链上期权爆发的前夕

marsbit发布于2026-03-12更新于2026-03-12

文章摘要

加密货币期权市场正迎来爆发,其规模远超多数人认知。芝加哥商品交易所(CME)的加密货币衍生品交易量较去年历史纪录增长46%,机构投资者越来越依赖期权工具进行风险管理。2025年年中,比特币期权未平仓合约总额达650亿美元,首次超越期货,显示具备风险定义功能的工具正逐步取代纯粹杠杆工具。 尽管期权市场快速增长,目前交易仍主要通过中介完成。去中心化衍生品市场份额两年内从2%增至10%,但链上期权仍处于萌芽阶段。DeriveXYZ是当前领先的链上期权协议,已重构为基于订单簿的系统,支持零燃料费和亚秒级交易,其投资组合保证金机制也受到机构关注。KyanExchange则通过结合订单簿和链上保证金,支持多腿策略的原子交易。 机构对结构化产品的需求推动了对期权的需求,例如备兑开仓策略的ETF管理规模已达千亿美元。随着更多机构资金进入加密领域,相应对冲需求将向链上迁移。监管环境也在改善,美国SEC与CFTC联合声明允许受监管交易所开展现货加密交易,CME集团将于5月推出全天候加密货币期权交易,为链上期权发展提供了更有利的条件。

撰文:Delphi Digital

编译:AididiaoJP,Foresight News

加密货币期权市场的规模远超多数人的认知。芝加哥商品交易所(CME)的加密货币衍生品交易量较去年创下的历史纪录高出 46%。机构投资者需要明确的风险管理工具来对冲大额持仓,而期权是唯一能提供这一功能的加密货币工具。

格局重塑

2025 年年中,比特币期权未平仓合约总额达到 650 亿美元,首次超越期货未平仓合约。期货是杠杆工具,而期权允许基金通过支付权利金,为其 5 亿美元比特币持仓设定亏损上限。这一转折点表明,具备风险定义功能的工具正逐步取代纯粹的杠杆工具。

这一增长主要集中在两个平台。Deribit 多年来一直是加密货币期权交易的主流平台,2025 年被 Coinbase 以 29 亿美元收购后,获得了机构级别的背书。而 IBIT 期权自 2024 年底推出后,则将传统金融资本引入这一领域。期权市场正在快速扩张,但绝大多数交易仍需通过中介完成。

链上期权仍处萌芽阶段

去中心化衍生品的市场份额在两年内从 2% 攀升至超过 10%。Hyperliquid 已证明,去中心化交易所(DEX)在速度和透明度上可与中心化交易所媲美。然而,链上期权尚未出现类似级别的代表性项目。

@DeriveXYZ 目前仍是领先的链上期权协议,过去 30 天内名义期权交易额超过 7 亿美元。该协议于 2021 年 8 月以 Lyra 名义作为期权自动做市商(AMM)推出,历经熊市后于 2023 年全面重构,现基于自有 OP Stack Layer 2 构建了免燃料费的中央限价订单簿。

此次重构彻底改变了定价机制。做市商直接在订单簿上报价,使点差收窄、定价更精确,并支持更大规模交易。交易者可享受零燃料费与亚秒级执行速度。

其投资组合保证金系统同样受到机构关注。系统通过情景分析评估整体持仓风险。例如,若某交易者同时持有同一标的资产的看涨期权多头和看跌期权空头,系统不会对各条腿单独收取保证金。

对冲后持仓所需抵押金低于各部位简单相加,这正是传统金融衍生品交易台的通用逻辑。Derive 还在同一 Layer 2 上提供永续合约和借贷服务,并支持跨产品交叉保证金。

@KyanExchange 正以不同方式朝同一方向迈进。该平台结合订单簿撮合引擎与链上投资组合保证金,支持单次原子交易中完成多腿操作。交易者仅需数次点击即可部署铁秃鹰策略。

Kyan 采用的清算机制也与多数 DeFi 协议不同。当保证金阈值被突破时,平台不会清算整个账户,而是执行部分平仓,仅平掉足以使账户恢复保证金要求的最少头寸。Kyan 目前正处于 Arbitrum 测试阶段,主网上线在即。

谁需要期权?

构建结构化产品的资产管理公司亟需期权所提供的明确定义的风险收益结构。以摩根大通的股票溢价收益 ETF 为例,该基金基于备兑开仓策略构建,是全球规模最大的主动管理型基金之一。以衍生品为基础的收益类产品整体管理规模已逾千亿美元。随着更多机构资金进入链上,相应的对冲需求也将随之迁移。

目前,越来越多机构投资者已持有或计划短期内配置数字资产。IBIT 期权的未平仓合约已超越黄金 ETF GLD。2025 年,CME 处理了价值 3 万亿美元的加密货币衍生品名义交易额。

时机正在成熟

早期多数链上期权协议未能存活,主因是监管不确定性。例如 Opyn 曾因无牌运营衍生品交易所而遭 CFTC 处罚。当时团队在开发产品时,无法预判产品下一个季度是否会被认定为非法。

当前这一局面正在改善。2025 年 9 月,美国证券交易委员会(SEC)与商品期货交易委员会(CFTC)联合发布声明,允许受监管交易所开展现货加密资产交易。《CLARITY 法案》已在众议院通过,拟将数字商品现货市场划归 CFTC 监管。参议院版本仍在协商,目前处于搁置状态。CME 集团将于 5 月 29 日推出全天候加密货币期权交易。尽管这并不保证链上协议必然胜出,但整体环境已发生实质性转变。

相关问答

Q根据文章,为什么说链上期权市场正处于爆发的前夕?

A文章指出,加密货币期权市场规模远超多数人认知,CME交易量同比增长46%,机构投资者需要期权进行风险管理。同时,去中心化衍生品市场份额从2%攀升至超过10%,监管环境正在改善(如SEC与CFTC联合声明允许受监管交易),传统金融资本通过IBIT期权等渠道进入,这些因素共同推动链上期权发展。

QDeribit和IBIT期权在加密货币期权市场中扮演了什么角色?

ADeribit是多年来加密货币期权交易的主流平台,2025年被Coinbase收购后获得机构级别背书;IBIT期权自2024年底推出,将传统金融资本引入加密货币期权领域,其未平仓合约已超越黄金ETF GLD。

QDeriveXYZ作为链上期权协议有哪些核心创新?

ADeriveXYZ重构后基于自有OP Stack Layer 2构建免燃料费的中央限价订单簿,做市商直接报价使点差收窄、定价更精确;提供投资组合保证金系统,通过情景分析评估整体风险并支持跨产品交叉保证金;同时提供永续合约和借贷服务,实现零燃料费和亚秒级执行速度。

Q机构投资者为什么需要期权工具?

A机构投资者需对冲大额持仓风险,期权是唯一能提供明确定义风险管理的加密货币工具。例如,构建结构化产品的资产管理公司依赖期权设计风险收益策略(如备兑开仓),传统金融中基于衍生品的收益类产品管理规模已超千亿美元,随着机构资金进入链上,对冲需求将迁移。

Q当前监管环境如何影响链上期权的发展?

A早期监管不确定性曾阻碍发展(如Opyn因无牌运营受罚),但2025年9月SEC与CFTC联合声明允许受监管交易所开展现货加密资产交易,《CLARITY法案》在众议院通过拟将数字商品现货市场划归CFTC监管,CME集团推出全天候加密货币期权交易,这些改善为链上期权提供了更明确的合规框架。

你可能也喜欢

Rubin Ultra大减配,英伟达也扛不住内存涨价了?

知名投研机构SemiAnalysis近日报告指出,英伟达已向主要客户预览了其顶级AI芯片Rubin Ultra的最新规格,但相比此前预期出现显著降配。核心变化包括:算力峰值保持与普通版Rubin相同的35 PFLOPs;显存容量降至8层堆叠的192GB,甚至低于普通版的288GB;显存带宽仅微升1TB/s;芯片功耗反而略有提高。Rubin Ultra的主要升级方向转向“扩展互联规模”,支持通过NVLink将最多576张GPU互联成统一计算域,远高于普通版的72张。 报告分析认为,此次调整主要源于HBM(高带宽内存)价格持续快速上涨。以HBM3为例,其价格已从2025年二季度的低点180-220美元,飙升至目前约700-850美元。HBM成本飙升使得Rubin Ultra单机架的物料成本一度从约660万美元升至800万美元。英伟达因此重新评估设计,通过减少昂贵的HBM配置(成本占比从近40%降至28%),将资源更多投入互联能力等方向,优化整体成本结构。 此消息引发市场对HBM需求见顶的担忧。受冲击影响,韩国存储股开盘大跌,SK海力士、三星股价均下挫约8%。市场解读认为,若英伟达此举成为趋势,意味着AI芯片厂商可能开始通过优化设计来降低对高容量HBM的依赖,这或将限制存储厂商未来的提价空间,标志着AI基础设施的“堆料涨价”时代可能接近尾声。

Odaily星球日报56分钟前

Rubin Ultra大减配,英伟达也扛不住内存涨价了?

Odaily星球日报56分钟前

生成模型也能端到端训练了?核心竟是一个for循环

长期以来,深度学习在图像分类、检测等任务上凭借端到端训练取得了巨大成功,但生成模型领域却始终是个例外。当前主流的自回归、扩散模型等训练时只学习预测“一小步”,推理时则需要反复展开数百上千步,这种训练与推理的不一致导致了“暴露偏差”等问题,使得生成模型一直未能实现真正的端到端训练。 最近,一篇来自UIUC与哈佛大学的论文提出了“探索式建模(Explorative Modeling,XM)”新范式,其核心是一个简单到近乎朴素的for循环:在每个训练步骤中,模型生成K个候选样本,然后仅选取其中最接近真实数据的一个样本来计算损失和回传梯度。这种做法巧妙地绕开了传统生成模型中因使用重构损失(如平方误差)而导致的“模态模糊”问题——即模型倾向于输出多个可能答案的平均值,而这个平均值往往不属于任何真实的数据模式。 XM通过这种方式,在不拆分生成过程的前提下,直接提升了模型的“生成表达力”,即模型捕捉数据分布中多个独立模式的能力。论文将“探索”验证为继模型参数量、数据量之后的第三根可扩展轴。实验表明,随着模型规模、数据量和计算量的增大,探索带来的性能收益越发显著,在图像、视频、语言等多种任务上均能带来效率与质量的提升。 更重要的是,当探索程度足够时,XM可以实现真正的端到端生成。在机器人控制等任务中,仅需一次网络前向传播的XM策略,其性能可媲美甚至超过需要上百次前向的扩散模型策略,实现了推理效率的飞跃。 尽管“最佳K样本选择”的思想并非全新,但该研究的贡献在于清晰地揭示了这一简单机制如何直接解决生成模型的核心瓶颈,并为实现高效、端到端的生成模型开辟了新的可能性。随着模型规模的持续扩大,探索这一新维度可能将发挥越来越关键的作用。

marsbit1小时前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit1小时前

交易

现货
活动图片