معدلات التمويل تقتل الرافعة المالية: لماذا PnL×50 مرة هو وهم

لنفترض أنك حسّنت استراتيجية. الاختبار الخلفي يُظهر PnL +55%، MaxDD -0.9%. تحسب MaxLev: $\lfloor 50 / 0.9 \rfloor = 55\times$. تضرب: $55\% \times 55 = +3025\%$. ثلاثة آلاف بالمائة خلال عامين. أنت بالفعل تختار لامبورغيني في خيالك.

بعد ثلاثة أشهر من التشغيل الفعلي، رأس مالك أقل من نقطة البداية. الاستراتيجية تعمل تماماً كما في الاختبار الخلفي — نفس الدخول، نفس الخروج، نفس التراجع. لكنك تخسر المال. كل يوم. باستمرار.

السبب: معدلات التمويل. رسوم غير مرئية لم يحسبها اختبارك الخلفي — أو حسبها بشكل غير صحيح.

كيف تعمل معدلات التمويل

في بورصات العملات المشفرة، ليس للمقايضات الدائمة تاريخ انتهاء. للحفاظ على سعر العقود الآجلة مرتبطاً بالسعر الفوري، تستخدم البورصات آلية التمويل — مدفوعات دورية بين الشراء والبيع.

الآلية على Binance/Bybit:

• يُدفع التمويل كل 8 ساعات (00:00، 08:00، 16:00 UTC)
• يتحدد معدل التمويل بالفرق بين سعر العقود الآجلة والسعر الفوري
• إذا كان معدل التمويل إيجابياً — يدفع المشترون للبائعين
• إذا كان سلبياً — يدفع البائعون للمشترين
• المعدل النموذجي: $\pm 0.01\%$ كل 8 ساعات (يمكن أن يصل إلى $\pm 0.5\%$ في الظروف القصوى)

صيغة الدفعة الواحدة:

$\text{تكلفة التمويل} = \text{حجم المركز} \times \text{معدل التمويل}$

مع الرافعة المالية $L$ ورأس المال $C$:

$\text{تكلفة التمويل} = C \times L \times \text{المعدل}$

لماذا تكذب الاختبارات الخلفية بشأن الرافعة المالية

مقياس MaxLev (الرافعة القصوى) المعياري هو السقف النظري للرافعة المالية الذي لا يتجاوز فيه التراجع المستوى المستهدف:

$\text{MaxLev} = \left\lfloor \frac{\text{DD المستهدف}}{\text{MaxDD}} \right\rfloor$

هذه الصيغة لا تأخذ في الاعتبار التكاليف التي تعتمد على الرافعة المالية. عند رافعة 1x، معدل التمويل رسم ضئيل. عند 58x — إنها كارثة.

التكاليف الخطية مقابل التربيعية

عمولات التداول (رسوم الصانع/الآخذ) خطية — متناسبة مع حجم التداول ولا تعتمد على الرافعة المالية. معدلات التمويل أيضاً خطية بالنسبة لحجم المركز، لكن عند إعادة حسابها لكل وحدة رأس مال، تنمو بشكل متناسب مع الرافعة:

$\text{تكلفة التمويل لكل رأس مال} = L \times \text{المعدل} \times \text{التردد}$

مع فترة الاحتفاظ $H$ يوم و3 مدفوعات يومياً:

$\text{إجمالي التمويل} = L \times \text{المعدل} \times 3 \times H$

إعادة الحساب: أمثلة استراتيجيات مع مراعاة التمويل

كمثال، ننظر في ثلاث استراتيجيات افتراضية بملفات مخاطر مختلفة. المعلمات: عقود آجلة دائمة، فترة اختبار 25 شهراً، معدل تمويل نموذجي 0.01% كل 8 ساعات.

النتائج الأصلية (بدون تمويل)

حساب تكلفة التمويل

def funding_cost(
    leverage: float,
    trading_time_pct: float,
    test_days: int = 750,  # 25 months
    funding_rate: float = 0.0001,  # 0.01% per 8h
    payments_per_day: int = 3,
) -> float:
    """
    Calculate cumulative funding costs as % of capital.

    Returns:
        Funding cost as percentage of initial capital
    """
    active_days = test_days * trading_time_pct
    daily_cost = funding_rate * payments_per_day * leverage
    total_cost = daily_cost * active_days
    return total_cost * 100  # in percent

الحسابات:

a_funding = funding_cost(55, 0.15, 750)

b_funding = funding_cost(66, 0.05, 750)

c_funding = funding_cost(3, 0.45, 750)

النتائج مع مراعاة التمويل

للوهلة الأولى يبدو مقبولاً: التمويل يأكل 3-6% من PnL@ML النهائي. لكن هذا معدل التمويل المتوسط. لنرَ ماذا يحدث عند المعدلات المرتفعة.

معدل التمويل ليس ثابتاً

معدل التمويل النموذجي 0.01% هو القيمة الوسيطة. في الواقع، تتقلب المعدلات:

عند رافعة 55x خلال سوق صاعد (0.03%): يوم واحد في مركز شراء يكلف 4.95% من رأس المال على التمويل وحده.

PnL اليومي مقابل التمويل اليومي

الحساب الرئيسي — العائد اليومي للاستراتيجية مقابل التكاليف اليومية:

a_pnl_per_day = 55 * 55 / 112.5  # PnL@ML / active days = 26.9%/day



b_pnl_per_day = 25 * 66 / 37.5  # = 44.0%/day

بهذه الأرقام، يبدو التمويل غير مهم. لكن هذه متوسطات. المشكلة الحقيقية في مكان آخر.

المشكلة الحقيقية: التمويل أثناء التراجع

تتراكم تكاليف التمويل باستمرار طالما المركز مفتوح — بما في ذلك فترات التراجع. مثلاً: الحد الأقصى للتراجع 0.9% (الاستراتيجية أ) عند رافعة 55x يصبح:

$\text{DD الفعلي} = 0.9\% \times 55 = 49.5\%$

هذا بالفعل على حافة التصفية. أضف التمويل:

$\text{DD مع التمويل} = 49.3\% + \text{التمويل المتراكم خلال فترة DD}$

إذا استمر التراجع 3 أيام بمعدل تمويل 0.01%:

$\text{التمويل على 3 أيام} = 0.0001 \times 3 \times 55 \times 3 = 4.95\%$

المجموع: $49.5\% + 4.95\% = 54.45\%$ — تصفية عند هامش الصيانة القياسي 50%.

صيغة الرافعة الآمنة مع مراعاة التمويل

$L_{safe} = \frac{\text{DD المستهدف} - \text{احتياطي التمويل}}{|\text{MaxDD}|}$

حيث احتياطي التمويل هو التمويل المتوقع خلال مدة التراجع النموذجية:

$\text{احتياطي التمويل} = \text{المعدل} \times 3 \times L \times \text{مدة DD (أيام)}$

هذه معادلة تكرارية (احتياطي التمويل يعتمد على $L$). الحل:

$L_{safe} = \frac{\text{DD المستهدف}}{|\text{MaxDD}| + \text{المعدل} \times 3 \times \text{مدة DD}}$

def safe_leverage(
    max_dd_pct: float,
    target_dd_pct: float = 50.0,
    funding_rate: float = 0.0001,
    dd_duration_days: float = 3.0,
) -> float:
    """
    Safe leverage accounting for funding costs during drawdown.
    """
    denominator = max_dd_pct / 100 + funding_rate * 3 * dd_duration_days
    return target_dd_pct / 100 / denominator

a_safe = safe_leverage(0.9, 50.0, 0.0001, 3.0)

a_safe_high = safe_leverage(0.9, 50.0, 0.0003, 3.0)

الاستنتاج: عند معدل التمويل النموذجي، الرافعة الآمنة للاستراتيجية أ هي 50x وليس 55x. عند التمويل المرتفع — 42x. الفرق في PnL@ML:

• ساذج: $55\% \times 55 = +3025\%$
• مع التمويل (0.01%): $55\% \times 50 - 165\% = +2585\%$
• مع التمويل (0.03%): $55\% \times 42 - 400\% = +1910\%$

الدمج العملي للتمويل في الاختبارات الخلفية

مراعاة معدلات التمويل في الاختبارات الخلفية ليست اختيارية — إنها ضرورة. إليك تنفيذ بسيط:

import pandas as pd
import numpy as np

def load_funding_rates(symbol: str) -> pd.DataFrame:
    """Load historical funding rates from warehouse."""
    path = f"warehouse/data/{symbol}/funding/"
    return df  # columns: [timestamp, rate]

def apply_funding_to_trades(trades, funding_rates, leverage: int = 1):
    """
    Subtract real funding costs from each trade's PnL.
    """
    for trade in trades:
        mask = (
            (funding_rates.index >= trade.entry_time) &
            (funding_rates.index <= trade.exit_time)
        )
        payments = funding_rates.loc[mask, 'rate']

        direction = 1 if trade.side == 'long' else -1
        total_funding = payments.sum() * direction * leverage

        trade.pnl_pct -= total_funding * 100

    return trades

في محرك اختبار خلفي مبني بشكل جيد، يتم تحميل معدلات التمويل وتطبيقها على كل صفقة تلقائياً. هذا يوفر صورة واقعية — وغالباً ما تكون أقل وردية مما يرغب المرء.

نطاق الرافعة المالية الواقعي

كمثال — كيف يؤثر معدل التمويل على الرافعة الآمنة عند مستويات MaxDD مختلفة:

الملاحظة الرئيسية: بالنسبة للاستراتيجيات ذات التراجع المنخفض (الاستراتيجية أ، ب)، يقلل التمويل بشكل كبير من الرافعة الفعالة. بالنسبة للاستراتيجيات ذات التراجع العالي (الاستراتيجية ج)، تأثير التمويل ضئيل — لأن الرافعة محدودة بالفعل عند 3x.

استراتيجيات لتقليل تأثير التمويل

1. المراكز المحايدة التحوطية

يتحدد معدل التمويل بالفرق بين سعر العقود الآجلة والسعر الفوري. إذا سمحت استراتيجيتك بالتحوط عبر السوق الفوري — يتم تحييد التمويل:

• شراء عقود آجلة + بيع فوري = صفر تعرض صافي للتمويل
• لكن: البيع على المكشوف الفوري في العملات المشفرة محدود (يتطلب حساب هامش أو إقراض)

2. الانتقال إلى بورصات ذات تمويل أقل

تختلف معدلات التمويل بين البورصات لنفس الأصل. مراقبة مراجحة التمويل هي استراتيجية منفصلة، موصوفة بالتفصيل في مقال مراجحة معدل التمويل عبر البورصات.

3. توقيت الدخول

يُدفع التمويل في أوقات ثابتة (00:00، 08:00، 16:00 UTC). إذا أُغلقت الصفقة قبل دقيقة واحدة من الدفعة — لا يُحصّل التمويل. هذا تحسين دقيق، لكن عند رافعة 58x، توفير 0.58% من دفعة واحدة مُتخطاة أمر مهم.

4. الرافعة الديناميكية

بدلاً من رافعة ثابتة، استخدم رافعة تكيفية:

$L_{dynamic} = L_{base} \times \frac{\text{المعدل}_{median}}{\max(\text{المعدل}_{current}, \text{المعدل}_{median})}$

عندما يرتفع التمويل، تنخفض الرافعة تلقائياً، مما يحد من التكاليف.

توصيات لدمج التمويل في خط الإنتاج

يجب أن تكون معدلات التمويل جزءاً إلزامياً من خط إنتاج الاختبار الخلفي:

• تحميل معدلات التمويل التاريخية لكل رمز
• تعديل كل صفقة بالتمويل الفعلي خلال فترة الاحتفاظ
• حساب MaxLev باستخدام الصيغة مع احتياطي التمويل
• في التقرير، عرض كلا الرقمين: PnL@ML بدون تمويل ومع تمويل

قاعدة عملية: إذا توقفت الاستراتيجية عن الربحية عند معدل تمويل 0.03% (الذي يحدث 20-30% من الوقت خلال السوق الصاعد) — فهي غير جاهزة للإنتاج برافعة عالية. خفّض الرافعة إلى مستوى تكون فيه الاستراتيجية مربحة حتى في أسوأ سيناريو تمويل.

الخلاصة

معدلات التمويل هي ضريبة على الرافعة المالية. مثل الضريبة الحقيقية، لا تُلاحظ عند المبالغ الصغيرة ومدمرة عند الكبيرة.

ثلاث قواعد:

1. احسب دائماً PnL@ML مع مراعاة التمويل. الصيغة بدون تمويل هي تسويق وليس تداول. حمّل معدلات التمويل التاريخية واطرح التكاليف الحقيقية من كل صفقة.

2. استخدم صيغة الرافعة الآمنة:

$L_{safe} = \frac{\text{DD المستهدف}}{|\text{MaxDD}| + \text{المعدل} \times 3 \times \text{مدة DD}}$

3. اختبر عند 3 أضعاف التمويل. إذا كانت الاستراتيجية مربحة عند تمويل 0.03% (وليس فقط 0.01%) — فهي متينة. إن لم تكن — خفّض الرافعة.

أرقام PnL الجميلة عند رافعة 50-60x هي وهم ممتع. معدلات التمويل هي الواقع البارد. بينهما يكمن الفرق بين الاختبار الخلفي وحساب التداول.

لمزيد من المعلومات حول رياضيات التراجعات وسحب التقلبات عند الرافعة العالية — انظر مقالنا عدم تناظر الخسارة والربح. حول كيفية الحصول على فترات ثقة للنتائج المعدلة بالتمويل — محاكاة مونتي كارلو بوتستراب للاختبارات الخلفية.

روابط مفيدة

1. Binance — Funding Rate History
2. Binance — Introduction to Funding Rates
3. Bybit — Understanding Funding Rates
4. Deribit Insights — The Hidden Cost of Perpetual Swaps
5. Lopez de Prado — Advances in Financial Machine Learning, Chapter 14: Backtest Statistics
6. Kevin Davey — Building Winning Algorithmic Trading Systems: Transaction Costs

Citation

@article{soloviov2026fundingratesleverage,
  author = {Soloviov, Eugen},
  title = {Funding Rates Kill Your Leverage: Why PnL×50x Is a Fiction},
  year = {2026},
  url = {https://marketmaker.cc/ar/blog/post/funding-rates-kill-leverage},
  version = {0.1.0},
  description = {How funding rates on Binance/Bybit turn beautiful high-leverage backtest results into guaranteed losses. Formulas, recalculation of real strategies, and the maximum leverage at which funding does not eat into profits.}
}