💡 国内提示:Binance 官网在中国大陆无法直连,访问需自备网络工具;法币入金不支持银行卡,主要走 C2C(USDT↔CNY)通道完成。

Trader analyzing stock market data on smartphone and phone

量化交易的盈亏很大程度上由手续费决定。策略每月交易 100 次,每次 0.1% 手续费,双边就是 20%。把手续费从 0.1% 降到 0.05%,一年节省的成本相当可观。

这篇文章把 Binance 降费的所有方法都列出来。

Binance 的默认手续费

交易类型Maker(挂单)Taker(吃单)
现货0.10%0.10%
合约(U本位)0.02%0.05%
合约(币本位)0.01%0.05%

注意:合约的 Maker/Taker 费率差别很大。量化策略尽量用限价单(Maker),避免用市价单(Taker)。

方法一:使用 BNB 抵扣(节省 25%)

在账户设置里开启 BNB 抵扣,手续费自动用 BNB 支付,享受 25% 折扣:

现货默认 0.10% → 用 BNB 抵扣后 0.075%

操作步骤:

  1. 登录 Binance
  2. 右上角头像 → 账户 → 手续费设置
  3. 开启 使用 BNB 支付手续费
  4. 确保账户里有足够的 BNB

BNB 账户余额不足时会自动切回普通手续费,建议保持一定余额。

方法二:通过推荐链接注册(额外返佣)

通过推荐链接注册的账号,推荐人和被推荐人都能享受手续费返佣。

使用 我的推荐链接 注册,可以获得部分手续费返还(具体比例 Binance 活动而定)。

配合 BNB 折扣后的实际费率:

0.10% × 75%(BNB 折扣)× (1 - 返佣比例) = 更低费率

方法三:提升 VIP 等级

Binance VIP 等级根据 30 天交易量决定:

VIP 等级30 天现货交易量(BNB 等价)现货 Maker现货 Taker
VIP 0< 1M USDT0.10%0.10%
VIP 1≥ 1M USDT0.09%0.10%
VIP 2≥ 5M USDT0.08%0.10%
VIP 3≥ 20M USDT0.07%0.08%
VIP 4≥ 100M USDT0.06%0.07%

对大多数个人用户来说,VIP 3+ 比较难达到。专注前两种方法更实际。

方法四:合约手续费优化

合约 Maker 费率远低于 Taker:

类型MakerTaker
U本位合约 VIP00.02%0.05%
U本位合约 VIP0 + BNB0.015%0.038%

关键:量化策略尽量用限价单

# ❌ 市价单(Taker,手续费高)
order = client.create_order(
    symbol='BTCUSDT',
    side='BUY',
    type='MARKET',
    quantity=0.001
)

# ✅ 限价单(Maker,手续费低)
# 比当前市价略低/高,挂单等待成交
order = client.create_order(
    symbol='BTCUSDT',
    side='BUY',
    type='LIMIT',
    timeInForce='GTC',
    quantity=0.001,
    price=str(round(current_price * 0.9999, 2))  # 稍低于市价
)

注意: 如果市场快速波动,限价单可能无法及时成交。需要在策略里处理未成交订单。

方法五:BNB 本身的价值

BNB 除了抵扣手续费,还有其他用途:

  • Binance Launchpad 参与新项目
  • BNB Chain 的 Gas 费
  • 持仓本身有价格波动(有上涨可能,也有下跌风险)

购买 BNB 用于抵扣手续费时,要考虑 BNB 本身的价格风险,不建议囤积大量 BNB 专门用于手续费。

实际案例计算

假设每月现货交易量 50 万 USDT(量化策略中等规模):

方案费率月手续费年手续费
默认0.10%$500$6000
+ BNB 折扣0.075%$375$4500
+ 推荐返佣 10%0.068%$340$4080
合约 Maker0.015%$75$900

合约量化策略用 Maker + BNB,年节省 $5100 对比默认。

进阶:做市商计划

月交易量极大(10亿 USDT+)的机构可以申请 Binance 做市商计划,Maker 费率可以降到 0% 甚至负数(平台补贴)。个人用户一般用不上,了解即可。

手续费追踪

建议每月查一次手续费账单:

  1. 登录 Binance
  2. 钱包 → 交易历史 → 手续费记录
  3. 导出 CSV,用 Excel/Python 分析
import pandas as pd

# 分析手续费分布
df = pd.read_csv('binance_fee_history.csv')
df['date'] = pd.to_datetime(df['时间'])
df['month'] = df['date'].dt.to_period('M')

monthly_fees = df.groupby('month')['手续费'].sum()
print(monthly_fees)

延伸阅读:


📷 封面图 · Flux Schnell AI 生成 · panshi.io 品牌风格