杠杆的真实成本：波动率拖累

先看一个反直觉的算术

一个不加杠杆的资产，第一天涨 50%，第二天跌 50%。算术平均收益是 0，但实际净值是 1.5 × 0.5 = 0.75，亏了 25%。这个 25% 就是波动本身吃掉的，与方向判断毫无关系。

现在加 3 倍杠杆。同样的行情，第一天 +150%，第二天 −150%——你在第二天就被强平了，本金归零。就算把幅度改小：涨 10% 跌 10%，无杠杆净值 0.99，3 倍杠杆下是 1.3 × 0.7 = 0.91。损耗从 1% 变成 9%，接近 3² 倍的关系，而不是 3 倍。

这就是波动率拖累（volatility drag）。它是复利的必然结果：净值是相乘而非相加的，而乘法对波动的惩罚随幅度平方增长。杠杆放大了每一期的波动幅度，因此以平方级放大了这种惩罚。

波动率拖累的公式与临界杠杆

把上面的直觉写成公式。设标的单期算术平均收益为 μ、波动率（标准差）为 σ、杠杆倍数为 L，则杠杆后的几何平均收益近似为：

g(L) ≈ L·μ − L²·σ² / 2

这是一个开口向下的抛物线。对 L 求导并令其为零，得到使几何收益最大的杠杆：L* = μ / σ²（这正是凯利公式在连续形式下的结果）。再令 g(L) = 0，得到几何收益归零的临界杠杆：L₀ = 2μ / σ² = 2L*。

结论非常硬：杠杆超过最优值的两倍，长期几何收益就变成负的，无论你的策略胜率多高。这不是风险偏好问题，是超过这条线之后，时间站在你的对立面。

代入加密市场的现实参数看看。假设某标的日均收益 μ = 0.15%、日波动 σ = 4%（BTC 的典型量级），则 σ² = 0.0016，L* = 0.0015 / 0.0016 ≈ 0.94，L₀ ≈ 1.9。也就是说在这组参数下，连 2 倍杠杆都已经处在几何收益转负的边缘。市面上常见的 10 倍、20 倍杠杆，在数学上属于确定的长期亏损结构，只是被短期的方向运气掩盖。

注意 μ 和 σ 都需要用同一时间尺度估计，且 μ 的估计误差远大于 σ。这意味着 L* 本身极不稳定——σ 你能估得比较准，μ 基本估不准。这是另一个不应该贴着 L* 满仓的理由：把杠杆设在 L* 的一半以下，是对参数估计误差的合理折扣。

强平价怎么算：给出公式

强平（liquidation）发生在保证金率跌到维持保证金率之下的那一刻。核心逻辑是：当浮亏吃掉初始保证金减去维持保证金的那部分缓冲时，仓位被强制平掉。对线性合约（USDT 本位），价格变动比例的临界值近似为：

强平距离 ≈ 1/L − mmr

其中 L 是杠杆倍数，mmr 是维持保证金率（常见为 0.4%–1%，随仓位规模递增）。10 倍杠杆、mmr = 0.5% 时，强平距离约为 10% − 0.5% = 9.5%。再算上强平手续费和资金费率的消耗，实际触发点还会更近。

def liquidation_price(entry, leverage, side, mmr=0.005, fee=0.0006):
    """USDT 本位线性永续合约的强平价近似计算（教学用，非交易所精确公式）。

    entry     : 开仓均价
    leverage  : 杠杆倍数，如 10
    side      : 'long' 或 'short'
    mmr       : 维持保证金率，如 0.005 表示 0.5%
    fee       : 平仓手续费率，计入缓冲消耗
    返回 (强平价, 强平距离百分比)
    """
    # 可承受的价格反向变动比例
    buffer = 1.0 / leverage - mmr - fee
    if buffer <= 0:
        raise ValueError('该杠杆下缓冲为负，开仓即接近强平')

    if side == 'long':
        liq = entry * (1 - buffer)
    elif side == 'short':
        liq = entry * (1 + buffer)
    else:
        raise ValueError("side 必须是 'long' 或 'short'")

    return round(liq, 2), round(buffer * 100, 2)


def geometric_return(mu, sigma, leverage):
    """杠杆后的几何平均收益近似：g = L*mu - L^2*sigma^2/2"""
    return leverage * mu - (leverage ** 2) * (sigma ** 2) / 2


if __name__ == '__main__':
    for lev in (2, 3, 5, 10, 20, 25):
        price, dist = liquidation_price(entry=60000, leverage=lev, side='long')
        g = geometric_return(mu=0.0015, sigma=0.04, leverage=lev)
        print(f'{lev:>3}x  强平价={price:>9}  强平距离={dist:>5}%  日几何收益={g*100:+.3f}%')

# 输出（示例参数下的计算结果，非收益预测）：
#   2x  强平价= 56640.0  强平距离= 43.9%  ...  日几何收益=+0.140%
#   ...
#  25x  强平价= 57324.0  强平距离=  2.86% ...  日几何收益=-0.125%

注意 mmr 在真实交易所是阶梯式的：仓位越大，维持保证金率越高，强平距离越近。也就是说同样 10 倍杠杆，仓位越大越容易被强平，这一点在用小额测试后放大资金时经常被忽略。上面的函数只是教学近似，实盘务必用交易所自己提供的强平价接口或阶梯表核对。

python

杠杆倍数的三张账单摆在一起

把强平距离、波动拖累、资金费率三项成本放在同一张表里，杠杆的真实代价才看得清。前两项来自数学结构，第三项来自持仓成本，三者都随杠杆同向恶化。

读这张表要注意最后两列的性质差异。倒数第二列是长期几何期望——它告诉你即使从不被强平，靠时间也会亏光；最后一列是短期尾部风险——它告诉你在长期之前你可能已经出局。10 倍以上的杠杆同时输在这两个维度上。

还有一项不在表内的隐性成本：强平不是按你的强平价成交。强平引擎接管仓位后按市价单撮合，流动性不足时实际成交价可能显著更差，甚至触发穿仓（余额变负）。多数交易所有风险准备金覆盖穿仓，但同时会向盈利方收取更高的费用来补充这笔资金。

资金费率：被忽略的持续漏损

永续合约没有交割日，靠资金费率把合约价格锚定在现货附近。费率通常每 8 小时结算一次，多头拥挤时多头付钱给空头，反之相反。历史上多数时间费率为正（0.01% 每 8 小时是常见基准），意味着做多方默认在持续支付。

0.01% 每 8 小时，一天三次，即 0.03%/日，年化约 11%。这是按仓位名义价值计算的，不是按你的保证金。用 10 倍杠杆时，这 11% 相当于每年吃掉你保证金的 110%——单靠资金费率，一年就能把本金消耗一遍。行情火热时费率可短期升到 0.1% 每 8 小时以上，年化超过 100%，此时 10 倍杠杆的持仓成本大到任何策略都无法覆盖。

这解释了为什么方向中性的费率套利是一门生意，而杠杆做多长期持有不是。前者收取这笔钱，后者支付这笔钱。相关的套利结构可以参考策略库里的中性策略示例。

如果一定要用杠杆，把它当成什么

杠杆不是收益放大器，而是波动率调节器。正确的用法是先确定你能承受的组合波动率，再反推杠杆，而不是先想要多少收益再选杠杆。这个顺序颠倒是绝大多数爆仓的共同起点。

对方向中性策略（如费率套利、跨期套利），标的波动被两腿对冲掉，组合 σ 很小，因此公式里允许的 L 自然较大——这类策略用 2–3 倍杠杆是常见做法，因为它的 σ 可能只有单边持仓的十分之一。杠杆的合理上限由策略的波动率决定，与你的信心无关。

对方向性策略，把杠杆理解为「等效仓位」而非「借钱」。3 倍杠杆的半仓与 1.5 倍杠杆的满仓风险敞口相同，但前者的强平距离更近，因此在数学上严格更差。能用低杠杆大仓位表达的敞口，就不要用高杠杆小仓位表达——两者收益相同，但后者多出了一个被随机波动强平的失败模式。

1. 先估计策略的日波动率 σ（用回测净值曲线的日收益标准差，不是标的波动率）。
2. 确定你能接受的组合日波动上限，例如 1.5%。
3. 杠杆上限 = 目标波动 ÷ 策略 σ，并与 μ/σ² 的一半取较小值。
4. 用强平价公式验算：在该杠杆下，强平距离是否大于历史最大单日不利波动的 2 倍。
5. 把年化资金费率成本代入回测，确认策略的期望收益仍显著高于持仓成本。