为什么合约的资金费率高于或低于我的预期？

 https://www.bitmex.com/app/perpetualContractsGuide#Funding-Rate-Calculations

有时，这些公式计算出的资金费率看起来会高于或低于某些用户的预期。但是，可以使用本文所述的步骤重现这些数字，本文以合约 ONDOUSDT 为例进行说明。页面底部提供了每项计算的 Python 代码片段。

资金费率支付使用上述链接中描述的公式设置：

资金费率 (F) = 溢价指数 (P) + clamp(利率 (I) - 溢价指数 (P), 0.05%, -0.05%)
 

此公式中的“溢价指数”是指上一个资金费率 8 小时窗口结束时的 .ONDOUSDTPI8H 指数值。这意味着，对于2025 年 1 月 14 日 04:00:00 的资金费用收付，我们需要使用上一个窗口结束时（即 2025 年 1 月 13 日20:00:00）的溢价指数值，该值可以通过以下 API 获取：https://www.bitmex.com/api/v1/trade?symbol=.ONDOUSDTPI8H&count=1&reverse=true

这将返回以下值：

此代码的利率固定为 0.01%（请参阅 https://www.bitmex.com/app/contract/ONDOUSDT），因此我们可以计算此资金费用支付时的资金费用支付为 F = -0.00184 + clamp(0.00185, 0.0005, -0.0005) = -0.00184 + 0.0005 = -0.00134

这与面板中显示的值相符：

8H 值是根据前 8 小时窗口内 .ONDOUSDTPI 指数的算术平均值计算得出的，该平均值以分钟为单位公布，可以从此处的 API 中获取： https://www.bitmex.com/api/v1/trade?symbol=.ONDOUSDTPI&count=500&reverse=false&startTime=2025-01-13T12%3A01%3A00.000Z&endTime=2025-01-13T20%3A00%3A00.000Z

从该输出中取“价格”字段的平均值得出 -0.001839566，四舍五入后与 .ONDOUSDTPI8H 匹配。

我们会根据上方链接中提供的公式，使用工具表中的数据，在每分钟结束时计算每个交易品种的溢价指数： 溢价指数 (P) = (Max(0, 影响买入价 - 标记价格) - Max(0, 标记价格  - 影响卖出价)) / 现货价格+ 标记价格中使用的合理基差. 然后，该值会被插入到指数历史记录中该分钟的溢价指数中。

该代码的产品明细： https://www.bitmex.com/api/v1/instrument?symbol=ONDOUSDT

该产品代码的最新溢价指数值： https://www.bitmex.com/api/v1/trade?symbol=.ONDOUSDTPI&count=1&reverse=true

想复制溢价指数，请从“工具表”记录中提取以下 5 个字段：

• impactBidPrice
• impactAskPrice
• fairPrice
• indicativeSettlePrice
• fundingRate

该分钟的溢价指数值计算如下：

PI = ((max(0, impactBidPrice - fairPrice) - max(0, fairPrice - impactAskPrice)) / indicativeSettlePrice) + fundingRate

每分钟结束时计算出的 PI 值将与该分钟的溢价指数值历史记录相符。但请注意，由于市场活动，计算值在每分钟数据采集之间可能会出现波动——这些值每分钟仅采集一次，因此只有在每分钟结束时才会趋于一致。

为了演示此计算，我们于 UTC 时间 2025 年 1 月 14 日 02:06:00 截取了 ONDOUSDT 数据。此时返回的产品列表（PI 使用上述表达式计算）：

ONDOUSDT PI 数据与以下计算结果相符（见下方“价格”字段）：

计算结果完全吻合。

代码示例：

获取 8 小时溢价指数：

import requests
import pandas as pd

symbol = "ONDOUSDT"
start_time = "2025-01-13T12:01:00.000Z"
end_time = "2025-01-13T20:00:00.000Z"

url = f"https://www.bitmex.com/api/v1/trade?symbol=.{symbol}PI8H&count=1&startTime={start_time}&endTime={end_time}"
resp = requests.get(url)

df_pi8h = pd.DataFrame(resp.json())

获取每分钟的溢价指数并取平均值，使其与 8 小时溢价指数相匹配：

url = f"https://www.bitmex.com/api/v1/trade?symbol=.{symbol}PI&count=500&startTime={start_time}&endTime={end_time}"
resp = requests.get(url)

df_pi = pd.DataFrame(resp.json())
pi8h = df_pi["price"].mean()

获取当前产品列表值并计算 PI：

url = f"https://www.bitmex.com/api/v1/instrument?symbol={symbol}"
resp = requests.get(url)

df = pd.DataFrame(resp.json())
df["bid"] = (df["impactBidPrice"] - df["fairPrice"]).clip(lower=0)
df["ask"] = (df["fairPrice"] - df["impactAskPrice"]).clip(lower=0)
df["PI"] = ((df["bid"] - df["ask"]) / df["indicativeSettlePrice"]).fillna(0.0) + df["fundingRate"]
df = df[["impactBidPrice", "impactAskPrice", "fairPrice", "indicativeSettlePrice", "fundingRate", "PI"]]

与 PI 指数的最新值相比：

url = f"https://www.bitmex.com/api/v1/trade?symbol=.{symbol}PI&count=1&reverse=true"
resp = requests.get(url)

df_pi = pd.DataFrame(resp.json())