编辑推荐：
资金费率可预测性：资金费率影响永续期货（perpetual futures）的成本并传递市场情绪；资金费率可被建模为双自回归过程（double autoregressive process, DAR），以获得统计上准确的预测；DAR过程的顶部Lyapunov指
资金费率可预测性：资金费率影响永续期货（perpetual futures）的成本并传递市场情绪；资金费率可被建模为双自回归过程（double autoregressive process, DAR），以获得统计上准确的预测；DAR过程的顶部Lyapunov指数（top Lyapunov exponent）允许对可预测性进行实时局部评估；资金费率预测可通过跨交易所套利（cross-exchange arbitrage）转化为经济收益。
加密衍生品市场截至2025年7月已占加密交易平台总交易量80%以上，永续合约（perpetual futures，无到期日且不交割的衍生品）是其中的重要工具。永续合约通过资金费机制使期货与现货价格锚定：资金费率（funding rate，多空双方按周期支付或收取的费用比例）由现货与期货价差等决定，其符号决定支付方向。交易所虽为合约设定目标值，但在市场失衡时资金费率会显著波动，且受阻尼器影响呈现近乎平坦后突发尖峰的特征。已有研究多关注资金费率对套利收益和加密资产动态的影响，对下一期资金费率的样本外（out-of-sample, OOS）可预测性、局部时变可预测性及其经济价值仍缺乏系统检验。由于准确预测短期资金费率可帮助交易者估算应付/应收费用、决定持仓或退出、判断市场情绪，并支持套利策略，研究人员开展该研究。
该研究由Emre Inan完成并发表于《International Review of Financial Analysis》，聚焦Binance和Bybit上BTC/USDT永续合约资金费率。样本来自两家交易所API，覆盖2024年1月11日至2025年3月17日，共1296个观测；以2024年11月10日00:00为分界，此前912个观测为样本内（in-sample, IS）用于模型选择，此后384个观测为OOS。研究人员采用单变量双自回归（double autoregressive, DAR）模型进行点预测和方向预测，递归估计参数，并从统计和经济两个层面评估可预测性。结论显示，两家交易所资金费率在OOS期具有统计和经济可预测性，且对估计窗口稳健；滚动窗口与扩展窗口存在权衡，前者平均平方预测误差（Mean Squared Prediction Error, MSPE）更低，后者平均方向准确率（Mean Directional Accuracy, MDA）更高；局部可预测性随时间变化，Bybit在持续高波动期可预测性较低，Binance对冲击更具韧性；含交易费用时DAR预测在跨交易所套利中优于无变化模型并产生正确定性等价收益（certainty equivalent return, CER）增益，且对风险偏好稳健。研究意义在于将资金费率预测用于持仓成本管理、市场情绪信号和跨交易所套利，并提供可扩展的回测框架。
关键技术方法如下：样本队列来自Binance和Bybit API的BTC/USDT永续合约资金费率，覆盖2024年1月11日至2025年3月17日，共1296个观测，样本内912个、样本外384个。研究人员对去均值资金费率建立DAR(p)模型，以Ljung–Box检验选择消除残差序列相关的最小滞后阶；采用准极大似然（quasi-maximum likelihood, QML）递归估计，使用固定长度滚动窗口和扩展窗口生成一步前向点预测与方向预测；以MSPE和MDA评价，并采用Clark–West调整MSPE检验与Pesaran–Timmermann方向检验；以QR迭代（正交三角分解迭代）估计顶部Lyapunov指数（Lyapunov指数，刻画动力系统稳定性的指数）；以跨交易所套利回测和CER评估经济价值。
7. Results（研究结果）。通过样本内模型选择，Binance和Bybit的最优模型分别为DAR(4)和DAR(6)。在OOS点预测方面，未调整MSPE时仅Binance某些滚动窗口可低于无变化模型，Bybit没有DAR模型能击败随机游走；经Clark–West估计偏差调整后，所有DAR模型的MSPE均显著低于无变化模型，说明两家交易所资金费率在预测误差意义上可预测，且对估计窗口稳健。通过方向预测评价，DAR模型对Binance的MDA为48.70%—60.16%，对Bybit为49.48%—62.5%，Pesaran–Timmermann检验均在1%水平显著；扩展窗口取得最高MDA，滚动窗口更利于降低预测误差。通过局部可预测性分析，顶部Lyapunov指数在Binance从未为正，在Bybit除2025年1月29日一次临界正值外几乎均为负，表明资金费率动态总体稳定、具备可预测性；局部指数显示可预测性并不均匀，Bybit在OOS初期至2024年11月底以及2025年2月中旬以后明显变差，与持续高波动和较大波动簇有关，Binance则时间异质性较小。通过跨交易所套利回测（初始资本1亿美元、5倍杠杆），含费用情形下DAR预测实现年化收益6.258%、Sharpe比率0.659、最大回撤-1.140%，优于无变化模型的4.258%、0.018和-1.366%，ΔCER在λ=1、2、3时约为2.00%，表明经济可预测；无费用情形下无变化模型反而明显占优。原文指出估计偏差会高估预期价差，且BTC/USDT合约交易量高、两家交易所价差很紧，限制套利利润。
讨论部分表明，研究人员未来可联合建模加密货币期货和/或现货价格与多种资金费率，预期可提高预测精度并适用于精度要求更高的任务；还可将DAR预测应用于流动性较低合约和较小交易所的套利表现研究。原文结论部分可译为：该研究考察资金费率尤其是Binance和Bybit的BTC/USDT永续合约的OOS可预测性。分析得到三项关键发现：第一，DAR模型的OOS点预测及相应方向预测在统计上比无变化模型更准确，且不随估计技术改变，构成统计可预测性的强证据；第二，局部分析不仅强化了可预测性证据，还显示可预测性随时间变化，Bybit在高波动和突发跃迁期可预测性较低，而Binance对冲击更具韧性，说明只有足够大且持续的波动簇才会导致显著的可预测性异质性；第三，资金费率预测可用于跨交易所套利策略，以事前确定下一资金期的最优头寸；尽管该套利算法包含无滑点和固定交易费等强假设，但可作为开发更复杂、更实用算法的起点，例如加入止损以避免强平并支付惩罚费。
