Bitfinex 借貸策略回測結果——3 年數據
Stratum 推出的每一套融資策略，都以 1,095 天的真實歷史 Bitfinex 融資市場數據重播驗證。本頁公開由此產生的資料集——每套策略、每個幣別的平均淨 APR、掛單成交率與資金使用率——讓你能用數字而非行銷話術比較各種做法。歡迎在註明出處的前提下引用。
請搭配下方方法論閱讀這些數字：回測在構造上偏樂觀（全額成交、無市場衝擊）。它們很適合為策略排序，但會高估絕對報酬。在流動性好的穩定幣簿上，真實樣本外實盤報酬受市場環境所限，約在 8.5–10% APR。
USD 融資
Bitfinex 最深的融資簿。對保證金交易者的穩定幣式美元借貸；利率跟隨 Flash Return Rate（FRR），即 Bitfinex 每小時更新的基準融資利率。
| 策略 | 平均 APR（淨） | 掛單成交率 | 資金使用率 |
|---|---|---|---|
| Yield Curve 回測最佳 | 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）融資
Tether 融資，在 Bitfinex 上代號為 UST。深度略遜於 USD，但利率環境通常相當；適用相同的策略。
| 策略 | 平均 APR（淨） | 掛單成交率 | 資金使用率 |
|---|---|---|---|
| Yield Curve 回測最佳 | 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 融資
加密貨幣的融資利率遠低於美元利率——BTC 的借款需求在結構上更弱。這裡的絕對 APR 很小；有意思的訊號在於策略之間的排序。
| 策略 | 平均 APR（淨） | 掛單成交率 | 資金使用率 |
|---|---|---|---|
| Yield Curve 回測最佳 | 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 融資
與 BTC 一樣，ETH 融資的收益遠低於美元融資，而且更偶發——報酬集中在需求高峰附近，而不是穩定的利差。
| 策略 | 平均 APR（淨） | 掛單成交率 | 資金使用率 |
|---|---|---|---|
| Yield Curve 回測最佳 | 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 是整個窗口的年化平均報酬，已扣除 Bitfinex 對所賺利息收取的 15% 費用。掛單成交率是模擬掛單中成交的比例。資金使用率是平均而言出借中資金的占比。APR 高但成交率極低的列，依賴罕見的成交，受回測樂觀偏差的影響最大。
這些數字如何計算
每個數字都來自 Stratum 回測引擎，按幣別重播 1,095 天（約 3 年）的歷史 Bitfinex 融資市場數據——記錄下來的利率與融資 K 線。引擎模擬每套策略實際掛單：按貸款連續計息、遵守貸款期限、為提前回籠建模，並回報已扣除 Bitfinex 對所賺利息 15% 費用的 APR。每套策略的重播窗口與成交／費用模型完全相同，因此同一張表內的各列可直接比較。
把限制說白：這些回測偏樂觀。它們假設掛單以紀錄上的利率全額成交、沒有市場衝擊——你的資金規模永遠不會推動市場，也永遠不會在排隊上輸給其他出借人。在我們觀察過的各種市場環境下，流動性好的穩定幣簿上的真實樣本外實盤報酬，在合理的預設參數下受市場環境所限，約在 8.5–10% APR，與回測標題數字無關。請把這些表當作排序工具，而不是預測。
再補兩點誠實聲明。第一，APR 高但成交率極低的策略（等待利率飆升的事件驅動做法）是從極少數成交外推的——它們的回測與實盤落差最大。第二，Bitfinex 融資可能被借款人提前償還，所以長天期掛單並不能可靠地賺滿整個期限。平台基本知識供參考：FRR（Flash Return Rate）是 Bitfinex 每小時更新的基準融資利率，最低掛單約等值 $150，日利率的年化方式是日利率 × 365。
免費引用——須註明出處並附連結
歡迎在文章、研究筆記、比較頁面或影片中使用這些表格。唯一條件：註明 Stratum 並連結到本頁，讓你的讀者能查驗方法論與最新快照。當策略或重播窗口變動時，資料集會由同一引擎重新產生；本頁始終標示快照日期。
或在內文中自然加上連結，例如「根據 Stratum 的 3 年 Bitfinex 借貸回測數據」，並把錨點指向本網址。
授權：可免費引用與摘錄，須註明出處 Stratum 並連結到本頁。請勿在缺少方法論注意事項的情況下轉載完整資料集。
嵌入這份數據
只要一段靜態 iframe，就能把這張策略排行卡片加到你自己的網站或部落格——不需要 JavaScript。只要保留「Data: Stratum」的出處連結，即可免費使用。
FAQ
這些回測結果是怎麼計算的？
Stratum 回測引擎按幣別重播 1,095 天的歷史 Bitfinex 融資市場數據，並模擬每套策略對著記錄的利率掛單。利息按貸款計提，期限與提前回籠都有建模，回報的 APR 已扣除 Bitfinex 對所賺利息收取的 15% 費用。每套策略使用相同的窗口與相同的成交、費用模型，因此同一幣別內的結果可直接比較。
為什麼回測 APR 高於我實盤該預期的水準？
回測假設每筆掛單都以紀錄上的利率全額成交，沒有市場衝擊，也沒有排隊競爭。實盤中，你的規模會推動市場，其他出借人也會出更低的價。在流動性好的穩定幣簿上，合理預設參數下的樣本外實盤報酬受市場環境所限，約在 8.5–10% APR。回測在「策略互相排序」上可靠，在「預測你的絕對報酬」上不可靠。
我能重現這些數字嗎？
大致上可以。底層的融資市場歷史可透過 Bitfinex API 公開取得（融資 K 線與 stats 端點），方法論也寫在本頁上：1,095 天重播、按貸款連續計息、扣除 15% 費用。Stratum 訂閱者可在應用內用同一引擎跑相同的回測。獨立重新實作在成交假設上會有差異——這正是我們把成交率與資金使用率和 APR 並列公開的原因。