Bitfinex 放贷策略回测结果——3 年数据
Stratum 提供的每个融资策略都在 1,095 天真实的 Bitfinex 融资市场历史数据上做了回放。本页公开由此得到的数据集——按策略和币种统计的平均净 APR、报价成交率和资金利用率——让你用数字而不是营销话术来比较各种方法。注明出处即可自由引用。
请结合下方方法论来解读这些数字：回测在构造上就偏乐观（足额成交、无市场冲击）。它们能很好地为策略排序；但会高估绝对回报。在流动性好的稳定币订单簿上，真实的样本外实盘回报受市场环境约束，约在 8.5–10% APR。
USD 融资
Bitfinex 最深的融资订单簿。以稳定币式的美元向保证金交易者放贷；利率跟随 Flash Return Rate (FRR)——Bitfinex 每小时更新的基准融资利率。
| 策略 | 平均 APR（净） | 报价成交率 | 利用率 |
|---|---|---|---|
| Yield Curve回测最佳 | 10.75% | 21.7% | 97.0% |
| Adaptive Carry | 9.63% | 5.9% | 73.1% |
| Adaptive Ladder | 8.36% | 64.6% | 98.2% |
| Rate Ladder | 7.77% | 61.1% | 98.4% |
| Maturity Ladder | 7.21% | 48.2% | 95.7% |
| Carry Optimizer | 6.54% | 64.0% | 98.1% |
| Spike Catcher | 6.03% | 17.6% | 64.0% |
| FRR + Offset | 4.83% | 82.0% | 99.0% |
| Simple FRR | 4.83% | 82.0% | 99.0% |
| Adaptive Spread | 4.08% | 72.0% | 98.1% |
| Rate Spread | 3.97% | 54.3% | 96.2% |
USDT (UST) 融资
Tether 融资，在 Bitfinex 上代码为 UST。比 USD 略薄，但利率环境通常相近；适用同样的策略。
| 策略 | 平均 APR（净） | 报价成交率 | 利用率 |
|---|---|---|---|
| Yield Curve回测最佳 | 9.80% | 17.8% | 95.6% |
| Rate Ladder | 7.91% | 54.8% | 98.0% |
| Adaptive Ladder | 7.54% | 62.9% | 98.1% |
| Maturity Ladder | 7.06% | 46.4% | 95.0% |
| Carry Optimizer | 6.63% | 53.8% | 97.1% |
| Adaptive Carry | 6.52% | 2.5% | 49.4% |
| Spike Catcher | 6.26% | 11.5% | 53.8% |
| FRR + Offset | 5.17% | 72.8% | 98.3% |
| Simple FRR | 5.17% | 72.8% | 98.3% |
| Adaptive Spread | 4.25% | 68.7% | 97.8% |
| Rate Spread | 4.17% | 52.4% | 95.9% |
BTC 融资
加密货币的融资利率远低于美元利率——BTC 的借款需求在结构上更弱。这里的绝对 APR 很小；有意思的信号是策略之间的排序。
| 策略 | 平均 APR（净） | 报价成交率 | 利用率 |
|---|---|---|---|
| Yield Curve回测最佳 | 0.25% | 17.3% | 83.9% |
| Spike Catcher | 0.22% | 1.6% | 36.2% |
| Adaptive Ladder | 0.19% | 48.4% | 94.0% |
| Carry Optimizer | 0.18% | 52.0% | 95.6% |
| Rate Ladder | 0.10% | 43.5% | 95.0% |
| Maturity Ladder | 0.08% | 45.0% | 79.3% |
| Adaptive Carry | 0.08% | 0.7% | 13.7% |
| FRR + Offset | 0.04% | 69.7% | 94.2% |
| Simple FRR | 0.04% | 69.7% | 94.2% |
| Rate Spread | 0.03% | 42.0% | 91.9% |
| Adaptive Spread | 0.03% | 57.1% | 94.9% |
ETH 融资
与 BTC 类似，ETH 融资的收益远低于美元融资，且更具间歇性——回报集中在需求高峰附近，而非稳定的息差。
| 策略 | 平均 APR（净） | 报价成交率 | 利用率 |
|---|---|---|---|
| Yield Curve回测最佳 | 1.49% | 7.4% | 78.8% |
| Spike Catcher | 1.45% | 1.1% | 31.3% |
| Rate Ladder | 1.22% | 28.6% | 89.8% |
| Adaptive Ladder | 0.93% | 38.0% | 90.5% |
| Carry Optimizer | 0.66% | 29.8% | 88.6% |
| Maturity Ladder | 0.63% | 30.7% | 80.0% |
| FRR + Offset | 0.52% | 46.2% | 91.3% |
| Simple FRR | 0.52% | 46.2% | 91.3% |
| Adaptive Carry | 0.48% | 0.6% | 15.3% |
| Rate Spread | 0.42% | 39.1% | 91.9% |
| Adaptive Spread | 0.40% | 46.9% | 93.6% |
平均 APR 是整个窗口内年化的平均回报，已扣除 Bitfinex 对所赚利息收取的 15% 费用。报价成交率是模拟报价中成交的比例。利用率是平均处于出借状态的资金比例。APR 高但成交率极低的行依赖罕见的成交，最容易受到回测乐观偏差的影响。
这些数字如何计算
每个数字都来自 Stratum 回测引擎按币种回放 1,095 天（约 3 年）的 Bitfinex 融资市场历史数据——记录的利率和融资 K 线。引擎模拟每个策略挂出真实报价：按贷款连续计息、遵守贷款期限、模拟提前返还，并报告已扣除 Bitfinex 15% 利息费用的净 APR。所有策略使用完全相同的回放窗口和成交/费用模型，因此同一表格内的各行可以直接比较。
坦率说明局限：这些回测偏乐观。它们假设报价按记录利率足额成交、没有市场冲击——你自己的规模永远不会推动订单簿，也永远不会把队列优先级输给其他放贷者。在我们观察过的各种市场环境中，使用合理默认参数时，流动性好的稳定币订单簿上的真实样本外实盘回报约束在 8.5–10% APR，无论回测的标题数字是多少。请把这些表格当作排序工具，而非预测。
再补充两点诚实说明。第一，APR 高但成交率极低的策略（等待利率飙升的事件驱动型方法）是从极少的成交中外推的——它们在回测与实盘之间的差距最大。第二，Bitfinex 融资可能被借款人提前偿还，所以长期限报价并不能可靠地赚满整个期限。平台基础知识供参考：FRR（Flash Return Rate）是 Bitfinex 每小时更新的基准融资利率，最低报价约等值 $150，日利率按 日利率 × 365 年化。
采用 CC BY 4.0 的开放数据
你可以在文章、研究笔记、对比页面、视频或自己的分析中重复使用这些表格或完整下载文件。请注明 Stratum 为来源，并保留方法论注意事项。来源链接有助于读者核查最新快照，但纯文本署名或 nofollow 链接同样可以。
也可以在正文中自然地加链接，例如“根据 Stratum 的 3 年 Bitfinex 放贷回测数据”，锚文本指向本页 URL。
许可：知识共享署名 4.0 国际（CC BY 4.0）。必须署名，但不要求 follow 链接。
嵌入这份数据
只需一个静态 iframe 即可把这张策略排行卡片加到你自己的网站或博客——无需 JavaScript。只要保留 “Data: Stratum” 出处链接即可免费使用。
FAQ
这些回测结果是如何计算的？
Stratum 回测引擎按币种回放 1,095 天的 Bitfinex 融资市场历史数据，并模拟每个策略对着记录利率挂出报价。按贷款计息，模拟期限和提前返还，报告的 APR 已扣除 Bitfinex 对所赚利息收取的 15% 费用。每个策略使用相同的窗口和相同的成交与费用模型，因此同一币种内的结果可以直接比较。
为什么回测的 APR 高于实盘应有的预期？
回测假设每笔报价都按记录利率足额成交，没有市场冲击，也没有队列位置的竞争。实盘中，你的规模会推动订单簿，其他放贷者会压价。在流动性好的稳定币订单簿上，使用合理默认参数时，样本外实盘回报约束在 8.5–10% APR。回测在策略相互排序上可靠，但不能预测你的绝对回报。
我可以复现这些数字吗？
大体上可以。底层的融资市场历史数据可以通过 Bitfinex API 公开获取（融资 K 线和统计端点），方法论也在本页有描述：1,095 天回放、按贷款连续计息、扣除 15% 费用。Stratum 订阅用户可以在应用内用同一引擎运行相同的回测。独立的重新实现会在成交假设上有所不同——这正是我们把成交率和利用率与 APR 并列发布的原因。