也引入了新的系统性风险。当市场中多数流动性提供者采用相似的机器学习架构和训练数据集时，策略同质化问题将变得极为突出。在面对未曾出现在训练数据中的极端冲击时，同质化的智能算法可能产生高度相关的撤单行为或方向一致的激进平仓 [59]。这种行为模式在压力期间会抽干订单簿深度，导致流动性瞬间枯竭，从而将局部的价格波动放大为系统性的流动性危机。
人工智能做市商在压力期间的行为逻辑揭示了技术效率与市场韧性之间的内在冲突。虽然智能算法在平静期能够将交易成本压缩至极低水平，但其风险规避机制在危机时刻往往表现出更快的撤退速度。这意味着，由人工智能主导的流动性环境可能呈现出一种高度脆弱的特征：常态下极度平滑，但在尾部风险事件中极易发生结构性断裂。因此，评估人工智能对市场质量的最终影响，必须超越常态下的价差指标，重点考察其在极端状态下的流动性供给意愿。
25.9.2 链上衍生品
全链上衍生品协议代表了去中心化金融在复杂交易结构上的最新尝试。以 dYdX 和 Hyperliquid 为代表的架构，试图在无需许可的区块链环境中重现中心化交易所的执行效率 [43]（§25.6对这一维度进行了系统分析）。链上衍生品的核心优势在于其透明性对市场公平性的系统性改善。在中心化平台中，做市商的特权协议和内部清算参数往往对普通参与者隐蔽；而在链上环境中，清算逻辑、资金费率计算以及订单匹配规则均由智能合约公开执行 [8]。这种架构消除了信息特权和不透明操作的空间，使得所有市场参与者在规则层面处于绝对平等的地位。
尽管公平性获得了显著提升，链上衍生品在执行效率和交易成本方面仍面临物理法则的约束。区块链网络的共识机制不可避免地引入了状态更新的延迟，这使得链上订单簿在处理高频信息时的效率低于中心化匹配引擎 [45]。延迟的存在不仅扩大了做市商的逆向选择风险，还为最大可提取价值创造了空间。当交易者的意图在打包进区块前被暴露，套利者可以通过三明治攻击或抢跑交易提取租金，这实际上构成了一种隐性的交易税，削弱了链上市场的价格发现质量。
链上衍生品能否在流动性深度上与中心化交易所竞争，取决于其架构能否有效平衡去中心化与资本效率。当前的数据表明，虽然头部链上协议能够支持数千万美元级别的头寸开仓并保持合理的价格冲击 [60]，但其流动性的变异性显著高于中心化平台 [43]。在极端行情下，受制于底层链的吞吐量瓶颈，链上清算机制可能因网络拥堵而失效，从而引发更严重的系统性级联。因此，链上衍生品的未来演进需要在共识层面的技术突破与应用层面的风险隔离之间寻找新的设计空间。
25.9.3 跨链流动性整合
随着多链生态的繁荣，流动性碎片化已成为制约加密资产市场质量的最严重结构性障碍。同一资产的流动性被分散在众多独立的区块链网络和协议中，导致局部市场的深度变浅、价格冲击变大，进而推高了整体的交易成本 [61]。这种物理上的隔离阻碍了资本向最高效的交易场所流动，使得不同链上的价格发现过程相互独立，削弱了全局市场的定价效率 [62]。
跨链互操作性协议的发展为解决这一困境提供了技术路径。以 LayerZero 和 Chainlink CCIP 为代表的基础设施，通过建立标准化的跨链消息传递机制，使得资产和状态能够在不同网络间安全转移 [63]。这种流动性整合不仅允许交易者访问全局最优的报价，还大幅降低了跨链套利的摩擦。当套利者能够以更低的延迟和成本抹平不同链间的价差时，市场的整体信息效率将得到显著提升，价格发现过程也将从局部的碎片化状态演变为全局的协同整合 [64]。
然而，跨链流动性整合同样面临严峻的技术与监管挑战。在技术层面，跨链桥的安全模型往往成为整个系统的最薄弱环节，一旦验证节点被攻破或智能合约存在漏洞，整合后的流动性池将面临毁灭性的资产损失风险。在监管层面，跨链资产的流动模糊了司法管辖区的边界，使得反洗钱和合规监控变得异常困难。如何在实现流动性统一的同时，建立足以抵御系统性传染的技术防火墙并满足合规要求，是跨链整合走向成熟必须跨越的障碍。
25.9.4 长期均衡
市场质量的长期演化可以被概念化为竞争、创新与监管三者之间的动态博弈过程。竞争压力是驱动市场质量改善的最直接动力。交易所为了争夺市场份额和流动性提供者，会不断压缩手续费、优化匹配引擎并提供更丰富的产品线 [65]。这种基于商业利益的竞争使得交易成本在过去 10 年间出现了数量级式的下降，同时推动了订单簿深度的持续增长。
技术创新则扮演着打破现有均衡的角色。无论是自动做市商的数学模型创新，还是跨链协议的架构突破，都为解决旧有摩擦提供了新的工具。然而，创新往往具有不可预测性，它在提升某一方面效率的同时，可能会损害市场的公平性或引入新的脆弱性 [66]。此时，监管压力便成为引导市场质量向社会最优方向演进的必要约束。监管框架通过设定最低资本要求、强制信息披露和限制利益冲突，旨在保护处于信息劣势的参与者，并防范系统性风险的积累 [67]。
竞争、创新与监管三者共同塑造了市场质量的权衡前沿。过度严格的监管可能抑制技术创新并固化现有寡头的竞争优势，从而阻碍交易成本的进一步下降；而完全放任的竞争与创新则可能导致市场向极度追求效率但牺牲公平与稳定的方向倾斜。未来的市场质量将取决于这三种力量如何达成新的制度均衡。只有当技术创新被引导至解决根本性缺陷，且监管框架能够适应去中心化架构的特性时，永续合约市场才能在保持高效价格发现的同时，建立起抵御极端冲击的深层韧性。
图 25-9 以竞争-创新-监管三角博弈框架呈现三力对市场质量五个维度的差异化牵引：效率导向维度（交易成本、价格发现）受竞争-创新轴拉动而快速改善，制度保障维度（韧性、公平性）靠近监管顶点而增强，可及性居于桥梁位置。市场质量的长期演化并非单一力量所能主导，而取决于三力在特定制度环境下的均衡位置——当竞争和创新压力过大而监管约束不足时，效率导向维度将被推至极端，韧性和公平性可能严重恶化；反之，过度监管则可能将市场锁定在低效率但表面稳定的均衡中。
图 25-9. 市场质量演化的三角博弈框架（概念示意，非实测数据；基于市场微观结构理论的综合分析 [66][67]）
25.10 本章小结
市场质量是一个多维度、动态演化的系统性概念。传统的市场微观结构研究往往侧重于单一维度的分析，例如将买卖价差作为流动性的代理变量，或将信息份额作为价格发现的度量标准 [3]。然而，单一维度的评估无法捕捉市场结构的全局特征，特别是在永续合约这种缺乏中心化清算且允许高杠杆的创新衍生品市场中。本章构建的五维模型（交易成本、价格发现、韧性、公平性和可及性）提供了一个综合性的评价框架，揭示了永续合约市场在不同维度上的结构性特征。
这五个维度之间并非相互独立，而是存在内在张力：流动性的改善往往以韧性下降为代价——高频做市商极窄的买卖价差降低了常态交易成本，但其在极端波动中的快速撤单也放大了流动性枯竭的风险 [68]；公平性与效率、可及性与公平性之间同样存在如§25.1.4 所述的系统性权衡。这种权衡表明，不存在所有维度都达到最优的市场，综合指数的构建必然涉及对不同维度的权重分配，而这种分配本质上反映了特定市场参与者或监管者的价值偏好。
在过去 10 年的演化中，永续合约市场的质量改善呈现出显著的不对称性。如§25.7.4 所析，由竞争直接驱动的维度改善最快，交易成本已大幅下降、价格发现中的领导地位日益稳固 [69]，而韧性与公平性等需要制度变革支撑的维度则进展迟缓，做市商特权与信息不对称使普通交易者在结构上仍处于劣势 [4]。这种不对称演化表明，市场规模的扩大和流动性的深化并不能自动消除结构性缺陷，制度保障维度的改善必须依赖于有意识的制度设计和外部监管干预。
市场质量评估不仅是对当前市场状态的诊断，更是市场微观结构研究的综合框架。流动性决定了交易成本的基线，套利效率塑造了价格发现的边界，波动率特征反映了市场的韧性水平，而治理机制则从根本上界定了市场的公平性与可及性。永续合约市场在效率导向维度（交易成本和价格发现）上的领先优势证明了其机制创新的价值，但其在制度保障维度（韧性和公平性）上的持续落后也暴露了无约束发展的系统性风险。可及性作为连接效率与制度的桥梁维度，在去中心化架构中展现出结构性优势，但在用户体验和技术门槛方面仍需持续改进。第 26 章将从监管经济学的角度出发，探讨如何在创新与稳定之间寻找最优的平衡点。
参考文献
[1] Ruan, Q., & Streltsov, A. (2025). Perpetual futures contracts and cryptocurrency market quality: Insights from emerging markets. Cornell SC Johnson College of Business. https://business.cornell.edu/article/2025/02/perpetual-futures-contracts-and-cryptocurrency/
[2] Stigler, G. (1961). The economics of information. Journal of Political Economy, 69(3), 213-225.
[3] O'Hara, M. (1995). Market Microstructure Theory. Blackwell Publishers.
[4] Harris, L. (2003). Trading and Exchanges: Market Microstructure for Practitioners. Oxford University Press.
[5] Amihud, Y. (2002). Illiquidity and stock returns: Cross-section and time-series effects. Journal of Financial Markets, 5(1), 31-56. https://doi.org/10.1016/s1386-4181(01)00024-6
[6] Ruan, Q., & Streltsov, A. (2022). Perpetual futures contracts and cryptocurrency market quality. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4218907
[7] Barbon, A., & Ranaldo, A. (2024). On the quality of cryptocurrency markets: Centralized versus decentralized exchanges. arXiv preprint arXiv:2112.07386v7. https://doi.org/10.48550/arXiv.2112.07386
[8] Capponi, A., & Jia, R. (2025). Liquidity provision on blockchain-based decentralized exchanges. The Review of Financial Studies, 38(10), 3040–3085. https://doi.org/10.1093/rfs/hhaf046
[9] Alexander, C., Choi, J., Massie, H. R. A., & Sohn, S. (2020). Price discovery and microstructure in ether spot and derivative markets. International Review of Financial Analysis, 71, 101506. https://doi.org/10.2139/ssrn.3511533
[10] Binance. (2026). USDⓈ-M Futures Trading Fee Rate. Retrieved from https://www.binance.com/en/fee/futureFee
[11] OKX. (2026). Trading Fee | Fee Rate | Crypto Exchange Fees. Retrieved from https://www.okx.com/fees
[12] Petersen, M. A., & Fialkowski, D. (1994). Posted versus effective spreads: Good prices or bad quotes? Journal of Financial Economics, 35(3), 269-292.
[13] Jain, A. (2025, September 5). Comparing hidden trading costs: Liquidity analysis across six major platforms [Commercial review]. Analytics Insight. Retrieved June 24, 2026, from https://www.analyticsinsight.net/
[14] Kasinski, D. (2025). Digital asset funding rates as a distinct risk factor: Evidence from a systematic harvesting approach. Available at SSRN 5551719.
[15] Hasbrouck, J. (1995). One security, many markets: Determining the contributions to price discovery. Journal of Finance, 50(4), 1175-1199. https://doi.org/10.1111/j.1540-6261.1995.tb04054.x
[16] Gonzalo, J., & Granger, C. (1995). Estimation of common long-memory components in cointegrated systems. Journal of Business & Economic Statistics, 13(1), 27-35.
[17] He, S., Manela, A., Ross, O., & von Wachter, V. (2022). Fundamentals of perpetual futures. arXiv preprint arXiv:2212.06888. https://doi.org/10.48550/arXiv.2212.06888
[18] Robertson, K., & Zhang, R. (2025). Price discovery in bitcoin spot and futures markets. Journal of International Money and Finance, 159, 103415. https://doi.org/10.1016/j.jimonfin.2025.103415
[19] Kyle, A. S. (1985). Continuous auctions and insider trading. Econometrica, 53(6), 1315-1335. https://doi.org/10.2307/1913210
[20] Ali, Z. (2025). Anatomy of the Oct 10-11, 2025 crypto liquidation cascade: Macroeconomic triggers, market microstructure, and systemic risk lessons. Available at SSRN 5611392.
[21] Large, J. (2007). Measuring the resiliency of an electronic limit order book. Journal of Financial Markets, 10(1), 1-25. https://doi.org/10.1016/j.finmar.2006.09.001
[22] Samani, K. (2020). March 12: The day crypto market structure broke (Part 1). Multicoin Capital.
[23] Chen, Z., He, Z., & Wei, W. (2024). Margin rules and margin trading: Past, present, and implications. Annual Review of Financial Economics, 16, 153–177. https://doi.org/10.1146/annurev-financial-110921-102509
[24] Gornall, W., Rinaldi, M., & Xiao, Y. (2025). Funding payments crisis-proofed bitcoin's perpetual futures [Working paper]. European Corporate Governance Institute (ECGI).
[25] Bouri, E., Kamal, E., & Kinateder, H. (2023). FTX collapse and systemic risk spillovers from FTX Token to major cryptocurrencies. Finance Research Letters, 56, 104099. https://doi.org/10.1016/j.frl.2023.104099
[26] Corbet, S., & Muñiz, J. A. (2025). When cryptocurrency collapses: Systemic risk transmission and corporate finance. Available at SSRN 5904822.
[27] Vidal-Tomás, D., Briola, A., & Aste, T. (2023). FTX's downfall and Binance's consolidation: The fragility of centralised digital finance. Physica A: Statistical Mechanics and its Applications, 625, 129044. https://doi.org/10.1016/j.physa.2023.129044
[28] Angel, J. J., & McCabe, D. (2013). Fairness in financial markets: The case of high frequency trading. Journal of Business Ethics, 112(4), 585-595.
[29] Lin, Y., Swan, P. L., & Harris, F. H. deB. (2019). Why maker-taker fees improve exchange quality: Theory and natural experimental evidence. Available at SSRN 3034901. https://doi.org/10.2139/ssrn.3034901
[30] 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
[31] Malinova, K., & Park, A. (2015). Subsidizing liquidity: The impact of make/take fees on market quality. The Journal of Finance, 70(2), 509-536. https://doi.org/10.1111/jofi.12230
[32] Commodity Futures Trading Commission. (2022). Complaint for Injunctive and Other Equitable Relief and for Civil Monetary Penalties: CFTC v. Samuel Bankman-Fried, FTX Trading Ltd., and Alameda Research LLC. https://www.cftc.gov/media/8021/enfftxtradingcomplaint122122/download
[33] Securities and Exchange Commission. (2022). Complaint: SEC v. Samuel Bankman-Fried. https://www.sec.gov/files/litigation/complaints/2022/comp-pr2022-219.pdf
[34] McMenamin, C., Daza, V., & Fitzi, M. (2022). Fairtradex: A decentralised exchange preventing value extraction. Proceedings of the 2022 ACM CCS Workshop on Decentralized Finance and Security, 21-30.
[35] Daian, P., Goldfeder, S., Kell, T., Li, Y., Zhao, X., Bentov, I., ... & Juels, A. (2019). Flash boys 2.0: Frontrunning, transaction reordering, and consensus instability in decentralized exchanges. arXiv preprint arXiv:1904.05234. https://doi.org/10.48550/arXiv.1904.05234
[36] Uniswap Labs. (2025). What is Maximal Extractable Value (MEV)? https://blog.uniswap.org/maximal-extractable-value-mev
[37] Milionis, J., Moallemi, C. C., Roughgarden, T., & Zhang, A. L. (2022). Automated market making and loss-versus-rebalancing. arXiv preprint arXiv:2208.06046. https://doi.org/10.48550/arXiv.2208.06046
[38] Johnson, K. N. (2021). Decentralized finance: Regulating cryptocurrency exchanges. William & Mary Law Review, 62(6), 1911. https://doi.org/10.2139/ssrn.3831439
[39] Demirgüç-Kunt, A., Klapper, L., Singer, D., & Ansar, S. (2022). The Global Findex Database 2021: Financial Inclusion, Digital Payments, and Resilience in the Age of COVID-19. World Bank. https://doi.org/10.1596/978-1-4648-1897-4
[40] Dell'Erba, M., & Vianelli, A. (2025). Crypto-derivatives regulation(s). Cornell International Law Journal (forthcoming). https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5895082 https://doi.org/10.2139/ssrn.5895082
[41] Chainalysis. (2025). The 2025 Geography of Cryptocurrency Report. Retrieved June 24, 2026, from https://go.chainalysis.com/2025-geography-of-cryptocurrency-report.html
[42] Hasbrouck, J., Rivera, T. J., & Saleh, F. (2024). An economic model of a decentralized exchange with concentrated liquidity. Management Science. Advance online publication. https://doi.org/10.1287/mnsc.2024.04510
[43] Ved, T. (2025). Inside dYdX: On-chain perpetual futures. Coin Metrics State of the Network. https://coinmetrics.substack.com/p/state-of-the-network-issue-318
[44] Makarov, I., & Schoar, A. (2020). Trading and arbitrage in cryptocurrency markets. Journal of Financial Economics, 135(2), 293-319.
[45] Chainlink. (2026). DeFi derivatives: The future of onchain trading. https://chain.link/article/defi-derivatives
[46] Madhavan, A. (2000). Market microstructure: A survey. Journal of Financial Markets, 3(3), 205-258. https://doi.org/10.1016/s1386-4181(00)00007-0
[47] Bongaerts, D., & Van Achter, M. (2016). High-frequency trading and market stability [Working paper]. SSRN. https://doi.org/10.2139/ssrn.2698702
[48] International Monetary Fund. (2015). Market liquidity -- Resilient or fleeting? Global Financial Stability Report.
[49] Financial Stability Board. (2025). Recommendations to address financial stability risks created by leverage in nonbank financial intermediation. https://www.fsb.org/2025/07/
[50] Easley, D., O'Hara, M., & Yang, L. (2016). Differential access to price information in financial markets. Journal of Financial and Quantitative Analysis, 51(4), 1071-1110. https://doi.org/10.1017/s0022109016000491
[51] Financial Conduct Authority. (2018). Cryptocurrency derivatives statement. https://www.fca.org.uk/news/statements/cryptocurrency-derivatives
[52] Securities and Exchange Commission. (2005). Regulation NMS. Release No. 34-51808.
[53] International Swaps and Derivatives Association. (2025). Policy ideas to enhance market liquidity and risk management. https://www.isda.org/
[54] Aramonte, S., Huang, W., & Schrimpf, A. (2021). DeFi risks and the decentralisation illusion. BIS Quarterly Review, December 2021.
[55] Draganidis, S. (2023). Jurisdictional arbitrage: Combatting an inevitable by-product of cryptoasset regulation. Journal of Financial Regulation and Compliance, 31(2), 170-185.
[56] Kearns, M., & Nevmyvaka, Y. (2013). Machine learning for market microstructure and high frequency trading. High Frequency Trading: New Realities for Traders, Markets, and Regulators, 1-22.
[57] Chakrabarty, B., & Pascual, R. (2023). Stock liquidity and algorithmic market making during the COVID-19 crisis. Journal of Banking & Finance, 147, 106415. https://doi.org/10.1016/j.jbankfin.2022.106415
[58] DWF Labs. (2025). The impact of AI on crypto trading and market making. https://www.dwf-labs.com/news/the-impact-of-ai-on-crypto-trading-and-market-making
[59] Bogoev, D. (2025). Liquidity pricing and crisis: New metrics from traditional and blockchain-based markets. Durham University Theses.
[60] GMX. (2026). GMX | Decentralized perpetual exchange. https://gmx.io/
[61] Sim, J. Y., Chun, H., & Park, J. (2025). Toward unified liquidity in cryptocurrency markets: A comparative survey and architectural perspective. International Journal of Advanced Smart Convergence, 14(2), 33–45. https://doi.org/10.7236/IJASC.2025.14.2.33
[62] Johnson, W. C., & Scharnowski, S. (2025). Price discovery through wrapped tokens. Economics Letters, 257, 112703. https://doi.org/10.1016/j.econlet.2025.112703
[63] Chainlink. (2026). Multi-chain liquidity integration: Unifying fragmented assets. https://chain.link/article/multi-chain-liquidity-integration
[64] Lao, X., Chen, S., & Wang, Q. (2025). FLUXLAYER: High-performance design for cross-chain fragmented liquidity. IEEE International Conference on Blockchain and Cryptocurrency.
[65] OECD. (2023). Competition and innovation, Part I: A theoretical perspective. OECD Competition Committee.
[66] Auer, R., Farag, M., Lewrick, U., Orazem, L., & Zoss, M. (2022). Banking in the shadow of Bitcoin? The institutional adoption of cryptocurrencies. BIS Working Papers No. 1013.
[67] Rana, H. A., Audi, M., & Ali, A. (2025). Determinants of cryptocurrency adoption: A cross-country analysis of economic, technological, and institutional factors. Journal of Social Signs Review, 3(8), 58–76.
[68] Alexander, A. (2025). The impact of market-making incentives on crypto liquidity & price stability. Available at SSRN 5143194. https://doi.org/10.2139/ssrn.5143194
[69] Griffith, T., & Clancey-Shang, D. (2023). Cryptocurrency regulation and market quality. Journal of International Financial Markets, Institutions and Money, 84, 101744. https://doi.org/10.1016/j.intfin.2023.101744