基于币本位合约的对冲套利和高密度网格策略 • End of Dev

这个策略最初是从方舟基金（ARK）里提取出来的资金管理模块（这里的 ARK 只是同名，并非木头姐的 Ark Invest），后来被独立成“底舱策略”。它并不是为了替代主策略，而是为了解决资金利用率问题：主策略在多数时间并不满足开仓条件，导致大量资金闲置。于是，我们让这部分闲置资金在不干扰主策略风险框架的前提下，持续套取一部分波动利润，用来缓解整体资金成本压力。

基本原理

这套策略是一个“双层结构”：

底层是套期保值层，核心任务是把方向性风险压低，尽量让账户价值稳定。
上层是交易执行层，核心任务是在震荡中反复做小价差闭环，把波动转化为现金流。

换句话说，它不依赖“预测下一步涨跌”，而是依赖两件事：先把净暴露控制住，再把市场噪声做成可重复兑现的利润单元。

套期保值

套期保值是这套策略的地基。

在币本位账户里，资产和保证金都以币计价。这意味着只要你持有币，哪怕不交易，账户法币价值也会随币价剧烈波动。所以第一目标不是“赚钱”，而是先把净方向暴露压下来。

这套策略采用的是最直接的组合：现货多头 + 合约空头（约 1x 等值）。

可以把它理解成一个 Delta 对冲：

现货腿提供正 Delta（价格涨，现货价值上升；价格跌，现货价值下降）。
空头腿提供负 Delta（价格涨，空头亏损；价格跌，空头盈利）。
两条腿名义价值尽量相等时，净 Delta 接近 0，组合法币价值波动明显收敛。

直观示例：

初始：1 BTC 现货，价格 50,000；同时开等值 1x 空单。
若价格跌到 25,000：现货缩水，但空单盈利，二者在法币口径上相互抵消。
若价格涨到 100,000：现货增值，但空单亏损，二者同样相互抵消。

所以它的核心价值不是“放大收益”，而是把账户从单边暴露，改造成近似“合成美元仓位”。

资金费率套利

什么是资金费率

资金费率（Funding Rate）是永续合约市场里的周期性结算机制，目的是让永续合约价格尽量贴近现货价格。因为永续合约没有到期交割日，交易所需要通过“多空之间的资金交换”去约束价格偏离。

它有几个关键特征：

资金费不是交易所额外收走的手续费，而是多头和空头之间相互支付。
结算按固定周期发生（例如 8 小时一次，具体以交易所规则为准）。
结算金额近似等于：持仓名义价值 × 当期资金费率。
只有在结算时点仍持有仓位，才会产生资金费收付。

方向规则如下：

资金费率为正：通常多头付费给空头。
资金费率为负：通常空头付费给多头。

它之所以能把永续价格往现货价格拉回，核心在于“偏离就会产生额外持仓成本/收益”，从而触发套利资金介入：

当永续价格高于现货（市场偏多）时，资金费率通常转正，多头需要持续付费，做多成本上升；同时会激励“做空永续 + 做多现货”的套利盘入场，推动永续下行、现货上行，价差收敛。
当永续价格低于现货（市场偏空）时，资金费率通常转负，空头需要持续付费；同时会激励“做多永续 + 做空现货”的套利盘入场，推动永续上行、现货下行，价差收敛。

因此，资金费率本质上是一种动态反馈机制：偏离越明显，套利激励通常越强，价格回归动力越大。

费率套利

费率套利的核心，不是预测涨跌，而是在尽量中性的持仓结构下，赚取资金费结算带来的现金流。在这套策略里，对应的是“现货多头 + 永续空头”的组合。

资金费率

资金费率常见写法为：

F_t = P_t + \mathrm{Clamp}(I_t - P_t,\ L,\ U)

其中：

$F_t$ ：第 $t$ 个结算周期的资金费率。
$P_t$ ：溢价指数（可近似理解为合约价格相对现货指数价格的偏离）。
$I_t$ ：利率项（由交易所规则给定或动态调整）。
$\mathrm{Clamp}(\cdot)$ ：夹限函数，把结果限制在区间 $[L,U]$ 内，避免单周期费率失真过大。

这条公式表达的意思是：资金费率由“价格偏离（溢价）”和“利率基准”共同决定，并通过上下限控制极端值。

这里需要单独解释利率项 $I_t$ 是什么。它不是“市场情绪项”，而是资金时间价值的基准项，可以理解为“计价货币与标的货币之间的持有成本差”的简化表达。常见写法可以近似理解为：

I_t \approx (r_{\mathrm{quote}} - r_{\mathrm{base}})\times \Delta t

其中 $r_{\mathrm{quote}}$ 是计价货币资金成本， $r_{\mathrm{base}}$ 是标的资产资金收益/成本， $\Delta t$ 是结算周期。

以币安常见默认口径为例，利率项 $I_t$ 采用固定值：0.03%/天。按 8 小时结算折算后，就是 0.01%/8小时（即 $0.03\% \div 3$ ）。

可写成：

$I_{\mathrm{daily}} = 0.03\% = 0.0003$
$I_{8h} = 0.01\% = 0.0001$

为什么它通常是“固定且为正”：

固定：交易所用固定基准替代实时利率曲线，简化结算并降低噪声。
为正：在长期假设下，计价货币资金成本通常高于标的资产收益，基准差值倾向为正。
作用：给资金费率一个稳定锚点，防止在溢价接近 0 时缺乏回归约束。

资金费用

在得到 $F_t$ 后，再计算资金费金额。对空头视角，在每个结算时点 $t$ ：

C_t \approx N_t \times F_t

其中：

资金费率为正，空头收钱。
资金费率为负，空头付钱。
其中 $N_t$ 表示该时点空头名义价值，通常可按 合约张数 × 合约面值 近似（本项目里 1 张约等于 100 USD 名义）。

一个周期内的资金费累计可以写成：

C_{\mathrm{total}} \approx \sum_t \left(N_t \times F_t\right)

为什么资金费率长期为正

假设溢价长期总和为 0（也就是合约价格长期围绕现货上下对称波动），为什么资金费率长期仍可能为正。

设结算周期总数为 $N$ ，并假设：

\lim_{N\to\infty}\frac{1}{N}\sum_{t=1}^{N}P_t = 0,\quad I_t = I > 0

情形 A：夹限不触发（最常见的近似推导）

如果每个周期都满足 $I-P_t\in[L,U]$ ，则：
$\mathrm{Clamp}(I-P_t,L,U)=I-P_t$
代回资金费率公式：
$F_t = P_t + (I-P_t) = I$
因此长期平均资金费率为：
$\bar F = \lim_{N\to\infty}\frac{1}{N}\sum_{t=1}^{N}F_t = \lim_{N\to\infty}\frac{1}{N}\sum_{t=1}^{N}I = I > 0$
这说明在“溢价长期均值为 0”且“夹限未触发”的条件下，资金费率长期由正的利率项直接主导，结论就是长期为正。
情形 B：夹限偶尔触发（更贴近实盘）

定义夹限修正项：
$\epsilon_t=\mathrm{Clamp}(I-P_t,L,U)-(I-P_t)$
则有：
$F_t = I + \epsilon_t$
长期平均变为：
$\bar F = I + \bar\epsilon,\quad \bar\epsilon=\lim_{N\to\infty}\frac{1}{N}\sum_{t=1}^{N}\epsilon_t$
所以只要 $\bar\epsilon > -I$ ，长期平均资金费率依然为正。当溢价围绕 0 对称波动且极端偏离不频繁时， $\bar\epsilon$ 通常接近 0，此时 $\bar F$ 仍近似等于 $I$ 并保持正值。

基于上面的 A/B 推导，可以得到一个策略结论：在给定假设下，长期平均资金费率保持正值。这时再结合套期保值结构（现货多头 + 等值永续空头），价格方向带来的主要波动被对冲掉，收益重心就会转移到资金费现金流上。

把这一点写成收益分解，可以近似表示为：

\Pi \approx \sum_t (N_t \times F_t) - \mathrm{Cost}

其中 $\Pi$ 是阶段总收益， $\mathrm{Cost}$ 包括手续费、滑点和调仓成本。因此，当长期资金费收入稳定为正，且成本可控时，套保结构就能解释我们为什么可以持续做费率套利。

高密度网格策略

什么是高密度网格

高密度网格的核心，不是追求单笔大利润，而是把一个价格区间拆成大量更细的小区间，让交易触发更连续、闭环更频繁。

它有三个关键特征：

网格间距小：单格目标通常是很小的百分比利润，强调高周转而不是厚利润。
单格独立：每一格都有独立的触发与止盈，不需要等整条网格联动才能结算。
区间内重复：只要价格在区间内来回波动，就能不断重复“触发 -> 闭环 -> 再触发”。

所以高密度网格本质上是在做“波动切片”：把原本粗颗粒的行情波动拆成大量可重复兑现的小利润单元。

等比网格 + 独立空腔的构建

这一套网格不是等差分层，而是“等比买入 + 固定百分比卖出”的组合。

先定义参数：

$L$ ：网格下界（low_price）
$H$ ：网格上界（high_price）
$N$ ：网格数量（count）
$p$ ：单格目标利润率（profit，小数形式）

第一步，先算最高买入价（保证最上层卖出不超过上界）：

B_{\max}=\frac{H}{1+p}

第二步，把 $L \to B_{\max}$ 按等比分成 $N$ 个买入点：

r=\left(\frac{B_{\max}}{L}\right)^{\frac{1}{N-1}}-1

B_i=L(1+r)^i,\ i=0,\dots,N-1

第三步，给每个买入点配置独立卖出目标：

S_i=B_i(1+p)

这就是“独立空腔”的核心：每个网格都有自己的买入触发价和卖出目标价，单格闭环后即可独立结算，不需要等待其他网格同步完成。

参数化示例

为了让上面的构建过程更直观，我们假设如下参数：

low_price = 105000
high_price = 120000
count = 50
profit = 0.5%（即 $p=0.005$ ）

先得到：

B_{\max}=\frac{120000}{1+0.005}\approx 119402.99

r=\left(\frac{119402.99}{105000}\right)^{\frac{1}{49}}-1\approx 0.0026268 \ (\approx 0.26268\%)

这意味着相邻网格买入价之间的相对步进约为 0.26268%，而每一格的卖出目标固定为买入价上浮 0.5%。

抽几档网格可以看到结构：

Grid 0： $B_0=105000.0,\ S_0=105525.0$
Grid 1： $B_1=105275.8,\ S_1=105802.2$
Grid 2： $B_2=105552.3,\ S_2=106080.1$
Grid 10： $B_{10}=107791.0,\ S_{10}=108329.9$
Grid 20： $B_{20}=110656.1,\ S_{20}=111209.4$
Grid 30： $B_{30}=113597.4,\ S_{30}=114165.4$
Grid 40： $B_{40}=116616.9,\ S_{40}=117200.0$
Grid 49： $B_{49}=119403.0,\ S_{49}=120000.0$

可以用一张简化的图理解这组参数下的网格形态：

价格轴（上高下低）
      ^
      |   S49 120000.0
      |   S40 117200.0
      |   S30 114165.4
      |   S20 111209.4
      |   S10 108329.9   <- 离当前最近的卖出（开空）目标
      |
      |   ---------- 当前价格附近 ----------
      |
      |   B10 107791.0    <- 离当前最近的买入（平空）触发
      |   B2  105552.3
      |   B1  105275.8
      |   B0  105000.0
      v

说明：
1. B_i 与 S_i 一一对应，单格利润固定为 p=0.5%。
2. 价格下探触发 B_i（平空），反弹触发 S_i（开空），完成单格闭环。
3. 网格是等比分布，相对间距稳定，越往上绝对价差越大。

从这个示例可以看出两件事：

网格买入价是等比分布，越往上绝对价差越大，但相对步进保持稳定。
每格卖出价都由同一个利润率 $p$ 决定，单格闭环标准完全一致，便于规模化执行。

和传统网格的差别

和传统网格相比，它的差别主要在三个地方：

密度不同：传统网格间距更大，追求单笔利润；高密度网格间距更小，追求成交频次。
结算方式不同：传统网格常见“阶梯接力”感更强；高密度网格强调单格独立闭环，局部可先结算。
收益结构不同：传统网格更依赖较大波段；高密度网格更依赖持续震荡中的微小来回。

从长期执行结果看，高密度网格的收益曲线通常会比传统网格更平滑，也会略高一些。可以把两者理解为同一条目标曲线的两种离散化方式：

传统网格更像“台阶”，触发点稀疏，很多中间波动没有被充分利用。
高密度网格更像“滑滑梯”，触发点更密，能把中间波动切得更细。

如果把传统网格看成必须使用阶梯函数近似，那么高密度网格相当于用更细的分段去逼近连续曲线。两者之间“多出来的那部分”，可以近似理解为把每个台阶上方/旁侧未覆盖的小三角形逐步填满后的总和。

用近似表达写就是：

\Delta R \approx \sum_i \frac{1}{2}\,\Delta P_i\,\Delta Q_i

其中 $\Delta P_i$ 是第 $i$ 段价格步长， $\Delta Q_i$ 是对应的仓位/收益响应步长。网格越密，步长越小，离散误差越小，执行曲线越接近连续曲线，长期表现通常也越平滑。

网格买卖与开空平空

在这套策略里，底层本来就持有对冲空单，因此网格里的“买/卖”并不是去加减现货，而是映射为空单的平仓与开仓：

网格“买入”对应平空：价格下行触发 $B_i$ 时，回补（平掉）一部分空单。
网格“卖出”对应开空：价格反弹触发 $S_i$ 时，再开回同等数量的空单。
单格闭环保持一致：同一格里先平空、后开空，数量一致，就完成一次网格利润兑现。

可以写成一格的执行流程：

\begin{aligned} \text{触发 }B_i &: \text{平空 }q \\ \text{触发 }S_i=B_i(1+p) &: \text{开空 }q \end{aligned}

忽略手续费和滑点时，单格收益近似为：

\Pi_i \approx q\,(S_i-B_i)

还有一个实盘层面的核心点是交易磨损。以币安常见费率档位举例（Regular User，具体以费率页实时显示为准）：

现货：Maker/Taker 常见为 0.10% / 0.10%。
币本位合约：Maker/Taker 常见为 0.02% / 0.05%。

这套网格的订单都是挂单，因此按 Maker 口径估算。单格闭环需要两笔成交（平空一次 + 开空一次）：

走现货双边（Maker+Maker）：手续费约 0.20%。
走合约双边（Maker+Maker）：手续费约 0.04%。

也就是说，同样的成交名义下，手续费磨损大约可以下降 80%。

伪代码示例

当前代码在 GitHub 托管，暂时没有开源计划；如果有需要请邮箱联系我。下面是部分伪代码示例：

# 执行网格
def execute_grids(exit_handler: ExitHandler, tg_sender: TelegramSender, config: Configuration):
    logging.info("开始执行网格交易")
    # 币安客户端
    client = create_client(config.api_key, config.api_secret, config.testnet)

    # 获取仓位模式
    hedge_position_mode = client.get_position_mode()["dualSidePosition"]
    if hedge_position_mode:
        logging.info("启用双向持仓模式")

    # 获取交易对信息和单张合约的价值
    symbol_info = get_symbol_info(client, config.symbol)
    contract_size = float(symbol_info["contractSize"])

    # 计算网格
    grids = compute_grids(config)

    # 获取之前的状态
    state = get_state()
    # 重新计算激活的网格
    # 复用之前的网格
    # 其他的全是算作过期的网格
    # 省略：active/expired 合并细节
    state = reconcile_state(state, grids)
    # 保存状态
    save_state(state)

    # 输出信息
    tg_sender.send(f"""{config.symbol} 网格交易启动
价格范围: {config.low_price} - {config.high_price}
网格数量: {config.count}
每格利润: {config.profit} %
每格数量: {config.quantity}
总交易量: {config.quantity * config.count}""")

    # 订单缓存
    order_cache = OrderCache(client, symbol=config.symbol)
    # 开始进入主循环
    while exit_handler.is_running:
        # 刷新订单缓存
        order_cache.refresh()

        # 同步订单信息,只同步状态还有可能发生改变的订单
        # 不会再发生改变的订单也可能被交易所清理而查询不到
        # 省略：买入单/卖出单逐笔同步细节
        sync_orders(state, order_cache)

        # 清理过期的网格的买入订单
        # 省略：逐单 cancel + 异常处理细节
        cancel_expired_buy_orders(client, config, state)

        # 长期订单刷新,防止被交易所自动取消(币安对超过1年的订单执行自动取消)
        # 买入单刷新
        # 只刷新完全没有成交的,且挂单时间超过7天的
        # 卖出单刷新
        # 只刷新完全没有成交的
        # 省略：撤旧单 -> 落新单 -> 持久化细节
        refresh_old_orders(client, config, state, hedge_position_mode)

        # 根据已经买入的数量同步挂出卖出单
        # 已经卖出或者即将卖出的数量
        # 还需要补充多少卖单,才能保持买卖平衡
        # 省略：数量差计算与通知细节
        sync_sell_orders(client, config, state, hedge_position_mode, tg_sender)

        # 获取当前价格
        price = get_price(client, symbol=config.symbol)

        # 同步买入卖出单的状态
        # 订单已经全部执行完成
        # 拷贝一份放入历史记录中,只保留最近的100次
        # 统计今日
        # 发送TG通知
        # 因为我们是轮询获取当前最新价格
        # 有可能会出现一种情况,卖出单成功了,但是在下次获取价格的时候,当前价格低于本网格的卖出价格
        # 从而导致这个网格的买入单无法重新挂入
        # 所以这里使用两者最大值来作为当前价格(曾经达到的最大价格)
        # 省略：成交汇总消息拼装细节
        price = settle_completed_grids(state, config, contract_size, tg_sender, price)

        # 买入挂单
        # 如果当前价格小于网格的卖出价格
        # 表示当前价格在网格之下或者正处于网格之中
        # 这种情况不买入
        # 如果该网格的买入价格在已过期的网格内,则不开单
        # 存在买入挂单,且订单状态正常(没有过期/取消),则不用管
        # 如果买入挂单不存在,或者状态异常,则需要新建买入挂单
        # 省略：下单参数与日志细节
        place_buy_orders(client, config, state, hedge_position_mode, price)

        # 清理过期的网格数据
        state.expired = list(filter(lambda g: g.buy_order is not None, state.expired))

        # 保存状态
        save_state(state)
        time.sleep(1)

    # 保存状态
    logging.info("准备退出网格执行,保存状态")
    save_state(state)

风险因子

这套方法的收益来源虽然清晰，但并不等于低风险或无风险。实盘里真正决定长期结果的，往往不是“策略是否有效”，而是能否持续控制下面这些风险因子。

单边行情破网风险

网格依赖的是区间内往复波动，一旦行情持续单边并走出网格区间（上破 $H$ 或下破 $L$ ），就会发生“破网”：

原本的“触发 $B_i$ -> 触发 $S_i$ ”闭环节奏被打断，成交频率明显下降。
收益来源从可重复的小价差，转向被动持仓与等待区间重建。

ADL（自动减仓）风险

主流中心化合约交易所通常都有 ADL（Auto-Deleveraging，自动减仓）机制。它的核心不是“正常平仓”，而是系统在极端情况下的被动风险转移机制。

ADL 的典型触发链路可以理解为：

市场单边快速波动，大量对手盘仓位被强平。
强平仓位无法在市场上以理想价格完全成交，出现穿仓压力。
保险基金不足以覆盖全部损失时，系统会启动 ADL。
系统从对手方向的持仓里，按优先队列（通常与盈利水平、杠杆水平等有关）选择账户，执行强制减仓。
被选中的仓位会被动减少或平掉，哪怕用户并没有主动下单。

为什么会存在这个风险：

极端行情下，价格跳跃和流动性蒸发会让爆仓仓位难以及时成交，风险无法只靠撮合自然消化。
保险基金是有限缓冲，不可能无限覆盖所有穿仓损失。
为了避免系统性坏账扩散到平台整体，交易所需要用 ADL 把尾部损失快速出清。

对这套“现货 + 合约空单 + 网格”的影响在于：如果空头腿处于高盈利且高优先级，可能在你不想平仓的时候被 ADL 强制减仓，导致对冲结构被动失衡，后续网格执行与净暴露管理都会被打乱。

交易所与执行风险

API 延迟、断连、限频或下单失败会造成网格断层，出现“该平未平、该开未开”。
极端行情下可能出现风控限制、临时参数调整或流动性异常，执行结果与预期偏离。
还需要考虑交易所信用与托管风险：如果交易所出现严重经营问题甚至“跑路”，账户内持有的是中心化平台上的合约空单与保证金，而不是去中心化自托管资产，存在资产受限或无法兑付的尾部风险。

资金费率风险

资金费率可能阶段性转负，空头腿会从“收资金费”变成“付资金费”。
费率在极端情绪时可能短期剧烈波动，单日现金流会明显偏离长期均值。
如果策略收益过度依赖正费率，遇到连续负费率阶段时，净收益会被快速侵蚀。

基差与对冲偏离风险

现货与永续并非严格同步，基差扩张/收敛会带来额外盈亏波动。
空头名义与现货名义若长期不等值（例如部分成交、仓位漂移），净 Delta 会偏离 0。
在快速单边行情中，这种偏离会被放大，导致组合不再“中性”。

总结

这个策略的核心可以归纳为三点：

先通过“现货 + 等值空头”构建套期保值底座，把主要方向风险压低。
再利用资金费率机制，在中性结构下获取长期资金费现金流。
最后叠加高密度网格，把震荡行情切成更细的可重复利润单元。

这套方法本质上是一个“对冲底座 + 费率套利 + 高频网格执行”的组合框架。其风险和收益基本等同于资金的无风险收益（利率）+ 流动性提供者收益（做市商收益）。如果你想看完整实现细节、参数配置和代码逻辑, 请邮箱联系我索取仓库权限.

最后提醒：任何策略都不保证盈利。实盘仍然存在行情波动、执行与平台稳定性、以及杠杆和流动性等风险。请务必在充分理解风险并做好仓位控制的前提下参与交易。