5D Library › 高杠杆衍生品清算瀑布、订单簿深度衰竭与协整统计套利 · English

第二章 永续合约、资金费率与强制平仓

注

再次提醒。 本章的公式说明高杠杆仓位离强平有多近,不是教人如何使用杠杆。表中的波动率与费率都是示意值,不对应任何具体资产或交易场所。

没有到期日的期货

普通期货有到期日,到期时期货价格必须与现货价格收敛。永续合约没有到期日,那么什么力量把它的价格拴在现货附近?答案是周期性的资金费:当永续合约价格高于现货(或某个现货指数)时,多头按仓位名义价值的一定比例付给空头;低于现货时,空头付给多头。价格越偏离,资金费率越高,持有偏离一方的成本越大,套利者就有动力把价格推回去。

证据

永续合约的理论与实证。 希勒 1993 年的论文提出了永续期货的设想,用意是为单户住宅等缺乏流动性的资产建立可以现金结算的衍生品市场 (Shiller 1993)。何松润、马内拉、罗斯与冯·瓦赫特在无摩擦市场中推导了永续合约的无套利价格、在有交易成本时推导了价格区间,指出永续合约不像定期期货那样保证收敛到现货,资金费机制使价格保持在现货附近;他们发现加密市场中偏离无套利价格的幅度大于传统外汇市场,各币种之间同向变动,并随时间缩小 (He et al. 2022)。阿克雷尔、于戈尼耶与耶尔曼推导了线性、反向与跨币种(quanto)永续合约的无套利价格,并证明期货价格等于现货在一个随机抽样时点上的风险中性期望;他们还给出了使期货与现货价格恰好相等的资金费设计 (Ackerer et al. 2024)。

各交易场所的资金费公式各不相同,但大多是两部分之和:一个溢价项(永续价格相对现货指数的偏离,常在一段时间内取平均),加一个利率项,再被限制在一个上下限之内,每隔几个小时结算一次。本书不讨论任何一家的具体参数。对持仓者来说,要紧的是一个简单的乘法:资金费按名义价值收取,而保证金只是名义价值的 1/L1/L,所以每期资金费占保证金的比例是 LL 乘以资金费率。

逐仓强平价格

在逐仓模式下,每个仓位有自己独立的保证金。设以价格 P0P_0 开多头,数量 QQ,杠杆 LL(初始保证金 QP0/LQP_0/L),维持保证金率为 mm(按当前标记价格的名义价值计)。价格为 PP 时,仓位权益为 QP0/L+Q(P−P0)QP_0/L + Q(P-P_0);当它降到维持保证金 mQPmQP 时被强制平仓:

QP0L+Q(P−P0)=mQP⇒Pliq多=P01−1/L1−m,Pliq空=P01+1/L1+m.\frac{QP_0}{L} + Q(P-P_0) = mQP \quad\Longrightarrow\quad P_{\text{liq}}^{\text{多}} = P_0\,\frac{1-1/L}{1-m}, \qquad P_{\text{liq}}^{\text{空}} = P_0\,\frac{1+1/L}{1+m}.

强平距离约为 1/L−m1/L – m。这是忽略手续费、资金费与强平罚金的一般代数;真实规则还常有分级的维持保证金率、以指数价格计算的「标记价格」,以及保险基金和自动减仓等安排。

对不同杠杆计算强平价格,用二分法直接求解权益条件核对公式,再在年化波动率 60%(示意值,对数价格无漂移)下用反射原理估计价格在 1 天、7 天内触及多头强平价的概率。最后看资金费如何在逐仓模式下侵蚀保证金、抬高强平价。

推导

# Isolated-margin linear perpetual, generic algebra (no fees, tiers or penalties):
#   long P_liq = P0 (1 - 1/L) / (1 - m),  short P_liq = P0 (1 + 1/L) / (1 + m)
import math
from statistics import NormalDist
N = NormalDist()

def liq_long(P0, L, m):  return P0 * (1 - 1 / L) / (1 - m)
def liq_short(P0, L, m): return P0 * (1 + 1 / L) / (1 + m)

def check_long(P0, L, m):                 # bisection on the equity condition
    lo, hi = 1e-9, P0
    for _ in range(200):
        P = (lo + hi) / 2
        eq = P0 / L + (P - P0) - m * P
        lo, hi = (P, hi) if eq < 0 else (lo, P)
    return P

def p_touch(dist, vol_ann, days):         # driftless log-price, reflection principle
    s = vol_ann * math.sqrt(days / 365)
    return 2 * N.cdf(math.log(1 - dist) / s)

m, P0 = 0.005, 100.0
print("lev | long liq  dist | short liq  dist | P(touch long liq), ann. vol 60 %:"
      " 1 day  7 days")
for L in (2, 5, 10, 20, 50, 100):
    pl, ps = liq_long(P0, L, m), liq_short(P0, L, m)
    assert abs(pl - check_long(P0, L, m)) < 1e-6
    dl = 1 - pl / P0
    print(f"{L:3d} | {pl:7.2f} {dl:6.2%} | {ps:8.2f} {ps / P0 - 1:6.2%} |"
          f"   {p_touch(dl, 0.60, 1):7.2%}  {p_touch(dl, 0.60, 7):7.2%}")
# Funding: every 8 hours longs pay shorts rate f x notional (f may also be negative).
# Under isolated margin the payment comes out of the margin and moves P_liq up.
for f in (0.0001, 0.0003):
    L, days = 20, 30
    paid = 3 * days * f * L               # as a fraction of the initial margin
    margin_left = 1 / L * (1 - paid)
    new_liq = P0 * (1 - margin_left) / (1 - m)
    print(f"funding {f:.2%} per 8 h, L = {L}, {days} days: pays {paid:.0%} of margin;"
          f" long liq {liq_long(P0, L, m):.2f} -> {new_liq:.2f}")
# lev | long liq  dist | short liq  dist | P(touch long liq), ann. vol 60 %: 1 day  7 days
#   2 |   50.25 49.75% |   149.25 49.25% |     0.00%    0.00%
#   5 |   80.40 19.60% |   119.40 19.40% |     0.00%    0.87%
#  10 |   90.45  9.55% |   109.45  9.45% |     0.14%   22.72%
#  20 |   95.48  4.52% |   104.48  4.48% |    14.06%   57.75%
#  50 |   98.49  1.51% |   101.49  1.49% |    62.86%   85.49%
# 100 |   99.50  0.50% |   100.50  0.50% |    87.26%   95.17%
# funding 0.01% per 8 h, L = 20, 30 days: pays 18% of margin; long liq 95.48 -> 96.38
# funding 0.03% per 8 h, L = 20, 30 days: pays 54% of margin; long liq 95.48 -> 98.19

20 倍杠杆的多头在价格下跌约 4.5% 时被强平;在示意的 60% 年化波动率下,一天之内触及的概率约 14%,一周之内约 58%。50 倍杠杆的强平距离只有约 1.5%,一天内触及的概率约 63%;100 倍杠杆只有 0.5%,约 87%。这些数字还是在对数正态、没有跳跃的假设下算的;真实价格有厚尾和跳空(第一章),触及概率只会更高。资金费的影响也不小:每 8 小时 0.01% 的费率,对 20 倍杠杆的多头来说,30 天要付掉初始保证金的 18%,强平价从 95.48 升到 96.38;费率为 0.03% 时付掉 54%,强平价升到 98.19。

注

与第 19 本的关系。 第 19 本《非遍历性财富动力学、凯利准则与波动率税》已经讨论过杠杆下的长期增长率、破产吸收壁与首达时间:在乘性的财富过程中,杠杆过高会使时间平均增长率变为负数,即使每一步的期望收益为正。本章只补充永续合约特有的两件事:强平价格的代数,以及资金费按名义价值收取所带来的放大。

从一笔强平到一串强平

一笔强平本身只是一笔市价卖单。问题在于,强平价格不是均匀分布的:同一时期以相近价格、相近杠杆开仓的多头,强平价格会挤在同一个价格带里。价格一旦进入这个带,强平卖单把价格推得更低,又进入下一批仓位的强平价。

证据

流动性螺旋。 布伦纳迈尔与佩德森的模型显示,在一定条件下,保证金要求会放大波动:交易者为市场提供流动性的能力取决于他们的融资,而融资(资本与保证金要求)又取决于市场流动性,二者相互强化,形成「流动性螺旋」;模型解释了市场流动性可能突然枯竭、在不同证券间同时变化、与波动率相关等现象 (Brunnermeier and Pedersen 2009)。第 20 本已从信贷周期的角度讨论过这一机制,这里不再展开。

4,000 个逐仓多头,开仓价在 97 到 103 之间均匀分布,名义价值服从对数正态(合计约 2,000 单位)。杠杆有两种组合:「温和」(2、3、5、10 倍,以 2 到 5 倍为主)与「激进」(5、10、20、25、50 倍,以 10 到 20 倍为主)。外生冲击使价格先下跌 ss;凡强平价被触及的仓位,以市价卖出全部名义价值,打在一个线性的买盘上:每下跌 1% 需要 dd 单位的卖出。强平期间买盘不补充。

推导

作者的玩具模型。

# Author's toy model of a long-liquidation cascade (illustrative numbers throughout).
# Liquidated longs sell their notional into a bid side needing d units per 1 % fall.
import math, random
rng = random.Random(2021)
MIXES = {"moderate": [(2, .3), (3, .3), (5, .3), (10, .1)],
         "aggressive": [(5, .2), (10, .3), (20, .3), (25, .1), (50, .1)]}

def book(mix, n=4000, m=0.005, P0=100.0):
    pos = []
    for _ in range(n):
        E = rng.uniform(97, 103)
        r, acc = rng.random(), 0.0
        for L, w in mix:
            acc += w
            if r <= acc: break
        q = rng.lognormvariate(math.log(0.5) - 0.18, 0.6)
        pl = E * (1 - 1 / L) / (1 - m)
        if pl < P0: pos.append((pl, q))   # positions alive at the current price
    return sorted(pos, reverse=True)

def cascade(pos, d, s, P0=100.0):
    P_shock, sold, i = P0 * (1 - s), 0.0, 0
    while True:
        P = P_shock * (1 - 0.01 * sold / d)
        moved = False
        while i < len(pos) and pos[i][0] >= P:
            sold += pos[i][1]; i += 1; moved = True
        if not moved or P <= 0: return max(P, 0.0), i

def max_neff(pos, d, lo=80.0, P0=100.0):
    best, P = 0.0, P0
    while P > lo:
        rho = sum(q for pl, q in pos if P * 0.99 <= pl < P)
        best = max(best, rho / d); P -= 0.25
    return best

for name, mix in MIXES.items():
    pos = book(mix)
    tot = sum(q for _, q in pos)
    print(f"{name} leverage mix: {len(pos)} positions, {tot:.0f} units")
    print("   depth d | max n_eff | final fall (liquidations) after shock 2 %, 5 %, 10 %")
    for d in (1000, 400, 200, 100):
        res = [cascade(pos, d, s) for s in (0.02, 0.05, 0.10)]
        cells = "  ".join(f"{100 - P:5.1f} % ({k:4d})" for P, k in res)
        print(f"   {d:6d}  |   {max_neff(pos, d):5.2f}   | {cells}")
# moderate leverage mix: 4000 positions, 2039 units
#    depth d | max n_eff | final fall (liquidations) after shock 2 %, 5 %, 10 %
#      1000  |    0.11   |   2.0 % (   0)    5.0 % (   0)   10.1 % ( 236)
#       400  |    0.28   |   2.0 % (   0)    5.0 % (   0)   10.3 % ( 245)
#       200  |    0.57   |   2.0 % (   0)    5.0 % (   0)   10.6 % ( 267)
#       100  |    1.13   |   2.0 % (   0)    5.0 % (   0)   11.5 % ( 344)
# aggressive leverage mix: 3898 positions, 1925 units
#    depth d | max n_eff | final fall (liquidations) after shock 2 %, 5 %, 10 %
#      1000  |    0.17   |   2.2 % ( 345)    5.7 % (1471)   11.3 % (2907)
#       400  |    0.43   |   2.5 % ( 457)    7.3 % (1954)   13.5 % (3113)
#       200  |    0.87   |   5.2 % (1334)   12.3 % (3113)   16.9 % (3113)
#       100  |    1.73   |  17.0 % (3113)   23.3 % (3898)   27.3 % (3898)

在温和组合下,2% 和 5% 的冲击不会触发任何强平;10% 的冲击触及 10 倍杠杆的仓位,但即使深度只有 100,最终跌幅也只有 11.5%。激进组合则完全不同。深度为 1,000 时,2% 的冲击变成 2.2% 的跌幅;深度为 400 时变成 2.5%;深度为 200 时变成 5.2%;深度为 100 时,2% 的冲击引发 3,113 笔强平,最终跌幅 17.0%,是初始冲击的 8 倍多。同一个杠杆分布,深度减半两次,结果从「几乎没有放大」变成「连环清算」。表中的「最大 neffn_{\text{eff}}」一栏预告了下一章的解释:放大的程度由一个类似分支比的量决定,它在激进组合、深度 100 时超过 1。

假说 · 尚未验证

清算瀑布的规模取决于「杠杆分布 × 深度」(尚未确立)。 作者的假说是:在真实的永续合约市场中,同样大小的外生价格冲击引起的强平总量,主要取决于当时开仓的杠杆分布(强平价格离现价有多近、多集中)与买卖盘深度,而不只取决于冲击本身。可证伪的预测:若能取得按强平价分档的未平仓量数据,用冲击前的「强平价密度 ÷ 深度」计算的指标,应能在样本外预测冲击后的强平总量与跌幅;如果加入这个指标后预测力没有超过只用冲击大小与波动率的模型,假说就是错的。

本章小结

永续合约用周期性的资金费把价格拴在现货附近;资金费按名义价值收取,对杠杆仓位的保证金是成倍的侵蚀。逐仓多头的强平价约为 P0(1−1/L)/(1−m)P_0(1-1/L)/(1-m),20 倍杠杆只容许约 4.5% 的下跌,在高波动下一天之内就有可观的概率被触及。玩具模型显示,当强平价集中在现价附近、而买盘较薄时,一个小冲击可以被放大成连环清算。下一章用自激点过程与分支比来描述这种放大。

参考文献

Ackerer, Damien, Julien Hugonnier, and Urban Jermann. 2024. Perpetual Futures Pricing. NBER Working Paper No. 32936. National Bureau of Economic Research.
Brunnermeier, Markus K., and Lasse Heje Pedersen. 2009. “Market Liquidity and Funding Liquidity.” Review of Financial Studies 22 (6): 2201–38.
He, Songrun, Asaf Manela, Omri Ross, and Victor von Wachter. 2022. Fundamentals of Perpetual Futures. arXiv preprint 2212.06888 (version 6, 2024). https://doi.org/10.48550/arXiv.2212.06888.
Shiller, Robert J. 1993. “Measuring Asset Values for Cash Settlement in Derivative Markets: Hedonic Repeated Measures Indices and Perpetual Futures.” Journal of Finance 48 (3): 911–31.

Fan, Y. (2026). Liquidation Cascades, Order-Book Depth Depletion and Cointegrated Statistical Arbitrage: Ornstein-Uhlenbeck Processes and Kalman-Filter Dynamic Hedging [高杠杆衍生品清算瀑布、订单簿深度衰竭与协整统计套利] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.23796776 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).