作者：Michael Gan ，库币创始人； Ken Tian，KuCoin 衍生品业务主管

机构：KuCoin

1.简介

许多加密货币交易所采用复杂的风险管理措施来防范清算风险。其中包括设置多级风险限额和限制高杠杆的使用。此外，交易所根据标的资产的价格和市场流动性动态调​​整风险限额和保证金率等参数。然而，这些流程不仅复杂，而且缺乏明确的管理标准，需要大量资源来维护一个内部可能不一致的系统——例如，由于杠杆等级的突然变化，增加资本可能不允许更大的头寸。 p>

在某些交易平台上rms（见图1），有近百个风险限额等级。这些被动的等级变化增加了系统管理的复杂性，并可能导致部分强制平仓，损害用户的利益。

我们的目标是开发一个非线性模型来模拟给定资本的合理头寸规模，从而实现更灵活的操作和有效的风险管理。该方法涉及重建内部公式系统以实现自我一致性，为现有复杂的风险限额模板提供可行的替代方案。

本文提出了一种新的风险管理框架作为当前限额模型的替代方案。新方式已经在库币全仓杠杆系统中落地，并呈现出一些明显的优势：

更接近传统交易所的仓位管理设置，更方便机构操作。无需根据仓位规模或杠杆使用情况调整风险限额，简化操作流程，减轻交易所负担，同时降低损害用户利益的风险，保障交易所自身利益。

该模型提供了更加透明和简化的风险管理方法，使交易所运营和用户利益保持一致。

2.模型2.1．最大持仓规模

我们假设用户账户持有资金C，标的资产期货合约的价格为p。初始保证金率r对应于用户选择的杠杆的倒数。忽略交易费用，用户可以开仓的合约数量为：

N = C/(p ∗ r)

但是，如果资本 C 太大或保证金率 r 太低，相关风险交流变得意义重大。因此，当C和rrr都固定且C较大时，最大允许持仓量将受到交易所风险等级的限制，远小于C/(p*r)。相反，资本 C 较小时，头寸规模可以接近 C/(p*r)。

许多交易所实施数十到数百个风险等级来管理这种关系。因此，随着资本的增长，用户经常需要调整他们的等级。这些限制背后的目标可以用对数函数粗略地表达：

N = ln(C/(p ∗ r) + 1)

显然，当 C 较大时，对数函数的一阶导数减小，这意味着可实现的头寸规模将小于线性公式计算的头寸规模。然而，这提出了一个挑战：为了使近似 ln(x+1)≈x 成立，C 必须足够小，并且 p 必须很大。否则，即使使用小C，用户仍然可能无法达到C/(p*r的理论最大持仓规模）。

为了解决这个问题，我们需要根据不同合约类型的特点，引入更大的缩放参数k。然后将原方程修改为：

N = k ∗ ln(C/(p ∗ r ∗ k) + 1)）

这样的调整满足了小-满足大资金用户的风控要求。

考虑到库币全仓保证金系统中的未平仓头寸和其他保证金要求，我们定义如下：

方程为计算最大允许位置为：

N = max(0, k ∗ ln((E − F )/(k ∗ p ∗ r) + 1) − Q − O)

因此，在库币的这个模型下，对于典型规模的资金，杠杆与最大允许持仓之间的关系可以直观地看到如下：

该图表反映了模型如何确保可扩展性和稳定性，平衡小用户的需求（最大化头寸规模）和大用户的风险控制粗略的非线性保证金调整。

然而，在大多数交易所（例如OKX和Binance），杠杆与头寸规模之间的关系往往遵循一条扭曲的曲线：

<事实上，即使是MMR（维持保证金率）也遵循类似的模式。这对于大资本用户来说尤其具有挑战性。例如，当IMR（初始保证金率）设置为50%时，MMR可能高达48%。在这种情况下，尝试开大仓位的用户被限制使用低杠杆，但MMR却被提高到不合理的程度。

随着杠杆等级的变化，这种设置限制了用户有效利用其资金的能力突然，需要频繁调整，降低了灵活性。它造成了风险管理和用户体验之间的不平衡，使得大投资者难以在这些限制下有效运作。

2.2. MMR 和 IMR

MMR（维持保证金率）本质上是一种补偿机制m 用于交易所管理清算风险。 MMR的核心反映了流动性抽取的压力，需要根据未平仓头寸的变化进行动态调整。下面，我们根据交易所可用的流动性相关指标得出MMR的理论值。

2.2.1.流动性相关变量

为了正确评估流动性，需要确定以下变量，这些变量通常可供交易所访问：

这些值代表稳定市场的平均状况。

2.2.2 .定义用户位置指标2.2.3。通过订单流调整 MMR

限价订单输入和取消的速度包含在多个级别的平均值中。鉴于市价订单更有可能立即执行，我们需要考虑这种相对增加或减少。以下关系定义了动态：

例如，持有多头头寸，对应的强平仓流动性可以是买单数量（Q）：

为了交易所的安全，我们得到：

X(R) = 仓位 R = f(仓位)

这里，到达该位置并不遥远，并且 R 具有近似反比关系。对于最小订购量：

R = p × MMR

给定变量的约束关系，位置已知。 MMR 与 p 无关，因此：

MMR = g(位置) = z(Q, S, T , μ^, i, j) = f (位置)/p

因此，rMMR的最终值可以表示为：

rMMR = min(MMRup, MMR)

从上面的方程可以看出，除了R之外，其他变量，例如位置、Q、S和T均已确定。因此，可以从这些变量推导出R，随后可以计算MMR和rMMR。

此外，MMRup上限是必要的，因为模型倾向于保守估计，往往忽略了关键因素的积极影响订单簿上的价格点和关键买价或卖价水平。 CME 的一些研究（见图 2）更说明了这种效应准确。

IMR（初始保证金率）通常与标的资产的杠杆率和流动性相关。因此，往往需要根据仓位大小等因素进行动态调整。可以定义为：

IMR = max(r, w(rMMR))

这里，IMR对应2.1节中提到的初始保证金率r。函数 w(rMMR) 提供了更大的灵活性。例如，如果交易所认为其流动性稳定，则可以进行简单的调整，例如：w(rMMR)=1.3×rMMR。

这种方法提供了一种实用的动态调整保证金率的方法，确保 IMR 反映当前的市场状况和流动性水平。与固定保证金规则相比，这使得系统更具适应性，通过有效的风险管理使用户和交易所都受益。

3. k 的近似解

参数 k 作为每个特定资产（符号）的全局设置，不需要考虑现有订单或未平仓订单职位。原则上，k值越大，用户可开仓的数量就越多。然而，有一个关键的限制：最大允许头寸所需的保证金不得超过总资本乘以IMR。

为了简化，让我们将最大允许头寸公式分配给变量v：< /p>

v=k*ln(C/(p*r*k)+1)

实际杠杆必须小于或等于所用杠杆的倒数margin:

v/(C/p) <= 1/max(r, f (v, rMMR))

我们引入一个新变量 y 来代替 C（大写）和 p（价格）进行简化：

y = C/p

我们得到：

v <= y/max(r, f (v, rMMR))

除了极小的仓位，1.3×rMMR（使用f(pos,rMMR)进行简化调整，一般小于r。对于较小的仓位，所需的保证金可以忽略不计，因此这种情况同样，由于 MMRup 设置了上限，因此在这种情况下也可以忽略它。

因此，我们只需要考虑 1/IMR 的最小可能值。因此，不等式可以简化为：

v <= y/(1.3 ∗ f(仓位)/p)

这个不等式说明了最大允许持仓与实际杠杆之间的关系.

与其他变量不同，位置和 R 具有明确定义的反比关系。因此，由R推导出来的MMR也可以与位置成反比关系，MMR可以表示为：

MMR = para1 + para2/position

此时，假设低仓位下的MMR与传统形式（杠杆倒数的一半）一致，则公式可以写为：

MMR = 1/(2 ∗ maxleverage) ∗(1+ pos/位置）

现在我们尝试找到 k 的极限，则公式（3）中的 r 变为 1/maxleverage。

并且，代入变量，得到不等式 (18 ）可以变成：

我们观察到y（由用户的资本决定）理论上不应该影响ct k 的值。因此，k 主要取决于位置。尽管 k 的最小值随 y 的变化而变化，但目标是确定所有条件下的最小可能最小值。这确保了在任何情况下开仓都保持安全。

这里，y/(k*r) 仍然可以用变量代替，但方程仍然复杂且难以解析求解。一些广泛的近似实验和迭代模拟表明k收敛于一个非常简单的表达式（但k的计算是一项艰巨的任务，因此这里不再详细阐述）：

k <= e *position

通过调整k或position的值，可以达到当资金量或持仓数量不大时，用户最多可以开仓到C/(p*r ）。否则，他们将受到限制。数量的大小和限制的程度都是由k和position来控制的。因此，不同的加密货币ncies往往对应不同的k值。

4.结论

以上是对KuCoin全仓杠杆风险限额制度的简单介绍。这种设计的优势和用户友好性是不言而喻的。

在库币全仓保证金系统中，除了风险限额外，其他要素如风险比率、订单保证金利用率等也都是通过全仓保证金系统进行动态管理。标记价格。这种动态管理不仅最大限度地释放了用户的保证金，而且与新的风险限额框架无缝集成，提高了系统效率和用户体验。

5.附录

图1：

图2：

6.参考“订单簿动态的随机模型”，作者：Rama Cont、Sasha Stoikov 和 Rishi Talreja，运筹学，第 58 卷，第 3 期，2010 年，第 549-563 页。“预测初始保证金要求 - 模型评估”， 《金融市场杂志》（2018 年第 40 卷）Alfonsi, A.、A. Schied、A. Schulz。2010.具有一般形状函数的限价订单簿中的最优执行策略。定量。金融 10(2)，第 143-157 页

图片由 Oleksandr Pidvalnyi 在 Pixabay 上发布