加密货币交易所喜欢展示巨大的交易量。但是正如每个市场微观结构的研究所提醒我们的，真正塑造一个交易所长期影响力的因素是价格发现——能够比竞争对手更快地吸收新信息的能力。在比特币的情况下，最近的证据表明，尽管名义交易量很高，但永续兑换可能是跟随而非领先——特别是在反映新信息方面落后于CME期货。

本博客将考察这一主张背后的假设，解释向量误差修正模型（Vector Error Correction Model，VECM）在测量价格发现时的应用，并揭示永续兑换的设计和资金费率机制如何阻碍其表现。我们还将讨论政策和设计的影响，包括动态资金限制和改进的指数化，这些可能增强交易所在价格形成中的领导地位。

为什么价格发现超过交易量

从股票到商品，再到加密货币，一个一致的教训是：仅仅有交易量并不保证一个交易所的重要性。相反，市场微观结构的研究强调，最能吸收和反映新信息的交易所或产品（价格发现）通常会随着时间的推移吸引更多的流动性和市场份额。

金融领域的几个例子说明了价格发现如何改变市场份额：

• BATS/Chi-X 与 LSE：Chi-X 在价格发现方面优于伦敦证券交易所，最终尽管LSE一度占据主导地位，仍然捕获了更多的交易量。
• 加密货币（Coinbase）：Coinbase 在历史上领先比特币价格发现，后来成长为一个高交易量的巨头。

因此，在加密货币市场，如果永续兑换在价格发现指标上落后——即使它们显示出巨大的名义交易量——风险在于交易者可能会逐渐转向真正第一个设置价格的平台（例如，CME）。

永续兑换与CME的主要假设

来源: @defiance_cr

最近的分析指出，尽管BTC永续兑换名义交易量巨大，但可能在价格发现战中输给CME期货。以下是推动这一结论的关键假设：

1. 价格发现领导力最终驱动市场份额。
   如果一个交易所或产品系统性地落后于新信息，历史表明它们将失去关注度，并最终失去交易量——随时间推移。

2. 在成熟市场中，衍生品应引领现货。
   像黄金这样的商品通常在期货市场展现60-80%的价格发现。观察人士原本期望加密货币衍生品（如永续合约）在市场成熟后同样引领。

3. 永续兑换结构造成滞后。
   与外部现货指数的机械连接，加上固定（且通常较高）的基准利率，惩罚了领先的举动。

4. CME的优势：费用和流动性。
   CME的费用结构（约0.1个基点）和机构参与让其能够迅速反映重大新闻，而大多数加密货币交易所收取更高的费用（约3个基点），并以资金惩罚阻碍价格“跳跃”。

5. 现有的价格发现指标在加密货币中仍然有效。
   Hasbrouck的信息分享（IS）、Harris的成分分享（CS）和Putniņš的信息领导分享（ILS）等技术同样适用于比特币数据，揭示出一致的模式。

6. 比特币价格发现中的持续趋势。
   从2018年到2025年的研究显示出一种变化：2018年现货引导，2020年CME几乎占有5%，但到2025年CME可能占据80-85%的比特币价格发现——即使永续合约的交易量更大。

在重复的VECM测试中，这些前提都得到了验证。批评者可能会争辩说，加密货币独特的受众和24/7的市场时间打破了旧有模式，但到目前为止，数据与传统微观结构理论保持一致。

VECM - 价格发现分析的统计基础

要宣称一个市场领先另一个市场，分析师需要一个量化模型来精确识别谁首先吸收了新信息。行业标准是向量误差修正模型（VECM）。它利用两个原则：

• 协整：不同场所对同一资产的价格不能永远分离，因此它们共享一个长期均衡关系。

• 误差修正：价格在短期内可以偏离，但每个市场都会调整以恢复均衡。通过测量哪个市场进行了更多的调整，我们可以识别谁在领先，谁在跟随。

向量误差修正模型（VECM）在识别谁在协整系统中首发方面至关重要。当多个场所交易相同的基础资产（例如比特币）时，它们的价格是协整的，即共享一个长期均衡，但可以在短期内偏离。

基本的VECM设置

对于两个交易所$A$和$B$，以对数价格$P{A,t}$和$P{B,t}$表示：

• 协整：

  $$ P{A,t} - \gamma P{B,t} = \beta + \epsilon_t, $$ 其中$\epsilon_t$是平稳的。

• 误差修正方程：

  $$ \Delta P_{A,t} = \alphaA \bigl[P{A,t-1} - \gamma P_{B,t-1} - \beta\bigr]

  • \dots + \epsilon_{A,t}, $$

  $$ \Delta P_{B,t} = \alphaB \bigl[P{A,t-1} - \gamma P_{B,t-1} - \beta\bigr]

  • \dots + \epsilon_{B,t}. $$

如果相对于$\alpha_A$，$\alphaB$很大，则意味着B的价格更能调整到A的价格，这表明A领先。通过分解“冲击”项$\epsilon{A,t}, \epsilon_{B,t}$我们可以量化谁对共同价格的贡献更大——Hasbrouck的IS、Harris的CS和Putniņš的ILS均基于这一逻辑。

价格发现指标：IS、CS和ILS

在适配VECM之后，我们可以测量每个市场在整体价格发现中的份额：

1. Hasbrouck的信息分享（IS）。

   • 将共同的（有效的）价格的方差拆分为与每个市场的创新相关的部分。如果市场A的冲击解释了80%的方差，那么它占有80%的IS。

2. Harris等人的成分分享（CS）。

   • 依赖于每个市场的价格如何调整到另外一个市场。如果B总是调整到A，则A的成分分享更高。

3. Putniņš的信息领导分享（ILS）。

   • 一个复合指标，结合（加权平均）IS和CS，减轻了每个指标在相关误差或短期噪声下可能具有的弱点。
   • 通常，ILS = $\lambda \times IS + (1-\lambda) \times CS$，其中 $\lambda \in [0, 1]$，且通常 $\lambda = 0.7$。

在多个研究快照中，CME期货尽管相较于索赔的永续合约交易量（今天约7%），却声称占据了80-85%的比特币价格发现。同时一些大规模的永续兑换依然保持在10-20%附近。这种差距强烈表明，永续合约的机械特性妨碍了它们的领先能力。

永续兑换如何变得滞后：微观结构很重要

资金费率约束

永续兑换必须复制一种没有到期日的“期货类”体验。它们通过在多头和空头之间进行周期性的资金支付来实现，确保永续合约的价格 $P{\text{perp},t}$ 不会偏离现货指数 $P{\text{index},t}$ 太远。

简化公式：

$$ \text{FundingRate}_t

\mathrm{Clamp}\Bigl( r_{\mathrm{base}} + p_t, \; \pm \delta \Bigr), $$

其中

• $r_{\mathrm{base}}$ 是年度化的基准利率（约10–11%）。

• $p_t$ 测量永续合约与指数的偏差：

  $$ pt = \frac{P{\text{perp},t} - P{\text{index},t}}{P{\text{index},t}}. $$

• $\mathrm{Clamp}(\cdot,\pm \delta)$ 将最终费率限制在 $\pm \delta$。如果永续合约价格远高于指数，$p_t$ 可以大且为正，导致资金成本增加，达到上限。

部分日的机制

如果每 $F$ 小时收费一次资金，时间的一部分是 $\Delta t = \tfrac{F}{24}$。对于成数量 $\text{Qty}$，实际支付为：

$$ \text{FundingPaid}{t \to t+F} = \text{Qty} \times P{\text{perp},t} \times \Bigl[ \text{FundingRate}_t \times \Delta t \Bigr]. $$

• 如果 $p_t > 0$，通常是多头支付，因此推高永续合约的成本是昂贵的。

负反馈循环

因为向上推动价格会显著提高多头的成本（永续合约“高于指数”），产品设计抑制了大幅上涨：

• 交易者预期如果永续合约太快超前于现货，将面临更高的资金费用。
• 套利者做空永续合约或关闭多头，使其回归至指数水平。

在VECM的一个数学模型中，永续合约的价格具有强烈的负调整系数：它迅速回落至指数，限制了其独立性来早期吸收全新的信息。

为什么CME占优势：结构性优势

CME上市的期货不嵌入强制资金约束。期货合约可以随时在现货价格之上或之下漂移，没有对任一方的即时“处罚”：

• 没有强制资金约束
  CME期货可以在短期内相对现货价格偏离而不产生额外的“资金”费用。虽然它们确实每月或每季度结算，但每日市值评估在短期内不惩罚高于或低于指数价格的情况。

• 较低的费用与机构流动性
  CME的收费约为0.1个基点，而许多加密交易场所的收费为2-3个基点。大型、快速反应的交易者和使用大量资本的对冲基金更偏好更便宜的交易，从而推动信息在CME的快速流动。

• 经验性的VECM发现
  数据反复表明，一个较小的$\alpha{\text{CME}}$（CME无需对此调整）和一个较大的$\alpha{\text{perp}}$（永续合约回归至CME的价格）。Hasbrouck的IS或Putniņš的ILS确认CME约占80-85%的领导份额。

一个简单的资金费率惩罚示例

想象一下一个乐观的消息，应该推动BTC上涨1%：

• CME：知情交易者购买期货，几乎立即推动价格上涨1%。
• 永续合约：如果试图在指数以上上涨1%，就会触发较高的溢价$pt$。加上基准利率$r{\mathrm{base}}$，因此资金可能接近上限$\delta$，使得在此高位上的多头持仓变得昂贵。
• 结果：永续合约滞后，直到现货指数本身被重新计算到更高的水平，此时$p_t$恢复正常，资金惩罚减轻。此时，CME已经“领先”价格上涨。

这对市场份额的重要性

微观结构理论（以及现实世界先例）表明，领先价格的场所通常会随着时间的发展看到其交易量增长。短期内，CME——一个绝对比特币交易量较小的交易所——主导价格发现，有时看起来是矛盾的。但原始交易量往往落后于大多数知情交易发生的地方。

• 股票：BATS和Chi-X通过发布更具信息性的报价超越了更大的 incumbents。
• 加密货币：如果CME仍然是比特币价格的“真实来源”，更多的大型交易者可能更青睐它，从而侵蚀长期以来提升的永续合约交易量。

重要的局限性

尽管 VECM 和这些价格发现指标产生引人注目的发现，但几个限制值得提及：

1. 加密货币中的数据噪声
   高频（1分钟或报价）加密数据可能包含相当大的微观结构噪声——报价差、临时报价、部分成交——可能歪曲短期的误差修正系数。通常需要强大的建模或平滑处理。

2. 参数稳定性
   加密市场急速演变：新产品、监管变化或稳定币问题都可能改变此关系。一个在当前季度运作良好的VECM可能在下一个季度需要重新估计。

3. 相关误差
   如果市场的创新高度相关，Hasbrouck的方法有时会产生界限，使得准确的“份额”不确定。Putniņš的ILS部分解决了这一问题，但当数据嘈杂且相关性较高时，还依然是一个统计挑战。

4. 指数构建
   永续合约依赖来自各个现货场所的复合指数。如果该指数变动缓慢或容易操控，那会使得分析永续合约迅速调整变得复杂。

5. 交易的人口统计
   CME的用户群（对冲基金、机构）可能与为零售或无银行账户社区服务的加密交易所根本不同。交易量的迁移并不完全仅由价格发现的领导地位所保障。

即便如此，重复出现的结果——永续合约跟随而CME引领——在多个样本时期和方法中都显现出，强调了资金费用设计所造成的结构拖累。

政策及设计影响：重新思考永续兑换

迄今的分析表明，永续合约在价格发现中往往滞后于CME的领导力，原因在于（a）惩罚多头试图先行的基准利率，（b）可能过于严格的限制，以及（c）超过主要期货交易所（如CME）的费用。下面是交易所可以用来解决这些问题的优化和微调实验，以及评估其对价格发现潜在影响的数学框架。我们还将讨论这些设计特征为什么历史上会产生、某些修复的权衡，以及实施这些变化的复杂性。

重新设计资金公式

当前问题：典型的公式

$$ \text{FundingRate}_t

\mathrm{Clamp}\Bigl(r_{\mathrm{base}} + p_t,\;\pm \delta\Bigr), $$

将永续价格 $P{\text{perp},t}$ 紧密锚定于外部现货指数 $P{\text{index},t}$，并对任何尝试引导施加了立即的成本。这可能使得永续合约的价格对于$P_{\text{index},t}$的更新过于依赖。

修改A：移除或降低基准利率

A1. 完全移除 $r_{\mathrm{base}}$：

$$ \text{FundingRate}_t^{\text{(new)}} = \mathrm{Clamp}\bigl(p_t,\; \pm \delta\bigr), \quad p_t

 \frac{P_{\text{perp},t} - P_{\text{index},t}}{P_{\text{index},t}}.

$$

• 理由：消除对多头的常量向上偏置（通常约为+10-11%年化）使得永续合约价格可以暂时向上偏离而不受到立即惩罚。现代加密基础设施以及更深的流动性可能不再需要如此高的统一费率。
• 预期结果：在一个短期的协整背景下（由VECM捕捉），如果 $P_{\text{perp},t}$ 在新的信息上出现上升，增量的资金成本现在仅限于溢价$p_t$本身（加上限制），而不是溢价+基准利率的整体成本。换句话说，如果新的乐观数据到来，永续合约可以暂时超过现货价格，从而在价格发现指标中占据更大的份额。
• 如何测试：运行比特币价格的历史重播，比较旧公式与新公式，测量Hasbrouck的IS或Putniņš的ILS变动情况，并查看永续合约在价格变动的领先份额是否增加。

注意：高基准利率曾经帮助减轻对手方风险，并鼓励更多的空头流动性，但在成熟的环境中，这种成本现在减缓了价格发现的领导地位。

A2. 在上升趋势情境中使用动态或零基准利率：

• 交易所可能允许基准利率在短期波动 $\sigma_{\text{short}}$ 超过某个阈值时浮动至零，有效地放松在极度波动时期引导的惩罚。

• 动态基准利率函数可以是

  $$ r_{\mathrm{base},t} = \max{0,\;r0 - k\cdot \sigma{\text{short}} }, $$

  其中 $r_0$ 是正常基准利率，$k>0$ 校准在波动加大时基准利率降低的灵敏度。

修改B：引入适应性（基于波动性）的限制

B1. 基于波动性缩放的限制：

$$ \mathrm{Clamp}\Bigl(pt,\;\pm \delta\sigma{\text{short}}\Bigr), $$

使得 $\delta$ 跟随短期实际波动（例如30分钟标准差）进行缩放。

• 理由：如果市场高度波动，固定的限制 $\pm \delta$ 可能过于严格；让$\delta$随着$\sigma_{\text{short}}$的缩放意味着当重大新闻发生时，永续合约可以更自由地偏离。
• 预期结果：不那么严格的限制可以减少快速吸收信息时的负反馈循环，从而增加永续合约“引导”的潜力，哪怕只是短时间内。

B2. 时间加权溢价：交易所可以采取在短时间窗口（例如5分钟）内平均 $p_t$，而不是仅在某一时刻考虑现货差异，以避免对“突然但合理”的跳跃进行惩罚。

回测或实验：

• 交易所可以在假设环境中重播历史数据，应用修改后的资金公式。
• 然后计算这些假设时间序列上的价格发现指标（IS，ILS）。如果例如，永续合约的ILS从~20%上升到~35%，这表明新公式促进了更多的价格发现领先能力。

注意：TWAP指数降低了噪音，牺牲了稍微反射现实市场价的速度，这可能创造出小的套利窗口——但如果显著稳定资金的话，这都是值得的。

细化现货指数计算

当前问题：许多永续合约依赖于简单的当前现货指数，这可能会感到嘈杂或滞后，特别是在某一大型现货交易所出现金额时延的情况。

建议改进：TWAP（时间加权平均价格）指数

$$ \text{Index}_{\mathrm{TWAP}}

\frac{1}{T} \sum{t=1}^T P{\mathrm{spot},t}, $$

其中每个 $P_{\mathrm{spot},t}$ 可能是来自多个可靠现货交易所的快照或中点，时间段很短（例如10-30分钟）。

• 理由：通过平滑短期异常值，指数变得不那么跳跃，从而减少了意外大型 $p_t$ 的发生频率，特别是如果某一现货交易所滞后或发生局部价格失调时。这可以进一步限制“资金飙升”情景的风险。
• 数学影响：协整关系 $\bigl[P{\text{perp},t} - \gamma P{\mathrm{TWAP},t}\bigr]$ 更逐渐地变化，因此当TWAP尚未充分更新时，$P_{\text{perp},t}$ 可以先行吸收短暂的新信息。
• 预期结果：总体上资金波动性更小，误差修正项的极端情况减少，潜在提高永续合约在短期价格发现中的份额。 交易所可以调校$T$（平均窗口）来平衡反应能力与流动性平稳性。
• 细微差别：TWAP指数在反映真实实时现货时引入了轻微的滞后。这意味着如果基础现货变化迅速，永续合约可能会偏离实际当前市场价格。
  • 正面：减轻资金计算中的“噪音”，可能降低整体资金波动性。
  • 负面：永续合约可能会暂时与迅速变化的现货不匹配，从而可能创造出小的套利窗口。

优化费用结构

动机：CME的 ~0.1个基点远低于许多加密交易所收取的2-3个基点，吸引了以原Alpha为导向的机构前往CME。降低费用是一种增加知情交易流量份额的直接方式。

潜在方法：

1. 制造者奖励/接纳者折扣

   • 提供负的交易制造者费用（例如 $-0.5$ 个基点），以增强订单簿顶部的流动性。
   • 大型账户的接纳者费用从~3个基点降至1个基点或更少。
   • 制造者奖励：提供负的制造商费用（例如 $-0.5$ 个基点），以增强订单簿顶部的流动性。
   • 减少接收者费用：针对大型账户或“高层”交易者，将接收者费用从~3个基点减少至<1个基点，以便进行巨额方向性交易。
   • 假设性效果供测试： 如果流动性更深、价差更窄，永续合约可能对新信息反应更快，增加其在VECM方差分解中的份额。

2. 长期持有激励

   • 如果一个仓位持续开放$N$ (例如24) 小时，则某部分资金费用（或交易费用）可以享有折扣，从而减轻在市场迅速波动时高费用短期资金的累积。
   • 这可以帮助长线交易者持有那些可能偶尔“引领”市场的头寸，而无需通过持续的日常成本（蜗牛式滑行）来衰竭。

分析预期：较低的摩擦促进更快的价格调整。在VECM分解中，如果更便宜地快速交易新信息（即接纳者费用更低），那么永续合约的冲击项 $\epsilon_{\text{perp},t}$ 将更多地反映出真实市场走势，从而可能增加永续合约的价格发现份额。

实施复杂性及评估框架

实施复杂性

• 合成定价模型：为了验证新的资金公式（例如，移除 $r_{\mathrm{base}}$ 或使用 TWAP 指数），交易所必须重播历史数据、重新计算资金快照，并追踪交易者将如何反应。这是不简单的，因为实际的交易行为依赖于资金、订单投放和流动性变化之间的反馈循环。
• 系统与撮合引擎：修改约束或索引逻辑可能需要改变撮合引擎逻辑、实时数据流，以及用户界面显示。需进行详细测试以确保用户看到的“标记价格”和“资金预测”保持一致。

通过反馈测试评估

尽管有复杂性，交易所或独立研究者可以通过历史模拟系统性地测试这些提案：

• 历史市场数据：从交易所的永久订单簿和参考市场（例如CME期货或现货）获取时间对齐的数据。
• 构造合成永续系列：
  • 应用修订公式，例如无基准利率、基于波动的约束、TWAP指数——在第二轨道上。
  • 模拟在真实订单流和价格更新下资金将如何演变。
• 交易者反应建模（可选高级步骤）：
  • 为了进行更真实的测试，整合一个简单的基于代理的模型，模拟交易者如何可能对资金机制变化做出反应。这更为困难，可能在更简单的回测中得到近似。
• 适配VECM：
  • 比较 $(P{\text{CME}}, P{\text{synthetic-perp}})$ 的每日或每小时。
  • 估算Hasbrouck的信息分享或Putniņš的ILS，以评估谁在引领。
  • 成分分享 (CS) 看永续合约调整得快还是慢。
• 比较基准与新设计：
  • 如果合成的永续合约在关键窗口内——尤其是在新闻事件周围——一致显示出更高的价格发现份额，这表明设计改善帮助永续合约引导而非跟随。
• 统计显著性：进行自助标准误差或滚动窗口分析等，确认价格发现的变化在不同市场条件下（牛市、横盘和剧烈波动）都是稳健的。

迭代参数调整

• 示例：变更 $\delta$ 的增量 （例如0.025%、0.05%、0.10%）或测试不同平均窗 $T$ （5、15、30分钟）的 TWAP 指数
• 测量：哪个设置在（1）最小限的资金波动与（2）最大化的短期反应能力之间实现最佳平衡？

由于可能缺乏对发布结果的直接引用或存在专属性质，这些提案概述了交易所如何独立验证其好处。与其将单次回测作为普遍证据，不如在各种波动性水平下重复场景测试，以展示模型调整或费用折扣是否确实可靠地将永续合约从“跟随者”转变为“领导者”。

潜在结果及后续步骤

我们可以预计这些实验将带来几个改进的结果。

• 更高的信息领导分享：通过降低对短期偏差的机械惩罚并平滑指数，永续合约或许能率先捕获更大份额的新信息，表现在受控模拟中更高的ILS或IS。
• 减少资金波动性：动态调整的夹具或使用TWAP指数通常会产生较少的突然资金费率飙升，使流动性提供者和方向性交易者都受益。
• 加强对CME的竞争力：如果最终全部成本（资金+费用）显著降低，而交易所的技术堆栈仍然保持稳固，机构参与者可能将更多高增益交易引导到永续合约中。

最终，即便这些变更在回测中取得成功，真实世界的交易可能演变出不同的结果。实施需谨慎校准每个参数，并确保系统复杂度保持可管理。交易所还需要考虑零售与机构用户对费用结构变化的反应，以及当资金波动模式变化时，保证保证金/杠杆规则如何需要调整。

结论及未来展望

最大的收获是，永续合约中嵌入的资金公式，特别是当与高基准利率结合时，可能抑制早期的举动，令永续合约处于跟随者的角色。多个基于VECM的价格发现指标（IS、CS、ILS）的数据强调了CME的领导地位，尽管其交易量较低，这证实了 成本结构和微观结构设计 比原始交易量在价格发现中更重要。

• 高基准利率曾经有助于减轻对手方风险，鼓励更多的空头流动性，但在成熟的环境中，这种成本现在减缓了价格发现的领导力。
• TWAP 指数降低了噪音，代价是轻微延迟现货反映，可能创造小的套利窗口——但如果显著稳定资金费用，仍然是值得的。
• 较低的费用几乎总是有助于吸引知情交易者，但交易所必须确保收入的可行性，可能需要转向其他收入来源（例如挂牌费、机构套餐）。

总之，这些政策和设计变更旨在消除惩罚早期行动者的结构性摩擦，从而增强永续兑换在价格发现中的领导能力。通过系统地基于VECM的指标对每个提案进行回测，交易所可以识别出最佳参数，使稳定性、反应能力和竞争力在面对传统期货交易场所（如CME）之间达到最佳平衡。

参考文献

• 比特币期货中的价格发现
• 比特币中的价格发现：不受监管市场的影响
• 比特币永续兑换深处的一个弱点
• 协整与误差修正 - 表达、估计与检验
• 在协整系统中估计共同长记忆组件
• 协整、误差修正与信息关联证券市场上的价格发现
• 一种证券，多个市场：确定价格发现的贡献
• O'Hara, M. (1995). 市场微观结构理论. Blackwell Publishers.
• Talis Putnins. 价格发现指标究竟在测量什么？

• 原文链接： github.com/thogiti/thogi...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～