💡 國內提示:Binance 官網在中國大陸無法直連,訪問需自備網路工具;法幣入金不支援銀行卡,主要走 C2C(USDT↔CNY)通道完成。

Trader analyzing stock market data on smartphone and phone

量化交易的盈虧很大程度上由手續費決定。策略每月交易 100 次,每次 0.1% 手續費,雙邊就是 20%。把手續費從 0.1% 降到 0.05%,一年節省的成本相當可觀。

這篇文章把 Binance 降費的所有方法都列出來。

Binance 的預設手續費

交易型別Maker(掛單)Taker(吃單)
現貨0.10%0.10%
合約(U本位)0.02%0.05%
合約(幣本位)0.01%0.05%

注意:合約的 Maker/Taker 費率差別很大。量化策略儘量用限價單(Maker),避免用市價單(Taker)。

方法一:使用 BNB 抵扣(節省 25%)

在賬戶設定裡開啟 BNB 抵扣,手續費自動用 BNB 支付,享受 25% 折扣:

現貨預設 0.10% → 用 BNB 抵扣後 0.075%

操作步驟:

  1. 登入 Binance
  2. 右上角頭像 → 賬戶 → 手續費設定
  3. 開啟 使用 BNB 支付手續費
  4. 確保賬戶裡有足夠的 BNB

BNB 賬戶餘額不足時會自動切回普通手續費,建議保持一定餘額。

方法二:透過推薦連結註冊(額外返傭)

透過推薦連結註冊的賬號,推薦人和被推薦人都能享受手續費返傭。

使用 我的推薦連結 註冊,可以獲得部分手續費返還(具體比例 Binance 活動而定)。

配合 BNB 折扣後的實際費率:

0.10% × 75%(BNB 折扣)× (1 - 返傭比例) = 更低費率

方法三:提升 VIP 等級

Binance VIP 等級根據 30 天交易量決定:

VIP 等級30 天現貨交易量(BNB 等價)現貨 Maker現貨 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%

對大多數個人使用者來說,VIP 3+ 比較難達到。專注前兩種方法更實際。

方法四:合約手續費最佳化

合約 Maker 費率遠低於 Taker:

型別MakerTaker
U本位合約 VIP00.02%0.05%
U本位合約 VIP0 + BNB0.015%0.038%

關鍵:量化策略儘量用限價單

# ❌ 市價單(Taker,手續費高)
order = client.create_order(
    symbol='BTCUSDT',
    side='BUY',
    type='MARKET',
    quantity=0.001
)

# ✅ 限價單(Maker,手續費低)
# 比當前市價略低/高,掛單等待成交
order = client.create_order(
    symbol='BTCUSDT',
    side='BUY',
    type='LIMIT',
    timeInForce='GTC',
    quantity=0.001,
    price=str(round(current_price * 0.9999, 2))  # 稍低於市價
)

注意: 如果市場快速波動,限價單可能無法及時成交。需要在策略裡處理未成交訂單。

方法五:BNB 本身的價值

BNB 除了抵扣手續費,還有其他用途:

  • Binance Launchpad 參與新專案
  • BNB Chain 的 Gas 費
  • 持倉本身有價格波動(有上漲可能,也有下跌風險)

購買 BNB 用於抵扣手續費時,要考慮 BNB 本身的價格風險,不建議囤積大量 BNB 專門用於手續費。

實際案例計算

假設每月現貨交易量 50 萬 USDT(量化策略中等規模):

方案費率月手續費年手續費
預設0.10%$500$6000
+ BNB 折扣0.075%$375$4500
+ 推薦返傭 10%0.068%$340$4080
合約 Maker0.015%$75$900

合約量化策略用 Maker + BNB,年節省 $5100 對比預設。

進階:做市商計劃

月交易量極大(10億 USDT+)的機構可以申請 Binance 做市商計劃,Maker 費率可以降到 0% 甚至負數(平臺補貼)。個人使用者一般用不上,瞭解即可。

手續費追蹤

建議每月查一次手續費賬單:

  1. 登入 Binance
  2. 錢包 → 交易歷史 → 手續費記錄
  3. 匯出 CSV,用 Excel/Python 分析
import pandas as pd

# 分析手續費分佈
df = pd.read_csv('binance_fee_history.csv')
df['date'] = pd.to_datetime(df['時間'])
df['month'] = df['date'].dt.to_period('M')

monthly_fees = df.groupby('month')['手續費'].sum()
print(monthly_fees)

延伸閱讀:


📷 封面圖 · Flux Schnell AI 生成 · panshi.io 品牌風格