第59章 加密资产中心化做市与永续合约¶
补充章节：Crypto CEX Market Making & Perpetual Swaps（原书出版后的市场发展）
关于资金费率的运作机制与永续合约基础制度，详见第 56 章。
在第13章中，Harris 描述了传统做市商如何在纽约证券交易所或纳斯达克通过提供双边报价赚取价差。在第36章中，我们探讨了去中心化交易所（DEX）如何通过自动做市商（AMM）算法重新定义流动性提供。
然而，在当前的加密货币市场结构中，占据统治地位的既不是传统的现货交易所，也不是链上的 AMM，而是中心化加密货币交易所（CEX）的永续合约（Perpetual Swaps）市场。Binance、OKX、Bybit 等巨头构建了一个 7x24 小时运行、高度杠杆化、且微观结构独特的交易生态。对于量化机构而言，这里是流动性最充裕、套利机会最密集、但同时也是风险最剧烈的战场。本章将深入剖析这一市场的核心机制——永续合约，并探讨在中心化加密交易所进行做市与套利的独特逻辑。
59.1 永续合约：加密市场的基石¶
永续合约（Perpetual Swap，简称 Perp）是一种类似于传统期货合约的衍生品，但它有一个关键的区别：没有到期日（No Expiry Date）。资金费率机制的详细原理请参见第 56 章，本章聚焦于在 CEX 上运用这一机制进行做市与套利的策略逻辑。
59.1.1 为什么永续合约统治了市场？¶
对于散户而言，永续合约提供了高达 100 倍的杠杆，且无需像传统期货那样定期移仓（Roll Over），操作体验极佳。对于交易所而言，永续合约聚集了最大的流动性，成为手续费收入的核心支柱。目前，主流加密资产的永续合约交易量通常是其现货交易量的 2 到 10 倍。
59.2 中心化交易所（CEX）的微观结构特征¶
与传统金融交易所（如 CME、NYSE）相比，加密 CEX 具有显著不同的微观结构特征：
59.2.1 碎片化与基差（Fragmentation & Basis）¶
传统金融中，苹果股票主要在纳斯达克交易。但在加密市场，BTC/USDT 永续合约同时在 Binance、OKX、Bybit、Deribit 等数十个交易所交易。这些市场虽然高度相关，但并非完全同步。
- 交易所间基差（Inter-exchange Basis）：同一时刻，Binance 的 BTC 价格可能比 OKX 高 10 美元。这为跨交易所套利（Cross-Exchange Arbitrage）提供了持续的机会。
- 现货-永续基差（Spot-Perp Basis）：同一交易所内，永续合约价格与现货价格的价差。
59.2.2 清算机制对做市商的策略影响¶
加密市场的高波动性和高杠杆意味着穿仓（账户余额变为负数）是常态。清算引擎、保险基金和自动减仓（ADL）构成了三层风控机制。
关于清算引擎、保险基金、ADL的详细运作机制，参见第56章第56.2节。
对做市商而言，这些机制带来两类独特风险：
- ADL风险：当保险基金耗尽触发ADL时，交易所会强制对手方（盈利最高的仓位）减仓以消化穿仓头寸。这意味着做市商的盈利仓位可能在最不希望的时刻被强制平仓，且平仓价格由系统决定，不可协商。
- 清算流冲击：强平引擎处理大额爆仓单时以市价执行，瞬间消耗订单簿深度。做市商如果未能及时撤单，可能被清算流以极端不利的价格成交。反之，具备快速检测清算流能力的做市商可以将其转化为盈利机会（参见59.3.3节）。
59.2.3 VIP 等级与做市商激励¶
CEX 普遍采用激进的 Maker-Taker 费率阶梯。对于高等级 VIP 或指定做市商，Maker 费率通常为负（即返佣，Rebate）。例如，挂单成交不仅不付费，交易所还奖励 0.005%。这使得在 CEX 做市的商业模式与传统高频交易（HFT）高度一致：通过极高的周转率赚取返佣，同时控制库存风险。
59.3 核心交易策略¶
59.3.1 资金费率套利（Delta Neutral Carry Trade）¶
这是加密量化基金最基础的策略，旨在捕获资金费率收益，同时对冲价格风险。
- 操作：在现货市场买入 1 BTC，同时在永续合约市场做空 1 BTC。
- 收益：由于 Delta 中性，价格涨跌不影响总资产。若资金费率为正（牛市常态），空头每 8 小时收取一次费率。年化收益率（APY）在牛市中可达 15%-50%，熊市中则可能接近 0 或为负。
- 风险：基差扩大的风险（Mark-to-Market loss）、交易所倒闭风险（Counterparty Risk）。
59.3.2 跨所做市与搬砖（Cross-Exchange Market Making）¶
利用交易所间的碎片化流动性。
- 操作：在 Binance（流动性好）和 Bybit（流动性稍差）同时维护双边报价。当 Bybit 出现买单吃掉你的卖单时，立即在 Binance 买入对冲。
- 核心能力：极低的延迟（Co-location）、精准的库存管理、费率优势。
59.3.3 强平清算策略（Liquidation Sniping）¶
强平引擎在处理大额爆仓单时，往往会不计成本地市价抛售，导致价格瞬间偏离正常水平（插针）。
- 操作：监控交易所的强平推送流。当检测到大额强平单进入市场时，做市商撤掉买单，等待价格超跌后由被动买入（Limit Order）或主动抄底，随后的均值回归会带来丰厚利润。
59.4 风险管理与基础设施¶
59.4.1 7x24 小时的运维挑战¶
加密市场永不休眠。这意味着做市系统必须具备 99.99% 的可用性。任何停机维护或网络抖动都可能导致巨大的敞口风险。 * 热更新（Hot-Swap）：代码部署必须在不停止交易进程的情况下完成。 * 多活架构：必须在 AWS 东京、新加坡等多地部署冗余节点，防止单一云服务商故障。
59.4.2 API 限制与延迟¶
CEX 的 API 频率限制（Rate Limit）是做市商的主要瓶颈。Binance 可能允许每秒 100 次下单，而小交易所可能只有 10 次。 * Websocket 优化：必须使用 Websocket 维持长连接以获取最快行情。 * 多账户分流：大型做市商通常维护数十个子账户以规避频率限制。
59.4.3 交易所对手方风险（Exchange Risk）¶
FTX 的倒闭给整个行业敲响了警钟。中心化交易所本质上是一个不受监管的黑箱银行。 * 资产分散：绝不将所有资金放在单一交易所。 * 场外结算（Off-Exchange Settlement）：利用 Copper、Fireblocks 等第三方托管结算网络，仅将交易所需的保证金映射到交易所，本金保留在受监管的托管方。
59.5 Avellaneda-Stoikov 在永续合约做市中的适配¶
第75章完整推导了 Avellaneda-Stoikov (A-S) 模型——做市商通过调整双边报价的偏移量 \(\delta^a\)、\(\delta^b\)，最大化终端财富的指数效用。A-S 模型的核心输出是保留价格（reservation price）和最优价差：
其中 \(S\) 是中间价，\(q\) 是库存，\(\gamma\) 是风险厌恶系数，\(\sigma\) 是波动率，\(k\) 是订单到达率参数。
然而，将这一框架直接应用于加密永续合约做市，需要针对加密市场的独特特征进行若干关键调整。
59.5.1 波动率参数 σ 的校准¶
A-S 模型假设 \(\sigma\) 是常数，但加密市场的波动率极度非平稳：
- 牛市阶段：BTC 年化波动率约 50%-80%，部分山寨币可达 100%-150%
- 熊市/恐慌阶段：BTC 年化波动率可飙升至 100%-150%，极端日内波动率更高
- 横盘阶段：年化波动率可降至 25%-40%
对做市商而言，使用固定 \(\sigma\) 会导致两种错误：在低波动期报价过宽（损失成交量和返佣收入），在高波动期报价过窄（遭受严重逆向选择）。
实践方案：使用 EWMA（指数加权移动平均）实时更新 \(\sigma\)，典型衰减系数 \(\lambda = 0.94\)（5分钟级别）或 \(\lambda = 0.97\)（日级别）。更精细的方法是使用 regime-switching 波动率模型：定义2-3个波动率状态（低/中/高），使用隐马尔可夫模型在状态间切换，每个状态使用不同的 \(\sigma\) 参数。状态切换的触发信号包括：已实现波动率的跳升（参见第79章）、资金费率的极端化、以及公开持仓量的异常变动。
59.5.2 资金费率对保留价格的修正¶
在传统 A-S 模型中，持有头寸的期望收益为零——中间价 \(S\) 是鞅过程。但在永续合约市场中，持有头寸会产生或支付资金费率（funding rate）（详见第56章），这改变了头寸持有的期望收益。
修正后的保留价格为：
其中 \(\mathbb{E}[\text{funding\_rate}]\) 是资金费率的期望值（通常使用当前费率或短期预测值），\(\Delta t\) 是到下一次费率结算的时间间隔。
直觉：当资金费率为正（多头支付空头）时，持有空头头寸有正期望收益，因此做市商的保留价格应向上偏移——他更愿意持有空头，因此将卖价调低以更积极地做空。反之，当资金费率为负时，保留价格向下偏移以偏好多头。
59.5.3 到达率 k 的差异¶
A-S 模型中，限价单的成交概率建模为 \(\Lambda(\delta) = A e^{-k\delta}\)，其中 \(k\) 衡量市场参与者的价格敏感度——\(k\) 越大，参与者对价格偏移越敏感，限价单越容易成交。
加密市场的参与者结构与传统市场显著不同：
- 散户占比更高：散户对价格偏移的敏感度较低（\(k\) 值更小），他们更倾向于使用市价单且对几个基点的价差不敏感。
- 信息不对称结构不同：传统市场的知情交易主要来自基本面分析，加密市场的"知情"交易更多来自链上数据分析和清算流预判。
实证上，BTC/USDT 永续合约的 \(k\) 值约为传统大盘股的 0.3-0.5 倍，这意味着在加密市场中，做市商可以设置更宽的基础价差而仍能获得充足的成交量。
59.5.4 数值示例：BTC/USDT 永续做市参数设定¶
假设 BTC 当前价格 \(S = \$50,000\)，做市商设定以下参数：
| 参数 | 值 | 说明 |
|---|---|---|
| \(\sigma\) | 80%（年化） | EWMA 估计，当前为中等波动环境 |
| \(\gamma\) | \(1 \times 10^{-5}\) | 风险厌恶系数（每美元单位） |
| \(k\) | 0.5 | 订单到达率衰减参数 |
| \(T - t\) | 1/365 | 时间窗口设为1天 |
| 资金费率 | +0.01%/8h | 当前为正（多头付空头） |
计算结果（零库存时，\(q = 0\)）：
- 基础价差 \(\delta^a + \delta^b = \gamma \sigma^2 (T-t) + \frac{2}{\gamma} \ln(1 + \gamma/k) = 0.0000175 + 0.000004 \approx 0.0022\%\)
这一理论价差极窄，实际中需要加上：最小价格变动约束（tick size）、API 延迟补偿、以及安全边际。
5档报价示例（最佳买卖价附近）：
| 档位 | 买价偏移 | 卖价偏移 | 挂单量 |
|---|---|---|---|
| 1 | -0.01% | +0.01% | 0.5 BTC |
| 2 | -0.03% | +0.03% | 1.0 BTC |
| 3 | -0.06% | +0.06% | 2.0 BTC |
| 4 | -0.10% | +0.10% | 3.0 BTC |
| 5 | -0.15% | +0.15% | 5.0 BTC |
当库存偏移为 \(q = +2\)（多头2 BTC）时，保留价格下移约 \(q \gamma \sigma^2 \approx \$1.75\)，所有买价进一步收紧、卖价放宽，以促进库存回归中性。同时，正资金费率使保留价格小幅上移约 \(\$0.50\)，部分抵消库存偏移。
主要参考资料¶
- "Microstructure of Crypto Markets" — Makarov & Schoar (2020)，加密市场套利与价差分析
- "Market Making with Reinforcement Learning" — 深度做市策略综述
- "The Mechanics of Perpetual Futures" — BitMEX研究博客，永续合约机制分析
- "High-Frequency Trading in a Limit Order Book" — Avellaneda & Stoikov (2008)，做市商基准模型
- "Optimal Market Making" — Guéant (2017)，A-S 框架的现代扩展与参数校准方法