期貨-現貨套利:從期現套利到 DeFi-CeFi
《期貨與現貨之間的複雜套利鏈》系列第 2 部分
在上一部分中,我們討論瞭如何使用圖演算法找到資產交換的複雜路徑。但加密貨幣市場提供了另一個維度的利潤——同一資產在不同型別市場之間的價格差異:現貨(Spot)和期貨(Futures)。
這就是德爾塔中性(Delta-neutral)策略的世界,在這種策略中,交易者的利潤不依賴於市場的上漲或下跌。
現貨市場與衍生品之間橋樑的視覺化:一側顯示現貨 K 線,另一側顯示期貨訂單簿和資金費率。
1. 核心概念:基差與收斂
本質上,期貨-現貨套利依賴於基差(Basis)——即期貨價格 () 與現貨價格 () 之間的差額:
在期貨合約的到期日,期貨價格必須等於現貨價格()。這被稱為收斂(Convergence)。
1.1 期現套利(Cash-and-Carry)
最經典的策略:
- 買入現貨: 以 $50,000 買入 1 個 BTC。
- 賣出期貨: 以 $52,000 賣出 1 個 BTC 的 12 月期貨合約。
- 等待: 在 12 月份,你交付 BTC。你的利潤恰好是 $2,000,無論 BTC 價格如何。
在 Rust 中,我們跨交易所追蹤這些利差,以尋找最高的年化收益率:
fn calculate_annualized_yield(basis: f64, spot_price: f64, days_to_expiry: f64) -> f64 {
let yield_pct = basis / spot_price;
(yield_pct / days_to_expiry) * 365.0 * 100.0
}
2. 永續合約與資金費率
加密貨幣中最受歡迎的工具是永續合約(Perp),它永不到期。為了使永續合約價格接近現貨價格,交易所使用資金費率(Funding Rate)。
- 資金費率為正: 多頭(Long)付給空頭(Short)。通常發生在牛市。
- 資金費率為負: 空頭(Short)付給多頭(Long)。通常發生在牛市。
2.1 資金費率套利
如果資金費率為每 8 小時 0.01%(年化約 11%),你可以:
- 買入現貨 (1 BTC)。
- 做空永續合約 (1 BTC)。
- 賺取資金費: 你每天三次收到持倉價值的 0.01%。
這實際上是無風險的收入,只要你能管理好空頭頭寸的清算(爆倉)風險。
3. DeFi-CeFi 套利:新前沿
隨著 dYdX 或 Hyperliquid 等去中心化交易所(DEX)和 Uniswap 等自動做市商(AMM)的興起,一種新型的鏈條出現了。
3.1 鏈條邏輯
- 檢測差異: Binance(中心化交易所)上的 BTC 現貨價格為 50,500,且資金費率很高。
- 執行: 在 Binance (CeFi) 買入,在 DEX (DeFi) 做空。
- 最佳化: 如果需要,使用“橋”(Bridge)移動保證金,或者在兩側保持資金平衡。
3.2 跨鏈複雜性
DeFi-CeFi 套利在我們之前的圖模型中增加了“氣費”(Gas Fees)和“L1/L2 延遲”。你的 Rust 機器人現在需要同時與以太坊/Solana RPC 節點和 Binance API 進行通訊。
async fn monitor_funding(dex_client: &DexClient, cefi_client: &CefiClient) {
let dex_funding = dex_client.get_funding_rate("BTC-USD").await;
let cefi_funding = cefi_client.get_funding_rate("BTC-USDT").await;
let spread = dex_funding - cefi_funding;
if spread > THRESHOLD {
execute_trade().await;
}
}
4. 執行風險:單腿風險與清算
雖然策略是“德爾塔中性”的(沒有市場方向風險),但它並非“無風險”。
- 單腿風險(Leg Risk): 你買入了現貨,但當你嘗試做空期貨時,價格已經變動,利差消失了。
- 清算風險(Liquidation Risk): 如果價格翻倍,你的空頭頭寸可能會因為保證金不足而被清算,即使你的現貨頭寸是盈利的。
- 交易所風險: 如果交易所宕機或被駭客攻擊怎麼辦?
5. 結論
期貨-現貨套利是加密貨幣的“機構化”一面。它比簡單的資產交換需要更多的資金和更好的風險管理,但它的擴充性要好得多。
在本系列的下一部分中,我們將深入研究 Vine Copulas,這是一種用於同時模擬數十種不同資產及其衍生品之間複雜依賴關係的數學工具。
想最大化持倉收益?請在 GitHub 上探索我們的 德爾塔中性策略引擎。
Authors
Trading-systems engineer
Trading-systems engineer building bots since 2017: cross-exchange arbitrage (connected up to 30 venues), cointegration-based pairs arbitrage across spot and futures, scalping, news and sentiment-driven strategies, trend algorithms, and portfolio management and balancing algorithms. Also builds sub-millisecond order execution, big-data warehouses, backtesting engines, AI agents, and trading interfaces (incl. open-source profitmaker.cc). Stack: JS/TS, Python, Rust/Zig/Go, DevOps, backend, frontend, architecture.