策略核心思想
全自动化执行，消除行为税（behavioral tax）——投资者因恐惧和贪婪做出的非理性决策。
底部恐慌时不敢买、顶部兴奋时不舍得卖——这些情绪化操作长期来看是最大的隐性成本。系统用链上数据 + 技术指标产生信号，直接自动执行（或信号推送 + 手动确认的半自动执行），不做主观判断。
规则化交易的核心价值不是"赚更多"，而是"少亏在情绪上"。
分区间定投相对等额定投的优势来自两个维度，二者天然矛盾，策略的本质是在 trade-off 曲线上选取最优点：
→ 买到更便宜的 BTC
→ 不会踏空浅底
极端追求低均价 → 只在绝对底部买入，但可能花不出去（凸映射的风险）；极端追求利用率 → 等额定投 100% 花完，但均价最高。当前策略选择偏向利用率的平衡点：深底多花 4~7% 均价，换取浅底多买一倍 BTC。
资金流时间线
本周操作计算器
加载回测数据中...
⚙️ 半自动 · 灵活调整
信号系统是半自动的——参数在代码中可配置，根据周期进行中的行情数据随时调整。不需要等到下一个周期，也不需要盲目执行固定参数。
🔴 成本门槛倍数（动态：C5=2×）
配置位置：sell_config.py → SELL_COST_GATE_MULTIPLIER（自动计算）
动态公式 = clamp(ATH倍数, 2.0, 3.0)。C3/C4=3.0×（ATH 倍数≥3.36），C5=2.0×（ATH 倍数 1.93<2.0，取下限）。下限 2.0 保证至少 100% 利润才开始卖出。ATH 倍数衰减趋势（36→17→3.36→1.93）使固定 3× 在 C5 浅熊场景下可能无法触发。
🔴 动态阈值比例（MVRV 45% / NUPL 60%）
配置位置：sell_config.py → DYNAMIC_MVRV_RATIO / DYNAMIC_NUPL_RATIO
观察信号：如果价格已涨到均价 2 倍以上，但卖出信号仪表板仍然显示 0×（连续 3 个月以上无触发），说明阈值偏高——可以把 MVRV 比例从 45% 降至 40%。趋势参考：C2→C3→C4 的 MVRV Z 峰值递减（10.09→8.85→3.35），C5 可能更低。
🟢 V19 凸映射参数（当前版本）
配置位置：config.py → V19_THRESHOLD / V19_POWER / V19_MAX_MULT / V19_BOOST_TIERS
起买门槛 0.20（纯 MVRV 归一化分数，低于此值不买） → 幂次 2.0 凸映射 → 名义最大 13×。回撤加码 2 档：≥45% → 1.5×，≥70% → 2.5×（已从 V17 的 4 档简化）。观察信号：如果实盘连续 6 个月买入占比偏低或预算消耗远慢于周期进度，可将 V19_THRESHOLD 从 0.20 降至 0.15；如果买入过密，可升至 0.25。参数高原验证：th=0.20 在平滑梯度上，alpha 标准差 5.6%（V18 阶梯版的一半）。
🧠 V19 全局期望倍数（不再分周期）
配置位置：config.py → V19_EXPECTED_MULT
• 当前值 V19_EXPECTED_MULT = 3.42（C3+C4 全局校准，固定不随周期变化）
• 与 V17 的核心差异：V19 用纯 MVRV 低门槛(0.20)凸映射，绕开了四维 composite 的周期波动 → 同一套 EM 即可适配 C3/C4/C5，不再需要 CYCLE_EM 字典按周期外推
EM 偏高 → 预算花不完（子弹剩余）；EM 偏低 → 预算超标（提前打光）。目标利用率 ~105%。
实盘运行后如预算利用率显著偏离 105%，按 V19_EXPECTED_MULT × (实际利用率 / 1.05) 重新校准，修改后运行 python scripts/gen_strategy_meta.py。
📋 调整原则
• 等有数据再调：不要提前预判，等实盘累计 ≥6 个月或出现明显的预算节奏偏差再动手
• 小幅调整：一次只改一个参数，观察效果后再决定是否继续
• 回测验证：改参数前先在回测页面用历史数据验证影响
等待数据加载...
买入侧简化实验
GPT review 建议：BTC 四维评分自由度过高，可能更像"历史解释器"而非鲁棒系统。
实验对比 3 个简化维度：因子数(4→1) · 映射方式(阶梯→连续) · Boost档位(4→2/1/0) · EM策略(固定 vs 周期)
加载买入简化数据...
V18 参数高原测试 + C5 监控
3,360 组参数网格搜索，验证 V18 参数是否在高原上。
同时监控 Cycle 5 实际 EM 漂移情况。
加载参数高原数据...
MVRV Z-Score 跨周期对比
对比 Cycle 3/4/5 的 MVRV 走势，观察波动收敛趋势。横轴为周期进度百分比，纵轴为 MVRV Z-Score。
加载 MVRV 数据...
MVRV Z-Score 走势
MVRV 评分 & 买入倍数
MVRV Z-Score 分布
策略改进实验
9 组策略变体 × 2 个完整 ATH-to-ATH 周期 A/B 测试，筛选真正有效的改进方向
三方向深入探索
动态卖出上限 · 卖出频率优化 · 多维卖出评分 — 全面回测寻找最优卖出配置
等待数据加载...
BTC 波动率衰减分析
ATH-to-ATH 周期倍数持续衰减，复投优势可能被历史高回报放大。单周期α才是策略的真实价值。
🟢 买入评分阈值 → Z 值映射
四维综合分如何映射到 Z 值和 Fibonacci 倍数，以及 ATH 回撤加码叠加逻辑
🔴 MVRV Z 周期峰值分析
各周期 MVRV Z / NUPL 峰值衰减趋势，以及 C5 动态阈值推导过程
加载市值对比数据...
全球巨头市值增长轨迹
对数刻度 · 周频数据 · 市值单位：万亿美元($T)
注：历史市值为股价比例反推近似值（忽略回购/增发），BTC 市值使用当前流通量估算早期数据。仅供趋势对比参考。
市值里程碑：谁最快达到万亿？
从 $0.5T → $1T → $2T → $3T 各用了多少天
年化增长率 CAGR 对比
不同时间窗口的市值年化增长率
BTC 天花板投影
如果 BTC 市值达到各参照物水平，对应的 BTC 价格
BTC 增速递减趋势
BTC 市值 CAGR 逐周期下降，暗示增长在对数收敛
当前市值排名
数据生成时间： · 运行 python research/btc_market_cap_ceiling.py 刷新
Cycle 5 熊市回撤先验分布
2026-04 · 主观先验 · 用于 EM 校准 / 压力测试 / 分层预算 / 杠杆决策
基于 Cycle 3/4 历史回撤 + BTC 市场结构变化（ETF、机构持仓增加）推演的主观概率分布。不是精确预测，是工作假设。
概率分布（ATH = $126,000）
中性中枢
-72%
~$35.3k
最高概率区间
-65%~-75%
$44k ~ $32k
34%
核心关注带
$44k~$25k
58% 概率
深于 -80%
20%
<$25k
需预留弹药
| 区间 | 回撤 | 概率 | 价格区间 | 含义 |
|---|---|---|---|---|
| 乐观尾部 | 浅于 -55% | 4% | >$56.7k | 市场结构性支撑极强 |
| 次高概率 | -55% ~ -65% | 18% | $57k ~ $44k | ETF 买盘提前接住 |
| 最高概率 | -65% ~ -75% | 34% | $44k ~ $32k | 核心密集带，子弹主力区 |
| 第二高概率 | -75% ~ -80% | 24% | $32k ~ $25k | 接近 Cycle 4 深度 |
| 压力区间 | -80% ~ -85% | 14% | $25k ~ $19k | 杠杆补仓主要触发区 |
| 极端尾部 | 深于 -85% | 6% | <$19k | 黑天鹅，全部 tranche 可能触发 |
历史锚点：回撤逐周期变浅
Cycle 3 (2017→2021)
-83.7%
$19,641 → $3,200
无 ETF、散户主导、ICO 泡沫破裂
Cycle 4 (2021→2025)
-77.0%
$67,542 → $15,500
LUNA/FTX 连环暴雷、Fed 激进加息
Cycle 5 中枢（先验）
-72.0%
$126,000 → ~$35,300
ETF 持仓、养老金配置、市场深度增加
为什么回撤在变浅？
市场深度：BTC 日均交易量从 C3 的 ~$5B 增长到 C5 的 ~$30B+，大额卖单更容易被消化
ETF 买盘：美国现货 ETF 累计净流入 >$30B，形成结构性买入力量（尤其是回调时"逢低买入"）
持有者结构：长期持有者占比从 ~50% 上升到 ~70%，恐慌抛售的"浮筹"减少
但不保证一定更浅：如果出现系统性流动性危机（如 2008 级别），ETF 也会被迫赎回，回撤可能回到 C4 甚至 C3 级别
决策流程：分布怎么用
子弹打完了怎么办？→ 杠杆补仓
v17 定投在深底会大量消耗预算（极端底部单周倍数可达 39×）。如果 Cycle 5 回撤深于中枢（-72%），预算可能在 $35k 附近就耗尽。但 20% 概率回撤会继续加深到 -80% 甚至 -85%——这时手里已经没有子弹了。
核心逻辑
卖出部分现货 BTC → 用 USDT 开 2x 逐仓多单 → 价格恢复后平仓买回现货
为什么不是"等工资继续定投"？
速度不匹配：深底持续时间通常只有 3-6 个月，但你的工资攒够有意义的弹药至少需要 6-12 个月。等你攒够钱，底部早过了。
已有大量现货：v17 在深底已经买入大量 BTC（39× 倍数 × 多周），你手里有"子弹"——只是以现货形式存在。杠杆补仓本质是把一部分现货临时升级为 2x 暴露。
不对称收益：从 -80% ATH 恢复到 -30% ATH = 涨 3.5 倍。2x 杠杆 × 3.5 倍 = 名义 7 倍。代价是如果继续跌到清算价（入场价 -48%），丢掉这部分保证金。
分批入场 × 先验分布映射
| 批次 | 触发回撤 | 触发价格 | 操作 | 清算价 | 触发概率 |
|---|---|---|---|---|---|
| T1 | ≥ -50% | ≤ $63,000 | 卖 10% 现货 → 2x 多 | ~$32,800 | 96% |
| T2 | ≥ -58% | ≤ $52,900 | 再卖 10% → 2x 多 | ~$27,500 | 78% |
| T3 | ≥ -66% | ≤ $42,800 | 再卖 10% → 2x 多 | ~$22,300 | 44% |
触发概率 = 先验分布中回撤 ≥ 该深度的累积概率。清算价 ≈ 入场价 × 0.52（2x 逐仓，含维持保证金）。前置条件：预算已消耗 ≥ 80%。
先验分布 × 杠杆结果
| C5 底部 | 概率 | 触发 | 清算 | 杠杆净效果 |
|---|---|---|---|---|
| 浅于 -50% | ~4% | 不触发 | — | 0（零成本） |
| -55% ~ -70% | 38% | T1~T2 | 无 | +7% ~ +22% |
| -70% ~ -77% | 34% | T1+T2+T3 | 无 | +15% ~ +32% |
| -77% ~ -82% | 16% | T1+T2+T3 | T1 | +12%（T2/T3 补 T1 损失） |
| -82% ~ -87% | 6% | T1+T2+T3 | T1+T2 | -5%（T3 部分对冲） |
| 深于 -87% | 2% | T1+T2+T3 | 全部 | -30% |
概率加权期望
正期望值的"彩票"：不触发 = 零成本，触发后 88% 路径盈利。
注意事项
这是主观先验，不是客观分布
仅 2 个完整周期的数据，任何分布都带有大量主观判断。适合做规划参考，不适合当精确预测。
如果 Cycle 5 实盘表现显著偏离（比如回撤仅 -40%），要敢于更新先验。
ATH 基准会变
当前 ATH = $126,000。如果 Cycle 5 牛市阶段继续上行到 $200k+，所有价格区间需等比例上移，但回撤百分比不变。
杠杆触发门槛（-50% ATH）跟随 ATH 自动调整，不需要手动改。
杠杆是后备，不是主力
v17 分区间定投 + 回撤加码才是主力弹药（39× 极端倍数已经很激进了）。
杠杆补仓只在子弹打完 + 跌得足够深时才启动，是"最后一道加速器"。大部分周期可能根本不触发（如果回撤仅到 -45%）。
不要因为杠杆期望值正就主动提前触发——那样会丧失"子弹已尽"这个安全阀。
BTC vs 美股相关性分析
归一化净值对比
52 周滚动相关性（BTC vs 美股）
全期相关性矩阵 + Regime 拆分
相关性的时间演化 — BTC 正在被「机构化」
| 周期 | 周数 | vs QQQ | vs TQQQ 持有 | vs A1 | vs P50 |
|---|
| 阶段 | 时间范围 | vs QQQ | vs TQQQ | vs A1 | vs P50 |
|---|
- BTC 现货 ETF（IBIT 等）2024-01 上市：BTC 现在被装进 401k、养老金、模型组合， 和 QQQ 一样是"基金经理眼里的一个仓位"。基金经理 risk-on 时一起买，risk-off 时一起卖。
- MSTR 也机构化：MSTR 进了 Nasdaq 100 指数，本身就是 QQQ 的成分股之一， "BTC 涨 → MSTR 涨 → QQQ 上权重涨"成了机械链。
- 全球流动性同步：联储利率决议直接驱动 BTC（通过 ETF 现金流） + QQQ（通过贴现率）。 2020 之前 BTC 主要由"加密原生资金"驱动，现在被吸入"传统宏观流动性循环"。
- 持有人结构变化：早期持有人是技术信仰者（不卖），现在 ETF 持有人是配置型机构 （根据 risk parity / vol target 调仓 → 同步进出）。
- 如果 BTC 价格涨到 $200k+ 进入"避险资产 + 数字黄金"叙事，可能在美股深熊时反向走（避险流入）。 但这是没有历史先例的猜想。
- 监管事件（特定国家禁令、ETF 申赎中断等）可能短期把 BTC 从美股相关链中"撕开"， 但这种独立性是负面叙事驱动的，不是你想要的。
- 如果联储进入结构性紧缩 + 不再放水，BTC 可能因失去"流动性溢价"而独立下跌， 这同样不是好消息。
未来 3-5 年（2026-2030）BTC vs 美股相关性大概率维持 0.4~0.6 区间， 而不是回到 2014-2019 的 0.1 以下。 "BTC ETF 机构化" 是一次结构性单向变化， 就像股票市场在 1980s 经历"401k 机构化"后波动率永久结构性下降一样，回不去了。
BTC 重大回撤事件期间各资产表现
| BTC 起始（ATH） | BTC 见底 | 持续 | BTC | QQQ | TQQQ 持有 | TQQQ A1 | TQQQ P50 | 同步性判断 |
|---|
• "独立行情" = BTC 跌但美股涨/横盘 → "卖 TQQQ 抄 BTC 底"理论可行（但有等待时间成本）
• "同步崩盘" = BTC 跌且美股也跌 ≥20% → "卖 TQQQ 抄 BTC 底"等于在低位互换，没有套利空间，且两边都在亏
• 看 12 年 5 次 ≥30% 回撤事件的真实分布，自己判断未来更可能是哪种
🎯 对"加 TQQQ 仓位 / 切换战术"的最终影响
• 早期（相关性 ~0.1）BTC 和 TQQQ 是真分散的两条腿，70/20 配比的总组合波动率确实低
• 现在（相关性 ~0.5）BTC 和 TQQQ 在数学上已经接近"两个都买 QQQ"的效果
• 你以为"BTC 70% + TQQQ 20%"是分散，实际可能是「90% 暴露在同一个流动性因子」上
• 推论：再加 TQQQ 不是优化收益，是把组合从"两条腿"变成"一条加杠杆的腿"
• 2014-2021 BTC 大跌时美股大概率独立涨（4/5 次） → 「卖 TQQQ 抄 BTC 底」有时间窗口
• 2022 那次相关性 +0.29 → A1 同步崩 −61.7%，「卖 TQQQ」时是在低位卖
• 未来如果相关性维持 +0.5 以上 → 你想"卖 TQQQ"的时候，TQQQ 大概率也已经回撤 30%+
• 推论：这个战术在历史上 80% 时间能成立，未来 5 年可能只有 30~50% 时间能成立
• 既然 BTC 和 TQQQ 在变同质，真正的分散资产是「现金 + 短债」（10% 那一桶）
• 极端环境（dot-com 重演 / 2022 重演）下，现金桶能提供"独立行情"——因为它不参与流动性循环
• 所以如果担心相关性高，应该升级现金桶质量（如改持短债、建立海外应急资金）， 而不是在 BTC/TQQQ 之间倒来倒去
• 「TQQQ 趋势轮动 + BTC 分区间定投」本身已经是好策略——它们的 alpha 来自仓位管理纪律， 不依赖于"两个资产不相关"这个前提
1. 不要追加 TQQQ 仓位（不是"很想要的额外收益"，而是"幻觉的额外分散"）
2. 不要为"等 BTC 跌深换 TQQQ"留出战术余地（未来 5 年这个机会窗口可能消失）
3. 每 6 个月复核一次实际相关性：如果近 52 周滚动相关性持续 > 0.5， 考虑降低 TQQQ 仓位（不是加，是减）
4. 把"独立资产"找在别处：海外短债 / 持有期限错配的国债 ETF / 房地产 / 极少量黄金
用这些数据怎么判断？
如果 BTC vs A1 的相关性 < 0.3 → BTC 和美股策略是真分散的两条腿， 配比应该按目标风险，而不是按"哪个最近涨得好"。 如果相关性 > 0.6 → 两条腿其实没分散，需要重新评估配比。
如果 4/5 次美股都没跟着崩 → "卖 TQQQ 抄 BTC 底" 是有合理基础的战术； 但你需要忍受"美股继续涨"的反向遗憾。 如果 ≥ 2/5 同步崩 → 这个战术在需要它的时候反而失效。
如果近期相关性在变高（接近 0.5+）→ 后疫情时代 BTC 和美股的"全球流动性同步" 已经成为常态，过去 12 年的低相关历史可能不可外推。这是支持"维持现有配比、不增加 TQQQ"的强证据。
看 A1 的 MaxDD 是不是 同步在 BTC 见底前后。 如果是 → "卖 TQQQ 抄 BTC 底" 时你的 TQQQ 已经是腰斩状态（卖在低位 + 买在低位 = 双重锁定亏损）； 如果不是 → A1 在 BTC 见底时仍然接近峰值，换仓战术成立。
本数据集（2014-2026）不包含 dot-com 级别熊市。tqqq-rebound-params 显示 A1 在 2000-2012 段 CAGR 仅 +1.16% / 13 年。 如果你过去 12 年的相关性数据外推未来 → 你可能系统性低估了尾部风险。 相关性矩阵在尾部事件中失效是金融市场常态。
组合配比决策：BTC × MSTR × TQQQ A1
核心结论
关键原因：MSTR 用 BTC 信号驱动定投+定抛后，C4 CAGR +102.5% / MaxDD -49.5% —— 比 MSTR LS (+46.2% / -83.3%) 差距巨大。定抛在 2024 年 MSTR 暴涨时锁利成功。
含义：用 BTC 信号驱动 MSTR 仍然有效（信号源同一），但 MSTR 自己额外有 12% 公司特定风险。
5:1.5:2.5 (50/15/25) 平衡型：C4 +58.2% / DD -36.2%，CAGR 仅差 2%，DD 少 3.4%。
K<0.5 积累期（你当前）选 4:2:3；K 跨过 0.5 切到 5:1.5:2.5。
所以 TQQQ A1 +25%/年是乐观区间，长期中性预期 +20-22%/年。
① BTC 信号在 MSTR 上同样有效（MSTR 跟 BTC 同步顶/底）
② 定抛执行无滑点（MSTR 流动性 OK 但远不如 BTC）
③ Saylor 没有突发事件（C4 期间没出事，C5 不可知）。
未来真实 CAGR 期望：+50~+70%/年（保留 30% 衰减空间）。
4 资产周收益相关性矩阵
| 资产 | BTC | QQQ | TQQQ | MSTR |
|---|
单资产 C3 + C4 真实表现
| 资产 | C3 (2017-12 → 2021-11) | C4 (2021-11 → 2025-10) | 未来 1 周期预期* |
|---|
- BTC：C3→C4 已经从 +106% 衰减到 +57%，C5 大概率继续衰减到 +30~+40%（ETF 时代波动减小 + 边际新增资金减少）
- MSTR 策略版：C4 +102.5% 是事后最优。未来期望 +50~+70%（保留 30% 衰减空间，对应 BTC 衰减传导 + Saylor 突发风险 + mNAV 套利空间收窄）
- TQQQ A1：C3+C4 平均 +40%/年，但含两次 QQQ 牛市（2017-2021、2023-2025）。 长期中性 +20-22%/年（含 dot-com 重演可能性）
- 现金：6%/年固收加是当前利率环境，未来 5 年合理中位预期
9 套配比方案对比 (基于 C4 实测)
| 配比方案 | BTC | MSTR | TQQQ | 现金 | C4 CAGR | C4 MaxDD | C3 CAGR |
|---|
C4 净值曲线（4 条核心方案）
MSTR 穿透暴露分析（关键警示）
📐 4:2:3 的账面 vs 穿透暴露
| 维度 | 账面权重 | 穿透暴露 |
|---|---|---|
| BTC 实际敞口 | 40% | ≈ 52% |
| QQQ/科技股敞口 | 30% | ≈ 38% |
| 公司特定风险 | 0% | ≈ 12% |
| 独立现金 | 10% | 10% |
⚠ 含义：4:2:3 实际是更激进的 BTC 杠杆
- BTC 真实敞口已经 52%，不是 40%。MSTR 提供了 +12% 的隐藏 BTC 敞口。
- 科技股敞口 38%（vs 账面 30%）。MSTR 在 QQQ 崩塌时跟 TQQQ 同步跌（22 年同时 -70%+）。
- 新增 12% 公司特定风险。Saylor 离任 / 强制清算 / 软件业务破产 / 软件公司欺诈披露等 跟 BTC 和 QQQ 都不相关的尾部源头。
- 2022 年同步崩塌实测：BTC -65% / QQQ -33% / TQQQ -82% / MSTR -74%。 MSTR 在双重崩塌时被双重打击。
最终建议 + 操作清单
⭐ Phase 1 (K<0.5) 推荐：4:2:3 (40 / 20 / 30 / 10)
- 40% BTC 现货 = 主仓，跑你的分区间定投+v16/v18+ 定抛
- 20% MSTR = 同套 BTC 信号驱动，标的换 MSTR（同步定抛）
- 30% TQQQ A1 = MA242d + Trail40% 趋势策略
- 10% 现金 = 6%/年固收加（短债 / Boxx / 货基）
📐 Phase 2 (K∈[0.5,2]) 切换：5:1.5:2.5
- 50% BTC + 15% MSTR + 25% TQQQ + 10% 现金
- C4 实测 CAGR +58.2% / MaxDD -36.2%（vs 4:2:3：CAGR -2.1%, DD -3.4%）
- MSTR 占 BTC 桶 1/4，公司特定风险敞口降到 9%
- K 跨过 0.5 时切，因为 12% 公司风险变成"绝对大金额"不可接受
操作清单：从 70/0/20/10 → 4:2:3
- BTC 现货：从 70% 降至 40% → 暂停 BTC 定投或定抛部分换 MSTR
- MSTR：从 0% 加到 20% → 跟 BTC 同一套信号体系，分区间定投买入
- MSTR 定抛：跟 BTC 同步触发（v16/v18+ 信号），不要单独玩 mNAV 套利（信号一致更省心）
- TQQQ A1：从 20% 加到 30% → 跟随 A1 信号正常入场（MA242 上方时持仓）
- 现金：维持 10% 在固收加
- 每季度复核 1 次，K 值跨过 0.5 时切到 5:1.5:2.5
⚠ 触发重新评估的信号
- K 值跨过 0.5（Phase 1 → 2，切到 5:1.5:2.5）
- MSTR mNAV 长期 > 1.5（估值泡沫，定抛会自动起作用，但更激进可手动减仓）
- Saylor 出事 / 强制清算 / 软件业务破产 → 立即清空 MSTR（信号体系处理不了公司风险）
- QQQ 持续 > 1 年破 242 日均线（A1 退出，TQQQ 比例自然下降）
- BTC 跌破 -85%（dot-com 级，BTC 单一尾部触发，TQQQ 比例升至 40%）
- 样本只有 2 个 BTC 周期 (~8 年)，对 BTC 够、对 TQQQ A1 严重不够
- MSTR 在 C3+C4 都遇到了"加密牛市 + Saylor 没出事"，未来不一定重演
- 固收加 6%/年是当前利率环境，未来可能 3-8% 之间波动
- 配比模拟用"加权资产曲线"近似，没考虑年度再平衡（实操中应每年再平衡 1 次）
MVRV Z 深度专题：ETF 棘轮效应
2026-04 项目最重要的认知更新 — 解释为什么 BTC 创新高时 MVRV Z 反而被压低，以及对买入/卖出策略的影响。
📌 30 秒速读
- 2025-10-06 BTC 创 ATH $124,824，但 MVRV Z 仅 2.53（vs 5 个月前 $106k 时为 3.35）— 价格涨 +18%, MVRV 反跌 -24%
- 根因：2024-01 BTC ETF 上市，140 万 BTC 被强制走链上转账进入 Coinbase Custody，把早期低成本筹码"重新定价"到 $50k+，链上 Realized Cap 永久性抬升
- 结果："棘轮效应" — MVRV Z 只能被压低不能被低位换手拉回，整个区间被压缩
- 对 sell-v16：z=5 重仓门槛 (MVRV ≥ 2.74) 大概率本周期摸不到，6× 重仓机制可能完全不启用
- 对 buy-v19：mvrv_score 封顶机制保护了深熊买入，但浅熊/中熊会前置消耗 30% 子弹
- 计划 v17（卖出价格保险丝）+ v20（买入价格回撤增强）兜底
1. 实证现象：价格涨，MVRV 反跌
| 日期 | BTC 价格 | MVRV Z | NUPL | 说明 |
|---|---|---|---|---|
| 2024-12-16 | $105,856 | 3.35 | 0.619 | C4 周期 MVRV Z 峰值 |
| 2025-10-06 | $124,824 | 2.53 | 0.563 | C4 价格 ATH（C5 至今 ATH） |
价格涨 +18%，MVRV Z 反跌 -24%。这违背了"价格创新高 → 链上估值偏离更极端"的传统直觉，必有结构性原因。
2. 四个叠加机制
机制 1：强制走链上
链上 Realized Cap 只在"BTC 真的在链上转账"时才更新。普通换手很多发生在交易所内部账本，不上链 → 不影响 MVRV Z。ETF 申购则强制走链上托管隔离，100% 上链。
| 类型 | 是否上链 | 是否更新 RC |
|---|---|---|
| 散户在 Coinbase 卖给散户 | ❌ 大部分不 | ❌ 不更新 |
| 机构 OTC 大宗交易 | ⚠ 视情况 | ⚠ 视情况 |
| 矿工卖给交易所 | ✅ | ✅ |
| ETF 申购（AP → Coinbase Custody） | ✅ 必然 | ✅ 必然 |
机制 2：激活"沉睡币"（最关键）
普通市场环境下，长期 HODLer 不会无故卖（成本 $500，价格 $50k 也懒得动）。但 ETF 创造了之前不存在的退出动机：
之前："BTC 是退休资产，怎么可能卖？"
ETF 后："卖了 BTC 钱进 IRA / 401k 退休账户买 IBIT，
既保留 BTC 暴露，又拿到税务优惠"
ETF 不是"分流原本就要发生的卖出"，而是创造了原本不会发生的卖出，且这些卖出的源头大概率是低成本沉睡老币（因为长期持有者持有 BTC 总量的 ~73%）。
机制 3：规模
- 2024-01 至今 ETF 累计申购 ~140 万 BTC（约 7% 流通量）
- 22 个月持续单向强制走链上，平均每月 6.4 万 BTC 被"重新定价"
- 对比：日常链上"成本基础重置"流量约 1-2 万 BTC/天
- 单一机制贡献了 5-10% 的链上 RC 重置流量，是结构性增量
机制 4：单向锁仓 vs 双向流动 ⭐ 最被低估的核心
普通换手是双向的，长期看 RC 在双向流动中围绕"市场中位成本"波动 — 这就是为什么 C2/C3 顶部 MVRV Z 还能到 8-10：
2018：B 在 $3k 卖给 C → RC 反映 $3k → ⬇ 熊市低位换手能拉回 RC
2021：C 在 $50k 卖给 D → RC 反映 $50k → ⬆
2022：D 在 $20k 卖给 E → RC 反映 $20k → ⬇
但 ETF 是单向锁仓：
2024-25：BTC 在托管地址里不动（被动持仓）
2025-10 牛顶：仍在 Custody，成本基础永久锁定 $50k
2026 熊市：仍在 Custody（除非 ETF 净赎回）
→ 即使市场跌到 $30k，这部分 BTC 没被低位换手
→ RC 中这部分永远是 $50k
这是棘轮效应：MVRV Z 只能被压低、不能被"低位换手"拉回。
3. 为什么叫"棘轮效应"？
棘轮（ratchet）是机械原理 — 一种齿轮，只能往一个方向转，反向时空转。经典例子：扳手的"咔哒咔哒"声，每咔哒一下齿轮往前一格，反向拉时只是空响不动。
ETF 对 RC 的作用：
- ETF 申购（流入）→ BTC 进 Custody → RC 上升（齿轮往前走）
- ETF 份额二级市场流转（占 99%）→ 不上链 → RC 不变（齿轮空响不动）
- ETF 赎回（流出，占 ~5-10%）→ BTC 出 Custody → RC 下降（齿轮反向）
净效应：RC 的运动具有强烈的方向偏向性 — 上升容易、下降困难。
4. 一个常见误解：份额二级市场交易不影响 MVRV
你在券商账户买卖 IBIT 份额（占 ETF 流转 ~99%）只是纳斯达克的传统证券交易，底层 BTC 仍躺在 Custody 里不动，不上链不更新 RC。
↓
Robinhood 在纳斯达克成交
↓
份额所有权易手（券商账本变动）
↓
底层 BTC 仍然躺在 Coinbase Custody 里不动
↓
❌ 不上链，不更新 RC，不影响 MVRV Z
只有 AP 触发的"铸造/赎回"（占 ~5-10%）才上链。这反而强化了"链上沉默"的锁仓效果 — 进入 ETF 的 BTC 就像"高位保鲜冰箱"，账面成本永远停留在入库价。
5. 修正版理论：不是"区间左移"，而是"区间压缩"
直觉以为 ETF 棘轮让 MVRV Z 整体往左平移（牛顶低 → 熊底也更低）。但实际上 ETF 在熊市可能继续净流入（机构 DCA 抄底），让 RC 仍在上升 → 下限影响有限，上限被强力压低，整体表现为"波动幅度被压缩"。
| 阶段 | 历史时代 MVRV Z | ETF 时代 MVRV Z | 变化 |
|---|---|---|---|
| 深熊底 | −0.5 ~ −1.0 | −0.3 ~ −0.5 | ⚠ 略浅 |
| 熊底回升 | 0 ~ 0.5 | 0 ~ 0.3 | ✅ 略低 |
| 平稳期 | 0.5 ~ 1.5 | 0.3 ~ 1.0 | ✅ 整体下移 |
| 牛市启动 | 1.5 ~ 3.0 | 1.0 ~ 2.0 | ✅ 整体下移 |
| 牛市中段 | 3.0 ~ 5.0 | 1.5 ~ 2.3 | ✅ 严重压缩 |
| 牛市顶 | 5.0 ~ 10.0 | 2.0 ~ 2.5 | ⚡ 强力压低 |
核心：MVRV 上限被砍掉 70%，下限只损失 20-30%，所以"波动幅度被压缩到极窄区间"，而不是简单平移。
6. 一道护城河：mvrv_score 封顶机制保护买入侧深熊
buy-v19 用的不是 MVRV Z 原值，而是 mvrv_score（阶梯归一化 0~1）：MVRV Z ≤ −0.5 时 score 已封顶为 1.0。
历史时代：MVRV Z 跌到 −0.5 → score = 1.0 → buy-v19 倍数 13× × boost 2.5× = 32× base ✅
ETF 时代：MVRV Z 可能跌到 −0.8 或 −1.0（更深）→ score 仍是 1.0（封顶了） → 32× base ✅
深熊买入不受影响。MVRV Z 跌到 −0.5、−1.0、−2.0 没区别 — score 都是 1.0，倍数都封顶。
7. buy-v19 真正的痛点：浅熊子弹前置消耗
既然 MVRV 整体区间被压缩到更低位置，那么"同样的 BTC 价格"对应的 score 会比历史时代更高 → buy-v19 在浅熊和中熊就开始重仓买入，深熊时可能子弹已经透支。
| 阶段 | 历史 MVRV → 倍数 | ETF 时代 MVRV → 倍数 | 差异 |
|---|---|---|---|
| 浅熊（回撤 30-40%） | 0.8-1.0 → 1-2× base | 0.4-0.6 → 3-5× base | +2-3× ⬆ |
| 中熊（回撤 50-60%） | 0.3-0.5 → 4-6× base | 0.0-0.2 → 6-9× × 1.5 = 9-14× | +5-8× ⬆⬆ |
| 预算累计消耗 | ~40% 子弹 | ~70% 子弹 | +30% ⬆⬆⬆ |
| 深熊（回撤 70-80%） | −0.5 → 13× × 2.5 = 32× | −0.5 → 32×（封顶不变） | 无差异 ✓ |
| 深熊可用子弹 | ~60% 在等 | ~30% 在等 | 少一半 ⬇⬇ |
这就是 ETF 时代 buy-v19 的真实代价：子弹从"主要给深熊"变成"主要给浅熊+中熊"。 真到深熊（MVRV Z < 0）时，base_amount 已被前期超买推高 → 触发 32× 倍数时实际投入金额可能不够。
解决思路（优先级排序）
- 价格回撤作为第二维度（已验证）：score = MVRV 分 + 价格回撤分。当 MVRV 被 ETF 压制偏高时，价格回撤项会提供修正力 → 浅熊时减少误触发。历史回测下 v19 仍更优（因历史 MVRV 正常），v20 价值在 C5 实盘中才能体现
- 动态 EM 衰减（EM 随周期推进降低）：周期越晚 base_amount 越大，自动匹配深熊时的更高倍数 — 不改信号，改钱的分配节奏
- MVRV-价格背离信号（新方向，见下方第 9.5 节）：当价格处于高位但 MVRV 连续下降 → 说明庄家已出货，深熊临近 → 加强买入等待信号
8. 对下一周期 C6 的预测
| 情景 | 假设 | C6 MVRV 峰值 | 概率 |
|---|---|---|---|
| 悲观 | ETF 持续高速吸纳早期筹码 | 1.5 ~ 2.0 | 25% |
| 中性 | ETF 流入放缓 ≈ 新增挖矿产量 | 2.0 ~ 2.5 | 50% |
| 颠覆 | 高利率长期化 → ETF 净赎回 | 3.0 ~ 5.0（虚高） | 25% |
C7 之后：早期筹码大致耗尽，ETF 必须从"活跃流通"买入 → 这部分换手对 RC 影响是双向的（不会单边升高）→ 棘轮效应基本消失，MVRV 可能回到"机构定价中性"水平（峰值 3-5 区间）。
9. 对本项目策略的综合影响
🔴 定抛 sell-v16 — 影响大
- z=5 门槛 MVRV ≥ 2.74 大概率本周期摸不到
- "重仓 6×"机制可能完全不启用
- NUPL 保险丝（C5: 0.544）也勉强触发
- ⏭ 计划 v17 价格倍数保险丝兜底
🟢 定投 buy-v19 — 影响中性偏负
- 深熊 score 封顶保护到位（不受影响）
- 但浅熊/中熊会前置消耗 30% 子弹
- 回撤加码（45%/70%）是关键护城河（独立于链上）
- ⏭ 计划 v20 价格回撤增强分流 MVRV 主导
9.5 关键洞察：MVRV 90% 信息隐含在价格里，只有"背离"才独特
数据验证：BTC 牛市期间，价格周涨幅与 MVRV 周变化的相关系数高达 0.89–0.92。 MVRV 的绝大部分信息是价格的影子——两者涨跌幅度在整个牛市都差不多，直到牛市末期出现例外。
实证背离数据
| 周期 | MVRV峰值 | 价格 ATH 时 MVRV | 跌幅 |
|---|---|---|---|
| C3 (2021) | 7.15 @$57k 2月 | 3.24 @$65k 11月 | -55% |
| C4 (2025) | 3.31 @$104k 24Q4 | 2.49 @$124k 25Q4 | -25% |
背离信号的意义
- 价格涨 = 新买家进场（Market Cap ↑）
- MVRV 同时涨 = 正常（市价 > 成本 → 信心强）
- 价格涨但 MVRV 降 = 机构在出货：成本基础抬高（RC ↑），老筹码高位换手，说明"聪明钱已经分批离场"
- 这是不受 ETF 绝对水平影响的相对变化信号
✅ sell-v18 双轨机制 — 设计 & 初步回测
双轨机制：
① 基础卖出 = 基于 price/avg_cost 倍数的 5 档阶梯；
② 背离强化 = 价格近 8 周最高 90% 内 + MVRV 从近 26 周峰值降 ≥20% → z+1。
初步回测（ATH-to-ATH 口径）：v18-B 均卖价提升、vsHODL 改善 4pp。 但 ATH-to-ATH 口径有系统性偏差 — 见下方 9.6 节的压力测试翻转结论。
9.6 关键修正：ATH-to-ATH 偏差 & C5 熊底压力测试
⚠ 评估口径陷阱：ATH-to-ATH 周期下"卖得少 = 均卖价高" 是假象
- ATH-to-ATH 周期终点恰好是最高价 → 未卖出的 BTC 权重最大 → 系统性偏好少卖策略
- 但 ATH 之后必然进入熊市，未卖出的 BTC 会跟着 -70% 暴跌 → 实际上"卖得少"会在熊底打脸
- 真实评估必须用 bottom-to-bottom 口径（熊底→熊底）或 熊底压力测试
第一轮修正：bottom-to-bottom 回测（C3底→C4底，终点=真实熊底）
| 方案 | 卖出% | 均卖价 | 期末总值 | vs HODL |
|---|---|---|---|---|
| v16 现状 | 76.5% | $43,562 | $433,949 | +134.98% |
| v18 start=2.0 | 78.3% | $47,254 | $473,828 | +156.58% |
| v18 start=1.3 | 77.4% | $41,386 | $417,200 | +125.92% |
第二轮修正：C5 熊底压力测试（当前剩余 BTC 跌到各情景的期末总值）
| 方案 | 卖出% | 均卖价 | 剩余 BTC | 乐观 -55% | 中性 -72% | 深熊 -85% | 概率加权 |
|---|---|---|---|---|---|---|---|
| v18 start=2.0 ❌ | 19.9% | $107,331 | 1.407 | $117,236 | $87,091 | $64,038 | $89,573 |
| v18 start=1.7 | 52.5% | $105,582 | 0.835 | $144,607 | $126,723 | $113,046 | $128,195 |
| v18 start=1.5 | 73.3% | $103,637 | 0.468 | $160,027 | $149,998 | $142,328 | $150,824 |
| v16 现状 | 91.2% | $93,159 | 0.155 | $157,945 | $154,621 | $152,079 | $154,895 |
| v18 start=1.3 ⭐ | 91.2% | $97,199 | 0.155 | $164,413 | $161,089 | $158,547 | $161,363 |
✅ 最终推荐：sell-v18 start_ratio = 1.3（压力测试胜出）
关键指标
- 卖出率 91.2%（与 v16 相同，保证抗回撤能力）
- 均卖价 $97,199（比 v16 的 $93,159 高 +$4,040）
- 7 种 C5 熊底情景全部稳赢 v16 +4.10% ~ +4.28%（一致性极强）
- 概率加权期末值 $161,363 vs v16 $154,895（+4.18%）
价格阶梯参数（start=1.3）
| cost_ratio | z | 倍数 |
|---|---|---|
| 1.30 ~ 1.95 | 1 | 0× |
| 1.95 ~ 2.93 | 2 | 0× |
| 2.93 ~ 3.90 | 3 | 1× |
| 3.90 ~ 5.85 | 4 | 3× |
| ≥ 5.85 | 5 | 6× |
🎓 核心教训（2026-04-17）
- 卖出策略的好坏必须用"期末总价值"衡量，不能只看均卖价或 vsHODL
- ATH-to-ATH 周期评估天然偏好"少卖"，必须用 bottom-to-bottom 或熊底压力测试修正
- 最优解是"卖出率高 AND 均卖价高"同时满足，单独看任一指标都会被误导
- 价格信号（cost_ratio）确实比 MVRV 更能在 ETF 时代捕捉高位（均价高 $4k 是实在的）
- 但价格阶梯的"起点"决定了卖出量——起点太高会变成 HODL，起点过低会卖得太早
相关脚本：research/sell_v18_price_divergence.py（ATH 口径，有偏差）
· research/sell_v18_bottom_to_bottom.py（完整周期）
· research/sell_v18_stress_test.py（C5 熊底压力测试，权威）
9.65 v18+ 生产规范评估：全面劣于 v16，不采纳
📊 生产规范下 v18+ 在 4 场景 + C5 熊底压力测试全部输给 v16
| 场景 | v16 总值 | v18+ 总值 | 差异 | 均卖价差 |
|---|---|---|---|---|
| C3 ATH→ATH | $1,111,845 | $1,029,106 | -7.44% | -$3,295 |
| C4 ATH→ATH | $488,407 | $442,242 | -9.45% | -$4,690 |
| C3底→C4底 | $433,949 | $413,207 | -4.78% | -$2,415 |
| C4底→当前 | $215,549 | $206,902 | -4.01% | -$5,401 |
| C5 熊底加权 | $155,271 | $146,624 | -$8,647 | — |
根因（与早先研究脚本差异）
- cost_gate + cost_ratio 同维度二次过滤：两者都基于 avg_cost，cost_gate 已设"price > avg_cost × 2-3"门槛，再加 cost_ratio 阶梯 → gate 刚打开就卖，错过高位
- 每日 hist 下背离信号太灵敏：combined_backtester 每日 append，MVRV 背离条件在牛末每天都可能触发 z+1 → 过早升档到 z=4/z=5
- ath_ratio 被 cost_ratio 屏蔽：正常周期下 cost_ratio 永远 ≥ ath_ratio（定投均价远低于前周期 ATH），所以 ATH 锚点没机会"救场"——我们寄望的"浅熊保底"在正常数据上无法验证
- 研究脚本 $97k 是假象：那个数字是"无 cost_gate + 粗粒度 hist"的纯信号结果，不代表生产行为
✅ 最终决策：保持 v16 作为生产策略
SELL_USE_V18PLUS = False（默认）。
v18+ 代码已写好并通过 36 个单元测试，但不启用。
ATH 锚点的"浅熊救场"价值需要在实际 C5 浅熊发生后才能检验。
评估脚本：research/sell_v18plus_production_eval.py
（用 combined_backtester.run_combined_backtest 生产引擎 + SELL_USE_V18PLUS 灰度切换）
9.7 v18+ 双锚点设计记录（已被 9.65 推翻，仅作研究留存）
⚠ v18 仅用 cost_ratio 的脆弱性
v18 用 cost_ratio = price/avg_cost 触发卖出，avg_cost 受熊市深度影响：
- 浅熊 → 没买到便宜筹码 → avg_cost 高 → 触发价被推高 → 容易触发不到高档
- 深熊 → 大量便宜筹码 → avg_cost 低 → 触发价被压低 → 容易过早卖光
📝 修正 (2026-04-17)：早先版本曾说"C4 z=5 完全没触发"， 是因为用了 bottom-to-bottom 周期均价 $25,767 算阈值。 用户实际生产均价（ATH→ATH 周期）是 $20,125， z=5 阈值 = $20,125 × 5.85 = $117,731，C4 ATH $124,824 实际触发 z=5 共 3 次。 所以 v18 cost 锚点在正常周期下是完全够用的。
C5 熊底深度对 C6 触发价的影响（仅极端浅熊才有真实风险）
| C5 熊底 | C6 估算均价 | 触发 z=3 | 触发 z=4 | 触发 z=5 | 假设 C6 ATH | 能触发？ |
|---|---|---|---|---|---|---|
| 浅 -50% $62k | $100k | $293k ❌ | $390k ❌ | $585k ❌ | $250k | 全失效 💀 |
| 浅 -55% $56k | $90k | $263k ❌ | $351k ❌ | $526k ❌ | $250k | 全失效 |
| 基准 -65% $44k | $70k | $205k ✓ | $273k ❌ | $409k ❌ | $250k | 仅 z=3 |
| 中性 -72% $35k ⭐ | $56k | $164k ✓ | $218k ✓ | $327k ❌ | $215k | 不到 z=5 |
| 深 -85% $19k | $30k | $88k ✓ | $117k ✓ | $175k ✓ | $190k | 全档触发 |
✅ v18+ 双锚点（cost_ratio AND ath_ratio，取较强者）— 仅作小尾保险
在生产正常周期下 cost 锚点已足够（C4 ATH→ATH 实测能触发 z=5）。v18+ 主要价值是 给"C5 浅熊（<15% 概率）+ C6 浅牛"小尾场景提供保险，避免完全失效。
锚点 A (cost_ratio = price/avg_cost)
| 阈值 | z |
|---|---|
| 1.30 | 1 |
| 1.95 | 2 |
| 2.93 | 3 |
| 3.90 | 4 |
| 5.85 | 5 |
锚点 B (ath_ratio = price/prev_cycle_ATH)
| 阈值 | z | 语义 |
|---|---|---|
| 0.85 | 1 | 接近 prev ATH |
| 1.00 | 2 | 突破 prev ATH |
| 1.30 | 3 | +30% over ATH |
| 1.60 | 4 | 典型周期高点 |
| 2.00 | 5 | 翻倍极端 |
最终 z = max(z_a, z_b) + MVRV 背离强化（z+1）
v18 vs v18+ 实测对比
| 场景 | v18 单锚点 | v18+ 双锚点 | 差异 |
|---|---|---|---|
| C3底→C4底（历史） | 卖 77.4% / $41,386 | 卖 77.4% / $41,386 | 完全一致 ✓ |
| C4底→当前（历史） | 卖 91.2% / $97,199 | 卖 91.2% / $97,199 | 完全一致 ✓ |
| 假想浅熊 C6 ATH $250k | 全档不触发 💀 | 能触发到 z=5 | 救场 ⭐ |
🎓 v18+ 设计哲学：三轴对照（无副作用 + 有救援）
| 场景 | cost 锚点 | ATH 锚点 | 背离强化 |
|---|---|---|---|
| 历史正常周期 | ✅ 主导 | 较弱（被 max 屏蔽） | 末段加码 |
| 浅熊 + 深牛 | ❌ 全部失效 | ✅ 救场 | 末段加码 |
| 深熊 + 浅牛 | ⚠ 容易过早 | ✅ 不易触发（保守） | 不易触发 |
| ETF 压制（C5） | ✅ 不受影响 | ✅ 不受影响 | ✅ 用相对变化 |
脚本：research/sell_v18_cost_anchor_analysis.py（成本锚点脆弱性诊断）
· research/sell_v18_plus_dual_anchor.py（v18+ 双锚点回测，权威）
10. 调参禁忌（避免错误优化方向）
- ❌ 不要降低 C5 z=5 MVRV 阈值 — 会过拟合当前 ETF 净流入状态，C6 若反向赎回会过度敏感
- ❌ 不要把 RHODL 加回主信号 — RHODL 同样依赖 RC，对 ETF 压制无效
- ❌ 不要根据 C5 至今最高 2.53 反推"未来 MVRV 都到不了 2.74" — 情景 C 会反转
11. 改进方向 — 已完成回测决策
🔴 sell-v17（卖出侧）— 价格倍数保险丝（待激活，2026-04-17 回测确认）
候选方案回测结论
| 方案 | C3 vsHODL | C4 vsHODL | 结论 |
|---|---|---|---|
| v16 现状 | -31.6% | -21.2% | 基准 |
| A ratio=1.5/z=3 | -33.9% | -21.2% | 历史无害 |
| C Pi Cycle/z=4 | -38.2% | -34.3% | ❌ 过早触发 |
| D A+C 复合/z=4 | -34.8% | -21.2% | ✅ 推荐 |
已确认参数（待 C5 激活）
- price_ratio = 1.5（前周期 ATH × 1.5）
- 持续时间 = 4 周
- z_floor = 3（至少触发 1× 卖出）
- C5 触发阈值 = $163,500（$109k × 1.5）
- Pi Cycle 不采用：C4 时过早触发，均卖价低 $12k
- 当前 BTC ~$84k，远未触发，对历史回测零干扰
🟢 buy-v20（买入侧）— 价格回撤增强（2026-04-17 回测：暂缓）
回测发现
- 历史数据上 v19（纯 MVRV）优于所有 v20 变种
- 原因：历史 MVRV Z 峰值 8+，信号清晰；v20 的"价格回撤"在新周期起点偏差大（ATH 锚点问题）
- v20 的设计价值仅在 ETF 压制的 C5/C6 体现，无历史数据可验证
决策
- 保持 buy-v19 生产参数不变
- v20 列为 C5 深熊观察项：若 v19 实盘在浅熊大量消耗预算，届时切换
- 核心护城河 = 45%/70% 回撤加码（已独立于链上）
12. 配套阅读
notes/ETF对MVRV影响分析.md— 完整研究备忘（v3）notes/卖出阶梯v16决策.md— sell-v16 升级决策记录research/sell_v15_vs_v16_production.py— 生产口径全 5 段对比research/sell_trigger_timeline.py— 卖出触发时间线分析research/_diag_c5_ath_mvrv.py— C5 ATH 诊断脚本.cursor/rules/btc-strategy-context.mdc— 项目策略 rules
BTC 极端底部杠杆补仓 — 设计方案
2026-04-13 · 状态：回测已完成
核心思路：v17 定投预算耗尽后，在极端底部将部分现货 BTC 升级为 2x 暴露，价格恢复后退回现货。类似美股侧 TQQQ 反弹加速的设计模式。
策略实操指南：从头到尾怎么跑
阶段一：正常定投（大部分时间）
v17 混合定投照常运行，每周根据 composite（综合分）决定买多少。市场越跌买得越多——极端底部时单周倍数可达 39×（13× Fibonacci × 3× 回撤加码）。
这个阶段杠杆模块什么都不做，只在后台监控两个数字：预算剩余比例和 ATH 回撤深度。
阶段二：触发条件满足 → 分批入场
当以下两个条件同时满足时，杠杆启动：
条件 ①：子弹快打完了
剩余预算 < 总预算 × 20%
例：$100k 预算，剩 <$20k
条件 ②：跌得够深
ATH 回撤 ≥ 50%（T1 门槛）
例：ATH $109k → 价格 <$54.5k
触发后不是一次性 all-in，而是分 3 批在更深位置依次入场：
| 批次 | 触发时机 | 操作 |
|---|---|---|
| T1 | 回撤 ≥ 50% | 卖出 10% 现货 → 得到 USDT → 开 2x 多单（逐仓） |
| T2 | 回撤 ≥ 58% | 再卖 10% 现货 → 开第二个 2x 多单 |
| T3 | 回撤 ≥ 66% | 再卖 10% 现货 → 开第三个 2x 多单 |
每个 tranche 逐仓模式（isolated margin），T1 被清算不影响 T2/T3。如果跌幅一步到位，多个 tranche 可同时触发。
阶段三：持仓等待
入场后你的持仓变成：~70% 现货 BTC + 3 个 2x 多单。
每天自动扣资金费率（≈ 0.014%/天，底部通常为负——做多反而赚钱）。
什么都不用做，等价格反弹，同时系统监控退出条件。
阶段四：退出 → 买回现货
满足任一退出条件即全部平仓：
退出 A：回撤恢复
ATH 回撤收窄到 <30%
市场已走出深底，杠杆目的达到
退出 B：移动止盈
杠杆仓位从峰值回撤 ≥30%
利润已经跑了一段，锁定收益
平仓后：收回保证金 + 利润（USDT）→ 全部买回现货 BTC → 回到纯现货模式。
每个周期最多执行 1 轮，不反复开关。
回测实例：Cycle 3
如果条件不满足呢？
如果 Cycle 5 最大回撤 < 50%（BTC 波动率持续衰减的可能情景），策略完全不触发——零损失、零收益。你的 v17 定投照常跑，杠杆模块就像一张没中奖的彩票，不花任何成本。
一、问题：子弹打完了但信号还在最强
v17 混合定投通过 EM（期望倍数）校准 base_amount，使预算在整个周期内合理分配。但在极端熊市中可能出现：
- composite（综合分）已到 Z=4（极深底），drawdown boost 已推到 3.0×
- 有效倍数 = 13 × 3.0 = 39×，但 remaining_budget ≈ 0
- 系统告诉你"现在是最好的买点"，但没有弹药了
当前的处理方式：buy_amount = min(base_amount × mult, remaining_budget) → 买入 $0。错过高置信度的极端底部机会。
核心洞察
在 Z=4 + 65%+ 回撤这个位置，BTC 历史上的反弹是确定性极高的（Cycle 3 底部 2018.12、Cycle 4 底部 2022.11 均大幅反弹）。信号越强，杠杆的性价比越高。这不是"猜底"，而是"系统已经确认极底部，但子弹没了"。
二、工具选择：币安 BTCUSDT 永续合约
对比了四种杠杆工具后，选择币安 BTCUSDT 永续合约（2x，逐仓模式）：
| 工具 | 波动衰减 | 爆仓风险 | 持有成本 | 推荐 |
|---|---|---|---|---|
| 2x BTC ETF (BITX) | ~49%/年 | 无 | 1.85% ER | 币安无法买 |
| BTCUSDT 永续 2x | 无 | 有（-48%） | 底部常为负 | 推荐 |
| 币本位永续 2x | 无 | 有（-33%） | 同上 | 清算太近 |
| 抵押借贷 | 无 | 有（清算线） | 利率高 | 复杂度高 |
为什么不用 2x ETF？
BTC 年化波动率约 60-80%，2x ETF 每日再平衡的理论年衰减 ≈ σ² ≈ 36-64%，对长期持有毁灭性。永续合约无波动衰减，唯一成本是资金费率（funding rate），在熊市底部通常为负数——做多反而赚钱。
资金费率在你的场景下很友好
| 市场阶段 | 典型 8h 费率 | 年化 | 对做多的影响 |
|---|---|---|---|
| 牛市顶部 | +0.03% ~ +0.10% | +36% ~ +120% | 做多付很多 |
| 正常牛市 | +0.01% | ~13% | 适中 |
| 熊市底部（你的进场点） | -0.01% ~ -0.03% | -13% ~ -36% | 做多赚钱 |
三、分批入场：为什么比一次性更优
将杠杆分配拆成 3 批 × 10%，在逐步加深的回撤位分批入场。每个 tranche 使用逐仓模式（isolated margin），互不影响。
| Tranche | 触发回撤 | 入场价(示例) | 分配 | 2x 名义 | 清算价 | 距 ATH |
|---|---|---|---|---|---|---|
| T1 | ≥ 50% | $50,000 | 10% | 20% | ~$26,000 | -74% |
| T2 | ≥ 58% | $42,000 | 10% | 20% | ~$21,840 | -78% |
| T3 | ≥ 66% | $34,000 | 10% | 20% | ~$17,680 | -82% |
示例基于 ATH = $100,000，dd_step=8%。2x USDT 保证金清算约在入场价 -48%。
一次性 30% @ -55%
- 入场 $45,000，清算 $23,400
- 跌到 -80% ATH ($20,000)：全部清算，丢 30%
- 如果回到 ATH：已经没了
分批 3×10% @ -55%/-65%/-75%
- 跌到 -80% ATH：仅 T1 清算（亏 10%），T2/T3 存活
- 回到 ATH：T2 赚 +19%，T3 赚 +60%
- 净收益：-10% + 19% + 60% = +69%
四、风险分析：清算概率与最大损失
每个 tranche 使用逐仓模式（isolated margin），T1 被清算时不影响 T2/T3 的保证金。最坏情况（三个 tranche 全部清算）需要跌到 -87% ATH，BTC 自 2013 年以来从未达到过。
| 被清算的 tranche | 触发条件 | 概率（粗估） | 持仓损失 |
|---|---|---|---|
| 无 | 不跌破 -77% ATH | ~75% | 0% |
| 仅 T1 | 跌到 -77% ~ -82% ATH | ~15% | -10% |
| T1 + T2 | 跌到 -82% ~ -87% ATH | ~8% | -20% |
| 全部 | 跌破 -87% ATH | ~2% | -30% |
概率加权最大损失
0.75 × 0% + 0.15 × 10% + 0.08 × 20% + 0.02 × 30% = 3.7%
即在概率加权下，杠杆补仓对 BTC 持仓的预期最大损失仅约 3.7%。而在 75% 的情况下（最可能的情形），损失为零。
历史参考：BTC 最大回撤
Cycle 3 (2017→2021): ATH $19,641 → 底部 $3,122 = -84%
Cycle 4 (2021→2025): ATH $67,542 → 底部 $15,460 = -77%
趋势：每个周期最大回撤在收窄。-87% 以上的回撤在现代 BTC（2013 年后）从未出现。
五、推荐参数（回测验证后）
6,804 组参数 × C3/C4 两周期 × 3 种波动情景 = 40,824 次回测后的最优参数。
核心参数
| 参数 | 推荐值 | 边际影响 | 说明 |
|---|---|---|---|
| budget_pct（预算消耗门槛） | 20% | 8.56 | remaining < 总预算 × 20% 时允许入场。最关键参数 |
| per_alloc（每 tranche 比例） | 10~15% | 3.83 | 卖出多少现货换成 2x 合约。越高 α 越高但风险越大 |
| n_tranches（批次数） | 3 | 0.66 | 3 批略好于 2 批 |
| dd_start（首批回撤门槛） | 50% | 0.30 | ATH 回撤 ≥ 50% 触发 T1。不敏感 |
| dd_step（批次间距） | 8% | 0.12 | T2 在 58%、T3 在 66%。几乎无影响 |
| exit_trailing（移动止盈） | 30% | 1.27 | 杠杆仓位从峰值回撤 30% 时平仓 |
| exit_dd_recover（回撤恢复退出） | 30% | 0.28 | ATH 回撤收窄到 <30% 时退出。不敏感 |
边际影响 = 该参数在搜索范围内对平均 α 的 spread（数值越大越重要）。
回测发现：原始设计中两个条件无法满足
composite ≥ 0.80：回测中预算耗尽后 composite 最高只到 0.68（C3）/ 0.55（C4），因为 v17 在深底大量买入已把价格/MA 比拉高。已移除此条件。
price < avg_cost × 0.80：v17 在底部重仓买入（39× 倍数），avg_cost 被拉得极低，预算耗尽时 price > avg_cost（C3: 1.47×, C4: 1.25×）。已移除此条件。
最终只保留两个条件：预算低 + 回撤深，简单可靠。
执行纪律
- 所有信号 day N 产生，day N+1 执行（无前瞻偏差）
- 每个 tranche 使用逐仓模式 (isolated margin)，清算互不影响
- 退出后：平仓收回 USDT → 买回现货 BTC → 回到纯现货模式
- 每个周期最多触发 1 轮（3 个 tranche），不反复开关
六、条件期望值：已到触发点后的盈亏比
已知条件：BTC 已跌至 -55% ATH，T1 触发点已到达。从这个位置出发，分析未来 18-24 个月内各种路径的杠杆增益和损失。所有概率为条件概率（给定已在 -55% ATH），不是无条件概率。
历史校准
C3：触达 -55% ATH (~$8.8k) 于 2018 年中 → 继续跌到 -84% ($3.1k) → 恢复到新 ATH $67.5k（从 -55% 点算 +667%）
C4：触达 -55% ATH (~$30k) 于 2022 年 5 月 → 继续跌到 -77% ($15.5k) → 恢复到新 ATH $109k（从 -55% 点算 +263%）
历史上从 -55% ATH 出发，每次都最终大幅反弹。区别只在于中间还要再跌多少。
从 -55% ATH 出发的路径分析（3 tranche × 10%，退出条件：回到均价）
| 路径 | 条件 P | 最深回撤 | 触发 T | 杠杆收益 | 杠杆损失 | 净 alpha |
|---|---|---|---|---|---|---|
| A 浅V反弹 跌到 -60% 即见底 |
20% | -60% | T1 | +7% | 0 | +7% |
| B 中深反弹 跌到 -70% 再恢复（类 C4） |
30% | -70% | T1+T2 | +22% | 0 | +22% |
| C 深V强反弹 跌到 -80% 再恢复（类 C3） |
20% | -80% | T1+T2+T3 | +32% | -10% | +22% |
| D 深跌弱恢复 跌到 -75%，缓慢恢复到 -40% |
15% | -75% | T1+T2+T3 | +8% | 0 | +8% |
| E 超深跌 跌到 -88%，缓慢恢复到 -50% |
10% | -88% | T1+T2+T3 | +3% | -20% | -17% |
| F 横盘 停在 -55% 不动 |
5% | -55% | T1 | 0 | -1% | -1% |
收益计算基于：每 tranche 10% 持仓 × 2x，退出条件为回到均价（假设均价 ≈ -40% ATH）。路径 C 中 T1 在 -77% ATH 被清算。路径 E 中 T1+T2 被清算。路径 F 因资金费率略亏。精确数值待回测确认。
概率加权汇总
| 指标 | 计算 | 结果 |
|---|---|---|
| 概率加权收益 E[gain] | 0.20×7 + 0.30×22 + 0.20×32 + 0.15×8 + 0.10×3 | +15.5% |
| 概率加权损失 E[loss] | 0.20×10 + 0.10×20 + 0.05×1 | -4.05% |
| 概率加权净 alpha | 0.20×7 + 0.30×22 + 0.20×22 + 0.15×8 + 0.10×(-17) + 0.05×(-1) | +11.45% |
条件盈亏比
每投入 1% 的潜在损失，可获得 3.8% 的潜在收益。这是一个正期望值的"彩票"——85% 的路径盈利或持平，15% 的路径亏损，但即使在亏损路径中，深处入场的 T2/T3 仍可能贡献正收益来部分对冲 T1 的清算。
为什么条件概率更有意义？
如果用无条件概率（"任意时刻 BTC 跌到 -55%"），概率本身很小（~15-20%），导致期望值被压缩，看起来影响微不足道。
但条件概率回答的是真正重要的决策问题："系统已经告诉我触发条件满足了，这时候执行杠杆操作的期望收益是多少？"这才是你做决策时面对的真实情况。
七、与美股策略的超额收益对比
| 维度 | QQQ DCA 定投 | BTC 杠杆补仓 |
|---|---|---|
| 信号质量 | 无（纯 DCA 等额投入） | 极强（Z=4 + 65%+ 回撤，2/2 大幅反弹） |
| 超额来源 | 市场 Beta（无 Alpha） | 高置信度择时（极端底部） |
| 超额收益 | 基准线（QQQ CAGR ~12-15%/年） | +15% 一次性/周期（期望值） |
| 触发频率 | 持续（每月定投） | 极低（4 年一次） |
| 维护成本 | 几乎为零 | 几乎为零（等信号触发） |
结论
美股侧用 TQQQ 趋势轮动获取杠杆暴露管理收益，BTC 侧在极端底部用小仓位杠杆获得高置信度超额。两者的维护成本都极低。信号越强，杠杆的性价比越高。
八、回测结果（2026-04-13）
脚本：research/btc_leverage_overlay.py · 6,804 参数 × 6 切片 = 40,824 次回测 · 耗时 32s
三种波动情景下的触发与超额
| 情景 | C3 触发 | C4 触发 | 平均 α | 最大 α |
|---|---|---|---|---|
| 原始（历史真实） | 100% | 100% | +4.6% | +14.9% |
| 浅底 -60% | 0% | 58% | +1.7% | +11.5% |
| 浅底 -50% | 0% | 0% | — | — |
α = 相对无杠杆 v17 DCA 基线的 ROI 差值。"浅底 -60%/-50%"用 _clamp_drawdown 将最大回撤截断到 60%/50%，模拟未来波动率衰减。
交叉验证
| 方向 | 训练 α | 测试 α |
|---|---|---|
| C3 最优 → C4 | +14.9% | +7.1% |
| C4 最优 → C3 | +14.8% | +13.5% |
资金费率敏感性
| 年费率 | 平均 α | 最大 α |
|---|---|---|
| 3% | +4.80% | +14.9% |
| 5% | +4.63% | +14.7% |
| 8% | +4.43% | +14.4% |
逐笔交易（推荐参数）
| 周期 | 入场 | 入场价 | 回撤 | 退出 | 退出价 | PnL |
|---|---|---|---|---|---|---|
| C3 T0+T1 | 2019-03-10 | $3,904 | -79.7% | 2019-06-30 | $10,843 | +$77k |
| C4 | 类似模式：底部入场 → 价格恢复退出，α=+7~15% | |||||
回测结论
回测实测 α=+4.6% 低于理论推导的 +11.45%，主因是理论假设"每次恢复到均价"过于乐观。但两周期交叉验证均正、资金费率 3→8% 仅衰减 0.37%，策略稳健。如果 Cycle 5 回撤 <50%，策略不触发——零损失零收益。
九、风险提醒
- 样本量极小（仅 2 个完整周期），所有结论需谨慎
- 如果 Cycle 5 最大回撤 < 50%，策略完全不触发（这是 feature：不触发=不亏）
- 资金费率假设 5%/年（保守），底部实际可能为负（做多赚钱）
- 交易所风险：币安极端情况下可能暂停交易、改变清算规则或强制平仓
- 回测中 100% 触发率是因为历史两个周期都有 >75% 回撤，未来不一定
- budget_pct=0.20 是最关键参数——调到 0.10 则 α 变负，调到 0.30 则提前入场、α 略降
核心规则
每周看 mNAV → 深度折价买 MSTR，否则买 BTC
仍然比直接买 BTC 便宜
"中性合理"区间上沿
mNAV 是什么
mNAV = MSTR 市值 ÷ (BTC 持仓量 × BTC 价格)
mNAV < 1.0 表面上是"折价"，但 MSTR 有 ~$15B 的债务和优先股 排在普通股前面（详见下方资本结构折价章节），所以 毛 mNAV = 1.0x 并不意味着公平定价。
我们用 0.95 作为阈值（资本结构折价"中性合理"区间上沿）。 当前处于生命周期积累期（K<0.5），DCA 平滑效果最强，支持更高暴露。K ≥ 0.5 后应收紧至 0.90。
数据来源：SaylorTracker → Diluted mNAV。每周定投前看一眼即可。
资本结构折价：毛 mNAV ≠ 真便宜
mNAV = 0.97x 看似折价，但扣除债务和优先股后，普通股对净 BTC 支撑实际约 1.30x
为什么毛 mNAV 会高估折价
毛 mNAV 的公式是 普通股市值 ÷ 全部 BTC 资产价值。
但普通股排在债务和优先股之后——
BTC 资产池里有一大块是先给债权人和优先股东的，剩下的才属于普通股。
所以对 ETF 或纯现货持仓，1.0x 很自然。但对 MSTR 这种上面压着债务、优先股的资本结构， 毛 mNAV = 1.0x 并不意味着公平定价。
上位索取权拆解（2025 年报口径）
| 项目 | 金额 | 说明 |
|---|---|---|
| BTC 资产价值（毛） | ~$58.5B | 780,897 BTC × 当前价格 |
| − 未偿债务 | −$8.25B | 可转债 + 高级担保票据 |
| − 优先股清算优先权 | −$6.92B | 五类优先股 redemption value |
| = 普通股净 BTC 支撑 | ~$43.4B | 合计扣减约 26% |
| 普通股市值 | ~$56.5B | 对净支撑比 = 56.5 ÷ 43.4 ≈ 1.30x |
毛 mNAV 合理区间判断
| 毛 mNAV 区间 | 定性判断 | 配置含义 |
|---|---|---|
| < 0.75x | 深度折价 | 市场过度否定结构 → 高赔率区 前提：每股 BTC 还在增厚、融资没坏 |
| 0.75x – 0.85x | 偏便宜 | 更愿意提高 MSTR 配比的区域 |
| 0.85x – 0.95x | 中性合理 | 反映资本结构折价的正常水平 |
| 0.95x – 1.10x | 开始付"融资机器溢价" | 更依赖牛市、反身性判断 |
| > 1.10x | 叙事溢价 | 大概率在为"故事"付钱，不如直接买 BTC |
影响合理倍数的三个变量
① 每股 BTC 是否增厚：越强 → 倍数中枢往上移
② 融资机器是否还转：窗口越顺 → 越支持接近 1.0x
③ 债务/优先股层是否膨胀：上位索取权越厚 → 倍数中枢往下压
① 0.95 是"中性合理"区间 0.85–0.95 的上沿，覆盖整个合理折价区间
② 处于积累期（K<0.5，未来收入占财富 ≥80%），DCA 平滑效果最强，支持更高 MSTR 暴露
③ 0.95 vs 0.90 的 MaxDD 完全一致（-61.3%），α 从 +4.4% 提升到 +5.6%
④ SaylorTracker 直接显示毛 mNAV，不需要手动算净值
退出条件：当 K ≥ 0.5（存量 = 生命周期总收入的一半），应收紧至 0.90。
为什么选二元切换，不选比例分配
测试了比例分配和不同阈值的二元切换。积累期（K<0.5）选择 0.95 阈值：
| 方案 | MSTR 投入占比 | 说明 |
|---|---|---|
| 比例分配（5档） | ~12% | 复杂但 α 低，溢价时分配拖累效率 |
| 切换 mNAV<0.85 | ~11% | 偏保守，折价窗口太窄 |
| 切换 mNAV<0.90 | ~21% | K ≥ 0.5 后的推荐阈值 |
| 切换 mNAV<0.95 ★ | ~28% | 当前选择（积累期 K<0.5），MaxDD 不增 + α +5.6% |
| 切换 mNAV<1.0 | ~40% | 过多公司特有风险集中 |
① 0.95 阈值 = 资本结构折价区间上沿——积累期（K<0.5）覆盖整个 0.85–0.95 区间
② MSTR 终值占比 ~28%，公司特有风险可控
③ 折价窗口集中在熊市底部——恰好 V19 倍数最高、投入最多
回测数据（2020-08 ~ 2026-04，周频 DCA）
| 策略 | IRR | MaxDD | Calmar | α | MSTR 买入占比 |
|---|---|---|---|---|---|
| 纯 BTC | +26.2% | -61.8% | 0.424 | 基准 | 0% |
| 切换 mNAV<0.90 | +30.6% | -61.3% | 0.500 | +4.4% | 7% |
| 切换 mNAV<0.95 ★ | +31.8% | -61.3% | 0.519 | +5.6% | 12% |
| 切换 mNAV<1.0 | +34.2% | -62.5% | 0.547 | +8.0% | 22% |
| 切换 mNAV<1.1 | +36.6% | -66.2% | 0.553 | +10.4% | 31% |
| 切换 mNAV<1.2 | +38.4% | -68.8% | 0.558 | +12.2% | 41% |
| 纯 MSTR | +42.0% | -76.6% | 0.548 | +15.8% | 100% |
分周期 α（每周期独立计算）
| 周期 | 纯 BTC IRR | 切换<0.95 IRR | α | ROI 对比 | MSTR 周 |
|---|---|---|---|---|---|
| Cycle 3 尾部 | +267.7% | +267.7% | 0 | +153% vs +153% | 0/66 |
| Cycle 4 熊市 | +0.0% | +0.0% | ≈0 | -46% vs -42% | 12/53 |
| Cycle 4 牛市 | +90.1% | +124.9% | +34.8% | +194% → +308% | 16/153 |
| Cycle 5 至今 | -34.5% | -25.4% | +9.0% | -10% vs -7% | 9/28 |
MSTR 分周期 Beta
| 周期 | MSTR/BTC Beta | 平均 mNAV | BTC/share 变化 |
|---|---|---|---|
| 2021 牛市 | 1.08x | 2.04x | +275% |
| 2022 熊市 | 1.05x | 1.09x | +10% |
| Cycle 4 牛市 | 2.93x | 1.63x | +101% |
| Cycle 5 至今 | 1.50x | 1.06x | +15% |
BTC/share 始终在增长——即使 2022 熊市也涨了 10%（折价发债买币）。这是 Saylor 融资策略的核心价值。
BTC ETF 影响：美国现货 BTC ETF 于 2024-01 获批，但 Cycle 4 的 2.93x Beta 大部分发生在 ETF 上市之后。ETF 普及并未导致 MSTR Beta 下降。
mNAV 历史时间分布
mNAV 区间 → 后续季度表现
| mNAV 区间 | MSTR 中位季度收益 | BTC 中位季度收益 | MSTR 跑赢概率 |
|---|---|---|---|
| < 1.0（折价） | +24.3% | +3.1% | 79% |
| 1.0 - 1.5 | -10.8% | -7.4% | 31% |
| 1.5 - 2.0 | -2.5% | -2.3% | 52% |
| > 2.0 | +17.8% | +26.1% | 36% |
V19 定投 + MSTR 切换：持仓占比曲线
MSTR 市场结构
从软件公司到"BTC 壳"
MSTR 原本是商业智能软件公司，2020-08 开始大规模买入 BTC。 早期软件业务 EV 约 $3.5B，占市值 20-40%，mNAV 受软件业务估值影响较大。
到 2024 年，BTC 持仓价值已经是软件业务的 50 倍以上， 实质上变成一个"BTC 持仓公司 + 融资买币机器"。 软件业务对 mNAV 的影响可以忽略不计。
谁在买 MSTR？
| 买家类型 | 动机 | 在意 mNAV？ |
|---|---|---|
| 被动指数基金 | MSTR 入选纳指 100，不得不按权重配置 | 不在意，机械式买入 |
| 合规受限机构 | 退休账户/部分基金只能买股票不能买 ETF | 在意但没选择 |
| 对冲基金 | 做多/空 MSTR vs BTC 的 mNAV 套利 | 这就是交易逻辑 |
| 高信仰个人 | 想要更高 Beta 的 BTC 敞口 | 部分在意 |
BTC 现货 ETF（2024-01）对 MSTR 的影响
| 时间 | mNAV | 发生了什么 |
|---|---|---|
| 2024-01 ETF 上线 | ~1.2-1.5 | 市场预期"MSTR 溢价被杀"，但没有 |
| 2024 Q4 | 3.0-4.0+ | "21/21 计划"(发 $42B 买币) → 增厚飞轮转到极致 |
| 2025 Q1 至今 | < 1.0 | BTC 回调 + 高 Beta 反噬 + 飞轮反转 |
ETF 上线后并没有立刻杀死 MSTR 溢价。 2024 年 MSTR 的溢价反而因为"增厚飞轮"（mNAV 高 → 发股不摊薄 → 买更多 BTC → mNAV 更高）创了历史新高。 真正导致折价的是 2025 年 BTC 回调 + 飞轮反转。
ETF 是长期结构性压力（提供了更便宜的 BTC 替代品）， 但短期内叙事和动量可以覆盖这个压力。mNAV < 1.0 不是"ETF 上线后的永久常态"，而是周期性折价窗口。
纳斯达克 100 成分：实际影响有限
| BTC 价格 | MSTR 约市值 | 纳指 100 地位 |
|---|---|---|
| $85k（当前） | ~$75B | 安全 |
| $50k（-40%） | ~$30-35B | 边缘 |
| $30k（-65%） | ~$12-15B | 大概率被踢出 |
牛市高溢价 → mNAV > 0.95，不买 MSTR（回避泡沫）。
周期末清仓 → 不持有 MSTR 进入深熊。
核心风险不是指数踢出，而是持仓期间 BTC 暴跌带来的高 Beta 亏损——这是 MSTR 策略本身的代价。
执行清单
额外条件：mNAV > 3.0 + 牛市后期 → 优先减持 MSTR（先于 BTC）。
3 指标观察框架（定性辅助）
| 指标 | 看什么 | 偏向 MSTR | 偏向 BTC |
|---|---|---|---|
| mNAV | SaylorTracker | < 0.95 | ≥ 0.95 |
| BTC/diluted share | 季度环比趋势 | 上升 | 持平或下降 |
| 融资环境 | 可转债利率、ATM 后股价反应 | 低利率 + 市场不跌 | 利率上升 + 抛售 |
风险提示
BTC 已验证无效的策略 / 模块
BTC 侧的"已验证无效"集中归档。和美股侧的页面同源思路——把跑过完整回测、不通过项目门槛的策略集中起来，避免重复研究。
BTC 侧的特殊性：
- BTC 历史周期只有 4 个完整周期，样本极少，参数搜索过拟合风险远高于美股
- 链上指标都依赖 Realized Cap，受 ETF 棘轮效应压制（详见 BTC 主页面 MVRV ETF 棘轮专题）
- 合约 / 杠杆类策略爆仓风险一票否决，门槛比美股更高
- "看起来很酷"的指标（Pi Cycle、彩虹图、对数回归）大多是事后选样的产物
⚠ 美股侧的"已验证无效"在美股 → 🚫 已验证无效模块 tab。两套页面互不混杂，但共享同一套门槛原则。
总表速览
| 策略 / 模块 | 类型 | 否决理由 | 日期 |
|---|---|---|---|
| BTC 永续合约择时 | 独立策略 | 交叉验证 A→B 段 Calmar 衰减 92%，8 参数严重过拟合 | 2026-04-13 |
| 三资产趋势轮动 | 跨资产 | 确定性低于分区间定投 + 定抛：alpha 依赖"踩对趋势时点"，B 段 Calmar < 1 vs 现有 1.50/1.64 | 2026-04-18 |
| Pi Cycle 卖出信号 | 卖出辅助 | C4 期间（2021-11 ~ 2025-10）从未触发，模拟均卖价低 $12k | 2026-04-17 |
| sell-v18+ 双锚点机制 | 卖出策略 | 生产规范评估 4 个周期全面劣于 v16，均卖价低 $2k-$5k | 2026-04-17 |
BTC 永续合约择时
A→B 段衰减 92% · 不通过想法：独立于 DCA 仓位，用 $10K 启动资金做 BTC 永续合约择时——平时持有现金，回撤到位 + 趋势确认后开杠杆多单，止盈 / 移动止盈 / ATH 恢复退出。
参数搜索规模：56,250 组合（8 参数 × 多档值）× 9 年日频数据。
全段对比（2017-01 ~ 2026-04，$10K 起步）：
| 策略 | CAGR | MaxDD | Calmar | 终值 |
|---|---|---|---|---|
| 现货 Buy&Hold | +58.3% | −83.8% | 0.70 | $708,798 |
| 分区间定投+定抛（现有） | +30.0% | −47.2% | 0.64 | $114,452 |
| 混合定投v17+定抛（现有） | +38.4% | −61.1% | 0.63 | $204,574 |
| 合约 3×（最优 Calmar） | +48.1% | −44.0% | 1.09 | $381,314 |
| 合约 5×（最优 CAGR） | +52.6% | −65.7% | 0.80 | $503,366 |
看起来合约最优 Calmar 1.09，碾压所有基准——但这是过拟合的幻觉。
交叉验证结果（致命）：
| 方向 | 训练段 Calmar | 测试段 Calmar | 衰减 |
|---|---|---|---|
| A段最优 → B段 | 3.24 | 0.25 | −92% |
| B段最优 → A段 | 0.88 | 0.60 | −31% |
B 段（2021-07 ~ 2026-04，更接近未来市场）真实表现：
| 策略 | B段 CAGR | B段 MaxDD | B段 Calmar |
|---|---|---|---|
| 分区间定投+定抛 | +28.9% | −19.3% | 1.50 |
| 混合定投v17+定抛 | +34.1% | −20.8% | 1.64 |
| 合约 3× | +16.5% | −59.0% | 0.28 |
参数一致性诊断（A 段 vs B 段 Top 10）：
| 参数 | 一致？ | 说明 |
|---|---|---|
| 入场回撤 (dd) | ✓ | 两段都偏好 0.15~0.20 |
| ATH 窗口 | ✓ | 两段都偏好 1260 |
| 止盈触发 (tp) | ✗ | A=5.0，B=2.0（完全相反） |
| 储备比例 (rp) | ✗ | A=0.30，B=0.75（完全相反） |
止盈触发和储备比例两段方向相反——不是噪音，是结构性问题：A 段大牛市不需要储备（赚了继续滚），B 段震荡市需要高储备保命。这意味着合约策略的"最优参数"完全依赖未来是 A 段还是 B 段——而你不知道。
否决理由：
- 交叉验证不通过：A 段最优参数到 B 段衰减 92%，严重过拟合
- B 段无 alpha：在更接近未来的市场环境中，合约策略 Calmar 0.28 远不如分区间定投的 1.50 和混合定投的 1.64
- 风险收益比差：合约 B 段 MaxDD −59% vs 混合定投 −20.8%，风险高 3 倍但收益更低
- 爆仓风险一票否决：合约策略在 9 年回测中爆仓 1 次，在长尾里这是结构性危险
- 操作负担：需要持续监控保证金、爆仓风险、资金费率；DCA 每周执行一次
- 入场信号（ATH 回撤 ≥20% + 趋势确认）在两段都有效，可用于判断 DCA 加速买入时机
- 储备金回注机制（min_active_pct）是个好的风控思路，可以借鉴到 DCA 中
脚本：research/btc_contract_search.py（参数搜索）+ research/btc_contract_cv.py（交叉验证） · 决策记录：research/btc_contract_vs_dca.md
三资产趋势轮动（BTC ↔ QQQ ↔ 现金）
确定性低于现有体系 · 不通过想法：把全部资金当成一个池子，在 BTC（高波 / 进攻）、QQQ（中波 / 平衡）、现金（避险 / 防守）三种资产之间按趋势信号切换。BTC 见顶就轮到 QQQ；QQQ 也走弱就退到现金。简化版可退化为"BTC ↔ 现金"二资产轮动。
期望逻辑：相比单资产 DCA，跨资产轮动理论上能在熊市躲到现金 / 防御资产，在牛市切回主仓位，吃到"波动收割 + 趋势顺势"双重红利。
核心否决理由：确定性远低于 BTC 分区间定投 + 定抛
| 维度 | 三资产趋势轮动 | 分区间定投 + 定抛（现有） |
|---|---|---|
| 需要踩对的时点数 | 2 个：BTC 何时见顶 / 反转 + QQQ 何时反超 / 同步走弱 | 0 个：估值高就少买 / 多卖，估值低就多买，不预测时点 |
| alpha 来源 | 趋势预测正确率（不可控） | 估值均值回归（结构性，跨周期稳定） |
| B 段实测 Calmar（2021-07 ~ 2026-04） | 未达 1.0（与合约策略类似量级） | 分区间定投 1.50 / 混合定投 v17 1.64 |
| 参数稳健性 | 需要切换阈值 / 持有期 / 回撤过滤等 4+ 维度 | 只看 MVRV 评分（V19 仅 1 个核心信号） |
| 最坏情况下限 | 两段时点都踩错 = 高位接盘 + 低位空仓 = 亏两次 | 最差也是"按预算执行 DCA"，alpha 归零但本金安全 |
实测过的结论是：三资产轮动在样本内能搜到漂亮参数，但出样本（B 段）确定性显著低于分区间定投 + 定抛。它不是没有 alpha，而是 alpha 太依赖"预测对了趋势"这个不可控因素，可复现性差。
附带原因（即使确定性能匹配，也有结构性问题）：
- "现金"已经被定抛覆盖：sell-v17/v18 已经实现"BTC 高位 → 转化为现金"的功能。再加一层"卖 BTC 买 QQQ"，等于把这部分现金强制再投资到另一个 risk-on 资产——而 BTC 高估值时美股大盘往往同步处于估值高位（2021、2024 都是），切到 QQQ 不是避险，是换姿势继续暴露
- 和桶分配冲突：项目级别已划分 BTC 桶（70%）+ 美股桶（20%）+ 现金安全垫（10%）。跨资产轮动会破坏桶界限——BTC 桶里的钱跑去 QQQ 桶，消解了"分散底层资产"的设计意图
- "高估值时减少 risk-on 暴露"这个直觉是对的——但正确的实现是 BTC 内部用定抛把 BTC 仓位转现金（已落地为 sell-v17/v18），而不是跨资产换仓
- "趋势确认才加杠杆"也是对的，但正确的实现在美股侧是 TQQQ 趋势轮动（QQQ 上 21 周均线才换 TQQQ），同样是单资产内部的杠杆开关，不是跨资产换仓
- 结论：跨资产轮动想做的事，分到两个独立桶里用更简单、更确定的单资产策略已经做到了，且没有跨资产带来的预测依赖和过拟合风险
代码已于 2026-04-18 物理删除（git tag snapshot/2026-04-18-pre-dead-code-cleanup 可找回）。涉及 rotation/backtester.py、routes/rotation.py、static/js/rotation.js、templates/partials/rotation.html。详见 .cursor/rules/frozen-modules.mdc 的 A1 段。
Pi Cycle Top 卖出信号
C4 从未触发 · 不采用想法：Pi Cycle Top 是经典的 BTC 周期顶部识别信号——111 日均线上穿 350 日均线 × 2 时，标记为周期顶部。在 BTC 历史上 C1 / C2 / C3 都精准命中（误差 1-3 天），加密 Twitter 上是"神器"级地位。
为什么本项目不采用：
| 周期 | Pi Cycle 触发情况 | 实际效果 |
|---|---|---|
| C1 (2013) | ✅ 触发 | 命中顶部 |
| C2 (2017) | ✅ 触发 | 命中顶部 |
| C3 (2021-04) | ⚠ 触发，但在 C3 真正顶部前 7 个月 | 虚假信号——卖出后 BTC 又涨了一倍才到真正顶部 |
| C4 (2021-11 ~ 2025-10) | ❌ 整个周期从未触发 | 完全失效，错过了 $109K → $124K 的卖出机会 |
如果在 C4 强行启用 Pi Cycle 作为卖出条件，模拟回测显示：
- 整个 C4 周期不触发任何卖出信号
- 等价于"buy & hold 一个完整周期"
- vs 本项目 sell-v17 信号触发后均卖价 ≈ $97K
- Pi Cycle 模拟均卖价低 $12K（因为完全没卖）
否决理由：
- C4 表现致命——所谓"准确"是基于 C1/C2/C3 三个数据点的事后选样。C4 的 0/1 完全打破了这个 narrative
- 机制理由不充分——111×2 vs 350 这两个魔法数字没有任何金融或链上基本面支撑，是典型的曲线拟合
- 周期变长后必然失效——Pi Cycle 假设牛熊周期相对均匀，但 ETF 时代后周期形态彻底改变（C4 上涨 47 个月 vs C2 的 12 个月）
- 本项目的卖出体系（cost_ratio + MVRV + 价格保险丝）已覆盖，不需要再加一个低胜率的均线交叉信号
加密 Twitter 上至今仍有人引用 "Pi Cycle 在 BTC 历史上从未失手"。这个说法在 C4 之前是对的，因为它基于 3 个数据点。任何用 3 个数据点回测得出的"100% 准确率"都不应该被相信。本项目的所有指标都必须有可解释的机制，而不是历史相关性。
配置：btc/sell_config.py 中 SELL_PRICE_FUSE_* = 替代方案，SELL_PRICE_FUSE_ENABLED = False = Pi Cycle 不启用 · 决策日期：2026-04-17
sell-v18+ 双锚点机制（cost + ATH）
生产规范全面劣化 · 不采纳想法：当前 sell-v16/v17 的 cost_ratio 锚点（卖出价 / 定投均价）受熊市深度影响——熊市深、均价低，相同的卖出价等于更高的 cost_ratio，更容易触发 z=5 重仓出货。
v18+ 设计：引入 ATH 锚点作为"浅熊保险"——锚点 A = price/avg_cost，锚点 B = price/prev_cycle_ATH，最终 z = max(z_a, z_b) + MVRV 背离强化。
研究阶段看起来 promising：
- 纯信号模拟显示 sell-v18+ 均卖价 $97K（vs v16 的 $93K，提升 $4K）
- 浅熊场景理论保底——C6 ATH $250K 时，ATH 锚点能触发 z=5（阈值 $249K），不依赖均价
- 历史正常周期下 v18+ ≈ v18（cost 锚点足够强，ATH 锚点被 max 屏蔽）
但生产规范完整评估全面打脸：
| 场景 | v16（现有） | v18+ | 差异 |
|---|---|---|---|
| C3 ATH→ATH 总值 | $1,111,845 | $1,029,106 | −7.44% |
| C4 ATH→ATH 总值 | $488,407 | $442,242 | −9.45% |
| C3 底→C4 底 总值 | $433,949 | $413,207 | −4.78% |
| C4 底→当前 总值 | $215,549 | $206,902 | −4.01% |
| C5 熊底压力加权 | $155,271 | $146,624 | −$8,647 |
所有 v18+ 均卖价都比 v16 低 $2K-$5K，全面劣于 v16。
根因分析（研究脚本 vs 生产规范的差异）：
- cost_gate + cost_ratio 同维度二次过滤：研究脚本未启用 cost_gate；生产里 gate 刚打开就触发卖出，错过了高位
- 每日 hist 维护 vs 每周 append：研究脚本每周 append（窗口实际 56 周）；生产每天追加，MVRV 背离信号在牛末几乎天天触发，过早升档 z=4/z=5
- ATH 锚点在正常周期被屏蔽：定投均价远低于前周期 ATH，ath_ratio < cost_ratio，max(z_a, z_b) = z_a，"浅熊救场"能力在正常数据上得不到验证
否决理由：
- 研究 → 生产差异导致结论翻转——研究脚本说 +$4K，生产实测 −$5K
- ATH 锚点的"救场"能力没有真实数据支撑——只在 C5 浅熊（< 15% 概率）+ C6 浅牛（< 30% 概率）的极端组合下才生效，期望值贡献 < 0.5%
- 复杂度增加但收益减少——多了一个锚点参数 + 5 档 ATH 阈值需要维护，但 4 个历史周期都跑不出 v16
- 压力测试加权后仍劣 $8.6K——即使把 C5 浅熊场景的概率给到上限，v18+ 期望值仍不如 v16
- 研究脚本的乐观结论必须用生产规范复跑才能采纳——cost_gate / hist 频率这些工程细节会完全改变结论
- 回测对比必须用同一个引擎（
combined_backtester），而非独立 sell_fn - 多维度指标一致性检查：若研究结论说 v18+ 提升均卖价 +$4K，但生产实测 −$5K，必须查证根因，不能"忽略不一致"
脚本：research/sell_v18plus_production_eval.py（生产规范评估）· 决策：SELL_USE_V18PLUS = False（默认关闭，代码作为研究路线保留）· 日期：2026-04-17
研究 · 2026-04-30 · 进行中
A1 退出模式研究：持 QQQM (现状) vs 持现金 (变体)
用户假设：A1 退出后改持现金而不是 QQQM，能否在 dot-com 段大幅降低 MaxDD？ 代价 = 牛市虚假退出期错过 QQQM 上涨。 数据已跑：15 窗口单点对比 + 1776 组 × 3 起点 P50 网格 + 4 类参数对比。
口径：Lump Sum ¥1,000,000 · 现金按 ^IRX 短期国债日复利 (Schwab money market 真实可得) · 数据截止 2026-04-29
实验设计
QQQM 模式（A1 现状）
退出 TQQQ 后持有 QQQM (1× QQQ)，跟随指数。 牛市虚假退出期能赚 QQQ 涨幅，深熊段持 QQQM 会继续亏。
CASH 模式（变体）
退出 TQQQ 后持有现金 + ^IRX 短期国债利息。 深熊段完全避险，但牛市虚假退出期错过 QQQ 反弹。
理论 trade-off
- ✅ dot-com / 2008 / 2022 类深熊段：退出后持现金避开 QQQ 后续暴跌 → MaxDD 应当改善
- ❌ 牛市虚假退出（A1 退出后 1~3 个月内重新入场）：持现金错过 QQQM 反弹 → CAGR 应当下降
- ❌ 入场前爬坡期：早期 1~2 年没信号期间持现金 vs 持 QQQM → 错过早期上涨
"15 窗口" 含义
= 5 起点 × 3 段切法。每个起点跑全段 + 前半段 (A 段) + 后半段 (B 段)。 目的是看策略能否跨多个不同起点 + 不同段都活着，避免 cherry-picking 一个好看窗口。
| 起点 | 全段 | A 段（前半） | B 段（后半） |
|---|---|---|---|
| 2000-01 | 2000~2026 (26.3y) 含 dot-com + 2008 + 2020 + 2022 | 2000~2013 (13.2y) 含 dot-com + 2008 | 2013~2026 (13.2y) 2010s 后半 + 2020 + 2022 |
| 2005-01 | 2005~2026 (21.3y) 含 2008 + 2020 + 2022 | 2005~2015 (10.6y) 含 2008 | 2015~2026 (10.7y) 含 2020 + 2022 |
| 2010-01 | 2010~2026 (16.3y) 纯正常牛熊 | 2010~2018 (8.1y) 含 2018 小回撤 | 2018~2026 (8.2y) 含 2020 + 2022 |
| 2015-01 | 2015~2026 (11.3y) 含 2020 + 2022 | 2015~2020 (5.6y) 含 2018 + 2020 | 2020~2026 (5.7y) 含 2022 |
| 2020-01 | 2020~2026 (6.3y) 含 2020 + 2022 | 2020~2023 (3.2y) 含 2020 + 2022 | 2023~2026 (3.2y) 纯反弹段 |
① A1 单点 (MA=242d / Trail=40%) 跨 15 窗口对比
固定 A1 参数，只改退出后持有什么。绿色 = CASH 赢，红色 = QQQM 赢。
| 窗口 | 年 | QQQM CAGR | CASH CAGR | ΔCAGR | QQQM MDD | CASH MDD | ΔMDD |
|---|---|---|---|---|---|---|---|
| 2000-01 · 全段 | 26.3 | +14.94% | +18.62% | +3.68pp | -96.10% | -86.11% | +9.99pp |
| 2000-01 · A 段 🔥dot-com | 13.2 | -7.87% | -0.58% | +7.29pp | -96.10% | -86.11% | +9.99pp |
| 2000-01 · B 段 | 13.2 | +42.98% | +40.94% | -2.03pp | -68.72% | -68.59% | +0.13pp |
| 2005-01 · 全段 | 21.3 | +29.25% | +28.35% | -0.91pp | -77.45% | -69.30% | +8.15pp |
| 2005-01 · A 段 🔥含 2008 | 10.6 | +20.39% | +20.66% | +0.27pp | -77.45% | -69.30% | +8.15pp |
| 2005-01 · B 段 | 10.7 | +39.10% | +37.01% | -2.09pp | -68.72% | -68.59% | +0.13pp |
| 2010-01 · 全段 | 16.3 | +39.87% | +37.93% | -1.94pp | -68.72% | -68.59% | +0.13pp |
| 2010-01 · A 段 (纯牛) | 8.1 | +44.73% | +41.88% | -2.85pp | -46.70% | -52.16% | -5.46pp |
| 2010-01 · B 段 | 8.2 | +36.08% | +35.27% | -0.81pp | -68.72% | -68.59% | +0.13pp |
| 2015-01 · 全段 | 11.3 | +36.79% | +34.88% | -1.91pp | -68.72% | -68.59% | +0.13pp |
| 2015-01 · A 段 | 5.6 | +49.35% | +48.40% | -0.95pp | -62.36% | -62.21% | +0.15pp |
| 2015-01 · B 段 | 5.7 | +25.32% | +22.52% | -2.79pp | -68.72% | -68.59% | +0.13pp |
| 2020-01 · 全段 | 6.3 | +38.72% | +38.34% | -0.38pp | -68.72% | -68.59% | +0.13pp |
| 2020-01 · A 段 🔥含 2022 | 3.2 | +17.35% | +21.49% | +4.14pp | -67.55% | -67.25% | +0.30pp |
| 2020-01 · B 段 (纯反弹) | 3.2 | +63.40% | +56.58% | -6.82pp | -56.37% | -55.68% | +0.69pp |
🔥 标记 = 含真实大熊的窗口（dot-com / 2008 / 2022）。 蓝色行 = 纯牛市 / 纯反弹窗口（CASH 在这里输的最多）。
② A1 单点 15 窗口统计汇总
| 指标 | QQQM 模式（现状） | CASH 模式（变体） | Δ (CASH − QQQM) |
|---|---|---|---|
| CAGR 平均 | +32.69% | +32.15% | −0.54pp |
| CAGR 中位 | +36.79% | +35.27% | −1.53pp |
| CAGR 最低（dot-com 段） | −7.87% | −0.58% | +7.29pp |
| MaxDD 平均 | −70.74% | −68.55% | +2.19pp |
| MaxDD 最深（dot-com 段） | −96.10% | −86.11% | +9.99pp |
| Calmar 平均 | 0.507 | 0.496 | −0.012 |
| CAGR 谁赢 | QQQM 11/15 | CASH 4/15 | — |
| MaxDD 谁更浅 | QQQM 1/15 | CASH 14/15 | — |
📌 一句话总结
CASH 模式用绝大多数窗口的 1~3pp CAGR 损失， 换含 dot-com / 2008 类深熊段的 +7~10pp MaxDD 改善。 Calmar 平均几乎打平 (-0.012)，是个标准的 trade-off。
③ P50 二维网格对比 (1776 组/起点 × 3 起点)
网格：MA 30~250d step=2 (111 个) × Trail 20%~50% step=2% (16 个) = 1776 组。 用 P50（中位）反映 "随机选个参数" 的平均体验，而不是事后挑出来的最佳。
| 起点 | 年 | 模式 | P50 CAGR | P25 CAGR | P50 MaxDD | P50 Calmar | P50 ΔCAGR | P50 ΔMDD |
|---|---|---|---|---|---|---|---|---|
| 2000-01 | 26.3 | QQQM | 11.40% | 10.00% | −97.97% | 0.117 | — | — |
| ↳ 含 dot-com | 26.3 | CASH | 12.75% | 11.06% | −94.95% | 0.136 | +1.36pp | +3.02pp |
| 2005-01 | 21.3 | QQQM | 26.59% | 25.02% | −79.00% | 0.334 | — | — |
| ↳ 含 2008 | 21.3 | CASH | 23.95% | 21.51% | −75.64% | 0.314 | −2.64pp | +3.36pp |
| 2010-01 | 16.3 | QQQM | 34.65% | 32.48% | −74.30% | 0.467 | — | — |
| ↳ 纯正常牛熊 | 16.3 | CASH | 29.30% | 26.30% | −75.07% | 0.389 | −5.35pp | −0.77pp |
关键发现：CASH 模式的 P50 优势随起点纯净度递减—— 含 dot-com 起点全面赢，含 2008 起点收益输/MDD 赢，纯牛市起点全输。
④ 4 类参数 × 2 模式 × 3 起点 全对比
用户问的核心：最优参数 vs P50 参数在两种模式下表现如何。
4 类参数定义：
• 最优 Calmar 参数：网格内 Calmar 最高的 (MA, Trail) — 事后挑出的最佳风险调整
• 最优 CAGR 参数：网格内 CAGR 最高的 (MA, Trail) — 事后挑出的最高收益
• 中位 Calmar 参数：按 Calmar 排序后取中位的 (MA, Trail) — 代表参数高原中央的具体参数
• 中位 CAGR 参数：按 CAGR 排序后取中位的 (MA, Trail) — 同上但按 CAGR
注：A1 单点 (242d/40%) 也列出来对照，便于看 A1 在每个起点 + 每种模式下的表现。
🔥 起点 2000-01-01 (26.3y, 含 dot-com + 2008 + 2020 + 2022)
| 类别 | 模式 | (MA, Trail) | CAGR | MaxDD | Calmar |
|---|---|---|---|---|---|
| 最优 Calmar | QQQM | (230d, 40%) | 16.50% | −94.29% | 0.175 |
| CASH | (230d, 40%) | 20.76% | −80.63% | 0.257 ⭐ | |
| 最优 CAGR | QQQM | (230d, 40%) | 16.50% | −94.29% | 0.175 |
| CASH | (230d, 40%) | 20.76% | −80.63% | 0.257 | |
| 中位 Calmar | QQQM | (240d, 36%) | 11.24% | −96.20% | 0.117 |
| CASH | (130d, 32%) | 13.13% | −96.37% | 0.136 | |
| 中位 CAGR | QQQM | (62d, 28%) | 11.41% | −97.95% | 0.116 |
| CASH | (210d, 42%) | 12.75% | −91.42% | 0.139 | |
| A1 单点 | QQQM | (242d, 40%) | 14.94% | −96.10% | 0.156 |
| CASH | (242d, 40%) | 18.62% | −86.11% | 0.216 ⭐ |
✅ 2000 起点：CASH 全胜。最优 Calmar +47%、A1 单点 +38%、中位 +20%。dot-com 防御直接体现。
🔥 起点 2005-01-01 (21.3y, 含 2008 + 2020 + 2022)
| 类别 | 模式 | (MA, Trail) | CAGR | MaxDD | Calmar |
|---|---|---|---|---|---|
| 最优 Calmar | QQQM | (38d, 32%) | 33.97% | −76.92% | 0.442 |
| CASH | (174d, 38%) | 32.80% | −60.74% | 0.540 ⭐ | |
| 最优 CAGR | QQQM | (38d, 32%) | 33.97% | −76.92% | 0.442 |
| CASH | (38d, 32%) | 34.84% | −64.88% | 0.537 | |
| 中位 Calmar | QQQM | (176d, 50%) | 27.22% | −81.52% | 0.334 |
| CASH | (136d, 40%) | 25.56% | −81.36% | 0.314 | |
| 中位 CAGR | QQQM | (202d, 50%) | 26.59% | −81.52% | 0.326 |
| CASH | (78d, 50%) | 23.97% | −89.26% | 0.269 | |
| A1 单点 | QQQM | (242d, 40%) | 29.26% | −77.45% | 0.378 |
| CASH | (242d, 40%) | 28.35% | −69.30% | 0.409 ⭐ |
💡 2005 起点关键发现：CASH 模式最优 Calmar 是 (174d, 38%)，
比 QQQM 最优 (38d, 32%) 长得多 →
CASH 模式偏好"长 MA + 中等 Trail"，因为短 MA 高频退出会吃现金机会成本。
❄️ 起点 2010-01-01 (16.3y, 纯正常牛熊)
| 类别 | 模式 | (MA, Trail) | CAGR | MaxDD | Calmar |
|---|---|---|---|---|---|
| 最优 Calmar | QQQM | (38d, 24%) | 38.52% | −58.21% | 0.662 |
| CASH | (38d, 32%) | 39.50% | −56.52% | 0.699 ⭐ | |
| 最优 CAGR | QQQM | (38d, 38%) | 42.18% | −73.61% | 0.573 |
| CASH | (32d, 38%) | 41.02% | −76.97% | 0.533 | |
| 中位 Calmar | QQQM | (212d, 42%) | 33.90% | −72.65% | 0.467 ⭐ |
| CASH | (162d, 36%) | 28.31% | −72.83% | 0.389 | |
| 中位 CAGR | QQQM | (136d, 36%) | 34.66% | −77.91% | 0.445 |
| CASH | (190d, 24%) | 29.31% | −70.17% | 0.418 | |
| A1 单点 | QQQM | (242d, 40%) | 39.87% | −68.72% | 0.580 ⭐ |
| CASH | (242d, 40%) | 37.93% | −68.59% | 0.553 |
❄️ 2010 起点情况翻转：QQQM 在 A1 单点 + 中位参数都赢；CASH 只在最优 Calmar 微赢 0.037。 因为 2010 后没有 dot-com 类长熊，CASH 的"避险红利"没机会兑现，反而被牛市虚假信号的机会成本吃掉。
⑤ 三大核心洞察
洞察 1：最优 Calmar 参数 — CASH 在含深熊段全胜
| 起点 | QQQM 最优 Calmar | CASH 最优 Calmar | 优势 |
|---|---|---|---|
| 2000（dot-com） | 0.175 | 0.257 | CASH +47% |
| 2005（含 2008） | 0.442 | 0.540 | CASH +22% |
| 2010（纯牛市） | 0.662 | 0.699 | CASH +6% (边际) |
洞察 2：A1 单点 (242d/40%) — dot-com 起点 CASH 完胜，纯牛市起点 QQQM 微赢
| 起点 | QQQM Calmar | CASH Calmar | 谁赢 |
|---|---|---|---|
| 2000 | 0.156 | 0.216 | CASH +38% |
| 2005 | 0.378 | 0.409 | CASH +8% |
| 2010 | 0.580 | 0.553 | QQQM +5% |
洞察 3：中位参数 — QQQM 在 2010 后大幅领先，含深熊段差距小
| 起点 | QQQM 中位 Calmar | CASH 中位 Calmar | 谁赢 |
|---|---|---|---|
| 2000 | 0.117 | 0.136 | CASH 微赢 +16% |
| 2005 | 0.334 | 0.314 | QQQM 微赢 +6% |
| 2010 | 0.467 | 0.389 | QQQM 大赢 +20% |
🎯 次发现：CASH 模式偏好"更长 MA"
| 起点 | QQQM 最优 MA | CASH 最优 MA |
|---|---|---|
| 2000 | 230d | 230d (同) |
| 2005 | 38d | 174d |
| 2010 | 38d | 38d (同) |
2005 起点 QQQM 最优是短 MA (38d) + 高频交易，因为持 QQQM 时退出后还能赚钱所以频繁切换没代价。 CASH 模式频繁退出 = 频繁吃现金机会成本 → 自然偏好长 MA + 减少退出频率。 这暗示如果改用 CASH 模式，最优 (MA, Trail) 应该重新搜索， A1 当前 242d 是为 QQQM 模式调的，可能不是 CASH 模式的最优点。
⑥ 扩大网格寻优：CASH 模式真的有"自己的 A1"吗？
动机：⑤ 的次发现指出 CASH 模式偏好长 MA。 但旧网格 (MA 30~250d / Trail 20~50%) 的边界是为 QQQM 模式 + A1 锁定 设的。 如果 CASH 真的偏好"长 MA + 高 Trail"，旧网格可能根本没覆盖到 CASH 的真实最优区域。
扩大方案：
- MA 上界 250d → 350d（探索 CASH 偏好的长 MA）
- Trail 上界 50% → 70%（探索"近似纯 MA 退出"的边界）
- 新网格 4186 组/起点（vs 旧 1776 组，2.4×），3 起点 × 2 模式 = 6 个全网格
每起点的 Baseline 对照（buy & hold）
| 起点 | QQQ 持有 (1×) CAGR | QQQ 持有 MDD | TQQQ 持有 (3×) CAGR | TQQQ 持有 MDD |
|---|---|---|---|---|
| 2000🔥 | +8.36% | −82.96% | −3.46% | −99.98% ⚠️ |
| 2005 | +15.00% | −53.40% | +24.88% | −94.62% |
| 2010❄️ | +18.71% | −35.12% | +40.14% | −81.66% |
⚠️ 注意 2000 起点 TQQQ 持有 MDD = −99.98%：dot-com 段几乎归零。 这正是 A1 趋势轮动存在的意义——把 TQQQ 持有的 −3.46% / −99.98% 改善到下方 A1 单点的 +20%~+27% / −70%~−90%。
每起点 × 模式的最优 Calmar 参数
| 起点 | 模式 | 最优 (MA, Trail) | Calmar | CAGR | MaxDD | vs 旧网格最优 |
|---|---|---|---|---|---|---|
| 2000🔥 | QQQM | (294d, 64%) | 0.229 | +20.49% | -89.57% | 旧 0.175 → +31% |
| CASH | (294d, 64%) | 0.380 ⭐ | +26.98% | -70.99% | 旧 0.257 → +48% | |
| 2005 | QQQM | (38d, 32%) | 0.442 | +33.97% | -76.92% | 同（旧网格最优在内） |
| CASH | (174d, 62%) | 0.547 ⭐ | +35.84% | -65.54% | 旧 0.540 → +1.3% (Trail 38→62%) | |
| 2010❄️ | QQQM | (38d, 24%) | 0.662 | +38.52% | -58.21% | 同 |
| CASH | (38d, 32%) | 0.699 | +39.50% | -56.52% | 同 |
⚠️ 重大发现 1：旧网格被边界截断了
2000 起点的"旧最优 (230d, 40%)"其实只是旧网格 (250d/50%) 的内部最优。
扩大到 (350d/70%) 后真最优跑到了 (294d, 64%)，QQQM Calmar +31% / CASH Calmar +48%。
这是网格搜索的通病：边界 = 你以为的最优。
以后任何"最优参数"都要先确认它没贴在网格边界上。
✅ 新发现 2：CASH 模式真的更喜欢"高 Trail"
2000 起点 Trail 跑到 64%，2005 起点 Trail 跑到 62%。 说明 CASH 模式下理想的 trailing stop 是"几乎不触发"——只用 MA 退， 因为 trail 早退会触发"白白错过 QQQM 反弹"的现金机会成本。 这跟前面"次发现：CASH 偏好长 MA"是同一个逻辑的两面。
⑥.5 P50 视角公平比较：QQQM vs CASH（去掉 A1 偏置）
⚠️ 关键 caveat（用户提出的核心质疑，必读）
A1 (242d/40%) 本身是历史上在 QQQM 模式下用网格 + walk-forward 选出来的"跨段对称稳健"参数。
也就是说，A1 的"诞生过程"已经默认了目标函数 = QQQM 模式的 Calmar，搜索时根本没考虑 CASH 模式。
因此 — 用 A1 单点直接对比 "QQQM vs CASH 哪个好" = 循环论证
（等于给 QQQM 提前装了"最优参数"buff，让 CASH 用别人为 QQQM 优化的参数对决）。
✅ 公平比较必须用 P50（中位参数）—— 它是网格中位，与模式选择无关。
为什么需要这个 section：⑥ 给的是每模式各自的"最优参数 + A1 单点"对比， 但 A1 是 QQQM 模式调出来的，对比不公平。本节用 P50（每模式 4186 组的中位数） 作为"任选参数的平均体验"，给出真正中性的 QQQM vs CASH 对比。
读法：哪个模式 P50 更高 = 该模式下"随便挑个参数"的平均表现更好。 P50 数据如果两边接近，说明模式差异其实没那么大；如果某段 P50 差距大，说明该段确实存在模式优势。
| 起点 | 模式 | P50 CAGR | P50 MDD | P50 Calmar | A1 (242d/40%) CAGR | A1 - P50 | P50 胜负 |
|---|---|---|---|---|---|---|---|
| 2000 含 dot-com |
QQQM | 12.59% | -97.71% | 0.130 | 14.94% | +2.35pp | — |
| CASH | 14.99% | -93.91% | 0.164 | 18.62% | +3.63pp | ✅ CASH 全胜 | |
| 2005 无 dot-com |
QQQM | 27.02% | -80.27% | 0.333 | 29.26% | +2.23pp | ✅ QQQM (CAGR/Calmar) |
| CASH | 24.88% | -77.16% | 0.322 | 28.35% | +3.47pp | ↳ CASH MDD 略好 | |
| 2010 纯正常牛熊 |
QQQM | 36.45% | -73.68% | 0.483 | 39.87% | +3.42pp | ✅ QQQM 全胜 |
| CASH | 32.46% | -74.32% | 0.425 | 37.93% | +5.47pp | — |
✅ 观察 1：CASH 只在 dot-com 段占优
P50 视角下 CASH 仅在 2000 起点（含 dot-com 长熊）显著占优：
CAGR +2.4pp / MDD 改善 +3.8pp / Calmar +26%。
原因：dot-com 段 = 长熊 + 多次假反弹。
QQQM 持有期间会被反复"假信号入场"扣手续费 / 浪费机会；
CASH 模式空仓躺平赚 4-5% T-bill 反而更稳。
✅ 观察 2：dot-com 后 QQQM 反而占优
2005 起点：QQQM CAGR P50 高 +2.1pp，Calmar 略高 +3%。
2010 起点：QQQM CAGR P50 高 +4.0pp，Calmar 高 +14%。
原因：2008 / 2020 / 2022 这种"急跌快反弹"模式下，
QQQM 持有时假反弹反而抓住了；CASH 等同于错过反弹。
未来若 dot-com 类长熊不重演，QQQM 是更优默认。
⚠️ 观察 3：A1 在所有口径下都"超过 P50"
A1 (242d/40%) 在 6 个 (起点 × 模式) 单元里全部 +2.2 ~ +5.5pp 高于 P50。
其中在 CASH 模式下 A1 - P50 平均 +4.2pp，
QQQM 模式下平均 +2.7pp。
含义：
(1) A1 不是 P50 中位参数，是 QQQM 偏好参数；
(2) A1 在 CASH 模式下表现"额外好"是 QQQM 偏好参数与 CASH 模式的偶然契合，
不能据此把 A1 默认切到 CASH。
🎯 修正后的核心判断（基于 P50 视角，去 A1 偏置）
1. QQQM 不是"全场景输给 CASH"—— 实际是 dot-com 段 CASH 占优，dot-com 后 QQQM 占优。 之前如果有"CASH 全胜"的措辞，是用 A1 单点（QQQM 偏好参数）对比的结果，方法论上有循环论证。
2. 主策略保持 QQQM 是有数据支撑的—— 2/3 起点（2005, 2010）QQQM P50 占优，且 dot-com 类长熊"功能性重演"概率不高 （详见 ⑧ 最终决策）。
3. CASH 是"dot-com hedge"，不是"全场景升级"—— 仅在判断进入 dot-com 类长熊时才有 hedge 价值。 择时切换的 trigger（如 QQQ 多年低于 200d 不破）需要进一步研究，目前不建议自动化切换。
4. ⑧ 决策保持"局部微调"措辞—— 不升级为"建议切 CASH"，因为 P50 证据不支持。原措辞是对的。
⑥.6 CASH-A1 寻找 + 4 重判据：你的"trail=64% 过拟合"质疑被完美验证
🎯 研究起点（用户 2026-04-30 质疑）
"64% 的 trail 是不是被历史上很大的回撤挑出来的？样本是不是很有限？会不会过拟合？"
+ ⑥.5 之后的二阶疑虑：A1 是 QQQM 模式调出来的，即便 P50 公平，也没解决"CASH 模式自己的哲学 B 在哪里"。
本节用 4 重严格判据独立寻找 CASH-A1，
自动剔除"少数极端样本决定的"过拟合参数。
📋 4 重判据（必须全部通过）
| # | 判据 | 阈值 | 用途 |
|---|---|---|---|
| 1 | 跨段对称稳健 | min CAGR > 0% 跨 15 窗口 |
任何窗口都不死（哲学 B 标准） |
| 2 | MaxDD 安全垫 | min MDD > -90% |
避免极端杠杆磨损 |
| 3 | 触发次数下限 | min trades ≥ 4 每窗口 |
← 你的过拟合质疑直接回应：trail 极少触发的参数自动出局 |
| 4 | 高原中央 | (MA±10, Trail±4%) 25 邻居 mean Calmar 高 + std 小 |
剔除孤峰 cherry-pick |
研究规模：MA 30~350d step=2 × Trail 20~100% step=2%（上限从 70% 扩到 100%，含"几乎纯 MA 退"边界）= 6601 组 × 15 窗口 = ~99K 评估。
15 窗口：5 起点（2000/2002/2005/2008/2010）× 3 段（Full / Half-1 起点+8y / Half-2）。Half-1/Half-2 切分能逼出尾部窗口的真实表现。
🏆 通过判据 1-3 的 Top 10 候选（按 15 窗口 mean Calmar 降序）
88/6601 (1.3%) 参数通过 1-3 判据 → CASH 模式很挑参数
| # | MA | Trail | min_CAGR | min_MDD | min_Trades | mean_Cal | 邻居 mean_Cal | 邻居 std |
|---|---|---|---|---|---|---|---|---|
| 1 | 270d | 28% | +0.32% | -77.19% | 5 | 0.378 | 0.301 | 0.030 |
| 2 | 270d | 30% | +0.20% | -79.50% | 5 | 0.365 | 0.297 | 0.030 |
| 3 | 300d | 30% | +4.40% | -74.14% | 5 | 0.347 | 0.303 | 0.031 |
| ⭐ 4 | 302d | 30% | +4.40% | -74.14% | 4 | 0.347 | 0.306 | 0.030 |
| 5 | 298d | 30% | +4.40% | -74.14% | 5 | 0.343 | 0.301 | 0.032 |
| 6 | 306d | 30% | +3.31% | -74.86% | 4 | 0.342 | 0.317 | 0.031 |
| 7 | 300d | 28% | +0.94% | -74.14% | 6 | 0.340 | 0.307 | 0.025 |
| 8 | 302d | 28% | +0.94% | -74.14% | 5 | 0.340 | 0.309 | 0.025 |
| 9 | 304d | 30% | +3.31% | -74.86% | 4 | 0.338 | 0.311 | 0.032 |
| 10 | 312d | 28% | +1.34% | -74.14% | 4 | 0.337 | 0.331 | 0.030 |
🚨 注意 Trail 列：Top 10 全部在 28~30%，没有任何一个超过 30%！ 之前 P50 网格里的 "(294d, 64%)" 在 4 重判据下完全消失。
🎯 CASH-A1 = (302d, 30%)
- ✅ 判据 1：min CAGR +4.40%（任何窗口都赚钱）
- ✅ 判据 2：min MDD -74.14%（远好于 -90%）
- ✅ 判据 3：min trades 4（每窗口足够触发）
- ✅ 判据 4：邻居 mean Calmar 0.306（std 0.030 = 高原中央）
- 15 窗口 mean Calmar = 0.347
含义：如果未来真的要切到 CASH 模式，应该用 (302d, 30%)， 不是 A1 (242d, 40%)，更不是看似最优的 (294d, 64%)。
🚨 A1 (242d, 40%) 套到 CASH = 必死
- ❌ 判据 1：min CAGR -8.13%（在某窗口被打死）
- ✅ 判据 2：min MDD -86.11%
- ❌ 判据 3：min trades 3（小于下限 4）
- ⑥.5 P50 公平比较只看了 3 个 Full 长窗口
- 4 重判据看 15 窗口（含 Half 短窗口）→ A1 在 CASH 下尾部样本会爆
含义：彻底证伪"A1 套到 CASH 反而表现更好"的印象—— A1 的"哲学 B 跨段稳健"只在 QQQM 模式下成立， 套到 CASH 模式下反而是脆弱参数。
🔬 CASH 偏长 MA = 真实 / 偏高 trail = 幻象
- ✅ 长 MA（270~302d）：Top 10 一致，结构性原因
- ↳ CASH 退出后只赚 5% T-bill（vs QQQM 的 1× 收益），所以偏好"晚退"
- ❌ 高 trail（60~70%）：4 重判据全部剔除
- ↳ trail=64% 在 26 年只触发 4 次 → 1-2 个事件决定参数 → 过拟合
- P50 网格里 "CASH 偏好高 trail" 是统计幻象
含义：未来不要再用"CASH 模式偏好高 trail"作为决策依据—— 这是少数极端样本造成的虚假信号。"CASH 偏好长 MA + 中等 trail"才是真实结构。
🎯 修正后的最终判断（取代 ⑥.5 的 P50 结论 + 用户原始疑虑全部解决）
1. A1 默认 QQQM 是有数据支撑的合理选择—— QQQM 模式下 A1 (242d, 40%) 通过了原 9 窗口跨段对称验证（详见 leverage-etf-pick 页 §6）。
2. 切到 CASH 模式必须重新选参数 = (302d, 30%)，不能套用 A1—— QQQM-A1 (242d, 40%) 的"跨段稳健"性质只在 QQQM 模式下成立， 套到 CASH 模式下 4 重判据失败（min CAGR -8.13%）。
3. CASH-A1 (302d, 30%) 的最低 CAGR +4.40% 仍然不高—— CASH 模式即便用最稳健参数，悲观窗口 CAGR 也只有 4-5%。 这进一步说明 CASH 模式整体性价比不如 QQQM（QQQM-A1 的 9 窗口最低 CAGR ≈ +1.16% 但 mean 远高）， 只在 dot-com 类长熊重演时 CASH 才有 hedge 价值。
4. 用户的"trail=64% 过拟合"质疑是 100% 正确的—— 4 重判据自动剔除了所有 trail > 32% 的参数。 这次研究是反过拟合方法论的实操示范：判据 3（trades 下限）单独就足够剔除"少数极端样本决定的"参数。 沉淀进 ustock-backtest-conventions.mdc 反模式表。
📋 后续研究（待办）
- CASH-A1 (302d, 30%) vs QQQM-A1 (242d, 40%) 公平最优单点对比： 每模式用自己的"哲学 B"参数，跑 5 起点 × 2 模式的 CAGR/MDD/Calmar 直接比较， 回答"如果未来要切 CASH，CASH-A1 vs 留在 QQQM-A1 的真实差距是多少"
- CASH 模式择时 trigger 研究： 什么信号能识别"进入 dot-com 类长熊"，进而 trigger 从 QQQM-A1 临时切到 CASH-A1？ （比如 QQQ 200d 之下持续 N 年、VIX 长期高位等）
- ablation：判据 3（trades 下限）的敏感性： 如果把 min_trades 从 4 调到 6 或 8，CASH-A1 候选会变吗？验证当前阈值不是另一个 cherry-pick
⑥.7 反向打脸：A1 在自己的 QQQM 主场也通不过 4 重判据 → 判据本身需要分层
🎯 研究起点（用户 2026-04-30 二阶连环 4 问）
- A1 在自己的 QQQM 主场下，trades 数也少吗？（A1 trail=40% 比 CASH-A1 30% 更深）
- 4 重判据是不是要求"全都满足"？判据 2 (MDD > -90%) 是不是任意阈值？
- 用 4 重判据反过来检验 QQQM-A1（直接挑战 ⑥.6 的方法论自洽性）
- CASH-A1 的 MA=302 是不是被几次大衰退决定的单点？
📊 4 参数 × 15 窗口 4 重判据交叉检验
数据：static/data/a1_4criteria_crosscheck.json · 5 起点 (2000/2002/2005/2008/2010) × 3 段 (Full/Half-1/Half-2)
| 参数 / 模式 | 判据 1 min CAGR > 0% |
判据 2 min MDD > -90% |
判据 3 min trades ≥ 4 |
Mean CAGR | std Calmar |
|---|---|---|---|---|---|
| A1 (242d, 40%) QQQM 主场 |
-18.27% ❌ | -96.10% ❌ | 3 ❌ | +26.61% | 0.266 |
| A1 (242d, 40%) CASH |
-8.13% ❌ | -86.11% ✅ | 3 ❌ | +27.04% | 0.216 |
| CASH-A1 (302d, 30%) CASH 主场 |
+4.40% ✅ | -74.14% ✅ | 4 ✅ | +24.11% | 0.170 |
| CASH-A1 (302d, 30%) QQQM |
-6.75% ❌ | -90.42% ❌ | 4 ✅ | +24.85% | 0.233 |
🔥 反向打脸 #1：A1 自己主场也通不过
A1 在 QQQM 模式下：min CAGR -18.27%，比套到 CASH 模式（-8.13%）还惨！
失败窗口大概率是 2000 起点 Half-1（纯 dot-com 8 年）—— 任何美股策略在这个地狱窗口都被打死。
→ 昨天 ⑥.6 的"A1 套到 CASH 必死"结论不完整， 更准确的说法是：A1 在 15 窗口 4 重判据下本身就死，跟模式无关。
🤔 反向打脸 #2：判据本身是任意切分
A1 通过的是 9 窗口对称稳健（详见 leverage-etf-pick §6）， 不是 15 窗口 4 重判据。
9 窗口 vs 15 窗口的"段切分"不同 → 结论可以完全相反。 15 窗口加入了 dot-com 8 年纯熊段，4 重判据加入了 trades 下限。
→ 没有"绝对最稳健参数"，只有"在某判据集下更优"的参数。 判据集本身就是研究者的主观选择。
📊 风险-收益经典 tradeoff
| A1 | CASH-A1 | |
| Mean CAGR | +26.61% | +24.11% |
| std Calmar | 0.266 | 0.170 |
| 最差窗口 CAGR | -18% | +4% |
A1 = 高 mean + 高方差（average bull market 王者，但极端窗口被打死）
CASH-A1 = 低 mean + 低方差（任何窗口都活，但牺牲 2.5pp 年化）
⚖️ 修正后的判据分层（响应"不要求全都满足"质疑）
昨天 ⑥.6 的 4 重判据被设计为"必须全部通过"——这等于把判据 1 (CAGR > 0) 和判据 2 (MDD > -90%) 当作 硬一票否决。但 90% 这个阈值是任意的， 而且 dot-com 8 年单段任何美股策略都接近被打死，硬要求会过滤掉所有可用参数。
| 层级 | 判据 | 作用 | 硬度 |
|---|---|---|---|
| 主判据 A | 跨段对称稳健（9 或 15 窗口任一） | 基础门槛：参数不能"只在某段好" | 必须 ✅ |
| 主判据 B | 高原中央（25 邻居 mean Calmar 不低于候选 + std 小） | 防孤峰过拟合 | 必须 ✅ |
| 辅判据 1 | trades 下限（每窗口 ≥ 4） | 提示"trail 是否过深 / 触发是否依赖少数事件" | 参考 ⚠️ |
| 辅判据 2 | MaxDD 软门槛（min MDD > -90% 或 -95%） | 心理可承受性（用户特定） | 参考 ⚠️ |
| 画像维度 | Mean CAGR / std Calmar / 最差窗口 CAGR | 展示 risk-return 全景，让用户自己取舍 | 展示 📊 |
新规则：候选参数必须通过主判据 A + B， 辅判据失败要明确标记（不一票否决），最终决策结合"画像维度"由用户综合判断。 例如：A1 通过 9 窗口对称稳健 + 高原中央 ⇒ 主判据全过 ⇒ 是合法生产参数； 辅判据失败（dot-com 段被打死）⇒ 用户接受"假设未来不重演 dot-com 级长熊"的前提即可使用。
📐 MA=302 是单点还是高原？（回答 Q4）
从 ⑥.6 的 88 个通过判据 1-3 候选中取 Top 20（按 mean Calmar 降序），看 (MA, Trail) 的分布形态：
MA 维度
- 范围：270~312d（42 天宽）
- Mean / Median：294 / 298d
- Std：13d
- 相对跨度：14.3% < 20% → 高度集中
- → 不是单点，是整片高原
Trail 维度
- 范围：28~32%（4% 宽）
- Mean / Median：29% / 30%
- Std：1.2%
- 相对跨度：13.7% → 极度集中
- → Trail 28-30 几乎所有 Top 都在
结论：MA=302 是 270~312d 高原的中央代表，不是被某次大衰退决定的单点。 整个 42 天宽的区间 Mean Calmar 都接近 0.34~0.38。
⚠️ 但要诚实承认： 长 MA（270~310d）这个区间的存在确实跟历史上几次大熊市（dot-com / 2008 / 2020）的具体跨度有关。 如果未来出现 1973-74 那种 23 个月滞胀熊市，可能要扩到 400d+。 但"长 MA 在熊市更稳"是数学结构性原因（更慢反应 → 更少假信号），不会变； 会变的是"具体最优区间"。302 是当前历史下的合理选择，不是永恒真理。
🎯 用户 4 个连环问题的完整答案
Q1 答案：是的——A1 在 QQQM 主场 trades 也少（min trades 3）、 且 min CAGR -18.27% 比套到 CASH 还惨。 这反向证明 4 重判据本身偏严（trail 较深 + dot-com 8 年单段任何策略必死）， 不是 A1 在 CASH 模式有特殊脆弱性。
Q2 答案：你完全对——4 重判据不应该全部硬一票否决。 已分层为 主判据 A+B（必须通过） + 辅判据 1+2（参考） + 画像维度。 MDD > -90% 是任意阈值，应该作为"心理承受能力"的参考维度，不是硬门槛。
Q3 答案：QQQM-A1 在 15 窗口 4 重判据下硬要求全过 = ❌ 但在 9 窗口对称稳健（A1 当年的判据集）下 = ✅。 这反映"判据集是研究者的主观选择"，没有绝对真理。 A1 在 QQQM 主场仍是合理生产参数（Mean CAGR +26.61% / 9 窗口全活）。
Q4 答案：不是单点——MA=302 是 270~312d（42 天宽）高原的中央代表， Top 20 候选 MA 集中度 14.3%（< 20% = 高度集中）。 但"长 MA 偏好这个区间"确实跟历史样本有关； 结构性原因（长 MA 在熊市更稳）不变，具体最优区间会随未来样本漂。
总结：你这 4 问把 ⑥.6 的方法论严格度往上推了一档。
没有"用 4 重判据硬筛"的傲慢，只有"主辅判据分层 + 画像 + 用户取舍"的诚实方法论。
沉淀到 ustock-backtest-conventions.mdc §4.3。
⑥.8 防守模式终极抉择：策略未来还有用吗？QQQM 还是 CASH？
用户的 3 个深度质疑（2026-04-30）：
- Q1：MA 长度跟"熊市具体跨度"有关，Trail 跟"熊市最大回撤"有关，都受历史熊市形状影响很深。未来熊市形状不一样，策略不就失效了？
- Q2：那防守到底用 QQQM 还是 CASH 比较好？请给出最终判断。
- Q3：CASH 模式应该做带利息的短债（BOXX 类），之前的回测都用带利息的 cash 吗？
本节的回答方法论：不喊口号、不诡辩。把 a1_4criteria_crosscheck.json 的
15 窗口 per-window 数据按"时代"分类，让数据自己说话。然后基于历史频率给决策建议。
Q3 速答：CASH 模式 = T-bill 利息按日复利（已做，跑过证明）
完整代码路径：
- 下载：
research/gen_a1_cash_mode_search.py:378→download("^IRX", "1999-01-01")（13 周国债收益率，等同 SHY/BOXX 类短债的基准利率） - 存储：
df["tbill_pct"]（forward-fill + back-fill 缺失值） - 每日复利：
research/gen_a1_cash_mode_search.py:163-169：
if exit_mode == "cash" and not in_lev and cash_value > 0:
annual_pct = float(seg_tb[i]) # ^IRX = 13 周国债收益率（年化%）
daily_rate = (1 + annual_pct / 100) ** (1 / 252) - 1
cash_value *= 1 + daily_rate
实证：抽 dot-com 4 年（2000-2003）持现金不动，^IRX 复利累积：
| 日期 | ^IRX 年化 | 现金净值（起始 $100k） | 累计涨幅 |
|---|---|---|---|
| 2000-01-03 | 5.270% | $100,020.38 | +0.02% |
| 2001-01-02 | 5.680% | $105,832.21 | +5.83% |
| 2002-01-08 | 1.650% | $109,362.26 | +9.36% |
| 2003-01-08 | 1.167% | $111,095.76 | +11.10% |
| 2003-12-31 | 0.907% | $112,179.37 | +12.18% |
→ 4 年累计 +12.18% / 年化 CAGR +2.92%（同期 QQQ 持有 ≈ -29%/年）
实操对齐：BOXX 短债 ETF 的 NAV 增长 ≈ ^IRX 收益减 0.19%/年（管理费）。回测略高估约 0.19%/年，在 +20%/年量级下可忽略。
数据真相 1：CASH 防守的全部价值集中在含 dot-com 的 8 年窗口
⚠️ 用词修正：之前说"8 年纯熊"不准确
"8 年" = 回测窗口长度，不是"dot-com 本身有 8 年"。dot-com 实际是 2000-03 到 2002-10，约 30 个月。回测里"Half-1"指从某起点起 8 年的窗口，里面包含的关键熊市如下：
2000-01-01 / Half-1= 2000-01-01 → 2008-01-01，含 dot-com 完整 + 2003-2007 恢复期2002-01-01 / Half-1= 2002-01-01 → 2010-01-01，含 dot-com 后半段 + 2008 GFC 起步2005-01-01 / Half-1= 2005-01-01 → 2013-01-01，含 GFC 完整 + 后续恢复2008-01-01 / Half-1= 2008-01-01 → 2016-01-01，GFC 入场 + post-GFC 牛市2010-01-01 / Half-1= 2010-01-01 → 2018-01-01，纯牛熊（无大熊市）
用 A1 (242d, 40%) 参数对比 QQQM 防守 vs CASH 防守，15 窗口分类（新增 QQQ buy-and-hold 基准列）：
| 窗口（含的关键熊市） | QQQ B&H 基准 |
A1 + QQQM 防守 |
A1 + CASH 防守 |
A1 优势 vs QQQ |
QQQM vs CASH |
|---|---|---|---|---|---|
| 2000-2008 (含 dot-com 完整) | -7.18% | -18.27% | -8.13% | QQQM A1 输 -11pp ⚠️ | 🔥 CASH +10.14pp |
| 2002-2010 (dot-com 尾 + GFC 起) | +2.02% | +3.64% | +9.12% | +1.62pp | 🔥 CASH +5.48pp |
| 2005-2013 (GFC 完整段) | +7.12% | +8.30% | +8.62% | +1.18pp | tie -0.32pp |
| 2008-2016 (GFC 入场 + 恢复) | +11.55% | +25.61% | +25.55% | +14.06pp | tie +0.06pp |
| 2010-2018 (纯牛熊，无 dot-com) | +17.66% | +42.21% | +39.35% | +24.55pp | QQQM +2.86pp |
| 2010 Half-2 (2018-2026) | +19.50% | +36.58% | +35.35% | +17.08pp | QQQM +1.23pp |
| 2005 Half-2 (2013-2026) | +19.72% | +42.88% | +41.09% | +23.16pp | QQQM +1.80pp |
| 2002 Half-2 (2010-2026) | +18.71% | +39.87% | +37.93% | +21.16pp | QQQM +1.94pp |
| 2000-2026 全段 (Full) | +8.36% | +14.94% | +18.62% | +6.58pp | CASH +3.68pp |
| 总计（15 窗口）：A1 vs QQQ → A1 普遍 +6~24pp 超额；QQQM vs CASH → QQQM 9 / CASH 4 / tie 2 → CASH 赢的 4 个全部含 dot-com | |||||
用 CASH-A1 (302d, 30%) 参数对比时，QQQM 优势更扩大：QQQM 赢 11 / CASH 赢 3 / tie 1。CASH 赢的 3 个还是 dot-com 相关。
洞察：CASH 防守的全部价值集中在含 dot-com 的 8 年窗口。其他所有时期 QQQM 都赢或接近。 而且 A1 vs QQQ 基准始终有 +6~24pp 的超额收益（除 dot-com 段亏 -11pp）→ 策略本身有真 alpha，不是噪音。 这意味着用户的"未来熊市形状"问题被简化成一个 binary 判断：你认为未来 5-10 年会出现 dot-com 级长熊吗？
数据真相 2：策略价值的结构分层—— 哪些会失效，哪些不会
| 分层 | 是否"失效"风险 | 原因 |
|---|---|---|
| 结构性价值 （避免 TQQQ -99% MaxDD） |
🟢 几乎不会失效 | "上涨持杠杆 + 下跌切防守" 是数学结构。任何"长牛 + 周期熊"市场都有效 |
| 具体最优参数 （242d / 302d / 40% / 30%） |
🟡 会随样本漂 | 跟熊市具体形状有关。但漂到"次优" ≠ "失效" |
| 实战 CAGR | 🟡 可能从 +20% 降到 +12% | 即便如此，仍好于全持 TQQQ（CAGR 在 dot-com 段 ≈ -36%/年） |
真正会让策略"失效"的极端 scenario 只有 4 个：
① 1973-74 级滞涨慢熊
持续 21+ 个月渐跌。任何 MA 都来不及反应（MA 信号是滞后的）
② 钢丝市横盘震荡多年
±15% 多年小幅震荡。频繁假信号被切肉到死
③ 杠杆 ETF 被监管禁了
SEC 几次想动手。被禁后 TQQQ 强制清算，策略整个失效
④ QQQ 头部公司结构性衰落
FAANG 失去增长属性 → QQQ 长期阴跌但没有"反弹"。策略基础失效
这 4 个是低概率高影响事件。正确应对不是"放弃策略"，而是：
- 留 30%+ 现金 buffer 不全 in 策略（资金配比层防护）
- 每 3-5 年重做一次 walk-forward，看参数是否需要漂
- 不用历史 CAGR 做退休规划，用 P25 锚定（保守预期）
- 关注 SEC 杠杆 ETF 政策动向（提前 12 个月有信号）
数据真相 3：dot-com 级长熊的历史频率≈ 一代人 1-2 次
| 事件 | 跨度 | 跌幅 | 特征 |
|---|---|---|---|
| 1929-1932 大萧条 | 33 个月 | -86% (S&P) | 银行业危机 + 通缩螺旋 |
| 1973-1974 滞涨 | 21 个月 | -48% (S&P) | 石油危机 + 通胀失控 |
| 2000-2002 dot-com | 30 个月 | -78% (NDX) | 无盈利公司估值崩塌 |
| 频率估算 | 98 年 3 次 → 平均一次 / 30+ 年 → 年化 ≈ 3.3% 概率触发 | ||
Q2 终极判断：默认 QQQM，留一个 trigger 准备未来切 CASH
📌 推荐配置（2026-04-30 锁定）
主默认：QQQM 防守 + A1 (242d, 40%)
- 15 窗口里 11/15 胜出（用 CASH-A1 参数对比）/ 9/15 胜出（用 A1 参数对比）
- 数学期望上比 CASH 略优 +1~3pp/年
- 心理负担小（不用看着别人涨自己空仓）
- 2026 当前 QQQ 健康牛市（FAANG 盈利稳健 + AI 周期未崩）
未来切到 S2 永远 CASH-A1（不是动态 trigger）
⚠️ 动态 trigger 已被 ⑥.9 实证否定，触发条件改为个人状态：
- K 值跨过 0.5（成长期，存量主导）
- 资产规模 > 100 万美元
- 退休前 5-10 年（不能再承受 -80% MaxDD）
- 满足任 1 条 → 一次性切到 S2 永远 CASH-A1
详见 ⑥.9 →
QQQM 默认是合理的。即便偶尔遇到 GFC/2020/2022 级熊市，A1 (QQQM 防守) 仍然有 -65~-75% MDD 的"防御缓冲"，不会爆仓。
⚠️ 之前留的"动态 trigger" todo 已在 ⑥.9 实证：3 个候选 trigger 全失败，dot-com 类长熊唯一靠谱的防御 = 永远跑 CASH-A1。
Q1 收尾：你担心的"参数依赖熊市形状"是真问题，但不是"失效"问题
✅ 你说得对的部分
- MA 长度（242d/302d）确实跟历史熊市的"中位形状"有关。dot-com 30 个月长熊把"长 MA 偏好上限"推到了 ~310d
- Trail 深度（40%/30%）确实跟历史熊市的"最大回撤分布"有关。dot-com 段 -78% 把"中等 trail 优势"放大了
- 未来熊市形状不一样 → "最优参数"会漂
⚠️ 但你担心过头的部分
- "参数漂" ≠ "策略失效"。即便 MA=242d 不是未来最优，可能漂到 200d 或 350d，但 CAGR 只是从 +20% 降到 +12%，仍然显著好于全持 TQQQ（dot-com 段 -36%/年）
- 结构性价值不变：只要"上涨 + 周期熊"模式存在，trend-following 都能避免 -99% 灾难
- 真正失效需要前面 4 个极端 scenario 之一，每个都是 30+ 年一次的尾部事件
🎯 实操护盾（应对参数漂）
- 不用单一参数 all-in：留 30%+ 现金 buffer 在策略外（资金配比层）
- 每 3-5 年重做 walk-forward：看参数高原是否漂移，如果漂移 ≥ 50d 就调整
- 用 P25 而不是历史 CAGR 锚定：保守预期 +12-15%/年，而不是 +20%/年
- 关注尾部信号：QQQ 200d 持续 12+ 月之下 → 警惕长熊起步
- QQQM 防守 + A1 是默认：即便参数次优，QQQM 在多数熊型中仍能保 1× 收益
总结：你这 3 问把整个策略的"心理地基"打稳了。
不是"用还是不用"的二元问题，是"理解策略的结构性价值 + 接受参数漂的代价 + 留好 buffer"的多层应对。
本节沉淀到 ustock-backtest-conventions.mdc §5.4 作为防守模式选择准则。
⑥.9 动态切换 Trigger 研究：能不能"平时 QQQM + 大熊切 CASH"？
研究动机（接 ⑥.8 末尾的 trigger todo）：⑥.8 推荐"QQQM 默认 + 留 trigger 切 CASH"。本节实证 3 个候选 trigger 能不能真实捕获 dot-com 类长熊。
3 个候选 trigger（v1 太严格 → v2 放宽到能在 dot-com 段触发）：
- TR1（技术派）：QQQ 在过去 12 月 ≥ 70% 时间 < 200d MA
- TR2（情绪派）：VIX 20 日均值 > 25
- TR3（宏观派）：GDP 连续 ≥ 2 季度负
切换语义：trigger ON → 切到 CASH-A1 (302d/30%) + cash 防守；trigger OFF → A1 (242d/40%) + QQQM 防守；切换有 5 交易日延迟（防瞬时切）
数据真相 1：3 个 trigger 历史触发段（dot-com 几乎抓不住）
| Trigger | 触发段 | 持续 | 点评 |
|---|---|---|---|
| TR1 QQQ 12m ≥ 70% 时间 < 200d MA |
2001-05-14 → 2003-06-25 | 25.2 月 | ✅ 但已过 dot-com 顶 16 个月，挽救有限 |
| 2008-11-20 → 2009-08-13 | 8.7 月 | GFC 末期 | |
| 2022-10-18 → 2023-05-24 | 7.2 月 | 2022 加息熊（已反弹） | |
| TR2 VIX 20d 均值 > 25 |
27 个独立触发段，从 1999 到 2026 | ⚠️ 太频繁（18.6% 时间），假信号多 | |
| 代表段：dot-com 全程多段 + GFC 长段 + COVID + 2022 加息 | |||
| TR3 GDP 连续 ≥ 2 季度负 |
2008-11-07 → 2009-08-06 | 8.9 月 | ❌ 完全错过 dot-com！ |
| 2020-05-08 → 2020-08-06 | 3.0 月 | ❌ COVID 时已经反弹完了 | |
⚠️ 反直觉发现 1：dot-com 不是经济危机，是纯股市估值崩塌。 美国 GDP 在 2000-2002 期间只有 2 个不连续的负季度，没有"连续 2 季度负"。 所以 TR3（GDP trigger）完全错过 dot-com。这意味着用宏观经济信号防御 dot-com 类股市危机是失败的。
数据真相 2：6 策略 × 15 窗口完整对比
| 策略 | Mean CAGR | Mean MDD | Std CAGR | Min CAGR | 定位 |
|---|---|---|---|---|---|
| S0 QQQ buy & hold | +13.12% | -47.96% | 7.46% | -7.38% | 基准 |
| S1 QQQM A1 (242d/40%) | +26.68% | -74.24% | 16.92% | -18.75% | ⭐ 当前生产 |
| S2 永远 CASH-A1 (302d/30%) | +24.17% | -71.04% | 10.09% | +5.57% | 🔥 反 dot-com 保险 |
| S3 动态 TR1 (技术派) | +25.21% | -73.48% | 15.91% | -13.32% | 中庸方案 |
| S4 动态 TR2 (情绪派) | +24.43% | -72.44% | 16.10% | -16.83% | 劣，VIX 假信号多 |
| S5 动态 TR3 (宏观派) | +25.58% | -72.86% | 17.37% | -18.79% | 最劣，错过 dot-com |
⚠️ 反直觉发现 2：没有任何动态 trigger 显著超过 S1（纯 QQQM A1）。 S3 (TR1) Mean CAGR -1.47pp，S4 -2.25pp，S5 -1.10pp。 而 S2（永远 CASH-A1）虽然 Mean CAGR 输 -2.51pp，但 std 仅 10.09%（最低），跨段一致性远好于 S1 的 16.92%。
数据真相 3：聚焦 dot-com 段（2000-2008）的胜负真相
| 关键窗口 | S1 A1 | S2 永远 CASH | S3 动态 TR1 | S2-S1 | S3-S1 |
|---|---|---|---|---|---|
| 2000-2008 (dot-com 完整 8y) | -18.75% | +9.19% | -13.32% | +27.94pp | +5.43pp |
| 2000-2026 全段 (Full 26y) | +14.94% | +21.00% | +15.08% | +6.05pp | +0.13pp |
| 2010-2018 (纯牛熊 8y) | +43.03% | +40.90% | +43.05% | -2.13pp | +0.02pp |
| 2008-2026 (Full 18y) | +32.61% | +26.73% | +29.12% | -5.88pp | -3.49pp |
洞察 1（S2 vs S1 的代价/收益结构）：
- S2 在 dot-com 完整段大胜 S1 +27.94pp（这是巨额"保险赔付"）
- S2 在所有非 dot-com 段输 S1 -2~-12pp（这是"保险费"）
- 26 年全段 S2 净赢 +6.05pp/年（保险赔付 > 保险费）
- S2 的代价：2010-2018 / 2018-2026 这种纯牛熊段，看着别人 +43% 自己 +40%（心理负担）
洞察 2（S3 动态 trigger 失败原因）：
- S3 在 dot-com 段只救回 +5.43pp（仍亏 -13.32%），因为 TR1 触发太晚：2001-05 才触发，那时已经从顶跌 60%+
- S3 全段超过 S1 仅 +0.13pp（基本一样），但实操复杂度 ↑↑（要监控 TR1 + 切换逻辑 + 执行）
- 结论：动态 trigger 边际收益太小，不值得做
最终决策框架（基于本节实证更新 ⑥.8 的判断）
⭐ 选项 A：保持现状 S1
QQQM + A1 (242d/40%)，不切换
- Mean CAGR +26.68% 最高
- std 16.92% 较高
- dot-com 段会被打死 -19% CAGR
适合：相信 dot-com 不会重演 / 用其他方式对冲尾部风险（资金配比留 30% 现金 buffer）
🔥 选项 B：永远跑 S2
CASH + CASH-A1 (302d/30%)，永不切回
- Mean CAGR +24.17% （-2.51pp 代价）
- std 10.09% 最低 ⭐
- dot-com 段照赚 +9% CAGR
适合：想要"任何熊市都活" + 接受牛市少赚 2-3pp/年的人 / 资产规模大不在乎边际 CAGR 的人
❌ 选项 C：动态 S3
TR1 触发切 CASH-A1
- Mean CAGR +25.21% 中等
- std 15.91% 不见得低
- dot-com 段挽救有限 -13%
不推荐：触发太晚 + 执行复杂度高 + 边际收益仅 +0.13pp/年
📌 最终建议（2026-04-30 锁定）
当前阶段（K < 0.5 积累期，QQQ 健康牛市）：继续 选项 A（S1 = QQQM A1）， 因为 mean CAGR 上限高，且每月新增资金可平滑短期回撤。
未来切换到选项 B（S2 = 永远 CASH-A1）的触发条件：
- K 值跨过 0.5（进入成长期，存量开始主导，DCA 平滑能力下降）
- 资产规模过百万美元（CAGR 边际效用下降，稳健性边际效用上升）
- 退休前 5-10 年（不能再承受 dot-com 级 -80% MaxDD）
不要执行选项 C（动态 trigger）：本节实证表明 trigger 不能提前抓 dot-com，挽救有限，复杂度高 ROI 低。
沉淀：本节结果沉淀到 ustock-backtest-conventions.mdc §5.5。
数据：static/data/defense_trigger_research.json · 脚本：research/gen_defense_trigger_research.py · 报告：notes/defense_trigger_report.md
⑥.10 对数上升通道：能不能作为减仓信号？(实证：不行)
研究背景：用户 2026-04-30 在 TradingView 切换对数坐标后，看到 QQQ 似乎已触及上升通道上沿，问"对数通道能否用作调节策略仓位的参考"。
本节定位：⑥.9 已经实证 3 个 trigger（QQQ MA / VIX / GDP）都失败。"通道上沿"信号本质 = 第 4 个候选 trigger（TR4 = 价格相对长期增长率的偏离），方法论同源。本节用历史数据验证它的有效性。
数据真相 1：你"在上沿"的判断高度依赖通道画法
同样的 QQQ 数据，两种主流画法给出完全不同的"当前位置"：
| 通道画法 | 隐含 CAGR | 当前 QQQ | 中线 / 上沿 | 当前位置 |
|---|---|---|---|---|
| 方法 1：log-linear 回归 ±1.5σ 2009-03-09 起 17 年数据，学术标准 |
+18.86%/年 | $661.57 | 中线 $621 / 上沿 $722 | +0.63σ (通道内) |
| 方法 2：两点连线（TradingView 风格） 下沿点 2009-03-09 + 上沿穿越 2021-11-19 |
+25.39%/年 | $661.57 | 下沿 $525 / 上沿 $1066 | 通道 25.2% 位置 (还在下半部!) |
⚠️ 反直觉发现 1：你看到的"上沿"很可能是错觉
- 两种主流画法都显示你不在上沿（方法 1: +0.63σ / 方法 2: 25%）
- 方法 2 的隐含 CAGR 25.39%/年 = 用 dot-com 后 + 印钱时代样本，长期不可持续
- TradingView 的通道可能用"最近 5 年低高点"画，斜率更陡，会让"在上沿"判断频繁出现
- 通道画法越短期越激进，"在上沿"判断越频繁，越容易过度反应
数据真相 2：历史 22 次"碰上沿"后续表现（基于方法 2，更激进画法）
| 时间窗 | 平均 QQQ 收益 | 中位 | 胜率（涨） | 解读 |
|---|---|---|---|---|
| 突破后 6 个月 | +2.16% | +7.69% | 73% | 机械减仓 = 73% 概率踏空 |
| 突破后 12 个月 | +3.02% | +2.53% | 55% | 仍涨概率 > 50%，但年化已远低于 18% 长期 |
连续突破段（≥5 天）历史清单：
| 起始日期 | 峰值距上沿 | 后 6m | 后 12m | 后 24m | 事件性质 |
|---|---|---|---|---|---|
| 1999-03-10 | +10.00% | +20.50% | +117.87% | -5.02% | dot-com 顶（信号失效 12m） |
| 2015-08-26 | +1.27% | +0.94% | +14.44% | +40.77% | 假信号 |
| 2018-01-17 | -2.56% | +8.94% | -0.47% | +36.99% | 假信号 (2018-12 短期下跌后反弹) |
| 2021-01-20 | -2.31% | +11.94% | +13.74% | -11.62% | 2021 顶部前 10 个月（提前太久） |
| 2021-04-08 ~ 07-20 | -3.44% | +7~14% | -15~+5% | -7~+6% | 5 次假信号 |
| 2021-10-25 | -0.72% | -15.87% | -24.33% | -7.88% | ✅ 真信号 (2022 加息熊起点) |
| 2021-12-07/22 | -2.4~-2.7% | -22~-25% | -29~-32% | -0~+6% | ✅ 真信号 (2022 顶部确认) |
⚠️ 反直觉发现 2：14 次连续突破段中，只有 3 次（21.4%）是真信号，全部集中在 2021-10/12（cycle 顶部）。 2018 段、2015 段、2021-01~07 段都是假信号（继续涨）。这意味着事前你无法知道哪次"碰上沿"是真顶，因为顶部只占总突破样本 20%。
数据真相 3：通道信号 = ⑥.9 trigger 研究的子类（同源同失败）
| 维度 | ⑥.9 TR1 (QQQ < 200d MA) | ⑥.10 TR4 (通道上沿) |
|---|---|---|
| 本质 | 价格 vs 中期均值 | 价格 vs 长期增长率 |
| 信号类型 | 价格偏离均值的 trigger | 价格偏离均值的 trigger |
| 触发方向 | 价格 < 均值（防御） | 价格 > 均值（减仓） |
| 实证胜率 | dot-com 救回 1/3 损失 | 14 次只 3 次真信号 (21.4%) |
| A1 是否已覆盖 | ✅ 完全覆盖（A1 = MA242 + Trail40） | ✅ 部分覆盖（市值越大 Trail 触发越敏感） |
| 结论 | 动态切换不值得做 | 机械减仓不值得做 |
务实用法决策表（5 种场景）
| 用法 | 推荐？ | 理由 |
|---|---|---|
| 作为机械减仓信号（碰上沿就卖） | ❌ 不 | 73% 踏空 + 14 次只 3 次真信号 + 跟 ⑥.9 同源 |
| 作为定投暂停信号（碰上沿暂停加 QQQM） | ⚠️ 可选 | 牺牲 73% 机会，但减少高位加杠杆心理负担。适合心理偏保守的人 |
| 作为暂停信用贷加仓信号 | ✅ 推荐 | 信用贷有利息成本，在 +1.5σ 之上加杠杆 ROI 不划算 |
| 作为心理标尺（防 FOMO） | ✅ 推荐 | 0 成本 + 配合 K 值阶段决策做主动调整 |
| 作为 BTC/MSTR swap 阈值参考 | ✅ 推荐 | 通道上沿 + mNAV > 1.5 双信号才减 MSTR（详见主组合 ⑤c） |
📌 核心区分：「资金流入侧控制」 vs 「仓位减持侧 trigger」
❌ 仓位减持侧 trigger
语义：改变已有暴露（卖现有仓位）
风险：73% 概率踏空（实证）
结论：⑥.9 + ⑥.10 全部否定
✅ 资金流入侧控制
语义：不改暴露，只改增量资金流速
风险：0 成本（不卖出 = 不踏空）
结论：通道信号在这里有真实 ROI
具体方案（叠加在 A1 之上）：
默认: A1 满仓运行 + 月供继续买 QQQM/TQQQ 通道位置 < 50%: 月供加杠杆 (按 V19 加 BTC, 按 A1 加 TQQQ) 通道位置 50-90%: 月供按基础份额, 不加杠杆 通道位置 > 90%: 月供存到 BOXX 短债 (积累弹药), 不增加暴露
这是资金流入侧的"通道感知"，不改 A1，0 踏空成本，只改月供方向。心理上也容易接受。
沉淀：本节结果沉淀到 ustock-backtest-conventions.mdc §5.6。
数据：static/data/log_channel_analysis.json · 脚本：research/gen_log_channel_analysis.py · 报告：notes/log_channel_analysis_report.md
⑥.11 最终决策清单：到底用什么参数？怎么算通道？
研究了 ⑥.1 ~ ⑥.10 一晚上, 5~6 个候选方案绕得头晕。本节是最终的执行清单:1 个核心策略 + 2 个微调 + 1 个应急 + 5 个反面教材。**以后混乱时打开本节看就行**。
1️⃣ 核心策略:A1(不变,跟之前一样)
| 项 | 值 | 备注 |
|---|---|---|
| 标的 | QQQM ↔ TQQQ | 平时持 QQQM, 信号触发后换 TQQQ |
| 入场 | QQQ 上一日收盘 > 过去 242 日 MA | 次日执行 |
| 退出 | TQQQ 从峰值回撤 ≥ 40% 且 QQQ < 242d MA | 次日执行 |
| 退出后持有 | QQQM(不是 cash) | 15 段中 13 段 QQQM 胜 cash, 详见 §⑥.8 |
| 信号判定 | 每天 | cron 已在跑 |
这就是你今天之前用的参数,没变。所有 ⑥.1~⑥.10 研究都没推翻这个核心。
2️⃣ 日常微调:资金流入侧的"通道感知"(叠加 A1, 不改 A1)
核心规则:只改月供方向, **不卖现有仓位**(避免 ⑥.10 的 73% 踏空陷阱)。
| 通道位置 | 月供动作 | 心理含义 |
|---|---|---|
| < 50%(中线之下) | 月供加杠杆(BTC 按 V19 / TQQQ 按 A1) | 便宜, 多买 |
| 50~90% | 月供按基础份额 | 正常区间, 不加不减 |
| > 90%(接近上沿) | 月供存 BOXX 短债, 不增加暴露 | 贵, 积累弹药 |
📐 通道是怎么算的?(用户问的核心)
我们用方法 1: log-linear regression ±1.5σ(学术标准, 详见 ⑥.10 数据真相 1)。具体步骤:
步骤 1: 取 QQQ 从 2009-03-09 到今天的所有收盘价 (~17 年)
步骤 2: 对所有 close 取自然对数: log_p = ln(QQQ)
步骤 3: 时间索引 t = [0, 1, 2, ..., N-1] (单位: 交易日)
步骤 4: 一元线性回归: log_p ≈ slope * t + intercept
(得到长期 log 增长斜率)
步骤 5: 残差: resid = log_p - (slope * t + intercept)
σ_log = std(resid) ← 对数空间的标准差
╔═════════════════════════════════════════╗
║ 中线 = exp(slope * t + intercept) ║
║ 上沿 = 中线 × exp(+1.5 × σ_log) ║
║ 下沿 = 中线 × exp(-1.5 × σ_log) ║
║ ║
║ 当前位置(σ) = (ln(今日 QQQ) - ln(中线)) / σ_log ║
║ 当前位置(%) = (今日 QQQ - 下沿) / (上沿 - 下沿) × 100% ║
╚═════════════════════════════════════════╝
当前数值快照(数据日 2026-04-29):
| 长期 CAGR (隐含) | +18.86%/年 |
| σ_log (对数残差标准差) | 0.1001 (≈ 1σ ≈ 10.5%) |
| 1.5σ 带宽 | ±16.2% |
| 当前 QQQ | $661.57 |
| 中线 (公允价值) | $621.22 ← 现价比中线高 6.5% |
| 上沿 (+1.5σ) | $721.88 ← 离上沿 -8.4% |
| 下沿 (-1.5σ) | $534.60 |
| 当前位置 | +0.63σ = 通道 67.8% 位置 → "中间档" |
📍 当前(2026-04-29)结论:67.8% 落在 50~90% 中间档 → 月供按基础份额,既不加杠杆也不暂停。距上沿 -8.4%(还有 ~$60 上涨空间),距 90% 档位还差 ~22 个百分点。
📊 通道可视化(QQQ 17 年实际走势 vs 通道 — hover 看任意点精确数值)
怎么看这张图:Y 轴 log scale(对数刻度下, 指数增长 = 直线)。红虚线 = 上沿 +1.5σ, 灰虚线 = 中线(log 回归), 绿虚线 = 下沿 -1.5σ。 蓝线(QQQ 实际)在通道带内来回穿梭 — 17 年里 dot-com 后从 -1.5σ 起步, 2018 / 2020 / 2022 三次破中线下方,2024 后升到上沿附近,当前 +0.63σ。 橙色大圆点 = 最新位置。鼠标移上图表可以看任意一天的 QQQ / 上沿 / 中线 / 下沿精确数值 + 当前 σ 位置。
数据脚本:research/gen_log_channel_analysis.py → static/data/log_channel_analysis.json(每周日 cron 重新生成,前端 fetch 后由 Chart.js 渲染)。
📖 为什么这样选参数?(点开看详细理由)
为什么从 2009-03-09 起?
- GFC 底, 是 dot-com 泡沫破裂后的"新常态"开始
- 覆盖 17 年: 2010s 牛市 + 2018 短熊 + 2020 COVID + 2022 加息熊 → 足够多周期
- 不包含 dot-com (避免被那段拉低斜率, 让 CAGR 更接近"印钱时代"现实)
- 如果改用 1999 起 → CAGR 会从 18.86% 降到 ~12%, 通道整体下移, 上沿更近(更早触发"高位档")。这是更保守的画法,可以作为"心理保险"参考
为什么用 ±1.5σ 而不是 ±2σ?
- ±2σ(TradingView 默认)历史上 ~5% 时间在通道外, 太罕见, 几乎没用
- ±1.5σ 历史上 ~13% 时间在通道外, 提供更多信号点
- 1.5σ 也是大部分量化研究使用的标准带宽(平衡信号频率和噪音)
为什么档位用 50% / 90% 而不是其它?
- 50%(中线): 价格的"公允值", 之上之下心理含义对称
- 90%(接近上沿): 留 10% 缓冲带, 避免每次小波动都触发"暂停月供"
- 这是一阶近似, 没有过度优化(避免过拟合 — 详见 ⑥.5 + §4.3 五项体检表)
🛠️ 如何每月自己算? 3 种方式
- 方式 A(推荐, 1 行命令):
python research/gen_log_channel_analysis.py→ 看终端输出"当前位置 +0.63σ"那行 - 方式 B(打开本页): 我可以加一个每周日 cron, 重跑脚本 + 推一条微信通知"当前通道位置 X%, 月供建议: 加杠杆 / 基础 / 暂停"。需要的话告诉我加
- 方式 C(估算法,适合 1 分钟决策): 看 QQQ vs $621 (中线) vs $722 (上沿) → 在 $621~$722 之间靠近哪头就是哪档
3️⃣ 应急(平时不管, 5~10 年才可能用 1 次)
什么情况才考虑一次性切到 CASH-A1 (302d/30%, 退出回 BOXX 短债) — **不是用市场 trigger 触发, 是用你的个人状态触发**:
- 你的K 值 > 0.5(存量资金 / 生命周期总收入, 详见 lifecycle-params.mdc)
- 你明确说"绝不能承受 -85% 回撤,哪怕一次"
- 持有的杠杆头寸触及你的失眠阈值
满足才切, 且切完就长期跑 CASH-A1, 不来回切(动态切换实证失败,见 ⑥.9)。
❌ 已研究但**不要用**的(避免又想起来折腾)
| 方案 | 为什么不用 | 实证位置 |
|---|---|---|
| 博主天哥 MA200 ±4% 策略 | 频繁交易 + CAGR 没优势 | ⑥.2 / ⑥.3 |
| A1 + cash 退出(平时跑) | QQQM 退出在 13/15 段更强,只 dot-com 一段赢 | ⑥.8 |
| 动态 trigger 切换 (TR1/TR2/TR3) | 3 个全失败, marginal benefit ≈ 0 | ⑥.9 |
| 对数通道"碰上沿就减仓" | 73% 踏空,14 次只 3 次真信号 | ⑥.10 |
| 把 trail 改小 (30~35%) | CASH-A1 用 30% 是因为它配 302d MA;A1 = 242d MA 就配 40% | ⑥.6 / ⑥.7 |
📍 现在该做什么(具体到本周)
| 时机 | 动作 |
|---|---|
| 今晚 / 明天 | 啥都不做。生产 cron 在跑 A1, 继续 |
| 每月发月供时 | 看一眼 QQQ 通道位置(本节给出公式), 按"中间档"投 |
| 未来某次月供前 | 如果 K > 0.5 或心理扛不住, **那时候**再考虑切 CASH-A1。**不是现在** |
| 5 年后 | 复盘 A1 是不是仍然胜过买 QQQM, 如果不再有 alpha 再讨论换策略 |
🧠 一句话 mental model
A1 是发动机, 通道感知是油门, CASH-A1 是手刹。
平时只用发动机 + 油门(99% 时间)。手刹只在极少数"我心理/财务状况发生根本变化"时拉一次, 不日常用。
任何"看起来很 fancy 的动态切换 / 通道 trigger / 博主新策略" → ⑥.1 ~ ⑥.10 已经实证全部失败, **不要再想了**。
⑦ Walk-Forward 跨段验证：最优参数能跨样本生存吗？
动机：⑥ 给出每起点的"最优 Calmar 参数"，但这些可能就是事后挑出来的。 在 A 段（in-sample）训练 + B 段（out-of-sample）实测，才能验证最优是真稳健还是噪音。
实验设计：
- A 段：2000-01-03 ~ 2012-12-31（13.0y，含 dot-com + 2008）
- B 段：2013-01-02 ~ 2026-04-29（13.3y，含 2020 + 2022）
- Forward OOS：A 段全网格找最优 → 用同参数在 B 段跑
- Reverse OOS：反向验证
- Spearman rank corr：4186 组在两段的 CAGR/Calmar 排名是否一致
7.0 A 段 / B 段 Baseline 对照（buy & hold）
| 段 | QQQ 持有 (1×) CAGR | QQQ 持有 MDD | TQQQ 持有 (3×) CAGR | TQQQ 持有 MDD |
|---|---|---|---|---|
| A 段 (00-12, dot-com+2008) | −2.40% | −82.96% | −35.60% | −99.98% ⚠️ |
| B 段 (13-26, 2020+2022) | +19.72% | −35.12% | +42.33% | −81.66% |
两段是平行宇宙：A 段连 QQQ 持有都亏 (−2.40%)，TQQQ 持有几乎归零； B 段 QQQ 持有 +19.72%、TQQQ 持有 +42.33%。 所以下方所有"A 段最优 / B 段最优"的参数差异，本质是两个完全不同市场环境的产物。
7.1 Spearman 排名相关性（最关键指标）
| 模式 | CAGR rank corr | Calmar rank corr | 解读 |
|---|---|---|---|
| QQQM | -0.036 | +0.110 | ⚠️ 几乎不稳（接近随机） |
| CASH | +0.007 | −0.009 | 🚩 反向（cherry-pick 风险确认） |
🚩 CASH 模式的 Calmar Spearman ≈ 0（甚至略反向）
含义：A 段表现好的参数，在 B 段表现毫不相关甚至略反向。 所谓"CASH 模式最优"的 (294d, 64%) 不是策略本质给的，而是 dot-com 段独特的几何性质偶然碰上的。 如果未来回到 dot-com 类深熊，这套参数大概率不会再次最优。 ⑥ 那张表里挑出来的所有"CASH 最优"，都是事后视角的噪音。
7.2 Forward OOS（A 段训练 → B 段实测）
| 模式 | A 段最优参数 | A 段 in-sample Calmar | B 段实测 Calmar | B 段 CAGR | B 段 MDD |
|---|---|---|---|---|---|
| QQQM | (294d, 64%) | −0.002 | +0.637 | +43.96% | −69.01% |
| CASH | (294d, 64%) | +0.176 | +0.608 | +43.18% | −70.99% |
| QQQ 持有 baseline | — | — | +0.561 | +19.72% | −35.12% |
| TQQQ 持有 baseline | — | — | +0.518 | +42.33% | −81.66% |
Forward OOS B 段表现"看似不错"，但B 段独立最优 Calmar 是 0.852 (QQQM) / 1.034 (CASH)。
A 段挑的参数在 B 段衰减 25~40%——意味着实战换到任何新窗口都会比"事后最优"差不少。
且 B 段 A1 跑出 +43% CAGR vs TQQQ 持有也是 +42%——
B 段 trend-following 没有实质 alpha，主要价值是把 -82% MDD 改善到 -70%。
7.3 Reverse OOS（B 段训练 → A 段实测）— 更残酷
| 模式 | B 段最优参数 | B 段 in-sample Calmar | A 段实测 Calmar | A 段 CAGR | A 段 MDD |
|---|---|---|---|---|---|
| QQQM | (38d, 24%) | 0.852 | −0.125 | −12.18% | −97.21% |
| CASH | (38d, 24%) | 1.034 | −0.072 | −6.62% | −92.05% |
| QQQ 持有 baseline | — | — | −0.029 | −2.40% | −82.96% |
| TQQQ 持有 baseline | — | — | −0.356 | −35.60% | −99.98% ⚠️ |
🚩 如果有人 2013 年看了 B 段最优 (38d/24%) 觉得"短 MA + 紧 Trail"棒呆了，
用它穿越 dot-com 会被打到 Calmar -0.125 / MaxDD -97%（QQQM）/ -92%（CASH）。
"短 MA + 紧 Trail" 是 2010 后牛市的独有红利，跨段就死。
但即便是 (38d/24%) 这个"最差选项"，在 A 段的 -97% MDD 仍然和 TQQQ 持有的 -99.98% 差不多——
所以"参数选错"的代价 ≈ "完全不做趋势"的代价。
7.4 A 段最优 vs B 段最优 — 参数距离
| 模式 | A 段最优 | B 段最优 | MA 差 | Trail 差 |
|---|---|---|---|---|
| QQQM | (294d, 64%) | (38d, 24%) | 256d | 40% |
| CASH | (294d, 64%) | (38d, 24%) | 256d | 40% |
两模式 A/B 段最优参数完全相同，且距离极远（MA 差 256d，Trail 差 40%）。 这是一个非常糟糕的稳健性信号——说明"最优"完全跟着段的几何特征跑，跟"模式"几乎无关。
7.5 A1 单点 (242d/40%) baseline 对照
| 模式 | A 段 Calmar | B 段 Calmar | A 段 CAGR | B 段 CAGR | A 段 MDD | B 段 MDD |
|---|---|---|---|---|---|---|
| QQQM | −0.089 | +0.624 | −8.60% | +42.88% | −96.10% | −68.72% |
| CASH | −0.015 | +0.599 | −1.27% | +41.09% | −86.11% | −68.59% |
| QQQ 持有 baseline | −0.029 | +0.561 | −2.40% | +19.72% | −82.96% | −35.12% |
| TQQQ 持有 baseline | −0.356 | +0.518 | −35.60% | +42.33% | −99.98% ⚠️ | −81.66% |
A1 是个跨段都"死不了"的折中：A 段都亏（QQQM -8.6% / CASH -1.3%），
但 B 段都涨 +40%+。这恰恰是"tqqq-rebound-params.mdc 跨段对称稳健哲学"的体现——
A1 不追任何段的极致，但永远在场。
和 baseline 比：A 段 A1-CASH (−1.27%) 比 QQQ 持有 (−2.40%) 略好且 MDD 改善 +3pp；
B 段 A1 (+42.88%) ≈ TQQQ 持有 (+42.33%) 但 MDD 改善 +13pp（−68% vs −82%）。
A1 的真实 alpha 在 A 段，B 段几乎打平 TQQQ 持有但风险更小。
⑧ 修正后最终决策（含 walk-forward 修正）
✅ 决策 1：不要为 CASH 模式重新选参数
⑥ 看起来 "CASH 最优 (294d, 64%) Calmar 比 QQQM 高 +66%"，很诱人；
但 ⑦ 的 Spearman ≈ 0 直接打脸：这套"最优"是 dot-com 段独有的运气，跨段不复用。
如果切到 (294d, 64%) 然后未来回到 2010s 类正常牛熊，会被 (38d, 24%) 这种短 MA 参数大幅跑赢。
→ 不要切到"CASH 最优"参数。
✅ 决策 2：A1 (242d/40%) 是合理的"模式无关"折中
A1 在两模式 × 两段的 Calmar 都不是最高，但在所有 4 个 (mode × segment) 组合下都活着
（A 段 -0.089 / -0.015，B 段 +0.624 / +0.599）。
这正是 tqqq-rebound-params.mdc "跨段对称稳健 ≠ 单段最优" 的体现。
新数据没动摇 A1 选型。
🟡 决策 3：A1 切 CASH 模式 是有意义的"局部微调"
注意区分两件事：
"为 CASH 重新选 (MA, Trail)" = ❌ 危险（决策 1）
"保持 A1 = 242d/40%，只把退出后的 QQQM 换成 CASH" = 🟡 可考虑
A1 单点本身在 ⑦ 的 dot-com A 段表现 CASH 比 QQQM 强 (+0.074 Calmar / +9.99pp MDD)。
如果心理无法承受 -96% MDD，把 A1 退出资产改 CASH 是低风险的局部微调。
📋 后续 TODO（更新版）
专门给 CASH 模式重新搜索最优 (MA, Trail) + Walk-Forward
结论：CASH 模式的"最优"是 cherry-pick（Spearman ≈ 0）。不要为 CASH 重选参数。
跑混合模式（退出超 N 月才切到 CASH）
搜索最优 N (3/6/9/12 月)，看是不是真能"白吃"dot-com 红利又不输牛市。
扩展 P50 网格到 5 起点
让 P50 数字更稳定，看 2015-01 / 2020-01 起点的中位参数表现。
🎓 这次研究学到的"网格搜索通用陷阱"
1. 网格边界 = 你以为的最优：旧网格 (250d/50%) 的"最优"就贴在边界，扩到 (350d/70%) 就漂走。任何最优参数先看是不是边界点。
2. "最优"在 dot-com 段几乎是噪音：A/B 段最优参数完全不重叠，差 256d MA + 40% Trail。挑最优 = 挑过去段的特征。
3. Walk-forward Spearman ≈ 0 是死刑判决：参数排名跨段不一致 → 任何"最优"在新样本上跟随机选差不多。
4. "跨段都活着"比"任何段最优"重要：A1 (242d/40%) 不是任何段的最优，但是唯一所有段都不死的。这就是 tqqq-rebound-params.mdc 选 A1 的本质。
5. Trail 上界扩到 70% 后，CASH 最优 Trail = 64%：意味着 CASH 模式下 trail 几乎不该触发——但请回顾第 3 条，这本身可能也是 cherry-pick。
📚 数据 / 脚本来源
-
第 1 阶段脚本（① ~ ⑤）：
research/gen_a1_cash_exit_compare.py（重跑约 40s）
JSON：static/data/a1_cash_exit_compare.json｜ Markdown：notes/a1_cash_exit_report.md -
⭐ 第 2 阶段脚本（⑥ ~ ⑧，扩大网格 + Walk-Forward）：
research/gen_a1_cash_mode_search.py（重跑约 120s，4186 组 × 6 网格 + walk-forward）
JSON：static/data/a1_cash_mode_search.json｜ Markdown：notes/a1_cash_mode_search_report.md -
原始 A1 稳健性研究：
research/gen_a1_robustness.py（本研究复用其 MA × Trail 网格 + Lump Sum 引擎） -
A1 参数权威定义：
tqqq/config.py（MA_WEEKS, TRAIL_PCT, ALLOC）+.cursor/rules/tqqq-rebound-params.mdc -
回测约定：
.cursor/rules/ustock-backtest-conventions.mdc（强制 LS 主口径 + 起点 2000-01 + P50 优先）
TQQQ 趋势轮动
2026-04-14 · 回测区间 2000-01 ~ 2026-04（日频，26.3 年）
只有 2 个参数：MA 周期（入场）+ 移动止盈（退出），退出附加均线条件
策略思路
前提假设：纳斯达克 100 是长期上行资产。科技龙头的结构性优势使 QQQ 长期跑赢大盘。
核心逻辑：TQQQ（3× 杠杆）不适合长期持有（路径损耗），但在趋势明确的上涨阶段，3× 杠杆能大幅放大收益。
平时不上杠杆
→ 次日全仓换 TQQQ
且 QQQ 跌破 242 日均线
→ 次日换回 QQQM
与无条件退出的区别：无条件版在 TQQQ 回撤达到阈值就立刻退出，容易在牛市震荡中被"洗出"后又马上重新入场（锯齿交易）。条件版多了一道"QQQ 须跌破均线"的确认——如果趋势还在，回撤只是正常波动，继续持有。
收益来源：3× 杠杆在上涨阶段的收益放大 + 条件退出对利润的保留。均线同时控制入场和退出，作为双向安全阀。这不是 Alpha（超额选股能力），而是对纳指 Beta 的系统化暴露管理。
242 日均线不是在预测涨跌，而是把市场分成两个体制（Regime）：
吃杠杆加速收益
保护本金
这不是动量策略（动量需要度量涨幅强度、跨标的横向比较）；也不是择时策略（不预测方向）。均线只是一个二元开关——决定的不是"买不买"，而是"杠杆开不开"。条件退出同理，是风险管理而非信号。
26 年仅 37 笔交易（~1.4 笔/年），牛市中可能连续持有 2~3 年不动。策略的核心价值不在"抓住了什么机会"，而在"在错误的时间关掉了杠杆"。
条件退出的边际 IRR 贡献仅 +0.6%（P50 +27.6% vs 纯均线 +27.0%），但交易数减半（73→40 笔）且参数更稳健（IRR 标准差 1.85% vs 2.01%）。
参数定义
| 参数 | 当前值 | 角色 | 说明 |
|---|---|---|---|
| MA 周期 | 242 日 |
入场 + 退出安全阀 | QQQ 上一完整周收盘 > 242 日均线 → 允许入场；同时作为退出的必要条件 |
| 移动止盈 | 40% |
退出引擎 | TQQQ 从入场后峰值回撤 ≥40% 且 QQQ < 242 日 MA → 退出 |
① TQQQ 持仓市值从峰值回撤 ≥ 40%
② QQQ 当前价 < 242 日均线
均线上方不退出 → 减少牛市锯齿交易约 51%
• alloc = 100%（全仓换）
• 信号延迟 = 1 天（day N 信号，day N+1 执行）
• MA 使用上一完整周收盘，无前瞻偏差
QQQ + 242 日 MA 实时图
💡 怎么看： 绿色背景区间是策略实际持仓 TQQQ的时段， 红色背景区间是实际持仓 QQQM的时段。
⚠️ 注意：QQQ 跌破 MA 不会立即退出！ 策略要求 TQQQ 持仓后峰值回撤 ≥ 40% 且 QQQ < 242 日 MA 同时满足才退出。 所以图上有些时段 QQQ 在 MA 下方但背景仍是绿色——那是因为 TQQQ 还没跌够 40%，策略坚持持有。 这个"延迟退出"正是 26 年只触发 ~19 笔交易的原因，避免牛市震荡中被洗出去。
📉 下方副图：TQQQ 持仓周内最大回撤 — ⚠️ 策略真实退出判定是 daily 级别的，所以这里取每周内 daily 的最大回撤（不是周收盘价回撤）， 才能真实反映策略触发的瞬间。40% 红色虚线 = 退出警戒线。 26 年历史里 242 日触及 40%（对应 18 笔退出），最大单周内回撤 48.4%（dot-com 时期）。
参数搜索（1,107 组合）
| 指标 | 无条件退出 | 条件退出 | 差异 |
|---|---|---|---|
| DCA IRR 标准差 | 2.4% | 1.85% | -0.55% |
| DCA P50 IRR | 26.4% | 27.5% | +1.1% |
| DCA P50 MaxDD | −75.0% | −74.5% | +0.5% |
| Calmar 胜率 | — | 69% | 条件版赢 69% 的参数组合 |
| 平均交易次数 | 96 | 45 | -51 笔 |
| 范围 | 组合数 | 平均 IRR | 中位 IRR | 标准差 | 最低 | 跑赢 QQQ |
|---|---|---|---|---|---|---|
| 原范围（MA 4-30, Trail 5-45%） | 1,107 | 27.5% | 27.5% | 1.85% | 22.7% | 100% |
| 扩大范围（MA 1-52, Trail 1-99%） | 5,148 | 27.23% | 27.73% | 3.11% | 15.0% | 98% |
| 极端参数 | IRR | 交易 | 说明 |
|---|---|---|---|
| MA=1w / Trail=25% | 15.1% | 0 | ≈ 纯 QQQ（MA 太短，永远在线上，从不退出） |
| MA=2w / Trail=25% | 27.4% | 143 | 仍然有效，但交易极频繁 |
| MA=52w / Trail=25% | 25.3% | 58 | 有效但反应迟钝 |
| MA=17w / Trail=1% | 29.4% | 144 | 极敏感止盈，交易极频繁但仍有效 |
| MA=17w / Trail=90% | 30.1% | 7 | 几乎不止盈，全靠 MA 退出 |
| MA=17w / Trail=99% | 15.4% | 3 | 永不止盈 → 扛穿 dot-com -98% |
DCA 回测（月投 ¥10,000）
| 策略 | IRR | MaxDD | Calmar | Sortino | 交易 | α vs QQQ |
|---|---|---|---|---|---|---|
| 网格 P50（中性预期） IRR 取中位数 · MaxDD 取中位数 · 非同一参数 · 最接近未来实际表现 |
+27.5% | −74.5% | — | — | — | +12.4% |
| ★ 趋势轮动（MA=21, Trail=38%）— DCA 最优 | +32.0% | −70.7% | 0.452 | 0.721 | 19 | +16.8% |
| 网格 P25（保守预期） IRR 取 P25（75%参数≥此值）· MaxDD 取 P25（75%参数更浅）· 非同一参数 |
+26.2% | −76.8% | — | — | — | +11.1% |
| 基准：QQQ 定投 | +15.1% | −48.3% | 0.312 | — | — | — |
| 基准：SPY 定投 | +11.3% | −47.5% | 0.237 | — | — | −3.8% |
TQQQ 持仓时间线与收益归因
纯 TQQQ 买入持有 26 年 CAGR 为负（Lump Sum 口径），3× 杠杆的波动衰减在长期完全吞噬了收益。 纯 QQQ 买入持有 CAGR 约 +8%，是无杠杆基准。 而趋势轮动策略通过在趋势破坏时切回 QQQM，CAGR 达到 +12~18%—— 同时跑赢了纯 TQQQ（避免了杠杆衰减）和纯 QQQ（捕获了牛市中的杠杆爆发力）。
策略的价值不是"加杠杆"，而是"在正确的时间加杠杆"。
分段市场环境分析
| 市场阶段 | 类型 | 年数 | 策略 CAGR | QQQ | TQQQ | α vs QQQ | α vs TQQQ |
|---|
为什么看 P50？ 最优参数是事后搜索的结果，未来大概率不是最优。P50（中位参数）更接近"随便选个参数"的平均体验，预测性更强。
Lump Sum 回测（初始 ¥100 万）
| 策略 | CAGR | MaxDD | Calmar | Sortino | 交易 | α vs QQQ |
|---|---|---|---|---|---|---|
| 网格 P50（中性预期） CAGR 取中位数 · MaxDD 取中位数 · 非同一参数 · 最接近未来实际表现 |
+12.8% | −95.9% | — | — | — | +4.7% |
| ★ 趋势轮动（MA=21, Trail=38%） | +17.0% | −95.0% | 0.176 | — | 19 | +8.8% |
| LS 搜索最优（MA=17, Trail=45%） | +18.0% | −94.9% | 0.190 | — | 25 | +9.9% |
| 网格 P25（保守预期） CAGR 取 P25（75%参数≥此值）· MaxDD 取 P25（75%参数更浅）· 非同一参数 |
+11.4% | −97.4% | — | — | — | +3.3% |
| 基准：QQQ 买入持有 | +8.1% | −83.0% | 0.098 | — | — | — |
| 基准：SPY 买入持有 | +8.0% | −55.2% | 0.145 | — | — | −0.1% |
如果手上有一笔大钱想投入本策略，不要一次性 all-in。建议：
- 分 6-12 个月 DCA 入场：将 Lump Sum 转化为 DCA，MaxDD 从 -95% 改善到 -70% 级别
- 入场后交给策略管理：条件退出机制会自动处理仓位切换和退出
- 不需要在策略层面分仓：消融实验已验证 100% 换仓优于分层建仓（alloc=100% 两段交叉验证一致）
本质上，Lump Sum 回测是压力测试（告诉你最坏有多坏），而不是操作指南。真实投资应以 DCA 为主。
参数稳健性
你选的参数在未来大概率不是最优点——它会偏移到网格中的某个其他位置。真正决定收益的不是"最优参数有多好"，而是"偏离最优后衰减多快"。
为什么选趋势轮动：不是因为当前最优参数更好（两者差异很小），而是因为条件退出版的参数高原更平——偏离最优时衰减更慢。
| 维度 | 无条件退出 | 条件退出 | 结论 |
|---|---|---|---|
| DCA IRR 标准差 | 2.4% | 1.85% | 更低 = 更稳 |
| DCA P50 IRR | 26.4% | 27.5% | 中位更高 |
| DCA P50 MaxDD | −75.0% | −74.5% | 中位更浅 |
| Lump Sum CAGR 标准差 | 2.7% | 2.2% | 更低 = 更稳 |
| 平均交易次数 | 96 | 45 | -53% 摩擦 |
实操意义：假设未来最优参数从 MA=21 漂移到 MA=26，或 Trail 从 38% 漂移到 45%：条件退出版的收益衰减 ≈ 1~2%，而无条件版可能衰减 3~5%。选衰减慢的，不选峰值高的。
★ MA 频率对比：窄峰 vs 高原 (heatmap 直觉版)
.cursor/rules/ustock-backtest-conventions.mdc）。
DCA 数据是美化版（系统性低估 MaxDD + 高估 IRR），仅作对照参考。
切到 LS 后你会看到：真实 CAGR 比 DCA 低 ~12%、真实 MaxDD ~95%（不是 DCA 的 -75%）、最优参数也完全不同。
| 方案 | CAGR P50 | CAGR std | 最优 CAGR | MaxDD P50 | 最优 MaxDD | 高原带 ±1% |
|---|---|---|---|---|---|---|
| A 日/日 | +13.93% | 2.91% | +20.47% | -94.3% | -83.1% | 1.2% |
| C 周/日 (生产) | +13.09% | 2.43% | +18.83% | -96.0% | -94.4% | 0.6% |
| D 周/周 | +12.14% | 3.14% | +17.74% | -96.6% | -94.5% | 1.0% |
真相：LS 口径下 A 反超（CAGR 高 + MaxDD 反而浅），但 A 最优 MA=242 天 (≈ 48 周) 远比当前 21 周长。 三方案都被判定尖峰（高原带 < 1.5%）— DCA 下"D 是高原"是美化版假象。
- LS 最优 = MA=17 周 / Trail=47%（与当前生产 21w/38% 不同）
- 金色高原带只占 0.6% — 极窄峰
- 真实 MaxDD ~-94%（不是 DCA 假象的 -75%）
- LS 最优 = MA=22 周 / Trail=38%（接近当前生产）
- 金色高原带只占 1.0% — 也是窄峰
- P50 CAGR 三方案最低，被 A/C 都超过
💡 怎么读这个图（LS 真相版）： 切到 LS 后你会发现金色高原带都极小（< 1.5%）— 三方案没有真正的高原。 ⭐ 永远固定在 当前 mode 下的 Calmar 最优（不跟 metric 切换）。 最深策略洞察：A 方案 (日 MA + 日 check) 在 LS 下反超 C，且 MA=242 天的「长 MA」抗 dot-com 能力强 — 这是 DCA 美化下完全看不到的。
📊 DCA 美化版数据（点击切换 DCA mode 对比看）
切到 DCA mode 后你会看到同一份网格在「美化」镜头下的样子： P50 IRR 翻倍到 +27~28%，MaxDD 浅到 -75%，C 方案"高原带"突然变到 4.1%，D 方案"高原带"变到 11.9%。 这些都是 DCA 数据流的"逢低摊平假象"。实际操作时不会有这种假象，因为你的存量资金从第一天起就承受全部风险。
python research/gen_ma_freq_dense_search.py 生成数据。
后市合理预期
| 场景 | DCA IRR | MaxDD | α vs QQQ | 说明 |
|---|---|---|---|---|
| 乐观 | ~31% | −70.7% | +16% | 当前参数恰好适配未来市场 |
| 中性 | ~27% | −74.5% | +12% | P50 IRR + P50 MaxDD（独立分位数） |
| 保守 | ~26% | −76.8% | +11% | P25 IRR + P25 MaxDD（独立分位数） |
| 极端 | ~24% | — | +9% | 网格最差 5% 分位 |
注意：P25/P50 的 IRR 和 MaxDD 是独立取分位数，不对应某个具体参数组合——收益可能来自一个参数，回撤来自另一个。这比绑定单一参数更诚实。
风险警告
⚠ MaxDD -71%（DCA）至 -95%（Lump Sum）。这是 3× 杠杆的结构性代价，任何参数都无法避免。
⚠ 路径依赖：2000 年 Dot-com 起点入场是最差路径。实际 DCA 从 2010 年后开始的体验好得多。
⚠ 过拟合风险：26 年只有 ~19 笔轮次（~37 单边），样本量有限。未来市场结构变化（如 AI 泡沫破裂）可能改变策略表现。
⚠ 滑点和费率：回测未计入买卖价差和滑点。TQQQ expense ratio ~0.88%/年已包含在模拟价格中。
✅ 趋势轮动优势：交易频率低（~19 笔轮次/26 年 ≈ 0.7 笔/年），实操摩擦和滑点风险小。
搜索参数范围
| 范围 | 4 ~ 30 周（27 个值） |
| 含义 | QQQ 上一完整周收盘 vs N 周移动平均线 |
| 换算 | 4 周 ≈ 1 个月 → 30 周 ≈ 7.5 个月 |
| 适用 | 策略 2、3、4 共用同一维度 |
| 范围 | 5% ~ 45%，步长 1%（41 个值） |
| 含义 | TQQQ 从峰值回撤 ≥ N% 且 QQQ < MA → 退出 |
| 组合数 | 27 MA × 41 Trail = 1,107 组 |
0 个参数。
均线下 → 全仓现金（0% 收益）
1 个参数：MA 周期。
均线下 → 全仓 QQQM
1 个参数：MA 周期。
均线下 → 全仓 QQQM
1 个参数：MA 周期。
回撤 ≥ Trail 且 QQQ < MA → 退出
2 个参数：MA + Trail。
策略 2~4 适用于策略 2、3、4、5 共用同一 MA 维度（4~30 周）。
P50 公允对比
| 策略 | IRR | MaxDD | Calmar | 交易数 | IRR σ | α vs QQQ |
|---|---|---|---|---|---|---|
| ① QQQ 买入持有 | +15.2% | −48.3% | 0.315 | 0 | — | — |
| QLD 买入持有 | +22.8% | −79.9% | 0.285 | 0 | — | +7.6% |
| TQQQ 买入持有 | +27.2% | −92.8% | 0.293 | 0 | — | +12.0% |
| ② QQQ/现金 轮动 [P50] | +11.4% | −25.4% | 0.401 | 73 | 1.14% | −3.8% |
| ③ 纯均线 QLD [P50] | +21.9% | −61.4% | 0.365 | 73 | 1.01% | +6.7% |
| ④ 纯均线 TQQQ [P50] | +27.0% | −71.9% | 0.368 | 73 | 2.01% | +11.8% |
| ⑤ 趋势轮动 TQQQ [P50] | +27.6% | −74.5% | 0.390 | 40 | 1.85% | +12.4% |
| 策略 | CAGR | MaxDD | Calmar | 交易数 | CAGR σ | α vs QQQ |
|---|---|---|---|---|---|---|
| ① QQQ 买入持有 | +8.2% | −83.0% | 0.099 | 0 | — | — |
| QLD 买入持有 | +5.2% | −98.9% | 0.053 | 0 | — | −3.0% |
| TQQQ 买入持有 | −3.9% | −100.0% | −0.039 | 0 | — | −12.1% |
| ② QQQ/现金 轮动 [P50] | +7.9% | −39.8% | 0.194 | 73 | — | −0.3% |
| ③ 纯均线 QLD [P50] | +11.6% | −89.7% | 0.131 | 73 | — | +3.4% |
| ④ 纯均线 TQQQ [P50] | +13.1% | −95.6% | 0.138 | 73 | — | +4.9% |
| ⑤ 趋势轮动 TQQQ [P50] | +12.9% | −95.9% | 0.134 | 40 | — | +4.7% |
• DCA 和 LS 是两个不同的游戏：DCA 适合积累期（存量小），LS 适合存量大后。不要只看一个口径。
• TQQQ 买入持有 LS CAGR −3.9%——26 年下来亏钱。路径损耗把 3× 杠杆的长期收益吞掉了。但 DCA 下 +27.2%（因为低位大量买入后反弹）。
• QQQ/现金轮动 DCA IRR 反而低于 QQQ 买入持有（−3.8%）。代价是牛市里持现金时踏空。但 MaxDD 从 −48% 降到 −25%，Calmar 是全表最高。
• 纯均线 QLD（2× 杠杆）= QQQ/现金 和 TQQQ 之间的折中：DCA IRR +21.9%（α +6.7%），MaxDD −61.4%。比 TQQQ 温和很多，适合风险偏好中等的场景。
各策略详细统计
| DCA IRR | DCA DD | DCA Cal | LS CAGR | LS DD | LS Cal | 参数 |
|---|
| DCA IRR | DCA DD | DCA Cal | LS CAGR | LS DD | LS Cal | 参数 |
|---|
| DCA IRR | DCA DD | DCA Cal | LS CAGR | LS DD | LS Cal | 参数 |
|---|
| DCA IRR | DCA DD | DCA Cal | LS CAGR | LS DD | LS Cal | 参数 |
|---|
按 MA 周期逐行对比
| MA | QQQ/现金 | QLD 2× | TQQQ 3× | 趋势轮动（最优 Tr） | |||||
|---|---|---|---|---|---|---|---|---|---|
| 周 | IRR | DD | IRR | DD | IRR | DD | IRR | DD | Tr |
| MA | QQQ/现金 | QLD 2× | TQQQ 3× | 趋势轮动（最优 Tr） | |||||
|---|---|---|---|---|---|---|---|---|---|
| 周 | CAGR | DD | CAGR | DD | CAGR | DD | CAGR | DD | Tr |
关键发现
维持现有策略参数，不需要改任何东西。
美股策略全景对比
8 种策略 · 真实历史回测 2000-01 ~ 2026-04 · 日频 · DCA 月投 ¥10,000 + Lump Sum ¥100 万
脚本：research/tqqq_gld_stress_test.py
市场背景：QQQ 的长期回报
理解回测数字之前，先校准对市场回报的预期。
| 指标 | 数值 | 说明 |
|---|---|---|
| S&P 500 百年名义 CAGR | ~10% | 1926-2025，含分红再投，实际（扣通胀）~7% |
| 纳斯达克 100 长期 CAGR | ~12-13% | 科技集中度更高，收益/波动都高于大盘 |
| 本次回测区间 QQQ CAGR | +8.1% | 2000-01 ~ 2026-04，起点恰好是 dot-com 泡沫顶部 |
| 本次回测区间 GLD CAGR | +11.0% | 2000 年黄金处于低位（~280 美元/盎司），至今涨了约 10 倍 |
| 当下远期合理预期 | ~8-12% | PE 25-30x 对应的远期年化回报，取决于利润增速 |
回测起点偏保守
从 dot-com 泡沫顶部买入，QQQ 花了近 15 年才回到 2000 年价格。8.1% CAGR 低于长期均值 12-13%，意味着回测数字是偏保守的估计。
极端场景已包含在内
这 26 年经历了 dot-com -83%、GFC -55%、COVID -30%、2022 熊市 -35%，以及多轮牛市。作为压力测试样本足够丰富，无需另造情景。
策略风险收益定位图（CAGR vs. Max Drawdown · Lump Sum）
横轴 = MaxDD（越右越安全），纵轴 = Lump Sum CAGR（越高越好）。气泡大小 = Calmar。初始投入 ¥100万。
🔴 含 dot-com 崩盘（2000-01 起）— 压力测试
▶ 🟢 泡沫释放后（2003-01 起）— 去掉极端起点
上图从 dot-com 泡沫顶部开始（QQQ -83%），是最差入场时机的压力测试。本折叠图从 2003 年崩盘释放后开始，更接近"正常"市场环境。两图对比可以看出：起点选择对 MaxDD 影响巨大，但对策略间的相对排序影响不大。
▶ 全策略历史回测结果 2000-01 ~ 2026-04
真实历史数据，不含情景模拟。
💰 Lump Sum 一次性投入（初始 ¥100 万）
| 策略 | CAGR | MaxDD | Calmar | Sortino | 定位 |
|---|---|---|---|---|---|
| 纯 QQQ | +8.09% | -83.0% | 0.098 | 0.337 | 基准线 |
| 纯 SPY | +7.98% | -55.2% | 0.145 | 0.373 | 大盘基准 |
| 纯 QLD（2×） | +5.08% | -98.9% | 0.051 | 0.051 | 裸杠杆基准 |
| 纯 TQQQ（3×） | -4.01% | -100.0% | — | — | 裸杠杆基准 · 归零 |
| TQQQ 趋势轮动（中性预期） | +12.8% | -95.9% | — | — | CAGR/MaxDD 独立 P50 |
| ↳ P25（保守预期） | +11.4% | -97.4% | — | — | 75%参数≥此 CAGR · MaxDD 独立 P25 |
| ↳ 最优 ⭐ MA17/Tr45 | +18.3% | -94.9% | 0.193 | 0.362 | LS Calmar 最高参数 |
| QLD 趋势轮动（中性预期） | +11.6% | -91.3% | — | — | CAGR/MaxDD 独立 P50 |
| ↳ P25（保守预期） | +10.8% | -93.1% | — | — | 75%参数≥此 CAGR · MaxDD 独立 P25 |
| ↳ 最优 MA17/Tr32 | +15.00% | -88.5% | 0.170 | 0.400 | LS Calmar 最高参数 |
| Gate+TQQQ+GLD（中性预期） | +15.15% | -76.0% | — | — | CAGR/MaxDD 独立 P50 · 325 组参数 |
| ↳ P25（保守预期） | +13.95% | -88.2% | — | — | 75%参数≥此 CAGR · MaxDD 独立 P25 |
| ↳ 最优 ⭐ 20%TQQQ+80%GLD | +14.78% | -35.5% | 0.417 | 0.751 | LS Calmar 最高 · MA189/1m |
| ↳ 🔸 黄金 ~7% P50 | +11.90% | -79.5% | — | — | 黄金百年均值 CAGR ~7% 时 P50 |
| Gate+QLD+GLD（中性预期） | +13.17% | -65.4% | — | — | CAGR/MaxDD 独立 P50 · 325 组参数 |
| ↳ P25（保守预期） | +12.54% | -77.0% | — | — | 75%参数≥此 CAGR · MaxDD 独立 P25 |
| ↳ 最优 20%QLD+80%GLD | +13.17% | -30.9% | 0.426 | 0.825 | LS Calmar 最高 · MA168/1m |
| ↳ 🔸 黄金 ~7% P50 | +10.38% | -66.9% | — | — | 黄金百年均值 CAGR ~7% 时 P50 |
| Gate+QQQ+GLD（中性预期） | +10.57% | -52.2% | — | — | CAGR/MaxDD 独立 P50 · 325 组 · 无杠杆 |
| ↳ P25（保守预期） | +9.98% | -64.8% | — | — | 75%参数≥此 CAGR · MaxDD 独立 P25 |
| ↳ 最优 25%QQQ+75%GLD | +11.13% | -29.5% | 0.378 | 0.747 | LS Calmar 最高 · MA147/2m |
| ↳ 🔸 黄金 ~7% P50 | +8.31% | -53.8% | — | — | 黄金百年均值 CAGR ~7% 时 P50 |
📈 DCA 定投（月投 ¥10,000）DCA 会美化回撤，仅作参考
| 策略 | IRR | MaxDD | Calmar | Sortino | 定位 |
|---|---|---|---|---|---|
| 纯 QQQ 定投 | +15.01% | -48.3% | 0.311 | 0.590 | 基准线 |
| 纯 SPY 定投 | +11.35% | -47.5% | 0.239 | 0.405 | 大盘基准 |
| 纯 QLD 定投（2×） | +22.64% | -79.9% | 0.283 | 0.483 | 裸杠杆基准 |
| 纯 TQQQ 定投（3×） | +26.98% | -92.8% | 0.291 | 0.396 | 裸杠杆基准 |
| TQQQ 趋势轮动（中性预期） | +27.5% | -74.5% | — | — | IRR/MaxDD 独立 P50 |
| ↳ P25（保守预期） | +26.2% | -76.8% | — | — | 75%参数≥此 IRR · MaxDD 独立 P25 |
| ↳ 最优 ⭐ MA21/Tr38 | +32.0% | -70.7% | 0.452 | 0.733 | DCA Calmar 最高参数 |
| QLD 趋势轮动（中性预期） | +22.3% | -63.7% | — | — | IRR/MaxDD 独立 P50 |
| ↳ P25（保守预期） | +21.7% | -65.3% | — | — | 75%参数≥此 IRR · MaxDD 独立 P25 |
| ↳ 最优 MA21/Tr27 | +24.10% | -59.5% | 0.405 | 0.736 | DCA Calmar 最高参数 |
| Gate+TQQQ+GLD（中性预期） | +21.81% | -44.1% | — | — | IRR/MaxDD 独立 P50 · 325 组参数 |
| ↳ P25（保守预期） | +19.10% | -53.3% | — | — | 75%参数≥此 IRR · MaxDD 独立 P25 |
| ↳ 最优 ⭐ 30%TQQQ+70%GLD | +19.17% | -29.6% | 0.648 | 1.045 | DCA Calmar 最高 · MA189/4m |
| ↳ 🔸 黄金 ~7% P50 | +19.59% | -45.6% | — | — | 黄金百年均值 CAGR ~7% 时 P50 |
| Gate+QLD+GLD（中性预期） | +17.84% | -36.3% | — | — | IRR/MaxDD 独立 P50 · 325 组参数 |
| ↳ P25（保守预期） | +16.19% | -44.8% | — | — | 75%参数≥此 IRR · MaxDD 独立 P25 |
| ↳ 最优 35%QLD+65%GLD | +16.76% | -28.7% | 0.584 | 1.039 | DCA Calmar 最高 · MA189/4m |
| ↳ 🔸 黄金 ~7% P50 | +15.73% | -37.6% | — | — | 黄金百年均值 CAGR ~7% 时 P50 |
| Gate+QQQ+GLD（中性预期） | +13.84% | -31.4% | — | — | IRR/MaxDD 独立 P50 · 325 组 · 无杠杆 |
| ↳ P25（保守预期） | +13.24% | -36.2% | — | — | 75%参数≥此 IRR · MaxDD 独立 P25 |
| ↳ 最优 35%QQQ+65%GLD | +13.36% | -27.4% | 0.488 | 0.958 | DCA Calmar 最高 · MA147/1m |
| ↳ 🔸 黄金 ~7% P50 | +11.66% | -31.8% | — | — | 黄金百年均值 CAGR ~7% 时 P50 |
所有策略统一从 2000-01 开始。2004 年前的 GLD 用 GC=F 黄金期货模拟（扣 0.40% 年费后拼接到真实 GLD），TQQQ/QLD 用 QQQ 日收益 + 费率模型模拟后拼接到真实 ETF。
📖 含金策略参数说明（点击展开）
参数格式：MAN / Xm
- MAN = Gate 均线窗口，N 个交易日（如 MA147 ≈ 7 个月，MA189 ≈ 9 个月）。每周检查 QQQ 收盘价 vs N 日均线
- Xm = 再平衡检查频率，每 X 个月检查持仓比例是否偏离目标 >5%，偏离则调仓
执行方式（以"最优 25%QQQ+75%GLD · MA147/2m"为例）
- 建仓：按 25:75 比例买入 QQQM 和 GLD
- 每月定投（DCA 模式）：¥10,000 中 ¥2,500 买 QQQM，¥7,500 买 GLD
- 每周看一次：QQQ 是否穿越 147 日均线。穿越（上破或跌破）时 → 立刻将 QQQM:GLD 恢复到 25:75 目标
- 每 2 个月检查：QQQM 和 GLD 的实际比例是否偏离 25:75 超过 5%。偏了就卖超配、买低配
Gate 在无杠杆版的作用：对 QLD/TQQQ+GLD 来说，Gate 决定"风险期买 QQQ 还是买杠杆 ETF"。 对 QQQ+GLD 来说，持仓种类始终不变（都是 QQQ+GLD），Gate 的作用是在趋势转折点触发额外再平衡——均线穿越通常发生在大幅涨跌之后，此时比例偏离最大，正好是再平衡收益最高的时点。
再平衡阈值：5% 是固定值。经 1225 组敏感性测试（阈值 2-30%），P50 Calmar 差异仅 0.013、IRR 差 0.28%——该维度对结果几乎无影响，因为 Gate 均线穿越已在关键时点触发了再平衡。
▶ 泡沫释放后回测 2003-01 ~
去掉 dot-com 泡沫崩盘（QQQ -83%）的极端起点，从 2003 年开始更接近"正常"市场环境。
⚠ 趋势轮动最优参数沿用 2000 全段（TQQQ MA21/Tr38%、QLD MA21/Tr27）；P50/P25 行和含金组合最优行均来自 2003 窗口独立网格搜索。
💰 Lump Sum 一次性投入（初始 ¥100 万）
| 策略 | CAGR | MaxDD | Calmar | Sortino | 定位 |
|---|---|---|---|---|---|
| 纯 QQQ | +15.56% | -53.4% | 0.291 | 0.769 | 基准线 |
| 纯 SPY | +11.10% | -55.2% | 0.201 | 0.535 | 大盘基准 |
| 纯 QLD（2×） | +23.46% | -83.1% | 0.282 | 0.626 | 裸杠杆基准 |
| 纯 TQQQ（3×） | +27.14% | -94.6% | 0.287 | 0.496 | 裸杠杆基准 |
| TQQQ 趋势轮动（中性预期） | +27.8% | -78.9% | — | — | CAGR/MaxDD 独立 P50 |
| ↳ P25（保守预期） | +26.4% | -81.0% | — | — | 75%参数≥此 CAGR · MaxDD 独立 P25 |
| ↳ 最优 ⭐ MA21/Tr38 | +31.83% | -73.0% | 0.436 | 0.750 | LS Calmar 最高参数 |
| QLD 趋势轮动（中性预期） | +23.3% | -69.7% | — | — | CAGR/MaxDD 独立 P50 |
| ↳ P25（保守预期） | +22.5% | -72.7% | — | — | 75%参数≥此 CAGR · MaxDD 独立 P25 |
| ↳ 最优 MA17/Tr32 | +25.60% | -72.3% | 0.354 | 0.816 | LS Calmar 最高参数 |
| Gate+TQQQ+GLD（中性预期） | +23.68% | -49.9% | — | — | CAGR/MaxDD 独立 P50 · 325 组参数 |
| ↳ P25（保守预期） | +20.79% | -58.4% | — | — | 75%参数≥此 CAGR · MaxDD 独立 P25 |
| ↳ 最优 ⭐ 25%TQQQ+75%GLD | +20.46% | -33.0% | 0.620 | 1.022 | LS Calmar 最高 · MA168/1m |
| ↳ 🔸 黄金 ~7% P50 | +20.21% | -50.5% | — | — | 黄金百年均值 CAGR ~7% 时 P50 |
| Gate+QLD+GLD（中性预期） | +19.21% | -40.7% | — | — | CAGR/MaxDD 独立 P50 · 325 组参数 |
| ↳ P25（保守预期） | +17.44% | -49.8% | — | — | 75%参数≥此 CAGR · MaxDD 独立 P25 |
| ↳ 最优 35%QLD+65%GLD | +18.39% | -32.8% | 0.561 | 1.102 | LS Calmar 最高 · MA168/1m |
| ↳ 🔸 黄金 ~7% P50 | +16.25% | -43.1% | — | — | 黄金百年均值 CAGR ~7% 时 P50 |
| Gate+QQQ+GLD（中性预期） | +14.28% | -33.2% | — | — | CAGR/MaxDD 独立 P50 · 325 组 · 无杠杆 |
| ↳ P25（保守预期） | +13.52% | -39.1% | — | — | 75%参数≥此 CAGR · MaxDD 独立 P25 |
| ↳ 最优 35%QQQ+65%GLD | +13.64% | -29.0% | 0.470 | 1.000 | LS Calmar 最高 · MA147/3m |
| ↳ 🔸 黄金 ~7% P50 | +11.87% | -35.4% | — | — | 黄金百年均值 CAGR ~7% 时 P50 |
📈 DCA 定投（月投 ¥10,000）DCA 会美化回撤，仅作参考
| 策略 | IRR | MaxDD | Calmar | Sortino | 定位 |
|---|---|---|---|---|---|
| 纯 QQQ 定投 | +16.54% | -45.8% | 0.361 | 0.825 | 基准线 |
| 纯 SPY 定投 | +12.20% | -43.1% | 0.283 | 0.604 | 大盘基准 |
| 纯 QLD 定投（2×） | +25.63% | -78.8% | 0.325 | 0.690 | 裸杠杆基准 |
| 纯 TQQQ 定投（3×） | +31.05% | -92.5% | 0.336 | 0.576 | 裸杠杆基准 |
| TQQQ 趋势轮动（中性预期） | +30.7% | -72.8% | — | — | IRR/MaxDD 独立 P50 |
| ↳ P25（保守预期） | +29.2% | -75.3% | — | — | 75%参数≥此 IRR · MaxDD 独立 P25 |
| ↳ 最优 ⭐ MA21/Tr38 | +35.5% | -70.7% | 0.502 | 0.871 | DCA Calmar 最高参数 |
| QLD 趋势轮动（中性预期） | +24.8% | -61.2% | — | — | IRR/MaxDD 独立 P50 |
| ↳ P25（保守预期） | +24.1% | -63.1% | — | — | 75%参数≥此 IRR · MaxDD 独立 P25 |
| ↳ 最优 MA21/Tr27 | +26.71% | -56.8% | 0.471 | 0.907 | DCA Calmar 最高参数 |
| Gate+TQQQ+GLD（中性预期） | +23.89% | -41.2% | — | — | IRR/MaxDD 独立 P50 · 325 组参数 |
| ↳ P25（保守预期） | +20.55% | -50.8% | — | — | 75%参数≥此 IRR · MaxDD 独立 P25 |
| ↳ 最优 ⭐ 25%TQQQ+75%GLD | +19.34% | -26.8% | 0.722 | 1.157 | DCA Calmar 最高 · MA189/4m |
| ↳ 🔸 黄金 ~7% P50 | +21.43% | -42.8% | — | — | 黄金百年均值 CAGR ~7% 时 P50 |
| Gate+QLD+GLD（中性预期） | +19.22% | -33.9% | — | — | IRR/MaxDD 独立 P50 · 325 组参数 |
| ↳ P25（保守预期） | +16.99% | -41.7% | — | — | 75%参数≥此 IRR · MaxDD 独立 P25 |
| ↳ 最优 40%QLD+60%GLD | +18.52% | -28.1% | 0.658 | 1.152 | DCA Calmar 最高 · MA189/4m |
| ↳ 🔸 黄金 ~7% P50 | +17.07% | -34.9% | — | — | 黄金百年均值 CAGR ~7% 时 P50 |
| Gate+QQQ+GLD（中性预期） | +14.56% | -29.6% | — | — | IRR/MaxDD 独立 P50 · 325 组 · 无杠杆 |
| ↳ P25（保守预期） | +13.68% | -34.8% | — | — | 75%参数≥此 IRR · MaxDD 独立 P25 |
| ↳ 最优 40%QQQ+60%GLD | +14.07% | -26.5% | 0.531 | 1.044 | DCA Calmar 最高 · MA147/6m |
| ↳ 🔸 黄金 ~7% P50 | +12.35% | -30.0% | — | — | 黄金百年均值 CAGR ~7% 时 P50 |
数据: 2003-01 ~ 2026-04，去掉 dot-com 泡沫顶部后的表现。GLD/TQQQ/QLD 数据处理方式与上表一致。
黄金均值回归压力测试（Lump Sum P50）
上表含金策略受益于过去 26 年黄金 CAGR +11%（金价 ~280→~3,200 美元），远高于长期均值 ~6-7%。
下表用 Lump Sum P50（参数网格中位数，325 组参数）做压力测试：如果黄金回归均值甚至更差，含金策略还能不能赢？
TQQQ 趋势轮动不含金，数字在所有场景下不变。
| 策略 (LS P50) | GLD ~11%（历史原样） | GLD ~7%（均值回归） | GLD ~4%（悲观） | ||||||
|---|---|---|---|---|---|---|---|---|---|
| CAGR | MaxDD | Calmar | CAGR | MaxDD | Calmar | CAGR | MaxDD | Calmar | |
| TQQQ 趋势轮动 | +12.8% | -95.9% | — | ← 不含金，数字不变 → | ← 不含金，数字不变 → | ||||
| TQQQ+GLD P50 | +14.2% | -78.6% | 0.188 | +11.9% | -79.5% | 0.158 | +10.1% | -80.2% | 0.138 |
| QLD+GLD P50 ⭐ | +12.6% | -65.5% | 0.195 | +10.4% | -66.9% | 0.160 | +8.8% | -68.0% | 0.134 |
P50/P25 含义：把网格中所有参数组合的 IRR（或 CAGR）和 MaxDD 各自独立排序取分位数。P50 = 中位数，P25 = 第 25 分位。
两个数字可能来自不同的参数组合，因此不能直接算 Calmar（标记为"—"）。只有"最优"行对应一个具体的参数组合。
网格维度：杠杆/QQQ 比例 20-60%（7 档） × 再平衡频率 1-6 月（5 档） × Gate MA 126-210 天（5 档） = 175 组。再平衡偏离阈值固定 5%（经 2%-30% 敏感性测试确认影响 <0.03 Calmar）。
黄金衰减：保持历史波动结构不变，仅压缩正收益部分使 CAGR 达到目标值（d=0.96 → 7%，d=0.93 → 4%）。
策略权益曲线对比
2000-01 ~ 2026-04，对数坐标。点击图例可隐藏/显示策略。
▶ 回撤曲线（DCA + Lump Sum）
怎么选
这个问题决定了策略选择的方向。含金策略的价值主要体现在 Lump Sum 场景——黄金在股灾时的对冲效果可以把 MaxDD 从 -83%（纯 QQQ）压到 -67%（QLD+GLD）甚至 -54%（QQQ+GLD）。如果你是纯 DCA 月供、没有存量资金，TQQQ 趋势轮动是最优选择。
首选推荐 → Gate + QLD + GLD（2× 杠杆 + 黄金对冲）⭐
LS P50（黄金 7%）：CAGR +10.4%，MaxDD -66.9%。
DCA P50（黄金 7%）：IRR +15.7%，MaxDD -37.6%。
唯一一个 DCA 和 Lump Sum 两种场景表现都稳健的策略。QLD 的 2× 杠杆天然比 TQQQ 的 3× 回撤浅，在黄金对冲框架下 LS MaxDD 始终比 TQQQ+GLD 浅 13 个百分点。
配比建议 35~40% QLD + 60~65% GLD，每 4 个月检查再平衡。
纯 DCA 进攻 → Gate + TQQQ + GLD（3× 杠杆 + 黄金对冲）
DCA P50（黄金 7%）：IRR +19.6%，MaxDD -45.6%。
LS P50（黄金 7%）：CAGR +11.9%，MaxDD -79.5%。
DCA 下比 QLD+GLD 高 4% IRR，但 LS MaxDD 深 13 个百分点。存量资金不适合，纯月供场景表现最佳。
配比建议 30~35% TQQQ + 65~70% GLD。
简单高效 → 纯 QQQM DCA 定投
LS CAGR：+8.2%，MaxDD -83%。
零复杂度，不需要 Gate、不需要调仓、不需要杠杆。长期跑赢通胀，作为压舱石足够。
适合追求极简、不愿管理任何杠杆仓位的投资者。
极致收益（DCA 限定）→ TQQQ 趋势轮动
DCA P50：IRR +27.5%，MaxDD -74.5%。
LS P50：CAGR +12.8%，MaxDD -95.9%（100 万 → 4 万）。
DCA 绝对收益最高，但回撤也最深。LS 下几乎归零，仅适合纯 DCA 月供、无存量资金、且能承受七成回撤的投资者。MA21/Tr38% 条件退出，26 年仅 19 笔轮次。
保守无杠杆 → Gate+QQQ+GLD（不推荐）
DCA P50（黄金 7%）：IRR +11.7%，MaxDD -31.8%。LS P50：CAGR +8.3%，MaxDD -53.8%。
MaxDD 最浅，但黄金 7% 场景下 DCA IRR（+11.7%）低于纯 QQQ 定投（+15%）——收益被黄金拖累而缺少杠杆补偿。只有在黄金维持历史大牛市（~11%）时才和 QQQ 持平。
不推荐作为主力策略。如果极度风险厌恶，不如直接买 QQQ + 留现金安全垫。
有存量大资金？
├─ 是 → 能承受 -67% 回撤？
│ ├─ 能 → Gate+QLD+GLD（35~40% QLD）
│ └─ 不能 → 纯 QQQ + 现金安全垫（含金无杠杆版收益太低）
└─ 否（纯 DCA 月供）
├─ 愿意管理黄金仓位？
│ ├─ 是 → 能承受 -46% 回撤？
│ │ ├─ 能 → Gate+TQQQ+GLD（30~35% TQQQ）
│ │ └─ 不能 → Gate+QLD+GLD（35~40% QLD）
│ └─ 否 → 纯 QQQM DCA（极简，零杠杆）
└─ 能承受 -75% 且追求极致？→ TQQQ 趋势轮动
P50 = 参数网格中位数（325 组），不依赖某个特定最优参数。黄金 7% 场景保持历史波动结构，仅压缩正收益使 GLD CAGR 从 11% 降至 ~7%。 LS 口径为主要决策依据（暴露真实风险），DCA 口径作为月供参考。
本页仅供个人研究参考，不构成投资建议。回测脚本见 research/tqqq_gld_stress_test.py。历史回测不代表未来收益。
⭐ A1 参数决策落档（MA=242d / Trail=40%）
2026-04-17 · 决策日期：2026-04-19 ·
参数权威定义：tqqq/config.py
-
tab-leverage-etf-pick 是研究过程页，包含多个历史版本的对比、ablation、GPT 观点等，信息量大但部分章节用的是旧版数据（C 方案 21w/38% 时期的网格）。- 本页是最终决策落档，只用最新数据（2026-04-17 截止）回答一个问题：
「为什么生产参数最终锁定在 MA=242d / Trail=40%？」
- 所有数字都是当天复跑的，和
tqqq/config.py 的生产参数一一对齐。
1. 一句话总览
- 下行风险极小：即使 40% 这个具体数字未来过时，结果仍不输纯 MA
- 上行可能 +5%：如果 40% 后市仍是优秀参数，能拿到过拟合溢价
- 额外白送：dot-com 段不死 + 年均交易减少 80% + 存量大时心理负担轻很多
⭐ 2. 核心理解：把 Trail 拆成两层（避免概念混淆）
| 层 | 决策 | 是否过拟合 | 价值来源 |
|---|---|---|---|
| 第一层（机制） | 加 Trail vs 不加 Trail | ❌ 不是过拟合 | 结构性选择，不依赖具体百分比 |
| 第二层（参数） | Trail 用 40% 还是 24% / 32% / 50% | ✅ 是过拟合 | 事后从网格里挑的红利点 |
- "加 Trail" 像是给系统装了一个安全气囊 —— 安全气囊本身设计正确，不是过拟合。
- "40%" 像是安全气囊弹出的具体阈值 —— 你测了不同阈值发现 40% 在历史 dot-com 段表现最佳，但未来车祸场景不一定是这个阈值。
- 即使阈值错了，气囊还是会弹出，只是弹早或弹晚一点。这就是 A1 下行风险有限的原因。
3. 第一层验证：加 Trail 机制本身的真实价值（不依赖 40%）
| 起点 | 纯 MA P50 CAGR | MA+Trail P50 CAGR | 差异 |
|---|---|---|---|
| 2000-01 | +14.58% | +13.89% | −0.69% |
| 2005-01 | +25.87% | +26.31% | +0.44% |
| 2010-01 | +32.62% | +34.28% | +1.66% |
| 指标 | 纯 MA P50 | MA+Trail P50 | 差异（Trail 优势） |
|---|---|---|---|
| 持仓时间占比（2010 起点） | 81.96% | 90.29% | +8.3% |
| 年均交易次数（3 起点平均） | 3.92 次 | 0.82 次 | −79% |
| 9 窗口最低 CAGR（dot-com 段） | −0.78% ❌ | +1.16% ✅ | 存活 vs 死亡 |
4. 第二层验证：40% 是事后挑的红利点（确实有过拟合）
| 起点 | 网格最优 Trail | 网格最优 CAGR | A1 (40%) CAGR | 40% 过拟合溢价 |
|---|---|---|---|---|
| 2000-01 | 40% | +20.44% | +20.44% | +0%（运气好恰是冠军） |
| 2005-01 | 32% | +33.69% | +28.98% | −4.71%（40% 不是最优） |
| 2010-01 | 24% | +38.15% | +39.50% | +1.35%（40% 反而比最优略好） |
所以不能用 A1 +20.44% / +28.98% / +39.50% 作为对外预期承诺。
⭐ 5. 综合两层后的三条核心结论（强调）
- 9 窗口存活率提升：dot-com 段从 −0.78% (死亡) 变成 +1.16% (存活)
- 操作减负 80%：年均交易从 3.92 次降到 0.82 次
- 持仓体感更稳：牛市少震出（持仓时间多 +8%）
这是一个"下行风险极小、上行可能 +5%"的非对称下注：
- 如果 40% 后市还是好参数 → 拿到 +5% 过拟合溢价
- 如果 40% 后市退化成中等参数 → 仍然不输纯 MA
- 但 9 窗口存活率（dot-com 段不死）无论哪种情况都打开
6. 后市预期口径（对外承诺必须用 P50，不要承诺 A1 单点）
| 口径 | 用途 | 起点 2000 | 起点 2005 | 起点 2010 |
|---|---|---|---|---|
| A1 单点 CAGR | ❌ 不要给读者承诺 | +20.44% | +28.98% | +39.50% |
| MA+Trail 网格 P50 | ✅ 中性预期（推荐口径） | +13.89% | +26.31% | +34.28% |
| MA+Trail 网格 P25 | 保守预期 | +11.80% | +24.74% | +32.11% |
| 纯 MA 网格 P50 | 心理底线（去掉 Trail 也不输多少） | +14.58% | +25.87% | +32.62% |
| MaxDD 风险预警 | 最坏可能 | −94.76% | −79.0% | −74.3% |
7. A1 vs 候选参数：9 窗口存活率（决定性证据）
| 参数 | 9 窗口最低 CAGR | 起点 2000 A 段 (dot-com 死亡区) |
9 窗口全部 > 0? |
|---|---|---|---|
| A1（生产）MA=242d + Tr=40% | +1.16% | +1.16% ✅ | ✅ 全部存活 |
| MA=242d 纯 MA（去 Trail） | −0.78% | −0.78% ❌ | ❌ 崩 1 段 |
| MA=174d 纯 MA | −6.16% | −6.16% ❌ | ❌ 崩 1 段 |
| MA=249d 纯 MA | −1.64% | −1.64% ❌ | ❌ 崩 1 段 |
| MA=38d/Tr=24%（2010 段最优） | −13.28% | −13.28% ❌ | ❌ 崩 1 段 |
8. 数据可追溯（避免数据漂移）
| 用途 | 脚本 | 数据文件 |
|---|---|---|
| A1 网格分位 + Walk-fwd | research/gen_a1_robustness.py |
static/data/a1_robustness.json |
| 纯 MA vs MA+Trail P50 公允对比 | research/gen_holding_time_analysis.py |
static/data/holding_time_analysis.json |
| A1 vs MA-only 9 窗口测试 | research/gen_a1_vs_maonly.py |
static/data/a1_vs_maonly.json |
| A1 vs P50 9 窗口 | research/gen_a1_vs_p50_9windows.py |
static/data/a1_vs_p50_9windows.json |
| 参数权威定义 | tqqq/config.py |
MA_DAYS=242 / TRAIL_PCT=0.40 |
tab-leverage-etf-pick 包含完整研究过程（含历史方案对比、ablation、GPT 观点），
但部分章节用的是旧版数据。本页只用最新数据，专注于"为什么是 A1"这一个问题。
杠杆 ETF 选型研究：QQQ/QLD/TQQQ vs SPY/SSO/UPRO
research/gen_multi_start_compare.py · 3 起点 × 5 组合 LS 网格 + Walk-forward
| 观点源：与 GPT 对话讨论（2026-04-18）
本页综合两条线索：
① 数据驱动：3 起点 × 4 组 MA-only 网格 + A1 对照 + walk-forward
② 观点驱动：GPT 关于「QQQ vs SPY 长期赔率」「2× vs 3× 杠杆台阶」的对话观点
⚠️ 全部统一 P50 口径（A1 因为是固定单点参数，单独标注「单点」对照）
1. 三个起点设计 + Walk-forward 切分
| 起点 | 含义 | 数据长度 | Walk-fwd A 段 | Walk-fwd B 段 |
|---|---|---|---|---|
| 2000-01-01 | 含 dot-com 暴跌 | 26.3 年 | 2000-01-01 ~ 2013-02-26 | 2013-02-26 ~ 2026-04-17 |
| 2005-01-01 | dot-com 后 / 含 2008 金融危机 | 21.3 年 | 2005-01-01 ~ 2015-08-24 | 2015-08-24 ~ 2026-04-17 |
| 2010-01-01 | 纯正常牛熊周期（仅含 COVID） | 16.3 年 | 2010-01-01 ~ 2018-02-22 | 2018-02-22 ~ 2026-04-17 |
+1 = 完全一致（A 段最优 MA = B 段也最优）→ 参数高度稳健
0 = 无关（参数选择无意义）
-1 = 完全反向（A 段最优 MA = B 段最差）→ 过拟合警告
| 网格维度 | 参数总数 | Walk-fwd RC | 解读 |
|---|---|---|---|
| 纯 MA 一维（本页数据） | 221 | +0.542 🟢 | MA 单参数稳健，跨段排名一致 |
| MA × Trail 二维 | ~9,300 | -0.144 🔴 | 加入 Trail 维度后整体联合参数严重过拟合 |
数据源：
notes/ma_freq_walkforward_report.md（2026-04-18 跑的 MA × Trail 二维 walk-forward）
2. 📊 Buy-and-Hold 基线（跨起点）— 所有策略 alpha 的参照
| 标的 | 起点 2000 | 起点 2005 | 起点 2010 |
|---|---|---|---|
| QQQ (1×) | +8.29% | +14.92% | +18.61% |
| QLD (2×) | +5.33% | +21.88% | +31.11% |
| TQQQ (3×) | -3.67% | +24.60% | +39.77% |
| SPY (1×) | +8.11% | +10.71% | +13.94% |
| SSO (2×) | +8.65% | +14.35% | +22.50% |
| UPRO (3×) | +6.17% | +14.89% | +28.67% |
| 标的 | 起点 2000 | 起点 2005 | 起点 2010 |
|---|---|---|---|
| QQQ (1×) | -82.96% | -53.40% | -35.12% |
| QLD (2×) | -98.92% | -83.13% | -63.68% |
| TQQQ (3×) | -99.98% | -94.62% | -81.66% |
| SPY (1×) | -55.19% | -55.19% | -33.72% |
| SSO (2×) | -89.05% | -84.67% | -59.34% |
| UPRO (3×) | -98.28% | -95.57% | -76.82% |
3. 🔍 策略组合 P50 跨起点对比（统一 P50 口径）
| 组合 | 起点 2000 | 起点 2005 | 起点 2010 |
|---|---|---|---|
| QQQ → QLD (2×, MA-only) | +12.52% | +21.48% | +26.74% |
| QQQ → TQQQ (3×, MA-only) | +14.94% | +26.00% | +33.02% |
| SPY → SSO (2×, MA-only) | +10.92% | +14.77% | +18.74% |
| SPY → UPRO (3×, MA-only) | +13.04% | +18.05% | +22.80% |
| QQQ → TQQQ (A1, 单点) | +20.44% | +28.98% | +39.50% |
| 组合 | 起点 2000 | 起点 2005 | 起点 2010 |
|---|---|---|---|
| QQQ → QLD (2×, MA-only) | -86.43% | -65.73% | -46.99% |
| QQQ → TQQQ (3×, MA-only) | -92.02% | -75.13% | -57.67% |
| SPY → SSO (2×, MA-only) | -63.30% | -62.70% | -44.32% |
| SPY → UPRO (3×, MA-only) | -72.15% | -69.70% | -55.07% |
| QQQ → TQQQ (A1, 单点) | -83.13% | -77.45% | -68.72% |
| 组合 | 起点 2000 | 起点 2005 | 起点 2010 |
|---|---|---|---|
| QQQ → QLD (2×) | 0.145 | 0.324 | 0.563 |
| QQQ → TQQQ (3×) | 0.163 | 0.338 | 0.567 |
| SPY → SSO (2×) | 0.173 | 0.236 | 0.429 |
| SPY → UPRO (3×) | 0.177 | 0.260 | 0.422 |
| QQQ → TQQQ (A1, 单点) | 0.246 | 0.374 | 0.575 |
| 组合 | 起点 2000 | 起点 2005 | 起点 2010 |
|---|---|---|---|
| QQQ → QLD (2×) | 1.78% | 1.30% | 1.67% |
| QQQ → TQQQ (3×) | 3.64% | 2.48% | 3.15% |
| SPY → SSO (2×) | 0.93% | 0.75% | 0.50% |
| SPY → UPRO (3×) | 1.91% | 1.54% | 0.97% |
| 组合 | 起点 2000 | 起点 2005 | 起点 2010 |
|---|---|---|---|
| QQQ → QLD (2×) | +0.568 | +0.356 | +0.442 |
| QQQ → TQQQ (3×) | +0.542 | +0.187 | +0.350 |
| SPY → SSO (2×) | +0.270 | -0.119 | -0.570 |
| SPY → UPRO (3×) | +0.238 | -0.136 | -0.616 |
4. 📋 全量数据汇总（每起点一张完整对照表）
α vs QQQ BAH = 该组合 CAGR − QQQ 同起点 BAH CAGR（衡量「比无脑持有 QQQ 多赚多少」）。
| 类型 | 组合 | 最优 MA | CAGR | MaxDD | Calmar | α vs QQQ | Walk-fwd RC | 交易 |
|---|---|---|---|---|---|---|---|---|
| 基准 | QQQ (1× BAH) | — | +8.29% | -82.96% | 0.100 | — | — | — |
| 基准 | QLD (2× BAH) | — | +5.33% | -98.92% | 0.054 | -2.97% | — | — |
| 基准 | TQQQ (3× BAH) | — | -3.67% | -99.98% | -0.037 | -11.96% | — | — |
| 基准 | SPY (1× BAH) | — | +8.11% | -55.19% | 0.147 | -0.18% | — | — |
| 基准 | SSO (2× BAH) | — | +8.65% | -89.05% | 0.097 | +0.36% | — | — |
| 基准 | UPRO (3× BAH) | — | +6.17% | -98.28% | 0.063 | -2.12% | — | — |
| P50 | QQQ → QLD MA-only | 243d | +12.52% | -86.43% | 0.145 | +4.23% | +0.568 | 71 |
| P50 | QQQ → TQQQ MA-only | 249d | +14.94% | -92.02% | 0.163 | +6.65% | +0.542 | 69 |
| P50 | SPY → SSO MA-only | 235d | +10.92% | -63.30% | 0.173 | +2.63% | +0.270 | 74 |
| P50 | SPY → UPRO MA-only | 235d | +13.04% | -72.15% | 0.177 | +4.75% | +0.238 | 74 |
| 单点 | QQQ → TQQQ A1（生产） | 242d + Tr40% | +20.44% | -83.13% | 0.246 | +12.15% | — | 12 |
| 类型 | 组合 | 最优 MA | CAGR | MaxDD | Calmar | α vs QQQ | Walk-fwd RC | 交易 |
|---|---|---|---|---|---|---|---|---|
| 基准 | QQQ (1× BAH) | — | +14.92% | -53.40% | 0.279 | — | — | — |
| 基准 | QLD (2× BAH) | — | +21.88% | -83.13% | 0.263 | +6.96% | — | — |
| 基准 | TQQQ (3× BAH) | — | +24.60% | -94.62% | 0.260 | +9.68% | — | — |
| 基准 | SPY (1× BAH) | — | +10.71% | -55.19% | 0.194 | -4.20% | — | — |
| 基准 | SSO (2× BAH) | — | +14.35% | -84.67% | 0.170 | -0.57% | — | — |
| 基准 | UPRO (3× BAH) | — | +14.89% | -95.57% | 0.156 | -0.03% | — | — |
| P50 | QQQ → QLD MA-only | 243d | +21.48% | -65.73% | 0.324 | +6.56% | +0.356 | 61 |
| P50 | QQQ → TQQQ MA-only | 243d | +26.00% | -75.13% | 0.338 | +11.08% | +0.187 | 61 |
| P50 | SPY → SSO MA-only | 137d ⚠ | +14.77% | -62.70% | 0.236 | -0.15% | -0.119 | 103 |
| P50 | SPY → UPRO MA-only | 137d ⚠ | +18.05% | -69.70% | 0.260 | +3.13% | -0.136 | 103 |
| 单点 | QQQ → TQQQ A1（生产） | 242d + Tr40% | +28.98% | -77.45% | 0.374 | +14.06% | — | 11 |
| 类型 | 组合 | 最优 MA | CAGR | MaxDD | Calmar | α vs QQQ | Walk-fwd RC | 交易 |
|---|---|---|---|---|---|---|---|---|
| 基准 | QQQ (1× BAH) | — | +18.61% | -35.12% | 0.530 | — | — | — |
| 基准 | QLD (2× BAH) | — | +31.11% | -63.68% | 0.488 | +12.49% | — | — |
| 基准 | TQQQ (3× BAH) | — | +39.77% | -81.66% | 0.487 | +21.15% | — | — |
| 基准 | SPY (1× BAH) | — | +13.94% | -33.72% | 0.414 | -4.67% | — | — |
| 基准 | SSO (2× BAH) | — | +22.50% | -59.34% | 0.379 | +3.88% | — | — |
| 基准 | UPRO (3× BAH) | — | +28.67% | -76.82% | 0.373 | +10.05% | — | — |
| P50 | QQQ → QLD MA-only | 209d | +26.74% | -46.99% | 0.563 | +8.12% | +0.442 | 53 |
| P50 | QQQ → TQQQ MA-only | 174d | +33.02% | -57.67% | 0.567 | +14.40% | +0.350 | 50 |
| P50 | SPY → SSO MA-only | 51d ⚠⚠ | +18.74% | -44.32% | 0.429 | +0.13% | -0.570 | 138 |
| P50 | SPY → UPRO MA-only | 51d ⚠⚠ | +22.80% | -55.07% | 0.422 | +4.18% | -0.616 | 138 |
| 单点 | QQQ → TQQQ A1（生产） | 242d + Tr40% | +39.50% | -68.72% | 0.575 | +20.88% | — | 8 |
- 类型「基准」（灰底）：纯持有不动，是 alpha 计算的零点。BAH 没有 MA 参数所以「最优 MA」列为 —
- 类型「P50」（紫/绿底）：MA 30~250 天网格搜索（221 组）的中位数表现。「最优 MA」= 该起点下 Calmar 最高的 MA 值
- 类型「单点」（蓝底）：A1 固定参数 MA=242d/Trail=40%（当前生产策略）
- α vs QQQ 是「CAGR 减去同起点 QQQ BAH 的 CAGR」，正数 = 跑赢 QQQ 持有
- Walk-fwd RC 越接近 +1 越稳，负数表示 A 段最优 = B 段最差（过拟合警告）
- ⚠ / ⚠⚠ 标注：SPY 系最优 MA 在不同起点严重漂移（235d → 137d → 51d），正是 walk-fwd 翻负的根源
5. 🎯 推荐参数汇总（每组合的最优 MA 跨起点稳定性）
| 组合 | 起点 2000 最优 MA |
起点 2005 最优 MA |
起点 2010 最优 MA |
跨起点漂移 | 推荐执行参数 |
|---|---|---|---|---|---|
| QQQ → QLD (2×) | 243d | 243d | 209d | 小（34d）⭐ | MA ≈ 240d（一年均线） |
| QQQ → TQQQ (3×) | 249d | 243d | 174d | 小（75d） | MA ≈ 242d（已选用） |
| SPY → SSO (2×) | 235d | 137d | 51d | 大（184d）⚠️ | 漂移严重 → 不推荐 |
| SPY → UPRO (3×) | 235d | 137d | 51d | 大（184d）⚠️ | 漂移严重 → 不推荐 |
| QQQ → TQQQ A1（生产） | 固定单点 MA=242d + Trail=40%（不搜网格） | — | MA=242d / Trail=40% ⭐⭐ | ||
生产执行 MA=242d 是合理选择——既是 QLD 最优 (243d)、又是 TQQQ 起点 2000/2005 最优 (249d/243d)，还接近起点 2010 最优 (174d)。
Walk-fwd Rank Corr 翻负（-0.57 / -0.62）正是这种漂移的数值证据—— 选什么 MA 在 SPY 系上都没有持续稳定的 edge。
- 主策略：QQQ → TQQQ A1（MA=242d + Trail=40%）—— 当前生产，跨起点最优
- Plan B：QQQ → QLD MA-only（MA≈240d）—— 心理承受不住 -80% 时切换，收益仅降 6%/年
- 不推荐：SPY → SSO / UPRO—— 参数漂移严重，历史最优无法迁移到未来
6. 🔬 A1 稳健性深度验证（跨起点 + 跨 A/B 段 + vs MA-only 对照）
research/gen_a1_robustness.py + research/gen_a1_vs_maonly.py
生死攸关：依赖 walk-fwd rank corr 为正（A 段最优 → B 段也好）
实例：起点 2010 A 段最优 30d/46% → B 段衰减到 +29%
最坏情况：B 段最优 38d/24% → 切到 A 段（dot-com）崩 -13.28%
不依赖 rank corr：每段单独 top + 每段 CAGR > 0 就行
A1 验证：6 段全部 CAGR > 0，最差段（dot-com）仍赚 +1.16%
比喻：不选"年度最佳餐厅"，选"10 年没倒过的老店"
| 起点 | A1 CAGR | CAGR 分位 | A1 MaxDD | MaxDD 分位 | A1 Calmar | Calmar 分位 |
|---|---|---|---|---|---|---|
| 2000-01 | +20.44% | 99.9% | -83.13% | 96.2% | 0.246 | 100.0% |
| 2005-01 | +28.98% | 83.7% | -77.45% | 73.5% | 0.374 | 85.5% |
| 2010-01 | +39.50% | 96.8% | -68.72% | 82.2% | 0.575 | 94.9% |
| 起点 | 切分日期 | MA 一维 RC | MA × Trail 二维 RC | 含义 |
|---|---|---|---|---|
| 2000-01 | 2013-02-26 | +0.542 🟢 | -0.200 🔴 | MA 稳 / 加 Trail 后整体反向 |
| 2005-01 | 2015-08-24 | +0.187 🟡 | -0.225 🔴 | 同上 |
| 2010-01 | 2018-02-22 | +0.350 🟡 | -0.397 🔴 | 同上，最严重 |
A1 不走这条路——A1 是事先固定的 242d/40%，不会每年拿着 A 段最优参数去 B 段验证。 所以 A1 真正需要通过的不是 rank corr，而是"A1 这个具体点在每段都 CAGR > 0"这个更强的条件。
| 参数 | 9 窗口最低 CAGR | 起点 2000 A 段 (dot-com 死亡区) |
9 窗口全部 > 0 ? | 跨段 CAGR 中位 |
|---|---|---|---|---|
| A1（生产）MA=242d + Tr=40% | +1.16% | +1.16% ✅ | ✅ 全部存活 | +34.76% |
| MA=242d 纯 MA（A1 去 Trail） | -0.78% | -0.78% ❌ | ❌ 崩 1 段 | +33.75% |
| MA=174d 纯 MA（近期最优） | -6.16% | -6.16% ❌ | ❌ 崩 1 段 | +33.00% |
| MA=249d 纯 MA（dot-com 防御） | -1.04% | -1.04% ❌ | ❌ 崩 1 段 | +33.70% |
| 38d/Tr=24%（B 段最优） | -13.28% | -13.28% ❌❌ | ❌ 崩 1 段（极惨） | +31.55% |
research/gen_a1_vs_p50_9windows.py
| 窗口 | A1 CAGR | MA×Trail 网格 P25 | MA×Trail 网格 P50 | MA×Trail 网格 P75 | A1 - P50 | A1 赢？ |
|---|---|---|---|---|---|---|
| 2000 全段 | +20.44% | +12.64% | +13.89% | +15.75% | +6.55% | ✅ |
| 2000 A 段（dot-com） | +1.16% | -10.3% | -6.13% | -1.7% | +7.29% | ✅ |
| 2000 B 段 | +43.08% | +35.0% | +38.48% | +42.3% | +4.60% | ✅ |
| 2005 全段 | +28.98% | +25.0% | +26.31% | +27.7% | +2.67% | ✅ |
| 2005 A 段 | +19.63% | +18.2% | +19.79% | +21.5% | -0.16% | ⚖️ |
| 2005 B 段 | +39.40% | +31.3% | +34.85% | +38.9% | +4.55% | ✅ |
| 2010 全段 | +39.50% | +32.3% | +34.28% | +36.4% | +5.22% | ✅ |
| 2010 A 段 | +43.76% | +38.1% | +41.09% | +43.7% | +2.67% | ✅ |
| 2010 B 段 | +34.76% | +22.2% | +27.74% | +32.2% | +7.02% | ✅ |
唯一"输"的是 2005 A 段 -0.16%（基本持平，算平手）
A1 = +1.16%/年
→ A1 不是"运气"，是 1776 组里真正能活的少数
| 窗口 | A1 CAGR | MA-only 网格 P25 | MA-only 网格 P50 | MA-only 网格 P75 | A1 - P50 | A1 赢？ |
|---|---|---|---|---|---|---|
| 2000 全段 | +20.44% | +13.0% | +14.58% | +16.6% | +5.86% | ✅ |
| 2000 A 段（dot-com） | +1.16% | -12.5% | -7.93% | -3.7% | +9.09% | ✅ |
| 2000 B 段 | +43.08% | +41.9% | +42.90% | +44.2% | +0.18% | ✅ |
| 2005 全段 | +28.98% | +24.0% | +25.87% | +27.8% | +3.11% | ✅ |
| 2005 A 段 | +19.63% | +10.8% | +12.75% | +15.2% | +6.88% | ✅ |
| 2005 B 段（牛） | +39.40% | +40.7% | +41.75% | +44.2% | -2.35% | ❌ |
| 2010 全段 | +39.50% | +30.4% | +32.62% | +35.4% | +6.88% | ✅ |
| 2010 A 段 | +43.76% | +22.2% | +27.39% | +33.7% | +16.37% | ✅ |
| 2010 B 段（牛） | +34.76% | +36.3% | +38.74% | +41.9% | -3.98% | ❌ |
| 超额来源 | 跨 9 窗口平均 | 解读 |
|---|---|---|
| A1 - MA-only P50 (少一维) | +4.67%/年 | Trail 机制 + 事后选参数 合计 |
| A1 - MA × Trail P50 (同维度) | +4.48%/年 | 纯事后选参数红利（同维度网格内） |
| → Trail 机制纯 CAGR 贡献 | +0.19%/年 | 几乎可忽略（= 4.67 − 4.48） |
A1 真实超额来源主要是"事后选参数"（+4.5%）而非 Trail 机制（+0.19%）。 但"事后选参数"不等于"过拟合"——因为 A1 是跨 3 起点都 top 的共识单点， 不是某一段偶然最优的结果。
按 P50 做财务规划：跨 3 起点全段 P50 ≈ +13.89% / +26.31% / +34.28%，中位约 +26%/年， 比 A1 历史 +29.6% 低 ~3.6%。这个差距就是"过拟合溢价"，不要计入退休规划。
| 维度 | Trail 的真实贡献 | 评价 |
|---|---|---|
| 全段 CAGR（LS） | +0.5 ~ +2%/年 | 微弱正贡献 |
| MaxDD | -0 ~ -16% | ❌ 负贡献！Trail 让熊市多扛一段 |
| 交易次数 | -83% | ✅ Trail 最大价值 |
| dot-com 段生存 | +1.94% | ✅ 从 -0.78% → +1.16%（活下来） |
| 参数稳健性（DCA std） | 1.85% vs 2.4% | ✅ 参数偏离最优惩罚小 23% |
MA 一维 RC +0.542 → 二维加 Trail RC -0.144 的真正解读： 这不是说 Trail 是坏的，而是说 Trail 维度的"最优值"不稳定；把 Trail 固定在 40% 安全值而不搜索反而是正确做法。
| 防线 | 检验标准 | A1 通过？ |
|---|---|---|
| 1. 网格分位 | A1 在跨 3 起点二维网格 Calmar 分位 ≥ 80% | ✅ 100% / 85.5% / 94.9% |
| 2. 跨段 OOS | A1 在每起点 A/B 段单独测试都 CAGR > 0 | ✅ 6 段最低 +1.16% |
| 3. 跨参数优势 | A1 比 4 个候选 MA-only 单点更稳健（9 窗口存活率） | ✅ 唯一全存活 |
A1 历史 CAGR (+20/+29/+40) 是上限参考，不算数，不要用它做退休规划。
不切换到纯 MA-only：dot-com 段崩 -0.78%，差 +1.94%的"生死线"。
7. 🔍 纯 MA vs MA+Trail 网格 P50 公允对比
脚本：
research/gen_trail_vs_no_trail_grid_p50.py
| 起点 | 纯 MA P50 | MA+Trail P50 | CAGR 差 | MaxDD 差 | Calmar 差 |
|---|---|---|---|---|---|
| 2000 | +14.58% / -91.85% | +13.89% / -94.76% | -0.69% | -2.91% | -0.01 |
| 2005 | +25.87% / -75.13% | +26.31% / -79.00% | +0.44% | -3.87% | +0.00 |
| 2010 | +32.62% / -57.67% | +34.28% / -74.30% | +1.66% | -16.63% | -0.11 |
| 起点 | 纯 MA 最优 | MA+Trail 最优 | CAGR 差 | MaxDD 差 |
|---|---|---|---|---|
| 2000 | +19.82% / -82.96% | +20.44% / -83.13% | +0.62% | -0.17% |
| 2005 | +28.13% / -70.96% | +33.69% / -76.92% | +5.56% | -5.96% |
| 2010 | +37.42% / -52.94% | +38.15% / -58.21% | +0.73% | -5.27% |
8. ⏱️ 持仓时间占比 + 牛市幻觉验证
research/gen_holding_time_analysis.py
| 起点 | 纯 MA P50 持仓 | MA+Trail P50 持仓 | A1 单点持仓 | Trail 多持仓 | CAGR 收益 |
|---|---|---|---|---|---|
| 2000（含深熊） | 70.89% | 78.98% | 78.28% | +8.09% | -0.69%（亏！） |
| 2005（中性） | 78.64% | 87.08% | 88.69% | +8.44% | +0.44% |
| 2010（纯牛） | 81.96% | 90.29% | 93.14% | +8.33% | +1.66%（赚） |
但 CAGR 差完全不同：深熊段多持仓 = 亏（2000 -0.69%）/ 牛市段多持仓 = 赚（2010 +1.66%）。
Trail 的 CAGR 优势 = 持仓时间长 × 市场表现，对后市的预测性弱（依赖未来是牛是熊）。
| 起点 | 纯 MA P50 / 年 | MA+Trail P50 / 年 | A1 / 年 |
|---|---|---|---|
| 2000 (26 年) | 4.07 | 0.87 | 0.46 |
| 2005 (21 年) | 3.71 | 0.80 | 0.52 |
| 2010 (16 年) | 3.99 | 0.80 | 0.49 |
对中国境内：资本利得免税，差距不影响税务，但操作 + 心理负担 + 滑点（~0.18%/年）有真实影响。
对美国账户：纯 MA 大量短期持仓（联邦税 22-24%）vs A1 大量长期持仓（15%），税差可达 +7-9%/年。
9. 🎯 纯 MA 9 窗口生存测试（决定性证据）
research/gen_pure_ma_9windows.py
相比之下，A1（MA=242d + Trail=40%）是 9 窗口全部 CAGR > 0 的唯一已知参数。
| 窗口 | A1 CAGR | 纯 MA 224d CAGR | 差 | A1 MaxDD | 纯 MA MaxDD |
|---|---|---|---|---|---|
| 2000 全段 | +20.44% ✅ | +19.32% ✅ | +1.12% | -83.13% | -83.20% |
| 2000 A 段 | +1.16% ✅ | -0.54% ❌ | +1.70%（生死线） | -83.13% | -83.20% |
| 2000 B 段 | +43.08% | +42.82% | +0.26% | -68.72% | -57.43% |
| 2005 全段 | +28.98% | +27.60% | +1.38% | -77.45% | -70.78% |
| 2005 A 段 | +19.63% | +17.35% | +2.28% | -77.45% | -70.78% |
| 2005 B 段 | +39.40% | +40.53% | -1.13% | -68.72% | -57.43% |
| 2010 全段 | +39.50% | +34.10% | +5.40% | -68.72% | -57.43% |
| 2010 A 段 | +43.76% | +30.15% | +13.61% | -46.70% | -53.48% |
| 2010 B 段 | +34.76% | +37.54% | -2.78% | -68.72% | -57.43% |
| 9 窗口全活 | ✅ | ❌ | A1 唯一通过 | ||
| 最低 / 中位 CAGR | +1.16% / +34.76% | -0.54% / +30.15% | A1 最低高 +1.70%，中位高 +4.61% | ||
| Rank | MA (d) | 9 窗口最低 CAGR | 9 窗口中位 CAGR | 9 窗口全活? |
|---|---|---|---|---|
| 1 | 224 | -0.54% | +30.15% | ❌ |
| 2 | 238 | -0.64% | +31.39% | ❌ |
| 3 | 230 | -0.77% | +31.12% | ❌ |
| 4 | 242 | -0.78% | +33.75% | ❌ |
| 5 | 226 | -0.83% | +29.94% | ❌ |
| ... 全部 111 个纯 MA 单点都崩在 dot-com 段 | ||||
10. 🎯 排除非数据理由后的诚实评估
| 维度 | A1 (MA=242d + Trail=40%) | 纯 MA 224d (最稳健) | 谁赢 |
|---|---|---|---|
| 9 窗口全部 CAGR > 0 | ✅ | ❌ | A1 |
| 9 窗口最低 CAGR | +1.16% | -0.54% | A1 +1.70% |
| 9 窗口中位 CAGR | +34.76% | +30.15% | A1 +4.61% |
| 起点 2010 全段 CAGR | +39.50% | +34.10% | A1 +5.40% |
| 起点 2010 A 段 CAGR | +43.76% | +30.15% | A1 +13.61% |
| 年均交易次数 | 0.5/年 | 4/年 | A1（少 8×） |
| 起点 2010 B 段 MaxDD | -68.72% | -57.43% | 纯 MA -11.29% |
| 起点 2005 全段 MaxDD | -77.45% | -70.78% | 纯 MA -6.67% |
| 跨段 MaxDD 平均 | ~-71% | ~-65% | 纯 MA ~-6% |
• 唯一通过 9 窗口测试（111 纯 MA 单点 0 个通过）
• 中位 CAGR 多 +4.6% / 最差段多 +1.7% / 起点 2010 多 +5.4%
• 操作量少 8 倍
纯 MA 唯一优势是 MaxDD 平均浅 ~6%，但用「6% MaxDD 浅」换「4.6% CAGR 失 + 9 窗口存活率失 + 操作量 8×」不划算。
只要保持 A1 不动（不改成"最近段最优"），这个红利可持续。
11. 🎯 三大关键发现（基于 P50 一致口径）
| 起点 2010 对比 | CAGR P50 | MaxDD P50 | Walk-fwd RC | CAGR std |
|---|---|---|---|---|
| QQQ → QLD (2×) | +26.7% | -47.0% | +0.44 | 1.67% |
| SPY → SSO (2×) | +18.7% | -44.3% | -0.57 | 0.50% |
| 差距 | +8.0%/年 | 仅 -2.7% | +1.01 | +1.17% |
- • 起点 2000：+12.5% vs +10.9% → 差 +1.6%
- • 起点 2005：+21.5% vs +14.8% → 差 +6.7%
- • 起点 2010：+26.7% vs +18.7% → 差 +8.0%
- • 起点 2000：+14.9% vs +13.0% → 差 +1.9%
- • 起点 2005：+26.0% vs +18.1% → 差 +7.9%
- • 起点 2010：+33.0% vs +22.8% → 差 +10.2%
- • QQQ → QLD：+0.568 → +0.356 → +0.442（始终为正，最稳）
- • QQQ → TQQQ：+0.542 → +0.187 → +0.350（始终为正）
- • SPY → SSO：+0.270 → -0.119 → -0.570
- • SPY → UPRO：+0.238 → -0.136 → -0.616
12. 决策矩阵：四档可选（含新发现的 QLD）
13. 决策建议（更新版）
14. 心理决策线：100 万本金最坏单点的余额
15. GPT 观点 #1：未来 10 年 QQQ vs SPY 哪个强？
理由：QQQ = Nasdaq-100 偏成长/科技/平台型，AI 基础设施、半导体、平台垄断红利兑现 → QQQ 优势继续。
GPT 理由：SPY 底层更分散（11 个 GICS 行业），震荡/假突破/风格切换时不容易被反复打脸。
16. GPT 观点 #2：SPY/SSO vs SPY/UPRO 选哪个？
相关波动指标 ≈ 15.3%
→ 鲁棒性更强、对规则质量要求更低
相关波动指标 ≈ 33.0%（2× SSO）
→ 假突破、震荡市、风格切换会被放大
→ 与本项目数据印证一致：SSO P50 MaxDD 确实最浅 (-44%) 且 CAGR std 最低 (0.5%)。 但本项目又发现，QLD 比 SSO 更优（CAGR 高 8%/年 + walk-fwd 更稳）。 所以 GPT 的"2× 比 3× 优"成立，但只在「QQQ 底层 + 2× 杠杆 = QLD」组合下，不是 SSO。
17. GPT 观点 #3：LS vs DCA 不同入场方式的最优组合
P(QQQ/QLD 最优) = 32%
P(SPY/UPRO) = 18%
P(QQQ/TQQQ) = 12%
P(SPY/SSO 最优) = 31%
P(QQQ/TQQQ) = 20%
P(SPY/UPRO) = 13%
✅ 长期 EV 最稳的主系统
⚠ 上限不是最高
⚠ 依赖行情顺滑 + 自动化执行
不推荐作为默认主系统
✅ 2× QLD 避免 3× 的不可持续损耗
⚠ 底层更集中 + 高估值敏感
⚠ 更像战术武器，非默认主系统
需要成熟趋势过滤 + 扛得住深回撤
积累期进攻增强：QQQ / QLD — 再用成长底层放大右尾
不建议：直接在 QQQ/TQQQ 上一把梭
| 对照项 | GPT 新观点 #3 | 一致性 |
|---|---|---|
| vs GPT 观点 #1（趋势系统选 SPY/UPRO 64%） | LS 选 SPY/SSO / DCA 选 QQQ/QLD | ⚠️ 部分冲突 — 之前推 SPY/UPRO，现在降级为"不推荐" |
| vs GPT 观点 #2（SSO > UPRO 68%） | 两场景都选 2× 组合 | ✅ 完全一致 — 都判定 2× 比 3× 更优 |
| vs 本项目数据（DCA 场景） | DCA 选 QQQ/QLD | ✅ 一致 — 本项目 Plan B 也是 QQQ/QLD（walk-fwd 最稳） |
| vs 本项目数据（LS 场景） | LS 选 SPY/SSO | ❌ 冲突 — 本项目 LS 口径 QQQ/QLD Calmar (0.563) > SPY/SSO (0.429) |
两者 在 DCA 场景完全一致（都推 QQQ/QLD），在 LS 场景分歧——GPT 更担心「一次性买入 QQQ 遇到估值压缩」的行为风险，本项目数据看不到这个风险因为是回测视角。
我的态度：DCA 是本项目主要场景（月供现金流），所以对齐 QQQ/QLD 的 Plan B 方案即可，不因 GPT 新 LS 观点推翻当前生产 QQQ/TQQQ A1 决策。
18. 🎯 最终生产决策（2026-04-18 锁定）
含义：A1 在 dot-com 段 +1.16% 可视为"过度防御"产物。 A1 在 2008 段（窗口 5：2005 A 段 +19.63%）和 2022 段（窗口 9：2010 B 段 +34.76%）的表现更接近未来真实预期。
但 dot-com 数据仍有价值——它证明 A1 在极端事件下不会归零，作为底线安全感。
| 组合 | 评级 | 用法 |
|---|---|---|
| QQQ → TQQQ A1（MA=242d + Tr=40%） | ⭐⭐⭐ 主 | 当前生产。DCA + LS 都最优。保持 cron 不动 |
| QQQ → QLD MA-only（MA≈240d） | ⭐⭐ Plan B | 如果 A1 实盘扛不住 -70%~-90%，切到这个。CAGR 降 6-13%/年但 MaxDD 浅 10-15% |
| SPY → SSO MA-only | ⭐ 极端备选 | 仅当心理无法承受任何 -60%+ 回撤。CAGR 牺牲 10-20%/年 |
| SPY → UPRO MA-only | ❌ 永久淘汰 | 每维度都中等无突出长项，walk-fwd 起点 2010 -0.62 |
| 指标 | 数值 | 用途 |
|---|---|---|
| 中性预期 CAGR | +25 ~ +28%/年 | 日常财务规划锚点（按 MA × Trail 网格 P50 跨起点中位） |
| 保守预期 CAGR (P25) | +18 ~ +22%/年 | 大额借贷/退休规划锚点（更安全） |
| A1 历史 CAGR | +20.4% / +28.9% / +39.5% | 上限参考，不算数（含过拟合溢价 ~+4.5%） |
| 预期最大回撤 | -65% ~ -75% | 2008 级深熊（最可能场景） |
| 极端最大回撤 | -85% | dot-com 重演（低概率，但不为零） |
- • QQQ 头部结构性变化：FAANG 集体盈利大幅下滑、AI 资本开支无法兑现 → QQQ 优势可能消失
- • 持续 2 年以上 A1 跑输 SPY 系：可能意味着 QQQ 结构性优势在衰减
- • 实际 MaxDD 超过 -85%：即使活下来，需要重新评估心理承受力，可能切 Plan B
- • 类 1970 年代滞胀环境：长期高通胀 + 股债双杀，所有杠杆策略都翻车，需要降仓位
- • ⚠️ 但不应该因为某 1-2 年表现不佳就改参数（这是过拟合到最近的典型陷阱）
2. 跨 9 窗口胜过 P50 基准 ≥ 7/9
3. 单点参数在最差段 CAGR > 0
19. 综合结论：数据派 vs 观点派
| 问题 | 本项目数据驱动结论 | GPT 观点结论 | 是否一致 |
|---|---|---|---|
| 底层选 QQQ 还是 SPY？ | QQQ（CAGR 高 5-10%） | LS → SPY | DCA → QQQ | ⚠️ LS 冲突 / DCA 一致 |
| 2× 还是 3× 杠杆？ |
3× TQQQ（含 Trail） 2× QLD（裸 MA-only） |
2×（SSO 或 QLD） | ⚠️ 部分一致 |
| Lump Sum 最优组合？ | QQQ/QLD（Calmar 0.563 > SSO 0.429） | SPY/SSO（P=38%） | ❌ 冲突 |
| DCA 最优组合？ | QQQ/QLD（walk-fwd 最稳 +0.44） | QQQ/QLD（P=36%） | ✅ 完全一致 |
| 最稳健组合？ | QQQ/QLD（walk-fwd +0.36~+0.57） | SPY/SSO（"瞎选都行"） | ❌ 冲突 |
| SPY/UPRO 推荐吗？ | 不推荐（每维度都中等） | 不推荐（3× 太刺激） | ✅ 一致 |
- 1. 主策略保持 QQQ/TQQQ A1（数据全面支持，跨起点最优）
- 2. Plan B 改为 QQQ/QLD MA-only（不再考虑 SPY/SSO）—— 这是本研究最重要的新发现
- 3. SPY/UPRO 永久退出考虑范围
- 4. SPY/SSO 仅在「无法承受任何 -60%+ 回撤」的极端情况下才考虑
20. 配套阅读
- • 原始数据：
static/data/multi_start_compare.json - • 详细报告：
notes/multi_start_compare_report.md - • 主生成脚本：
research/gen_multi_start_compare.py（~105 秒可重跑，含 QLD） - • A1 二维网格验证：
research/gen_a1_robustness.py→notes/a1_robustness_report.md - • A1 vs MA-only 9 窗口对比：
research/gen_a1_vs_maonly.py→notes/a1_vs_maonly_report.md - • A1 vs P50 基准 9 窗口反过拟合验证：
research/gen_a1_vs_p50_9windows.py→notes/a1_vs_p50_9windows_report.md - • 纯 MA vs MA+Trail 网格 P50 公允对比（§7）：
research/gen_trail_vs_no_trail_grid_p50.py - • 持仓时间 + 牛市幻觉验证（§8）：
research/gen_holding_time_analysis.py - • 纯 MA 9 窗口生存测试（§9）：
research/gen_pure_ma_9windows.py - • SPY/SSO/UPRO 模拟数据校验：
research/gen_sp500_ma_only.py - • 当前生产策略定义：
tqqq/config.py/.cursor/rules/tqqq-rebound-params.mdc
已验证无效的扩展模块
每个量化策略都会被各种"听起来很合理"的优化想法不断诱惑——CAPE 估值、VIX 情绪、事件驱动、动态杠杆、风险偏好分层。这个页面把所有跑过、有详细数据、不通过门槛的扩展模块集中归档。
建立这个页面的三个目的：
- 避免重复研究——下次再想到"要不要加 XX"，先来这一页查一遍
- 校准自己的过拟合直觉——绝大多数"+0.3% IRR" 类的提升在样本外都会消失
- 展示模块新增门槛——让"加复杂度"始终面对一个明确的反例池
⚠ 本页只收录已经投入精力做过严肃回测的模块。"想想就否定"的点子不在此列；它们应该写在策略思路里作为反例，而不是占用这里的版面。
总表速览
| 模块 | 所属策略 | 最优 ΔIRR | 最优 ΔMaxDD | 否决理由速览 | 日期 |
|---|---|---|---|---|---|
| v3 三因子（CAPE + RY 动量 + VIX） | TQQQ + QLD | +0.31% | −3.1% | 维护三套数据源，收益噪音级 | 2026-04-11 |
| CAPE 估值过滤 | TQQQ | ≈ 0% | ≈ 0% | 19 次入场仅 2 次被拦，MA 已覆盖 | 2026-04-14 |
| 分层建仓（30%→100% 双档） | TQQQ | ≈ 0% | ≈ 0% | 100% 一次到位与双档交叉验证一致 | 2026-04-13 |
| 三档轮动 (QQQ 1× / QLD 2× / TQQQ 3×) | 美股 | −1.9% | ≈ 0% | QLD 是"不上不下"的位置，反而拖累 | 2026-04-16 |
| 事件驱动加层（FOMC + CPI） | TQQQ | +1.24% | +8.6% | P50 IRR -7%、交易频率 50×、过拟合明显 | 2026-04-18 |
| QLD 反弹加速版（替代 TQQQ 做杠杆腿） | 反弹加速 | −9.1% | +16.2% | QLD Calmar 0.405 < TQQQ 0.440，3× 是结构性优势 | 2026-04-13 |
| Boost 叠加（在 Gate+TQQQ+GLD 之上） | 美股 | −2.8% | ≈ 0% | Risk-ON 时已是 3× 没空间升级，bug 修复后无价值 | 2026-04-13 |
| Crash filter（单日跌 20% 退到 IEF） | TQQQ | − | − | Calmar 0.45 → 0.38，假信号太多 | 2026-04-13 |
| 波动率目标策略 (Vol Targeting) | 美股 | − | −5% | 主要降回撤不提收益，E[Calmar] ~0.23 低于现有 | 2026-04-13 |
| TMF 长期国债对冲 | 美股 | − | − | 2022 加息 TMF 跌 70%，传统对冲失败 | 2026-04-13 |
| 期权收入（Covered Call / Wheel） | 美股 | −5.6% | ≈ 0% | QQQ Wheel CAGR 11.5% < 现有，限制牛市上限 | 2026-04-13 |
| QLD 配比策略本身（整体废弃） | QLD | ≈ 0%（P50） | ≈ 0% | P50 超额无意义，最优参数过拟合 | 2026-04-16 |
| Risk-off 时持仓 QLD（非 0%） | QLD | ≈ 0% | ≈ 0% | Risk-off QLD = 0% 最佳，无中间档价值 | 2026-04-13 |
| MA buffer（4% 缓冲带） | QLD | ≈ 0% | ≈ 0% | 0% 和 4% 差 0.004 Calmar，无意义 | 2026-04-13 |
| 调仓阈值精调（5-30%） | QLD | ≈ 0% | ≈ 0% | 5-30% 范围内 Calmar 差 < 0.004 | 2026-04-13 |
| 信号执行延迟（同日 vs 次日） | QLD | ≈ 0% | ≈ 0% | delay=0/1 差 0.002 Calmar，无影响 | 2026-04-13 |
v3 三因子（CAPE + RY 动量 + VIX）
ΔIRR +0.31% · 不通过想法：用三个因子代替单一均线 — Shiller CAPE（估值贵→减仓）+ 实际收益率 RY 动量（紧缩→减仓）+ VIX 5 年滚动分位（恐慌→减仓）。三因子加权决定 risk-on/off 程度和 QLD 比例（10%~75% 动态档位）。
| 指标 | 简化版（纯 MA） | v3 三因子 | 差异 |
|---|---|---|---|
| IRR | +24.20% | +23.89% | −0.31% |
| MaxDD | −37.9% | −34.8% | +3.1% |
| Calmar | 0.638 | 0.687 | +0.048 |
| 调仓次数 | 35 | 49 | +14 |
否决理由：
- IRR 差 0.31% / MaxDD 差 3.1% 都在回测噪音范围内，未过 1.5%/4% 门槛
- 简化版不需要维护三个数据源（Shiller CAPE / 10Y TIPS / CBOE VIX）
- 消融测试拆解：20% 阈值调仓贡献 80%，三因子信号只贡献 14%，Gate 单独 6%。真正的价值是阈值调仓机制，不是三因子本身
- 纯 MA 任何券商 app 都能直接看到，三因子需要专门数据源
脚本：research/strategy_experiment_v3.py · 决策记录：research/v3_to_simplified_decision.md
CAPE 估值过滤
ΔCalmar 0.001 · 不通过想法：在 v3 三因子失败后，单独把 CAPE（Shiller 周期调整市盈率）作为过滤层，叠加在 TQQQ 趋势轮动上。CAPE > 阈值（如 40 = dot-com 级别）时不入场 TQQQ。
回测结果：DCA Calmar 0.452 → 0.453（噪音级提升）。
否决理由：
- 26 年回测中 19 次 TQQQ 入场，仅 2 次发生在 CAPE > 40 期间（都在 dot-com 顶部）
- 那 2 次 dot-com 顶入场，21 周均线本身就在 dot-com 见顶后立刻翻熊，趋势轮动已经处理
- CAPE 提供的额外信息 = 0，但需要维护一个 100 年的 Shiller 数据源
- 未来如果出现"低 CAPE + 破均线"的不一致场景，反而可能拖累入场速度
分层建仓（30% → 100% 双档）
无优势 · 不通过想法：信号触发不要一次性 100% 切到 TQQQ，先进 30% 试探，QQQ 回撤更深时再加到 100%。理论上能改善熊市初期假信号的损失。
交叉验证结果：A 段 (2000-2012) 和 B 段 (2013-2026) 分别搜索最优参数，alloc=100% 是唯一两段完全一致的参数，Top 10 中 alloc 重叠率最高。
| 仓位 | DCA IRR | DCA MaxDD | DCA Calmar |
|---|---|---|---|
| 50% | +24.51% | −60.4% | 0.406 |
| 90%（旧） | +30.06% | −69.0% | 0.436 |
| 100%（当前） | +31.22% | −70.9% | 0.440 |
否决理由：
- 分层 = 仓位平均偏低，强趋势中明显跑输（IRR 衰减幅度大）
- "等更深回撤再加码"听起来谨慎，实际上等价于"用更复杂的规则换更慢的入场"
- 双档 vs 单档差距比信号噪音小一个量级，不值得多一个参数
- 实操上 100% 一次到位的执行心智成本最低
三档轮动（QQQ 1× / QLD 2× / TQQQ 3×）
ΔIRR −1.9% · 不通过想法：用趋势强度分三档选杠杆倍数：弱趋势 QQQ（1×）/ 中趋势 QLD（2×）/ 强趋势 TQQQ（3×）。试了三种信号定义（双均线交叉、均线距离、双均线 + 条件退出）。
| 策略（DCA 口径） | IRR | MaxDD | Calmar | 切换 |
|---|---|---|---|---|
| 二元 QQQ↔TQQQ（现有） | +27.5% | −70.0% | 0.393 | 137 |
| 三档 A 最佳（短 8w 双均线） | +25.6% | −70.0% | 0.366 | 160 |
| 三档 B 最佳（均线距离 10%） | +20.9% | −60.3% | 0.347 | 211 |
| 三档 C 最佳（短 10w + 止盈） | +25.1% | −70.0% | 0.359 | 161 |
为什么三档更差：
- QLD 是"不上不下"的位置——QQQ 在均线上方时 TQQQ 几乎总是优于 QLD（3× 结构性优势），插入 QLD 只是在确认趋势时白白降低杠杆
- "强 / 弱趋势"区分不可靠——短 MA > 长 MA 本质是滞后确认，等确认时 TQQQ 已吃到涨幅；短 MA 下穿时降到 QLD 反而是在趋势转弱时还留着杠杆
- 切换次数多 17%~113%，摩擦成本上升
- MaxDD 改善有限（最多 2.6%），但 IRR 牺牲 4 个百分点
脚本：research/three_tier_rotation.py
事件驱动加层（FOMC + CPI 前减仓 / 后恢复）
表面有效 · 深入失败想法：FOMC / CPI 这类宏观事件前减仓，事件后再恢复 TQQQ。直觉合理（事件风险大时保守）但与项目证据体系冲突。
测试：在 baseline（MA=21w / Trail=38%）之上叠加事件层，搜索空间 216 组（pre 1-10 天 × post 0-7 天 × 恢复条件 × 事件源）。
| 指标 | Baseline | 事件层 P50 | 事件层最优 | 解读 |
|---|---|---|---|---|
| DCA IRR | 30.20% | 23.22% | 31.44% | P50 比 baseline 差 7% |
| MaxDD | −70.7% | −76.4% | −62.1% | 最优解 MaxDD 改善 8.6% |
| IRR 标准差 | 1.85% | 3.47% | — | 参数稳健性恶化 88% |
| 26 年总动作 | 37 | — | 1813 | 交易频率 50× |
| A / B 段稳定性 | — | — | A:17.9% / B:37.1% | 提升来自 B 段大牛市运气 |
否决理由（任一成立即否决）：
- 已知事件已被 price in：FOMC / CPI 都是日历可查，市场提前调价
- 破坏性事件 → 均线自动接住：2008 / 2020 / 2022 都让 QQQ 跌破 21 周均线，基础信号已处理
- 黑天鹅无法预判：9/11、COVID 事前没人能识别，事后回测加进去叫过拟合
- 样本极少：26 年 ≈ 200 次 FOMC，真正"高风险" FOMC 只有 10-20 次
- 违背执行哲学：基础策略 1.4 笔/年，事件层最优解 70 笔/年
"事件后多加仓"在资金配置层已经自然实现：事件冲击 → QQQ 跌破均线 → 信号退出 → 月供继续打入 QQQM 累积现金 → 事件释放 → 信号重新入场，累积的 dry powder 一次到位换 TQQQ。基础策略 + 月度 DCA + 现金安全垫的组合，本身就是"事件驱动加码"。
脚本：research/tqqq_event_overlay.py · Baseline 复现 IRR 30.20% / MaxDD -70.7% 与权威值容差内
QLD 反弹加速版（用 QLD 替代 TQQQ 做杠杆腿）
ΔIRR −9.1% · 不通过想法：既然推荐 70% TQQQ（有效杠杆 2.1×），为什么不直接 100% QLD（有效杠杆 2.0×）？同等杠杆下，QLD 波动更小、回撤更浅，是否更优？
测试规模：6,250 组合（QLD + TQQQ 各 3,125 组）× 5 维度（ATH 窗口 / entry_dd / ma_weeks / alloc / exit_trailing）× 26 年日频数据。
| 策略 | 参数 | IRR | MaxDD | Calmar |
|---|---|---|---|---|
| TQQQ 搜索最优 | DD5%/MA15/100%/Trail25% | +31.22% | −70.9% | 0.4403 |
| QLD 搜索最优 | DD8%/MA15/100%/Trail15% | +22.15% | −54.7% | 0.4047 |
| QLD 同 TQQQ 参数（DD5%/Trail25%） | 同左 | +20.51% | −57.6% | 0.3558 |
QLD 的唯一优势：MaxDD 在 97% 的参数组合下更浅（平均少 8.1%）。但代价是 IRR 直接砍掉 9 个百分点。
否决理由：
- 3× 在反弹方向上的爆发力 ≠ 2× × 1.5——反弹加速的 alpha 来自"底部加杠杆捕捉反弹"，是低频、定向、短持有的模式，3× 的边际价值很高
- 持仓期短，日内衰减问题不大——TQQQ 长期波动衰减的劣势在反弹场景下不构成约束
- TQQQ 的高波动反而是优势——25% 止盈更容易触发，形成更多交易机会（同参数下 TQQQ 47 笔 vs QLD 27 笔）
- 如果想降风险，调仓位比换品种更优——50% TQQQ 有效杠杆 = 100% QLD = 2.0×，但保留了 3× 的爆发力和更灵活的仓位调节空间
QLD 100% 和 TQQQ 50% 在持续持有的场景下确实近似等效（都是 2.0× 暴露 + 不同程度的衰减）。但在定向爆发场景下完全不同——TQQQ 的非线性 payoff 在反弹方向上是"更陡的曲线"，而不是"更长的直线"。
脚本：research/deprecated/qld_rebound_search.py · 决策记录：research/deprecated/qld_vs_tqqq_rebound.md
Boost 叠加（在 Gate+TQQQ+GLD 之上）
ΔIRR −2.8% · 不通过想法：在 "Gate+TQQQ60+GLD40" 这个有效的黄金对冲组合之上，再叠加反弹加速信号——QQQ 回撤≥entry_dd + 站上 MA 时，把全部权益仓换成 TQQQ 3×。理论上能在底部捕捉反弹。
第一版回测结果惊人（实际是代码 bug）：
| 策略 | IRR (bug 版) | IRR (修复后) | 无 Boost 基准 |
|---|---|---|---|
| Boost+Gate+TQQQ60+GLD40 | +167% | +25% | +27.8% |
Bug 详情：原代码在 Boost 触发时，把 TQQQ 仓位"凭空翻倍"——既保留了原 TQQQ60 的暴露，又新增了 Boost 触发的 TQQQ 全仓换仓，同一笔资金被记录为 1.6 倍。修复后真实 IRR 是 +25%，反而比无 Boost 的 +27.8% 更低。
否决理由（结构性，不是参数问题）：
- Risk-ON 时基础策略已是 TQQQ 3×，Boost 没有"从 1× 升到 3×"的空间
- Boost 在原版 TQQQ 反弹加速里有效（平时持 QQQ 1× → Boost 时换 TQQQ 3×），但在 GLD 对冲框架下变成了"已经持 TQQQ → Boost 触发 → 还是 TQQQ"——纯增加交易摩擦
- 修复后实测 ΔIRR 是负的（−2.8%），不仅没增量，还在拖累
决策记录：research/us_stock_quant_directions.md "Boost 叠加结论更正" 章节
Crash filter（TQQQ 单日跌 20% 退到 IEF）
ΔCalmar −0.07 · 不通过想法：给 TQQQ 加一个"熔断式"安全阀——任何一天 TQQQ 跌 20% 以上，立即全部退到 IEF（中期国债 ETF），等市场稳定后再回来。直觉上能避免 -90% 级的崩盘。
回测结果：Calmar 从 0.45 降到 0.38。
为什么直觉错了：
- 假信号太多——TQQQ 单日跌 20%+ 在 26 年里发生了 30+ 次，绝大多数是波动而非崩盘前兆，第二天反弹回来时 IEF 已经卖空了
- 真正的崩盘已被趋势 Gate 接住——2008 / 2020 / 2022 等真崩盘都是先跌破均线（Gate 触发 risk-off），不需要 crash filter 二次保护
- "事后看是对的"陷阱——COVID 2020-03-12 那次单日 -28% 之后确实大跌，但它是反弹的起点，crash filter 卖在地板上
- 国债不是无脑避险品种——2022 加息周期，IEF 自己也跌了 12%，"避险"反而亏更多
波动率目标策略（Volatility Targeting）
E[Calmar] 0.23 · 不通过想法：用 EWMA(λ=0.94) 估计 QQQ 实时波动率，动态调整杠杆暴露：
E_t = clip(V_target / sigma_t × trend_signal, 0, max_exposure)
≤ 1 → 持有 QQQ
1 < E ≤ 2 → 持有 QLD
核心思路：低波环境放大杠杆抓收益，高波环境自动降杠杆控回撤。理论上路径更平滑，杠杆 ETF 的波动衰减更少。
回测结果（vs 现有策略）：
| 策略 | E[CAGR] | E[MaxDD] | E[Calmar] |
|---|---|---|---|
| 现有 Gate+50%QLD | +11.32% | −48.7% | 0.233 |
| Vol Target (V=18%, EWMA λ=0.94) | ~+10.5% | ~−45% | ~0.23 |
否决理由：
- 主要降回撤但不提收益——E[Calmar] 与现有策略持平（0.23 vs 0.23）
- EWMA 是滞后指标——波动率上升后才降杠杆，已经吃了第一波下跌
- 参数依赖度高——V_target / EWMA λ / SMA 窗口 三个参数都需要调，每个都对结果敏感
- 实操摩擦——需要每周根据波动率调仓，但调出来的暴露 0.7×、1.3× 等"非整数"杠杆很难精确执行
- 替代方案更好——Gate+TQQQ40+GLD60 黄金对冲（项目 Plan B）的 E[Calmar] 0.355 显著优于 Vol Target 的 0.23
TMF 长期国债对冲（传统"风险平价"思路）
2022 加息后失效想法：经典的 TQQQ + TMF 对冲组合（如 60% TQQQ + 40% TMF）。理论基础是"股债负相关"——股票跌时国债涨，反之亦然。"杠杆国债 + 杠杆股票"曾经是 SetupAlpha 等社区的明星策略。
为什么失败（2022 实证打脸）：
| 2022 表现 | 价格变化 | 注解 |
|---|---|---|
| QQQ | −33% | 加息打击成长股 |
| TQQQ | −79% | 3× 杠杆 + 波动衰减 |
| TLT（基础国债 ETF） | −31% | 历史同期最深跌幅 |
| TMF（3× 杠杆国债） | −70% | 对冲腿和股票腿同时归零 |
否决理由：
- "股债负相关"是历史平均，不是恒等式——2022 是同向暴跌，对冲完全失效
- 利率上升周期中，国债是有方向性风险的资产，不是"无风险避险品"
- 3× 杠杆国债的波动衰减比 TQQQ 更可怕——TLT 跌 31%，TMF 跌 70%
- 即使股债负相关恢复，TMF 自身的负 carry（融资成本 > 国债收益）会持续侵蚀回报
期权收入策略（Covered Call / Wheel）
CAGR 11.5% < 现有 · 不通过想法：传统的 "Wheel 策略"——卖出价外 Cash-Secured Put，被指派后持有股票，再卖 Covered Call，被指派后回到 Put。理论上能在震荡市赚权利金、在牛市降低成本基。
回测结果：
| 策略 | CAGR | Sharpe | 说明 |
|---|---|---|---|
| QQQ Wheel | 11.5% | 0.65 | 全面不如现有 QLD 策略 |
| SPY Wheel | 同期亏损 | — | 在某些时段甚至跑输 SPY 持有 |
| 现有 Gate+50%QLD | 17.1% | — | 基准 |
否决理由：
- Covered call 严重限制牛市上限——QQQ 一年涨 30%+ 时，Call 被指派只能拿到行权价 + 权利金，等于把 5-15% 的上涨送给对手盘
- 和项目核心矛盾——QLD/TQQQ 策略的核心优势是爆发力，期权策略恰好把爆发力切除
- 实操复杂度极高——需要管理希腊字母、滚动 IV、避免被早期指派；自动化定投体系几乎无法承载
- 权利金本质是"卖波动率"——而 QQQ 的长期超额回报本来就来自"波动率溢价"。卖出权利金等于把自己的 alpha 卖掉
Wheel / Covered Call 不是"无效"，而是错配。它适合：① 高股息蓝筹股 + 低波动 + 平稳收入需求；② 已经持有大量股票想"挤一点收入"的退休账户。不适合追求长期高 CAGR 的成长股 + 杠杆策略。两者目标函数完全不同。
QLD 配比策略（整体废弃）
2026-04-16 永久废弃策略定义：50% QLD（2× 杠杆纳指）+ 50% QQQM（1×）+ 趋势 Gate（QQQ > 8 月 MA → risk-on，否则 risk-off 全转 QQQM）+ 阈值再平衡。
为什么整体废弃：参数搜索的 P50（中位参数）结果显示，该策略并没有显著优于直接持有 QQQM。
| 维度 | 最优参数（搜索后） | P50 中位参数 | 解读 |
|---|---|---|---|
| DCA IRR vs 纯 QQQ | +5.2% | ≈ 0% | 最优 = 过拟合，P50 = 真实预期 |
| 维护成本 | 2 个 ETF + Gate 信号 | 同左 | 维护成本不随收益缩水 |
| 复杂度 | 阈值调仓、再平衡参数、QLD 比例 | 同左 | 3 个新参数维度 |
三个否决理由：
- P50 超额接近零——这才是"随便选个参数"的真实预期，不是网格里搜出来的最优值
- 之前看起来"有效"的回测来自搜索最优参数（过拟合方向），不是参数高原的中位表现
- 再平衡收割贡献接近零——P50 状态下，月度 DCA 已经天然完成"卖高买低"
规则文件：.cursor/rules/qld-strategy-deprecated.mdc · 当前美股活跃策略仅剩 TQQQ 趋势轮动
v3 三因子动态 tier（QLD 历史早期版本）
先被简化版取代 · 后整体废弃想法：QLD 配比策略最早不是 "固定 50% QLD"，而是用 v3 三因子（CAPE + RY 动量 + VIX）动态决定 QLD 比例 —— 10% / 30% / 50% / 75% 四档动态切换。
演进路径：
| 阶段 | 设计 | 命运 |
|---|---|---|
| v1 (2026-03) | v3 三因子动态 QLD 10-75% | 维护成本高、IRR 提升微弱 → 简化 |
| v2 (2026-04-11) | 简化为固定 QLD 50% + 单一 MA Gate | 看似稳定，P50 评估后发现无价值 |
| v3 (2026-04-16) | 整体废弃 | P50 ≈ 直接持 QQQM |
消融拆解（v3 三因子相比简化版的贡献）：
| 组件 | MaxDD 改善贡献 | 占比 |
|---|---|---|
| 20% 阈值调仓 | +15.3% | 80% |
| 三因子信号 | +2.7% | 14% |
| Gate 单独 | +1.0% | 6% |
"看起来三因子有效"是个假象——其实三因子的真实价值是动态目标频繁切换 0% ↔ 正常，从而触发了 20% 阈值调仓机制。一旦剥离调仓贡献，三因子本身的 alpha 只剩 14%。
其他 QLD 子模块（参数搜索证伪）
17,496 组合参数搜索背景：在 QLD 策略整体废弃前，做过一次 7 维度 17,496 组合的参数搜索（脚本 research/qld_param_search.py）。除了 QLD 比例和 MA 窗口外，其他维度全部证明无意义。这些子模块即使迁移到其他策略上也不应再次尝试。
| 维度 | 搜索范围 | Calmar 全范围差 | 结论 |
|---|---|---|---|
| Risk-off 时持仓 QLD | 0% / 25% / 50% | 0.323 → 0.339 | 0% 最佳，risk-off 持有任何 QLD 都拖累 |
| MA buffer（缓冲带） | 0% / 2% / 4% | 0.328 → 0.333 | 差 0.004 Calmar = 噪音，无意义 |
| 调仓阈值精调 | 5% / 10% / 15% / 20% / 25% / 30% | 0.329 → 0.333 | 5-30% 范围内 Calmar 差 < 0.004 |
| 信号执行延迟 | delay=0（同日）/ delay=1（次日） | 0.330 → 0.332 | delay=1 反而略好，但差 0.002 = 噪音 |
参数搜索的元教训：
- 维度有效性 ≠ 维度可调——QLD 比例和 MA 窗口确实重要，但"重要"是因为它们在很大范围内显著影响结果，而不是因为"可以调出更好的最优参数"
- Calmar 范围 < 0.005 的维度 = 死维度——这是项目里反复验证的经验阈值，等价于"再怎么调都改不出 0.5% IRR"
- "看起来 5% 调仓阈值最好"是数据噪音——下次跑同一个搜索，最优可能漂到 18% 或 12%。把这种漂移误认为信号是项目里最常见的过拟合源头
门槛原则（用什么标准否决一个模块）
- ΔIRR > 1.5% 或 ΔMaxDD > 4%（基线越高门槛越高）
- 参数稳健性不能恶化（IRR 标准差不能上升 > 30%）
- 分段稳定性必须通过（A / B 段贡献不能差 > 3×）
- 评估必须用 P50 中位参数，不能用搜索最优
为什么是这四条：
| 门槛 | 来源 |
|---|---|
| ΔIRR > 1.5% | 项目里所有 "< 1.5% 提升" 的模块在交叉验证中都退化到 ≈ 0。这个数字大致等于"两段子周期之间的环境噪音"，低于它的提升不可信 |
| ΔMaxDD > 4% | 同理。回撤改善小于 4% 在不同市场环境（dot-com / 金融危机 / COVID）中容易反转 |
| 参数稳健性 | 如果引入模块后 IRR 标准差大幅上升（如事件驱动 1.85% → 3.47%），意味着"猜对参数"才能拿到提升 — 实操几乎做不到 |
| 分段稳定性 | 如果提升完全来自某个子周期（如事件层在 B 段大牛市），这是"在友好环境过拟合"的典型信号 |
| P50 评估 | QLD 策略的废弃就是因为之前用搜索最优参数评估，看起来有 +5% IRR；改用 P50 后真实贡献 ≈ 0 |
即使过了硬门槛，还要看维护成本：
- 低维护模块（如改一个常量）：硬门槛减半即可（ΔIRR > 0.75%）
- 高维护模块（如新增数据源、新增信号链）：硬门槛翻倍（ΔIRR > 3%）
- 额外约束：考虑数据依赖、心智负担、页面复杂度、未来修改的连锁影响
- "虽然 IRR 没提升，但理论上更合理"——理论合理但数据不支持的，归类为过拟合直觉
- "在某个特定子周期表现很好"——子周期回测就是过拟合的代名词
- "虽然 P50 不行，但最优参数很惊艳"——最优参数 = 已经过拟合
- "未来市场环境变了它就会有效"——这是用未来辩护现在的失败，本质是不可证伪
⚠ 这些门槛不是从天而降，是项目过去 1 年踩坑总结的。每条都对应一个或多个被否决的模块。如果未来某个模块同时通过了所有门槛但实盘失效，需要更新这份原则。
使用指南：从定投到大资金
生命周期视角：当前存量资产不多，但未来净现金流（工资储蓄）较充裕。 未来现金流本质上等价于一笔"隐性固收"——因此现阶段可投资金配置以高波动、高右尾资产为主，用时间换空间。
两条主线： ① BTC——高 β 资产，用参数化的分区间定投优化买入路径（四维评分 → Z 档倍数），卖出侧用链上指标主动减仓； ② 美股——用 TQQQ 趋势策略做杠杆暴露管理，同时用 DCA 平滑路径。后期仓位积累过大时，超出疼痛阈值的部分分流到固收+，平抑组合波动。
远期演化：随着 BTC 逐渐成熟、β 衰减，会逐步将更多比例移向美股，当前的 70/20 配比不是终态。
四维评分 → Z 档倍数
卖出侧主动减仓
杠杆暴露管理 + DCA 路径平滑
仓位大后溢出到固收+
≥ 12 个月支出
唯一真正不相关的分散
新增资金占比大，DCA 天然分散风险。
趋势策略 α ≈ 0%——因为 DCA 本身已在保护你。
存量的涨跌开始主导体验。
条件退出的价值逐渐显现。
纯 TQQQ LS CAGR = −4%（26 年亏钱）。
MA 体制过滤 α = +17.1%（P50）——生死攸关。
核心原理：DCA 路径平滑的生命周期限制
对高波动、高右尾资产，研究「仓位路径管理」往往比研究「选不选这个资产」更重要。
DCA 是路径管理的核心工具——但它有一个结构性天花板。
不研究"该不该买 BTC"，而研究「不同价位区间分配多少仓位」。
四维评分 → Z 档 → 倍数 = 用 DCA 的动态权重选择更优路径。
BTC 的卖出侧（MVRV Z + NUPL）还提供主动减仓，不完全依赖 DCA 平滑。
趋势轮动负责「什么时候暴露」，DCA 负责「平滑暴露过程」。
LS MaxDD -95% / Calmar 0.18 → 加 DCA 后 -71% / 0.44。
DCA 让仓位从零逐步积累——早期回撤时仓位轻，摔不疼。
| 阶段 | 月投 ¥1 万 | 存量仓位 | 新增 / 存量 | DCA 平滑效果 |
|---|---|---|---|---|
| 积累早期 | ¥1 万 | ¥5 万 | 20% | █████ 强 |
| 积累中期 | ¥1 万 | ¥50 万 | 2% | ██ 弱 |
| 积累后期 | ¥1 万 | ¥500 万 | 0.2% | █ ≈ Lump Sum |
| 参数组 | DCA IRR | DCA α | LS CAGR | LS α | 评价 |
|---|
| 场景 | 使用口径 | 关键数字 |
|---|---|---|
| 表格对比 / 预期收益 | P50 中性预期 | DCA IRR +27.5% · LS CAGR +12.8% |
| 实盘执行参数 | DCA 最优 | MA=21w, Tr=38% · DCA IRR +32.0% |
| 压力测试 / 风险提示 | LS P50 或 P25 | LS MaxDD −95.9%（P50）/ −97.4%（P25） |
——只按绝对金额的疼痛度 cap 杠杆策略的仓位规模，
超出部分分流到固收+（短债 ETF，零复杂度）。
回测验证：杠杆 ETF 趋势策略 + 固收+ 严格优于纯 QQQ（收益更高、回撤更浅）。
| 美股桶规模 | TQQQ 策略 | 其余部分 | 理由 |
|---|---|---|---|
| < ¥50 万 | 100% | — | 资金小，DCA 天然保护，全仓跑策略 |
| ¥50~200 万 | 70~100% | 固收+ | 存量开始主导，溢出部分控制回撤 |
| > ¥200 万 | 50~70% | 固收+ | 绝对金额回撤大，固收+切断传导 |
比纯 QQQ 收益高 2.7%，回撤浅 17.5%。3× 杠杆爆发力强，但波动衰减大。
回撤比 TQQQ 方案再浅 12.8%。2× 杠杆波动衰减小，风险调整后更优。
| 配置 | DCA IRR | DCA MaxDD | DCA Calmar | LS CAGR | LS MaxDD | LS Calmar |
|---|---|---|---|---|---|---|
| 纯 QQQ 买入持有（基准） | +15.2% | -48.3% | 0.316 | +8.2% | -83.0% | 0.099 |
| 100% TQQQ 趋势策略 [P50] | +27.8% | -75.1% | 0.374 | +12.9% | -95.9% | 0.134 |
| 100% QLD 趋势策略 [P50] | +22.5% | -63.4% | 0.356 | +11.8% | -91.8% | 0.128 |
| 60% TQQQ 趋势 + 40% 固收+ [P50] | +24.9% | -68.2% | 0.372 | +10.9% | -65.5% | 0.166 |
| 50% QLD 趋势 + 50% 固收+ [P50] | +18.7% | -58.1% | 0.334 | +9.2% | −52.7% | 0.173 |
research/tqqq_overflow_compare.py
• 上表是指导性框架，不是硬规则——每个人的疼痛阈值不同，按自身情况调整
• 阈值用人民币标注是因为"疼痛感"以本币计量更直观
• 策略参数不随资金量变化——TQQQ 策略永远是 MA=21w / Tr=38%，变的只是 TQQQ 的仓位比例
• 溢出部分统一放固收+（短债 ETF）——P50 回测验证 LS 口径下 Calmar 严格优于纯 QQQ
• 加入再平衡后最优配比变为 50/50——比无再平衡时的 60/40（TQQQ）和 50/50（QLD）更统一
• 分仓后的新增月供按当前比例分配——杠杆部分走趋势轮动逻辑，固收+部分直接买入
• 再平衡参数：年度检查 + 25% 漂移阈值 + band 模式（回到阈值边缘）——一年查 1 次，显著偏离才调
资金效率：杠杆 + 固收 vs 纯 QQQ
| 阶段 | 人力资本 | 金融资产 | 固收+需求 | 原因 |
|---|---|---|---|---|
| 积累早期 | 极大 | 极小 | 几乎不需要 | 未来收入 = 隐性固收，足够 ballast；大跌是机会，月供自动加仓低位 |
| 中期 | 中等 | 增长中 | 开始配置 | 收入再平衡力度衰减，需要显性固收+部分接管 |
| 后期 / 接近退休 | 很小 | 很大 | 必须配 | 人力资本耗尽，无法靠未来收入摊平亏损 |
| 目标 MaxDD | TQQQ 方案 | CAGR | QLD 方案 | CAGR | 结论 |
|---|---|---|---|---|---|
| ≈ −53% | ✗ 够不到 | — | 50% QLD | +9.2% | QLD 独占区间 |
| ≈ −58% | ✗ 够不到 | — | 60% QLD | +9.8% | QLD 独占区间 |
| ≈ −65% | 60% TQQQ | +10.9% | 70% QLD | +10.4% | TQQQ +0.5% |
| ≈ −75% | 70% TQQQ | +11.5% | 80% QLD | +10.9% | TQQQ +0.6% |
| ≈ −85% | 90% TQQQ | +12.5% | 90% QLD | +11.3% | TQQQ +1.2% |
问题：把全部美股资金投入 QQQ 买入持有，LS CAGR +8.2%，MaxDD −83%。 能不能做得更好？
思路：用杠杆 ETF 趋势轮动策略（MA gate + 条件退出）只占用部分资金就能获得 ≥ QQQ 的收益， 释放出的资金放入固收+（短债 ETF），提供零相关的 ballast，切断回撤传导。
结论：回测验证，杠杆策略 + 固收+ 严格优于纯 QQQ——收益更高、回撤更浅。 这不是免费午餐：α 来源是趋势策略的择时能力（避开最惨崩盘）+ 固收+的零相关分散。
| 配置 | DCA IRR | DCA MaxDD | DCA Calmar | LS CAGR | LS MaxDD | LS Calmar |
|---|---|---|---|---|---|---|
| 纯 QQQ 买入持有（基准） | +15.2% | -48.3% | 0.316 | +8.2% | -83.0% | 0.099 |
| 100% TQQQ 趋势策略 [P50] | +27.8% | -75.1% | 0.374 | +12.9% | -95.9% | 0.134 |
| 100% QLD 趋势策略 [P50] | +22.5% | -63.4% | 0.356 | +11.8% | -91.8% | 0.128 |
| 60% TQQQ 趋势 + 40% 固收+ [P50] | +24.9% | -68.2% | 0.372 | +10.9% | -65.5% | 0.166 |
| 50% QLD 趋势 + 50% 固收+ [P50] | +18.7% | -58.1% | 0.334 | +9.2% | −52.7% | 0.173 |
research/tqqq_overflow_compare.py
| 维度 | 搜索范围 | 数量 | LS Calmar 最优 |
|---|---|---|---|
| 策略 MA（周） | 8, 10, 13, 15, 17, 19, 21, 25, 30 | 9 | P50 中位 |
| 策略 Trail（%） | 10, 15, 20, 25, 30, 35, 38, 45, 50 | 9 | P50 中位 |
| 杠杆配比 | 50%, 60%, 70%, 80%, 90% | 5 | 50~60% |
| 检查频率 | weekly, monthly, quarterly, semiannual, annual | 5 | annual |
| 漂移阈值 | 5%, 10%, 15%, 20%, 25%, 30%, 35%, 40%, 45%, 50% | 10 | 25%（高原甜蜜点，所有配比统一） |
| 重置模式 | full（回到目标）, band（回到边缘） | 2 | band（均值更优，减少过度调仓） |
research/rebalance_grid_search.py
| 配比 | 再平衡 CAGR | 再平衡 MaxDD | 再平衡 Calmar | 无再平衡 Cal | ΔCAGR vs 无再平衡 |
|---|---|---|---|---|---|
| 50% + 50% | +15.0% | −55.6% | 0.266 | 0.162 | +4.8% |
| 60% + 40% | +16.1% | −65.7% | 0.242 | 0.166 | +5.2% |
| 70% + 30% | +16.8% | −74.8% | 0.220 | 0.166 | +5.3% |
| 80% + 20% | +16.5% | −82.1% | 0.199 | 0.154 | +4.5% |
| 90% + 10% | +15.4% | −88.4% | 0.173 | 0.144 | +2.9% |
| 配比 | 再平衡 CAGR | 再平衡 MaxDD | 再平衡 Calmar | 无再平衡 Cal | ΔCAGR vs 无再平衡 |
|---|---|---|---|---|---|
| 50% + 50% | +11.6% | −48.8% | 0.239 | 0.173 | +2.4% |
| 60% + 40% | +12.7% | −59.1% | 0.215 | 0.170 | +2.8% |
| 70% + 30% | +13.2% | −68.0% | 0.196 | 0.157 | +2.8% |
| 80% + 20% | +13.1% | −76.0% | 0.174 | 0.144 | +2.2% |
| 90% + 10% | +12.4% | −83.4% | 0.148 | 0.135 | +1.0% |
research/rebal_recommended_params.py
原因：月供定投天然产生再平衡——每月新资金按目标配比注入，组合比例始终维持在目标附近。 年频 + 25% 阈值在 DCA 期间几乎不触发。
这完美验证了生命周期投资论点：积累期你的未来收入就是再平衡引擎，不需要额外操作。 再平衡只在存量远大于月供的成熟期（≈ LS 口径）才有实质意义。
| 维度 | 搜索值 | 最优 | 结论 |
|---|---|---|---|
| 检查频率 | weekly(0.177) / monthly(0.184) / quarterly(0.189) / semiannual(0.192) / annual(0.197) | annual | 严格单调：越懒越好。一年查一次即可 |
| 漂移阈值 | 5%(0.151) / 10%(0.163) / … / 35%(0.203) / 40%(0.206) / 45%(0.206) / 50%(0.197) | 25% | 最重要维度，有甜蜜点。20~40% 为高原，25% 是 TQQQ 50%+50% Calmar 最高点（0.266），且确保双向有效触发 |
| 重置模式 | full(0.184) / band(0.191) | 推荐 band | 均值 band 略优（0.191 vs 0.184）。25% 阈值下 band 更自然——回到边缘，减少过度调仓 |
research/rebalance_grid_search.py
| vs 纯 QQQ（CAGR +8.2%） | LS CAGR | Δ CAGR | Δ MaxDD | Δ Calmar |
|---|---|---|---|---|
| 50% TQQQ + 50% 固收+（再平衡） | +15.0% | +6.8% | 浅 27.4% | +169% |
| 50% QLD + 50% 固收+（再平衡） | +11.6% | +3.4% | 浅 34.2% | +141% |
这是一个收益 vs 风险的取舍，加入再平衡后两者差距更加清晰：
MaxDD −65.7%，Calmar 0.242
回撤 −66%，需要较强的心理承受力
MaxDD −55.6%
Calmar 最高，回撤比 60% 浅 10%
LS CAGR +11.6%，Calmar 0.239
唯一 MaxDD < −50% 的方案
| 杠杆占比 | TQQQ LS CAGR | TQQQ LS MaxDD | TQQQ LS Calmar | QLD LS CAGR | QLD LS MaxDD | QLD LS Calmar |
|---|---|---|---|---|---|---|
| 50% | +10.2% | -64.4% | 0.162 | +9.2% | -52.7% | 0.173 |
| 60% | +10.9% | -65.5% | 0.166 | +9.8% | -57.6% | 0.170 |
| 70% | +11.5% | -70.2% | 0.166 | +10.4% | -65.6% | 0.157 |
| 80% | +12.0% | -78.0% | 0.154 | +10.9% | -74.7% | 0.144 |
| 90% | +12.5% | -87.0% | 0.144 | +11.3% | -83.4% | 0.135 |
| 100% | +12.9% | -95.9% | 0.134 | +11.8% | -91.8% | 0.128 |
DCA 口径（IRR +25~28%）的前提是仓位在持续积累期。 早期回撤时仓位轻、摔不疼，再加上未来收入的单向再平衡效应，天然保护极强。
LS 口径（CAGR +9~13%）是第一天就满仓的场景，没有任何缓冲。 这才是大资金（存量 >> 月供）的真实体验。
你现在看 DCA 数字，但随着存量增长，你的真实体验会逐渐逼近 LS 数字。 所以两个口径都要看：DCA 告诉你"路上的风景"，LS 告诉你"终点的天气"。
1. 杠杆 + 固收+ + 再平衡 >> 纯 QQQ： 加入再平衡后 LS Calmar 从 QQQ 的 0.099 提升到 TQQQ 的 0.266 或 QLD 的 0.239，提升 140~170%。 收益更高（+3~7% CAGR）且回撤更浅（-27~34%）。
2. 再平衡策略：越懒越好： 年度检查、25% 漂移阈值、回到边缘（band）。一年只需查看 1 次，26 年平均 <1 次实际调仓。 20%~40% 为 Calmar 高原，25% 是甜蜜点（Calmar 全场最高），保证固收+始终 ≥25%。
3. 积累期完全不用操心： 月供定投时，未来收入是天然的单向再平衡。实测 DCA 口径下年频 25% 阈值再平衡 Δ ≈ 0（几乎不触发）。 这是生命周期投资理论的实证验证。
4. 固收+配比由未来收入决定： 未来现金流越充裕 → 固收+越少（人力资本 = 隐性固收）； 未来现金流越不确定 → 固收+越多。
5. 按回撤承受度选方案： 能扛 −66% → TQQQ 60%+40%（CAGR +16.1%，Calmar 0.242）； 能扛 −56% → TQQQ 50%+50%（CAGR +15.0%，Calmar 0.266）； 需要 < −50% → QLD 50%+50%（CAGR +11.6%，MaxDD −48.8%）。
• 两类参数的处理：策略参数（MA/Trail）取 P50 中位数（防过拟合），再平衡参数统一使用推荐值 annual/25%/band（高原甜蜜点，所有配比通用）
• P50 的局限：P50 只控制了参数过拟合，没有控制策略选择偏差。整个"趋势轮动"框架是事后选定的，且参数网格范围含先验判断。真实的样本外中位表现可能比 P50 略低
• Calmar 的局限：Calmar = CAGR ÷ |MaxDD|，在 26 年回测中 MaxDD 几乎只由 dot-com 崩盘决定。单次极端事件的权重过大。建议同时参考 CAGR P50 作为「期望收益」的参考
• 再平衡参数 annual/25%/band 所有配比统一使用。搜索最优在高配比时退化（如 60/40+45% 阈值 → 上触发 105%，永远不减仓），不具备实操意义。25% 是 Calmar 甜蜜点，确保固收+ ≥25%
• 固收+以 T-bill 利率（^IRX）模拟，实操用短债 ETF（如 SHV、BIL），收益略有出入
• 生命周期论证的前提是你有稳定的未来收入预期。如果收入波动大或不确定，应更保守
• 杠杆 ETF 的波动衰减是真实成本，长期横盘震荡市 α 可能为负——趋势策略的 MA gate 能部分规避
QQQ 会不会再跌 80%？
现在 QQQ 头部是 Nvidia、Apple、Microsoft、Amazon、Meta、Alphabet —— 有大规模收入、现金流和利润的巨头。
集中度高 ≠ 泡沫，集中在高盈利 mega-cap 和集中在无利润叙事股，风险性质不同。
贵是贵，但不是"没有利润只能靠幻想定价"的阶段。
2026 年市场预期科技盈利增长仍较强，和 2000 年"估值很高但盈利支撑极弱"有本质差别。
今天仍然很集中（前十大权重占比很高），会放大回撤，但整体"全市场一起归零式崩塌"的概率降低。
市场发现过去几年给的高倍数建立在错误利润曲线上。
这个变量上升，会明显增加"向 2000 靠拢"的概率。
如果通胀/财政/能源冲击让实际利率维持偏高，
QQQ 估值压缩会更狠。
前几大权重同时"增速下修 + 监管/竞争/资本开支回报率下降"，
指数会被集中度放大杀伤。
| 变量 | 如果↑ | 支持的结论 |
|---|---|---|
| AI 盈利兑现率 | ↑ 兑现越好 | 更支持"不会重演 2000" |
| 实际利率中枢 | ↑ 利率越高 | 更支持"大幅杀估值" |
| 头部集中度 + 监管压力 | ↑ 同时上升 | 更支持"极端回撤" |
赔率一般，风险尾部不小
胜率不高，容易错过长期 beta
承认尾部存在，围绕 −30 / −45 / −60 三档预设动作，而不是用末日剧本统治全部决策
真正影响长期 CAGR 的，不是"会不会再来一次 −80%"，而是：
• P(未来 10 年出现一次 −50% 级别回撤) 很高 → 应该默认写进系统
• P(未来 10 年出现一次 −80% 级别回撤) 不高但不可忽视 → 趋势轮动是你的安全阀
• 你最该问的不是"会不会世界末日"，而是：
你的 TQQQ 趋势轮动体系能不能在 −45% 时不失控、在 −60% 时还有子弹？
主观风险档位：该不该加？
| 测试模块 | Calmar 变化 | 结论 |
|---|---|---|
| CAPE 估值过滤 CAPE > 阈值时不入场 |
0.452 → 0.453 | 噪音级，MA gate 已覆盖 |
| v3 三因子信号 CAPE + RY动量 + VIX |
IRR 差 0.31% | 不值得维护三个数据源 |
| DD gate（回撤入场门槛） QQQ 回撤 ≥5% 才入场 |
贡献 ≈ 0 | 已废弃，MA gate 隐含覆盖 |
结果 2023 年 QQQ 涨 +55%。
恐惧让你在最该进攻时保持防守。
每一次市场继续涨了 30%+。
过早防守 = 白白放弃收益。
4 月追回进攻 → 6 月又跌一波。
每次切换都有滞后成本，频繁切换 = 确定性亏损。
• 2008 次贷危机：几乎没有主流大佬提前预警。少数例外（如 Michael Burry）timing 也差了近 2 年。
• 2020 年 3 月 COVID：暴跌后大量专家喊"还要更低"，结果 V 型反弹成史上最快熊市。
• 2022 年底：主流共识"经济衰退确定"，结果 2023 年大涨。
• 规律：共识对的时候市场已 price in；共识错的时候你被套。主观判断的期望值接近零。
| 档位 | 名称 | TQQQ 仓位 | 止盈回撤 | 切换条件 |
|---|---|---|---|---|
| 1 | 进攻（默认） | 100% | 40% | 无需理由，这是默认状态 |
| 2 | 中性 | 50~70% | 30% | 需满足 ≥2 条客观指标 |
| 3 | 防守 | 0%（纯 QQQM） | N/A | 需满足 ≥3 条客观指标 |
| 指标 | 警戒阈值 | 历史参考 |
|---|---|---|
| 巴菲特指标（总市值/GDP） | > 200% | dot-com 峰值 ~190%，2021 峰值 ~200% |
| Shiller CAPE | > 35 | dot-com 达 44，2021 达 38 |
| 收益率曲线倒挂持续时间 | > 12 个月 | 2006-07 倒挂后 ~18 个月衰退开始 |
| 信用利差（HY spread） | 收窄到历史低位 | 极度收窄后通常伴随风险重新定价 |
| VIX 持续低位 | < 12 持续 > 3 个月 | 过度自满的信号，但可以持续很久 |
1. 已有证据（CAPE、三因子、DD gate）均显示客观过滤器对 DCA Calmar 无显著改善。
2. 主观判断引入的行为偏差风险 > 可能的防守收益。
3. 如果你真的很不安，降低 TQQQ 在总组合中的配比（比如从 20% → 10%）比手动切档更简单、更可靠。
4. 上面的三档框架保留作为"紧急制度"——只在你认为概率极高（≥70%）的黑天鹅情景下启用，并且必须遵守硬约束。
核心命题：Alpha 不属于普通人
量化的 Alpha 不是普通人能找的。普通人的边界是 Smart Beta。
但 Smart Beta 做好了，已经超过 95% 的散户。
• 统计套利 / 高频做市：需要 co-location、FPGA、低延迟基础设施
• 另类数据因子：卫星图、信用卡数据、社交媒体 NLP，数据成本高
• 机器学习因子挖掘：过拟合是最大敌人，需要严格的交叉验证框架
• 期权做市 / Greeks 管理：需要实时对冲能力和期权定价模型
共性：都需要数据优势、算力优势、或信息优势 — 不是"努力"就能填平的差距。
• 路径优化：分区间定投、评分加权 DCA → 同样的钱，便宜时买更多
• 规则化杠杆暴露：均线过滤 + 杠杆开关 → 好环境上杠杆，坏环境撤回来
• 波动收割：杠杆 ETF + 固收+ 再平衡 → 路径回撤大时机械"卖高买低"
• 行为税防护：规则化买卖 → 用纪律替代判断，减少情绪决策
共性：不做预测，只做"环境筛选"和"执行纪律" — 吃的是 Beta，但吃法更聪明。
Smart Beta：一根均线就够了
| 策略 | DCA IRR | MaxDD | α vs QQQ |
|---|---|---|---|
| QQQ 纯定投 | +15.2% | -48.3% | 基准 |
| 趋势轮动 P50 | +27.5% | -74.5% | +12.4% |
| 其中：均线贡献 | α 的 95% | +11.8% | |
• QQQ 长期有正漂移：盈利增长 + 回购支撑，不是均值回归型资产
• 大级别趋势持续时间长：牛熊中期趋势够久，滞后工具也能吃到主波段
• 杠杆 ETF 的核心矛盾是生存：TQQQ 怕的是在错误环境里被波动拖死，不是少赚几个点
• 复杂因子验证无效：v3 三因子（CAPE + 动量 + VIX）IRR 仅差 0.31%，不值得维护
有条件的 Alpha：MSTR 折溢价轮动
① 我已经在做 BTC 分区间定投（链上指标评分 → 低位多买）
② MSTR 持有大量 BTC，mNAV < 0.95 意味着"处于资本结构折价的合理区间，通过 MSTR 买 BTC 更便宜"
③ 既然本来就要买 BTC，有折价的机会，何不买折价的 MSTR？
④ 溢价时切回 BTC，不承担"故事溢价"的风险
| 策略 | IRR | MaxDD | Calmar | α vs 纯 BTC |
|---|---|---|---|---|
| 纯 BTC 定投 | +26.2% | -61.8% | 0.424 | 基准 |
| mNAV<0.95 切换 MSTR ★ | +31.8% | -61.3% | 0.519 | +5.6% |
• 利用市场情绪的定价偏差（折价时买入）
• 不依赖 BTC 涨跌方向 — BTC 涨/跌时，折价买入都比直接买 BTC 划算
• 折价时买 MSTR 的胜率 79%，中位季度收益 +24.3%
• 依赖 BTC 长牛：如果 BTC 永久走熊，MSTR 折价可能不回归
• α 集中在一个周期：Cycle 4 牛市单独 α = +35%，混合年化后稀释为 +5.6%
• 公司特有风险：债务、Saylor 决策、股权稀释
• 样本极少：5.5 年 4 个子周期
这可能是普通人能触及的"真 Alpha" — 但它是有条件的。
条件：BTC 长期上涨前提 + MSTR 融资飞轮继续运转。不是无风险套利。
→ 查看 MSTR 策略详情与完整回测
波动收割：杠杆 ETF + 固收+再平衡
• 配比 50% TQQQ + 50% 固收+（如短债 ETF）
• TQQQ 暴涨后占比过高 → 卖掉一部分，买入固收+（锁利）
• TQQQ 暴跌后占比过低 → 卖掉固收+，买入 TQQQ（逢低加仓）
• 触发条件：偏离 ≥ 25%，每年检查一次（annual/25%/band）
| 策略 | LS CAGR | LS MaxDD | LS Calmar |
|---|---|---|---|
| 50% TQQQ 无再平衡 | +10.2% | -64.4% | 0.162 |
| 50% TQQQ + 再平衡 ★ | +15.7% | -59.5% | 0.275 |
实操含义： 积累期（每月有收入在投的阶段）不需要显式再平衡。 存量阶段（收入停止或资产远大于收入时）才需要启用。
行为税：规则替代判断
规则化的价值不是"更聪明"，而是"更少犯错"。
行为税是大部分散户跑输基准的真正原因。用规则堵住这个漏洞，比追求 +1% 的参数优化有价值得多。
总结
在结构性偏差出现时抓有条件的 Alpha。
DCA 路径优化
波动收割再平衡
依赖 BTC 长牛
α +4.4%（回测）
极低交易频率
堵住情绪漏洞
核心命题
对高波动、高右尾资产，研究「仓位路径管理」往往比研究「选不选这个资产」更重要。
"BTC 比 QQQ 好，所以应该买 BTC"
"沪深 300 还是中证 500？"
"TQQQ 比 QQQ 爆发力更强"
问题：只回答了「买什么」，没回答「怎么买」——而后者对收益的影响往往更大。
"收益主要来自哪些仓位规则？"
"哪个规则对 Calmar 贡献最大？"
"闲置现金怎么处理？"
本质：同一个标的，路径不同，终点差距可以是 2×。仓位规则就是你的「路径选择器」。
项目实证：Calmar 提升从哪里来？
| 策略 | Buy&Hold Calmar | 策略 Calmar | 提升 | 核心仓位规则 |
|---|---|---|---|---|
| BTC 分区间定投 | ~0.6 | ~0.7 | +17% | 评分分层加仓 + 回撤加码 |
| TQQQ 趋势轮动 | <0 | 0.44 | ∞ | MA 趋势过滤 + 条件退出 |
仓位路径管理的五个维度
跌得越深买得越多。把资金集中在「别人恐惧时」投入，摊低成本的同时提高右尾暴露。
本项目对应：BTC 四维评分 → Z 档 → Fibonacci 倍数 + 回撤加码。composite（综合分）越高，买入倍数（multiplier）越大。
关键参数：起买门槛（threshold）、最大倍数（max_mult）、幂次（power）、回撤加码深度。
价格在均线之上才允许持有高风险仓位，跌破均线则退到安全资产。单一规则可过滤大部分系统性下跌。
本项目对应：TQQQ 用 QQQ 21 周均线作为入场/退出安全阀。均线之上持有 TQQQ，跌破后退回 QQQM。
关键参数：MA 周期、检查频率（周频 vs 月频）、buffer 缓冲区。
高波动资产需要主动管理「何时退出」，而不是被动等回撤。条件退出 = 「跌够深 + 趋势破」才退出，避免牛市震荡中被洗出。
本项目对应：TQQQ 趋势轮动（回撤 ≥40% 且 QQQ < MA 才退出）；BTC 卖出侧的 MVRV Z + NUPL 双确认。
关键参数：移动止盈百分比（exit_trailing）、止盈触发条件数量。
在特定条件下将仓位在杠杆标的和安全标的之间完全切换，而非调节比例。比渐进式调仓更果断，适合信号置信度高的场景。
本项目对应：TQQQ 趋势轮动 — MA 之上 100% 换仓 TQQQ，条件退出触发后 100% 退回 QQQM。全仓切换，不做部分调仓。
关键参数：入场条件（QQQ > 242 日 MA）、退出条件（trailing 40% 且 QQQ < MA）。
不买的时候钱放哪里？现金拖累收益、货基有机会成本、DCA 未投资金怎么安排——这些「看不见的决策」同样影响整体路径。
本项目对应：BTC Z=0 时不买，预算如何处理（累积？作废？转美股？）；美股 risk-off 时产生的现金沉淀放哪里。
开放问题：T-bill / 短债 ETF 作为 risk-off 分支暂不纳入主策略，因为实操摩擦可能 > 收益。
体系映射：每个策略用了哪些维度？
| 维度 | BTC 分区间定投 | TQQQ 趋势轮动 |
|---|---|---|
| 分层加仓 | 四维评分 → Z→倍数 回撤加码 2.0× |
无（一次到位） |
| 趋势过滤 | 无 | QQQ 242 日 MA 入场+退出安全阀 |
| 止盈 / 退出 | MVRV Z + NUPL 双确认卖出 |
回撤 ≥38% 且 QQQ < MA |
| 杠杆切换 | 无 | 100% 全仓切换 QQQM ↔ TQQQ |
| 现金处理 | Z=0 不买 资金路由待定 |
退出后持 QQQM 非现金闲置 |
DCA 路径平滑的生命周期限制
DCA 平滑路径的前提：新增现金流 ≥ 存量仓位的显著比例
当存量仓位远大于新增资金时，DCA 退化为近似 Lump Sum，路径平滑效果趋近于零。
不是在研究"该不该买 BTC"——BTC 的长期右尾是前提假设。
研究的是「在不同价位区间分配多少仓位」：四维评分 → Z 档 → 倍数，本质就是用 DCA 的动态权重来选择更优的仓位路径。
每周的买入金额不一样 = 每周走的"路径"不一样 → 最终的成本基础和 MaxDD 都不同。
趋势轮动负责「什么时候暴露」，DCA（月度定投）负责「平滑暴露过程」。
TQQQ Lump Sum MaxDD -95%、Calmar 0.18；加上 DCA 之后 MaxDD -71%、Calmar 0.44。
DCA 在这里的作用不是"分散入场"，而是让仓位从零逐步积累——早期回撤时仓位轻，摔得不疼。
| 阶段 | 月投 ¥1 万 | 存量仓位 | 新增 / 存量 | DCA 平滑效果 |
|---|---|---|---|---|
| 积累早期 | ¥1 万 | ¥5 万 | 20% | █████ 强：新增资金能显著摊低成本 |
| 积累中期 | ¥1 万 | ¥50 万 | 2% | ██ 弱：新增资金杯水车薪 |
| 积累后期 | ¥1 万 | ¥500 万 | 0.2% | █ 几乎为零：等同于 Lump Sum |
TQQQ 趋势轮动策略的 DCA 回测数字很好看（IRR +32%、Calmar 0.44），但这些数字的前提是仓位在持续积累期——月投 ¥1 万从零开始，前几年仓位轻、回撤摔不疼。
当仓位积累到一定规模后：
仓位积累期（K 值低、新增现金流相对仓位比例高）→ TQQQ 趋势策略适合，DCA 能有效平滑 -70% 的理论回撤。
仓位成熟期（K 值高、新增现金流相对仓位比例低）→ 应逐步降低 TQQQ 暴露，转向纯 QQQM。回撤从 -70% 降到 -25%，是仓位重时更理性的选择。
DCA 平滑有效时使用
MaxDD -71%（DCA）
逐步从 TQQQ 切到 QQQM
减少极端回撤风险
仓位重时回撤可控
MaxDD -25%
认知转换：风吹哪页读哪页
这就是「风吹哪页读哪页」—— 数据告诉你仓位路径是关键，你就深入仓位路径；如果某天数据告诉你标的选择才是瓶颈，你再回去研究标的。 跟着证据走，不跟着直觉走。
风险调整收益指标
衡量"每承受一单位风险，换回多少收益"。选策略时比单看收益率更有意义——高收益可能只是高风险的副产品。
Calmar = 年化收益率 ÷ |最大回撤|
含义：每承受 1% 最大回撤能换回多少年化收益。Calmar = 0.6 表示：如果历史最大回撤 -40%，年化收益约 24%。
为什么重要：最大回撤是投资者最直观的痛苦——"我的账户最多亏过多少"。Calmar 直接衡量"忍受这种痛苦是否值得"。
参考范围：
本项目用法：参数搜索的首选排序指标。Calmar 兼顾收益和最大回撤，比纯 IRR 排序更不容易选到"高收益但回撤致命"的参数组合。
局限：只看历史最大回撤这一个极端事件，对尾部风险敏感。MaxDD 只出现一次，可能是黑天鹅而非常态。
Sortino = (年化收益 − 无风险利率) ÷ 下行标准差
含义：只惩罚"亏钱的波动"，不惩罚"赚钱的波动"。比 Sharpe 更合理——上涨时的剧烈波动对投资者来说是好事，不应该被当作风险。
vs Sharpe：Sharpe 用总波动率（上行+下行），Sortino 只用下行波动率。对于 BTC、杠杆 ETF 这类"涨得猛、跌得也猛"的资产，Sortino 比 Sharpe 更能反映真实的风险调整收益。
下行标准差计算：只取收益率 < 目标收益率（通常为 0）的那些周期，计算它们的标准差。正收益的周期不参与计算。
参考范围：
本项目用法：辅助排序指标。Calmar 看极端事件（MaxDD），Sortino 看日常下行风险，两者互补。
Sharpe = (年化收益 − 无风险利率) ÷ 年化波动率
含义：经典的风险调整指标，衡量每承受一单位总波动能换回多少超额收益。是金融学中使用最广泛的指标。
年化波动率：周收益率标准差 × √52（周频数据），或日收益率标准差 × √252（日频数据）。
局限：上行波动和下行波动一视同仁。BTC 暴涨 50% 和暴跌 50% 在 Sharpe 眼里是一样的"风险"。对于收益分布不对称的资产（加密货币、杠杆 ETF），Sortino 更合适。
参考范围：<0 亏损 · 0–1 一般 · 1–2 良好 · >2 优秀。标普 500 长期 Sharpe ≈ 0.4–0.6。
IR = (策略收益 − 基准收益) ÷ 跟踪误差
含义：衡量策略相对基准的超额收益的稳定性。跟踪误差 = 策略与基准收益差的标准差。IR 高说明策略稳定地跑赢基准，而非靠一次大赢。
参考范围：<0.5 一般 · 0.5–1.0 良好 · >1.0 优秀。基金经理 IR > 0.5 就被认为有持续的选股能力。
收益指标
衡量"赚了多少"。不同计算方式的差异远比看起来大——同样赚了 100%，IRR 和 ROI 可能差几十个百分点。
使 NPV = Σ [CF_t / (1+IRR)^t] = 0 的贴现率
含义：考虑了"钱什么时候投进去"的年化收益率。两个策略都赚了 100%，但 A 策略在第一年就投了大部分钱，B 策略最后一个月才投，A 的 IRR 远低于 B——因为 A 的钱被占用了更长时间。
vs ROI：ROI 只关心总投入和总产出，不关心时间分布。定投场景下 ROI 会显著低估早期投入、高估晚期投入的策略。IRR 更准确。
本项目用法：所有回测的主要收益指标。定投场景下 IRR 是唯一公平的收益度量。
注意：IRR 假设中间现金流可以按 IRR 本身的利率再投资（再投资假设）。当 IRR 很高时（如 >50%），这个假设不太现实。
ROI = (期末总价值 − 总投入) ÷ 总投入 × 100%
含义：最直观的"赚了百分之多少"。不考虑时间维度——投了 3 年赚 100% 和投了 10 年赚 100%，ROI 都是 100%。
适用场景：一次性投入（lump sum）的收益评估。定投场景下 ROI 的解读需要谨慎，因为不同时间点的投入被同等对待。
CAGR = (期末值/期初值)^(1/年数) − 1
含义：假设资金平滑增长时的等效年化收益率。把多年的总增长"摊平"到每一年。
vs IRR：CAGR 只适合一次性投入，定投场景用 IRR。CAGR 只看起终点，忽略中间的路径——同样的起终点，CAGR 一样，但中间可能经历了 -80% 的回撤。
本项目用法：用于描述 QQQ 等基准指数的长期历史回报（"QQQ 10 年 CAGR 15%"）。定投策略本身用 IRR。
α = 策略收益 − 基准收益
含义：策略比"傻买傻卖"（基准）多赚了多少。正 α 说明策略的主动管理创造了价值。
本项目用法：BTC 策略的基准是等额定投+HODL；美股策略的基准是纯 QQQ 定投。α > 0 才说明策略有意义。
风险指标
衡量"可能亏多少"和"波动有多剧烈"。风险不只是亏钱——还包括波动带来的心理压力和被迫止损的可能性。
MaxDD = (谷值 − 峰值) ÷ 峰值 × 100%
含义：从历史最高点到最低点的最大跌幅。MaxDD = -40% 意味着你的账户在最糟糕的时候从高点缩水了 40%。
为什么重要：MaxDD 直接决定了你的心理承受能力和强制平仓风险。-40% 需要 +67% 才能回本，-60% 需要 +150%，-80% 需要 +400%。回撤越深，回本越难。
回撤 vs 回本所需涨幅
本项目用法：Calmar 的分母；参数搜索时 MaxDD > -70% 直接淘汰。日频数据比月频多捕捉 2-3% 的隐藏回撤。
Vol = σ(周收益率) × √52 或 σ(日收益率) × √252
含义：价格波动的剧烈程度。年化波动率 60% 意味着在正态分布假设下，资产价格在一年内有 68% 的概率落在 [均值-60%, 均值+60%] 范围内。
参考值：美国国债 ~5% · 标普500 ~15% · QQQ ~20% · BTC ~60-80% · 山寨币 ~100%+
本项目用法：BTC 波动率逐周期衰减（C2→C3→C4 波动率递减），这影响了策略参数的外推——EM（期望倍数）随波动率下降而降低。
DD = √[ Σ min(r_t − T, 0)² / N ] （T = 目标收益率，通常为 0）
含义：只统计低于目标收益率的那些周期的波动。Sortino 比率的分母。
vs 标准差：标准差把上涨和下跌同等对待，下行标准差只关注"亏钱的部分"。对投资者来说，上涨的波动是好事，只有下跌才是真正的风险。
利用率 = 实际总投入 ÷ 计划预算 × 100%
含义：定投策略特有的指标。分区间策略在牛市不买/少买，可能导致预算花不完（利用率 <100%）；如果 EM（期望倍数）设得太低，预算可能超标（利用率 >100%）。
理想范围：95%–110%。过低说明策略太保守（踏空），过高说明预算规划不准。
链上指标（BTC 特有）
利用区块链的公开透明特性，从链上数据中提取市场状态信号。这些指标是 BTC 独有的——传统资产没有可比的数据源。
MVRV Z = (市值 − 实现市值) ÷ σ(市值)
实现市值（Realized Cap）：每个 UTXO 按其最后一次移动时的价格计算，加总后得到"链上成本基础"。可以理解为"全网持币者的平均持仓成本"。
含义：衡量当前市场价格相对链上成本基础的偏离程度。Z 值越高 = 市场越"贵" = 浮盈越多 = 越接近泡沫顶部。
历史峰值衰减：C2 峰值 10.09 → C3 峰值 8.85 → C4 峰值 3.35。随着 BTC 市值增长，MVRV Z 的峰值在下降，本项目据此动态调整卖出门槛。
本项目用法：卖出侧双确认之一。C5 门槛 = C4 峰值 × 45% ≈ 1.51。
直观理解：把 MVRV Z 当成"全网持币者的浮盈温度计"，分母 σ 让它以"波动率为单位"衡量当前比成本贵了多少。
体温计类比：
· Z=0 → 体温正常 36.5°C（不赚不亏）
· Z=1 → 微烧 37.5°C（有点热但很常见，不用吃药）
· Z=3 → 高烧 39°C（开始警惕，进入卖出观察区）
· Z=7 → 危险 41°C（必须立刻处理 = 强卖出信号）
注意：MVRV Z = 1 看似已经"翻倍 1σ"，但本项目卖出门槛为 C5 ≥ 1.51（动态阈值），且必须叠加 NUPL ≥ 0.384 双确认 + 成本门槛。Z=1 单独并不构成卖出信号，仍属于"继续按计划买入"的区间。
⚡ ETF 时代的结构性压制（2026-04 重要发现）
📖 阅读完整专题 →2025-10-06 BTC 创 ATH $124,824 时 MVRV Z 仅 2.53（vs 5 个月前 $106k 时 3.35）— 价格涨 +18%，MVRV 反跌 −24%。根因是 BTC ETF 把早期低成本筹码"重新定价"到高位 + 单向锁仓棘轮效应：MVRV Z 只能被压低、不能被熊市低位换手拉回。
- 对 sell-v16：z=5 重仓门槛 (MVRV ≥ 2.74) 大概率本周期摸不到 → 计划 v17 价格保险丝
- 对 buy-v19：深熊 score 封顶保护到位，但浅熊/中熊会前置消耗 30% 子弹 → 计划 v20 价格回撤增强
- 详见独立专题页：→ MVRV Z 深度专题：ETF 棘轮效应
NUPL = (市值 − 实现市值) ÷ 市值
含义：全网每 1 块钱市值里有多少是浮盈（按市值加权，不是按人头）。越高 = 越贪婪 = 越接近顶部。
直观理解：NUPL = 1 − 全网平均成本 ÷ 现价。
· N=0.5 ⟺ 平均成本 = 现价的 50%（币价跌一半，全网账面才打平）
· N=0.75 ⟺ 平均成本 = 现价的 25%（全网平均赚 4 倍，几乎人人大赚）
· N<0 ⟺ 平均成本 > 现价（全网账面亏损，熊市底部）
情绪阶段划分：
本项目用法：卖出侧双确认之二。C5 门槛 = C4 峰值 × 60% ≈ 0.384。NUPL ≥ 0.544 时独立触发保险丝。
RHODL = 短期持币者实现价值 ÷ 长期持币者实现价值
含义：衡量市场中短期投机资金 vs 长期持有资金的比例。RHODL 高 = 短期投机热烈 = 可能接近顶部；RHODL 低 = 长期持有者主导 = 可能接近底部。
本项目用法：买入侧四维评分的一个维度。RHODL 越低（短期投机冷清），买入评分越高。
速查表
所有指标一览，快速定位"用哪个指标回答哪个问题"。
| 指标 | 回答的问题 | 公式核心 | 越高越好？ | 适用场景 |
|---|---|---|---|---|
| Calmar | 忍受最大回撤值不值？ | 收益 ÷ |MaxDD| | ✓ | 策略排序 |
| Sortino | 下跌风险换回多少收益？ | 超额收益 ÷ 下行σ | ✓ | 非对称资产 |
| Sharpe | 总波动换回多少收益？ | 超额收益 ÷ 总σ | ✓ | 对称分布资产 |
| IR | 稳定跑赢基准吗？ | α ÷ 跟踪误差 | ✓ | 主动管理评估 |
| IRR | 每笔钱的年化回报？ | NPV = 0 的贴现率 | ✓ | 定投/多笔投入 |
| ROI | 总共赚了多少？ | (产出-投入) ÷ 投入 | ✓ | 一次性投入 |
| CAGR | 平滑年化增长多少？ | (终/初)^(1/n) − 1 | ✓ | 指数/基准描述 |
| MaxDD | 最坏时亏多少？ | (谷-峰) ÷ 峰 | ✗ (越小越好) | 风险底线 |
| 波动率 | 价格波动多剧烈？ | σ × √频率 | — | 风险描述 |
| MVRV Z | BTC 现在贵不贵？ | (市值-实现值) ÷ σ | 看方向 | BTC 卖出信号 |
| NUPL | 全网浮盈多少？ | (市值-实现值) ÷ 市值 | 看方向 | BTC 卖出信号 |
| RHODL | 短期投机热不热？ | 短期实现值 ÷ 长期实现值 | 看方向 | BTC 买入信号 |
本项目的指标优先级
1. 参数搜索排序：Calmar（兼顾收益和最大回撤）
2. 策略收益评估：IRR（定投场景唯一公平的年化指标）
3. 辅助风险评估：Sortino（下行风险）、MaxDD（极端风险）
4. 基准比较：α 超额收益（策略 vs 等额定投+HODL）
5. BTC 买卖信号：MVRV Z + NUPL（卖出侧）、RHODL + 成本结构（买入侧）
参数空间搜索
系统性地探索策略参数的最优组合，替代拍脑袋调参。
原理：对每个参数取若干离散值，遍历所有组合的笛卡尔积
复杂度：N 个参数 × K 个值 = K^N 组合。9 参数 × 3 值 = 19,683
优点：穷举所有可能，不遗漏全局最优
缺点：维度灾难，参数 > 10 时不可行
适用：参数 ≤ 10、每个参数离散值 ≤ 5 的策略
原理：先粗网格找到高潜力区域 → 在 Top N 邻域细化搜索
复杂度：Stage 1: K^N + Stage 2: Top50 × M 组合 ≈ K^N + 几千
优点：比全网格快 10-100 倍，精度接近
缺点：可能错过与粗网格值偏差大的局部最优
适用：参数空间 > 100k 组合的策略
原理：从参数空间中均匀随机采样 N 个点
优点：高维空间中效率远超网格搜索；Bergstra & Bengio (2012) 证明随机搜索找到好参数的概率更高
缺点：无法保证找到全局最优
适用：参数 > 10 或参数空间连续的策略
原理：用高斯过程建模目标函数，根据后验分布选择下一个采样点
库：optuna、scikit-optimize、hyperopt
优点：采样效率最高，适合单次评估耗时长的策略
缺点：实现复杂、高斯过程本身在高维 > 20 时退化
适用：单次回测 > 10 秒的慢策略
实践要点
1. 先定评估指标：Calmar（风险调整）> 纯 IRR（过度追求收益）> 终值（对复利极度敏感）
2. 加约束条件：T2 > T1、ALLOC_T2 ≥ ALLOC_T1 等业务约束在搜索前过滤
3. 用 multiprocessing：Python 的 multiprocessing.Pool + chunksize=64 可有效利用多核
4. 序列化数据到 worker：用 df.to_pickle(BytesIO) 传共享数据，避免每次 fork 复制
5. 淘汰过滤：MaxDD > -70% 直接淘汰，减少无意义的计算
鲁棒性分析
验证最优参数不是 curve-fitting：在不同时间段和市场环境下是否依然有效。
方法：将完整数据集按时间对半拆分（或按周期拆分），在每个子集上独立评估
指标：稳定性 = min(前半Calmar, 后半Calmar) / max(前半Calmar, 后半Calmar)
判断标准：稳定性 > 80% 表示参数跨时段稳健；< 50% 可能过拟合
注意：如果前半段极差而后半段极好（或反之），说明参数只适用于特定市场环境
方法：将底层资产的日收益率乘以衰减因子 α（0.1~1.0），模拟不同市场强度
公式：dampened_ret[i] = α × original_ret[i]，然后重新计算杠杆 ETF 价格
情景设计：强牛 1.0× → 中牛 0.7× → 弱牛 0.5× → 横盘 0.3× → 熊市 0.1×
优点：保留了原始数据的波动结构和时间序列特征，只改变趋势强度
注意：杠杆产品（QLD/TQQQ）必须基于衰减后的收益重新模拟，不能直接缩放价格
方法：给每个情景分配主观概率，计算 E[指标] = Σ P(scenario) × 指标(scenario)
概率设置：基于历史频率 + 当前宏观环境主观调整。重点是中牛/弱牛的权重（占 65%+）
对比维度：E[Calmar] 比 E[IRR] 更有意义，因为它考虑了不同情景下的风险
注意：概率本身是主观的，做灵敏度分析看概率变化 ±10% 后结论是否翻转
方法：在 in-sample 窗口优化参数 → 在 out-of-sample 窗口验证 → 滚动前移窗口
示例：用 2000-2008 优化 → 2008-2012 验证 → 用 2004-2012 优化 → 2012-2016 验证...
指标：Walk-Forward Efficiency = out-of-sample Calmar / in-sample Calmar
判断：WFE > 0.5 表示策略可部署；WFE < 0.3 表示严重过拟合
局限：需要足够长的历史数据（至少 3-4 个完整滚动窗口）
过拟合检测
策略回测表现优异 ≠ 实盘能赚钱。以下信号提示可能过拟合。
1. 参数微小变化导致性能巨大波动
2. 子周期稳定性 < 50%
3. Walk-Forward Efficiency < 0.3
4. 最优参数组合仅出现 1 次（无邻域一致性）
5. 交易次数极少（< 20 次），统计意义不足
6. 依赖特定的历史事件（如"只在 COVID 底部赚了"）
1. Top 10 参数有清晰的一致方向（如 MA 都偏短、Trail 都偏紧）
2. 子周期稳定性 > 80%
3. 概率加权期望中优化仍全面领先
4. 邻域参数（±1 档）性能衰减平滑而非断崖
5. 交易次数充分（100+ 次，统计可信）
6. 优化方向有直觉解释（"更快入场 + 更快止盈 = 捕捉波动"）
Deflated Sharpe Ratio (DSR) — Bailey & de Prado (2014)
问题：测试了 N 个策略后选最好的，Sharpe Ratio 天然被高估（多重比较偏差）
公式：DSR 调整了试验次数 N、峰度和偏度，给出"真 Sharpe > 0"的概率
简化规则：如果测试了 18,000 组合，最优 Sharpe 需要 > 3.0 才有 95% 置信度（对数惩罚 ≈ log(18000) ≈ 9.8）
应用：作为参考框架，但不必严格套用——鲁棒性分析（子周期+情景）比单一统计检验更实用
Calmar 认知校准
QQQ 的典型问题：长期 CAGR 很强（~15%），但 2000–2002 那次 -83% 回撤永久占据分母。 结果长样本 Calmar ≈ 0.18，看起来并不出色。
这不代表 QQQ 是差资产——而是 Calmar 这个指标天然惩罚"曾经有过一次超级深坑"的路径。 一次黑天鹅就能把几十年的 Calmar 压住。
分子（收益）不高，但分母（MaxDD）非常小。
典型 Calmar 0.5~1.5
不是资产本身牛，而是仓位规则压低了回撤。
典型 Calmar 0.3~0.6
长期 alpha 来自因子暴露，而非纯宽基。
典型 Calmar 0.2~0.5
| 资产 / 策略 | 长期 CAGR | 历史 MaxDD | 粗估 Calmar | 瓶颈 |
|---|---|---|---|---|
| QQQ Buy&Hold | ~15% | −83% | ~0.18 | dot-com 深坑永久污染分母 |
| BTC Buy&Hold | ~50%+ | −80~85% | ~0.6 | 分子极大，但分母也很深 |
| BTC 分区间定投 ⭐ | ~30~40% | −40~55% | ~0.6~0.8 | 仓位规则大幅压低了回撤 |
| 沪深 300 | ~7~8% | −73% | ~0.10 | 分子不够大 + 2008 深坑 |
| 中证 500 | ~10~13% | −72% | ~0.15 | 略好于沪深 300，但同一量级 |
| TQQQ 趋势轮动 DCA ⭐ | ~31% | −71% | ~0.44 | 3× 杠杆结构性深坑 |
BTC 分区间定投的 Calmar 高于 QQQ Buy&Hold，不是因为 BTC 比 QQQ"更好"—— 而是分区间定投把资金暴露变成了"随估值/跌幅动态调节的仓位策略"，从而把策略层面的 MaxDD 压下来了。
同理，TQQQ 趋势轮动的 Calmar（0.44）远好于 TQQQ Buy&Hold（负数）， α 全部来自仓位路径管理，不是 TQQQ 本身。
对高波动、高右尾资产，"怎么持仓"比"选不选它"更影响收益。
分红再投资会明显抬升 CAGR（尤其 A 股宽基差 1~2%/年），Calmar 跟着变。比较时必须统一口径。
全样本把 2008 那种超级大坑永远记在账上。如果只看近 10 年滚动 Calmar，结论可能完全不同。
分区间定投不是长期满仓。如果闲置现金不计入收益口径，Calmar 会被高估。本项目 BTC DCA 按总资本口径。
量化七大敌
= 假发现
= 假兑现
= 假存活
| # | 敌人 | 为什么致命 | 致死概率 | 本项目实例 |
|---|---|---|---|---|
| 1 | 过拟合 | 最隐蔽——伪装成"精细研究"。回测好看、逻辑能讲通，但本质是拟合噪声 | ~30% | 交叉验证发现 MA/QLD 比例两段方向相反 → 选中间值而非边缘最优 |
| 2 | 未来函数 / 信息泄漏 | 单点致命——只要有一点泄漏，整个业绩评估系统性失真 | ~20% | 2026-04-12 发现 MA 用本周收盘 + 同日执行，修正后 IRR 从 50% 降到 21% |
| 3 | 交易成本 + 滑点 | 把微弱优势杀死——很多策略不是没 alpha，而是扣完成本就没了 | ~20% | 条件退出 vs 无条件退出：交易 45 笔 vs 96 笔，减少 53% 摩擦 |
| 4 | 非平稳性 / 结构变化 | "历史有效，未来换题"——市场不是固定分布，信号只在某个阶段成立 | ~20% | A 段最优 MA=63 天 vs B 段最优 MA=126 天，环境依赖性明确 |
| 5 | 流动性与容量 | 资金放大后收益塌——很多策略只能在极小规模下成立 | ⊂ #3 | 个人 DCA 规模小，TQQQ 日均成交 >$10B，暂不受限 |
| 6 | 样本偏差 / 数据质量 | 数据脏了足够毁掉结论——幸存者偏差、复权错误、口径不一致 | ⊂ #2 | 月度数据 MaxDD 系统低估 2.2%（-37.9% vs -40.1%），改用日频 |
| 7 | 风控与执行崩塌 | 不是策略错，是你把系统破坏掉了——连亏停手、连赢加杠杆、回撤改规则 | ~10% | 趋势轮动年均 1.4 笔交易，执行门槛极低 → 刻意降低此风险 |
属于单点致命错误。
本项目应对：前瞻偏差检查清单（.cursor/rules），发现一次就全面审计
属于持续性资源错配。
本项目应对：交叉验证 + 选中间值 + 参数高原分析
属于落地层面的真实杀手。
本项目应对：条件退出减少 53% 交易 + TQQQ 流动性充裕
有没有未来函数？数据有没有错位？样本有没有污染？
过不了这关，后面都不用看。
有没有过拟合？Out-of-sample 是否成立？Walk-forward 是否稳定？
交叉验证两段平均 Calmar 是核心指标。
扣成本后还剩多少？容量多大？极端行情能否执行？
alpha 太薄 + 换手太高 = 交易所的利润。
MaxDD 能否承受？杠杆后几何收益是否变差？策略失效时有没有熔断？
长期不是一次回测，是跨 regime 生存。
| 阶段 | 最危险的敌人 | 原因 |
|---|---|---|
| 研究阶段 | 未来函数 → 过拟合 → 数据问题 | 这三个会让你"以为有 edge" |
| 上实盘阶段 | 成本 → 流动性 → 执行与风控 | 这三个会让"纸面 edge 无法兑现" |
| 长期存活阶段 | 非平稳性 → 容量拥挤 → 风控失效 | 长期是跨 regime 生存，不是一次回测 |
风险调整指标
评估策略优劣不能只看收益率——必须将风险纳入考量。
公式：Calmar = 年化收益率 / |最大回撤|
解读：每承担 1% 的最大回撤风险能换取多少 % 的年化收益
基准：< 0.3 差 · 0.3-0.5 一般 · 0.5-1.0 好 · > 1.0 优秀
优点：直观反映"最坏情况下的收益效率"，对 DCA 策略特别合适
缺点：MaxDD 是单一极端点，可能被 1 次事件主导
公式：Sortino = (R - Rf) / σ_downside
解读：只惩罚下行波动，不惩罚上行波动（区别于 Sharpe）
基准：< 0.5 差 · 0.5-1.0 一般 · 1.0-2.0 好 · > 2.0 优秀
优点：适合非对称分布的策略（如杠杆 ETF 抄底，上行远大于下行）
缺点：对 Rf 的选择敏感
公式：使贴现后净现值 NPV = 0 的年化利率
解读：考虑了资金的时间价值，反映"每一块钱的效率"
优点：DCA 策略的标准收益衡量方式，公平比较不同投入时序
实现：牛顿法或二分法求解，本项目用 shared.finance.xirr_annual
公式：MaxDD = min(portfolio_value / running_peak - 1)
DCA 注意点：定投中新资金持续进入会稀释回撤——比一次性投入的 MaxDD 看起来更小
解读：从峰值到最低点的最大跌幅，反映最坏体验
心理阈值：-20% 轻度不适 · -40% 严重焦虑 · -60% 多数人割肉 · -70%+ 策略可能失效
情景分析方法
回测只覆盖 1 段历史。用情景模拟来评估"如果未来不一样会怎样"。
步骤：1) 计算底层资产日收益率 → 2) 乘以衰减因子 α → 3) 重新计算杠杆 ETF 价格 → 4) 跑策略
关键：杠杆产品（如 TQQQ 3×）必须用衰减后的日收益重新模拟，不能直接缩放价格
```python # 伪代码 for α in [1.0, 0.7, 0.5, 0.3, 0.1]: dampened_ret = original_qqq_ret * α tqqq_ret = 3 * dampened_ret - daily_fee tqqq_price = cumprod(1 + tqqq_ret) result = run_strategy(dampened_data) ```α 与 QQQ CAGR 的大致对应：1.0× ≈ 12% · 0.7× ≈ 8% · 0.5× ≈ 6% · 0.3× ≈ 3.5% · 0.1× ≈ 1.2%
概率分配原则：
· 中牛权重最大（40-50%）：美股过去 100 年中有约 50% 的 10 年期落在 CAGR 8-12%
· 强牛不要太高（15-25%）：2010-2021 级别的牛市历史上不常见
· 弱牛/横盘作为风险缓冲（20-30%）：包含了结构性变化的可能
· 熊市极小（5%）：25 年完全跑输通胀的概率很低，但作为尾部风险必须考虑
决策规则：选择 E[Calmar] 最高的参数组合。如果两者 E[Calmar] 差距 < 10%，选操作更简单的
概率加权后市判断
不预测单一未来，而是列举所有可能的后市走势，分配概率，计算加权期望。用于策略选择和参数比较。
Step 1 — 定义情景：将未来走势拆成 4~6 种互斥且穷尽的情景，例如按底层资产的 CAGR 区间划分
Step 2 — 分配概率：基于历史频率 + 宏观判断给每个情景赋概率，所有情景概率之和 = 100%
Step 3 — 模拟收益：对每个情景跑策略回测（通常用收益衰减法生成模拟数据），得到 IRR、MaxDD、Calmar 等指标
Step 4 — 计算期望：E[指标] = Σ P(情景_i) × 指标(情景_i)
Step 5 — 比较策略：选 E[Calmar] 最高的；若差距 < 10%，选操作更简单的
情景设计示例（美股 QQQ）
| 情景 | 衰减因子 α | QQQ 约 CAGR | 概率 | 历史参考 |
|---|---|---|---|---|
| 强牛 | 1.0× | ~12% | 20% | 2010-2021 级别长牛 |
| 中牛 | 0.7× | ~8% | 40% | 美股百年均值附近 |
| 弱牛 | 0.5× | ~6% | 25% | 人口老龄化/加息周期 |
| 横盘 | 0.3× | ~3.5% | 10% | 日本失落十年类比 |
| 熊市 | 0.1× | ~1.2% | 5% | 尾部风险/黑天鹅 |
在本项目中，我们用此方法评估了 TQQQ 抄底策略的默认参数和优化参数在不同后市走势下的表现：
| 参数 | E[IRR] | E[Calmar] | 胜出情景 |
|---|---|---|---|
| 默认 | 14.72% | 0.415 | 0/5 |
| 优化 | 24.43% | 0.695 | 5/5 |
结论：优化参数在所有 5 种情景中都胜出（包括弱牛和横盘），E[Calmar] 高出 67%。不过拟合。
1. 中间情景权重最大：不要把 > 30% 的概率给极端情景
2. 概率之和 = 100%：强制自洽，不能"每个都觉得可能"
3. 做灵敏度分析：将强牛概率从 20% 调到 10% 或 30%，看结论是否翻转
4. 定期更新：宏观环境变化时更新概率（如加息周期→降低强牛概率）
1. 锚定偏差：因为刚经历了强牛，给强牛赋过高概率
2. 忽略尾部：不给熊市分配概率（黑天鹅需要 ≥ 5% 权重）
3. 只看 E[IRR]：应该用 E[Calmar] 做决策，因为它隐含了风险
4. 过度自信：概率本身是猜的，误差 ±10% 是常态。如果结论依赖精确概率值才成立，那结论不够稳健
策略评估清单
每次优化策略后，按以下步骤逐项检查。
Alpha 与 Beta：你在赚什么钱？
Beta 是你通过暴露于某个市场获得的收益。市场涨，你涨；市场跌，你跌。
本质上，它是市场对你承担系统性风险的补偿 — 你承受了波动，换来了长期正期望的回报。
• 买 QQQ → 拿纳指的 Beta
• 买 BTC → 拿比特币的 Beta
• 买沪深 300 → 拿 A 股的 Beta
Alpha 是你相对于基准多赚（或少亏）的部分。它来自你的信息优势、判断能力、或策略设计。
核心判断标准：把你的策略和「傻持」同一标的做对比 — 多出来的部分才是 Alpha。
Alpha = 你的策略收益 − 基准的 Beta 收益
如果 Alpha ≤ 0，你不如直接买指数。
Alpha 的标志是你的收益曲线和市场不同步 — 市场跌时你跌得少，或者市场涨时你涨得多，且这种优势可持续。
"我选到了比特币" — Alpha 还是 Beta？
大多数情况下：是比特币的 Beta，不是 Alpha。
买 BTC 本质上是暴露于以下系统性风险：
这跟买 QQQ 拿纳指 Beta 非常像，只不过 BTC 波动更大、弹性更强。
如果你长期持有 BTC，BTC 涨了 3 倍，你也涨了 3 倍 — 这主要是 BTC Beta，不是 Alpha。
就好比：2020 年买了纳斯达克 100 指数，到 2024 年翻倍了。这是纳指的 Beta，不是你的"选股能力"。
• 通过估值分层、周期识别、仓位管理，收益明显高于 Buy and Hold
• 在回撤控制上远优于纯持有（同样时间段内，MaxDD 更浅）
• 在同样承担风险下，风险调整后收益更高（更好的 Sharpe/Calmar）
• 找到比 BTC 本体更优的加密标的，且不是纯赌狗式碰运气
• BTC 涨了 200%，你也涨了 200% → 纯 Beta
• 牛市买了山寨币涨了 10 倍 → 高 Beta + 运气
• 坚持"信仰"拿住了 → 风险承受力，不是择时能力
• "我 2015 年就买了 BTC" → 早期进入 ≠ Alpha，是 Beta + 时间
美股同理：买 QQQ 赚的也是 Beta
| 操作 | 你赚的是 | 说明 |
|---|---|---|
| 买入 QQQ 持有 | 纯 Beta | 纳指涨 15%，你就涨 15%，市场给的回报 |
| TQQQ 趋势轮动 | 杠杆 Beta + 暴露管理 | 用 MA Gate 控制 3× 杠杆暴露时机 → 放大 Beta 的同时管理风险 |
| BTC 链上评分 DCA | Beta + DCA 路径优化 | 低位多买 → 降低平均成本 → 在 Beta 基础上叠加路径优势 |
| 500 只股票选赢家做空输家 | 真正的 Alpha | 做多做空对冲掉市场 Beta，剩下的收益是选股能力 |
| 跨交易所 BTC 套利 | 真正的 Alpha | 市场中性策略，不依赖 BTC 涨跌，赚的是定价低效 |
关键洞察 — "我选了 BTC 而不是黄金" 和 "我选了 QQQ 而不是沪深 300" 本质上是资产配置的决策（选择暴露于哪个 Beta），不是 Alpha。 Alpha 只在你相对同一标的的 Buy and Hold 做得更好时才存在。
我的策略体系：收益归因
诚实的结论：我的体系 90%+ 的收益来自 Beta 和 Smart Beta。
这不是贬义 — 认清楚这一点，反而让你不会去做无效的过度优化。
大部分散户的合理目标是高效收割 Beta，而不是追求 Alpha。
自检清单：你赚的是 Alpha 还是 Beta？
• Beta 不丢人 — 全球最聪明的机构资金 80% 在赚 Beta，散户能系统性地收割 Beta 已经超过 95% 的人
• 误以为 Beta 是 Alpha 才危险 — 因为你会高估自己的能力，做出过度集中、频繁交易、追热点等错误决策
• 知道自己赚的是 Beta → 把精力放对地方 — 优化暴露管理（Smart Beta）+ 提高本金（主业收入），而不是追逐不存在的 Alpha
相关页面
策略定位：Smart Beta + 杠杆暴露管理
当前体系更像「Smart Beta + 杠杆暴露管理」，而非强预测型择时。
这不是贬义——系统性风险溢价的高效收割，本身就是正期望的收益来源。但它不是 Alpha。
我的策略 = 市场 Beta × 杠杆暴露管理 × DCA 路径优化
• BTC 定投：链上指标评分 → 动态仓位 → 低买多买、高买少买
• TQQQ 趋势轮动：趋势过滤（MA 242 日）+ 条件退出（trailing 40%）→ 杠杆暴露时机控制
共性：都是对市场 Beta 做更聪明的暴露管理，不是预测涨跌。
• 横截面选股：在一堆标的里区分赢家和输家
• 信息优势：比市场更快/更准地处理某类信息
• 结构性套利：利用市场微观结构摩擦
关键区别：Alpha 需要选择「买什么」，我的体系只决定「怎么买」和「买多少」。
QQQ +12~15%/年
条件退出
低位多投入
加密市场横截面因子：为什么 Alpha 极少
| 因子 | 股票市场年化 Alpha | 加密市场年化 Alpha | 说明 |
|---|---|---|---|
| 动量 | +6~8% | +2~4% | 扣除交易成本和资金费率后接近 0 |
| 价值 | +3~5% | N/A | 加密资产没有 Book Value，无法定义传统价值因子 |
| 规模 | +2~3% | 不稳定 | 流动性充足的标的仅 ~20 个，样本太小 |
做多 BTC + 做空 SOL → 信号被高度同步的波动淹没，多空对冲后剩下的信号极弱。
即使因子信号正确，做空腿的持有成本就能吃掉全部 Alpha。
横截面选股需要大量低相关标的才有效，这在加密市场不成立。
加密市场的绝大部分收益来自市场 Beta（周期年化 +50~80%），横截面 Alpha 只有 2~4%，不够覆盖交易和做空成本。
真正有 Alpha 的方向（从易到难）
| 方向 | Alpha 来源 | 难度 | 说明 |
|---|---|---|---|
| 横截面动量/价值因子 | 行为偏差（过度反应/反应不足） | ★★☆ | 在 500 只股票里做多赢家、做空输家。需要选股能力，不是买指数 |
| 统计套利 / 配对交易 | 均值回归 + 协整关系 | ★★★ | 找两只高度相关标的，价差偏离时做多/做空。需要实时数据 |
| 事件驱动 | 信息不对称的短窗口 | ★★☆ | 财报、并购、指数调仓前后的价格异常。需要快速反应 |
| 另类数据因子 | 信息优势 | ★★★ | 卫星图、信用卡数据、社交媒体情绪。散户可用：SEC 13F 持仓跟踪、内部人交易 |
| 波动率交易 | VIX 期限结构系统性溢价 | ★★★ | 做空 VIX 期货（长期正期望但尾部风险极大），或期权 vol surface 套利 |
| 方向 | Alpha 来源 | 难度 | 说明 |
|---|---|---|---|
| 加密跨所套利 | 市场碎片化 + 低效定价 | ★★★★ | CEX 间价差、CEX vs DEX、资金费率套利。需多交易所 API + 低延迟 |
| DeFi 收益策略 | 协议激励 + 流动性溢价 | ★★★ | LP 做市、清算机器人、MEV。需要链上编程能力 |
| 期权做市 / Greeks 管理 | bid-ask spread + vol mispricing | ★★★★ | 需要期权定价模型 + 实时对冲能力 |
| 机器学习因子挖掘 | 非线性模式识别 | ★★★★ | 从价量数据中提取因子。过拟合是最大敌人 |
如果真想找 Alpha：更现实的方向
原理：永续合约做空 BTC（收资金费率）+ 现货做多（对冲价格风险）→ 市场中性
收益：牛市年化 15~30%，熊市 5~10%
优点：已有 BTC 持仓，可用一部分做 basis trade
缺点：需要期货账户、有交易所风险、需持续监控
原理：持有 BTC 现货 + 卖出虚值看涨期权 → 收取权利金
收益：牺牲上涨空间换确定性收入
优点：已有现货持仓，covered call 不需额外资金
缺点：牛市后悔（upside 被 cap），需要 Deribit 账户
• 当前体系 BTC 周期平均 IRR 30%+，TQQQ 趋势轮动策略 IRR 32%
• 花时间追求 +2% 边缘 Alpha，不如提高主业收入 → 增加可投资金额
• 最终资产 = 本金 × 收益率，对大多数人来说，提高本金比提高收益率更现实
推荐学习资源
| 书名 | 作者 | 为什么推荐 |
|---|---|---|
| 101 Formulaic Alphas | Kakushadze | 101 个因子公式，直接可回测，理解什么叫"因子" |
| Advances in Financial ML | López de Prado | 金融 ML 圣经，讲了为什么大部分回测都是过拟合 |
| Quantitative Trading | Ernie Chan | 散户量化入门最佳，讲均值回归和动量 |
| Trading and Exchanges | Larry Harris | 理解微观结构，知道 Alpha 从哪里来 |
| ML for Algorithmic Trading | Stefan Jansen | 因子模型 + ML，有完整代码 |
Medallion Fund：Alpha 的天花板长什么样
| 指标 | 数据 |
|---|---|
| 运行时间 | 1988 年至今，约 38 年 |
| 费前年化收益 | ~66% |
| 费后年化收益 | ~39% |
| 管理费 | 5% 管理费 + 44% 业绩提成（行业标准 2% + 20%） |
| 最差年份 | 1989 年亏 4%（唯一亏损年份） |
| 2008 金融危机 | +82%（费前），全市场崩盘时暴赚 |
| 2020 新冠 | +76%（费前） |
| 累计收益 | 1988~2018 的 30 年，$100 变成 $400 亿+（费前） |
费率这么高还能费后 39% — 说明策略本身的 Alpha 是真实的、巨大的。这不是靠市场涨（Beta）赚的钱 — 2008 年全市场崩盘时照样 +82%。
关键细节：Alpha 不可规模化
| 基金 | 对象 | 表现 |
|---|---|---|
| Medallion | 仅内部员工 | 费后年化 ~39% |
| RIEF | 外部机构 | 年化 ~12%，2020 年亏 -33% |
| RIDA | 外部机构 | 表现平平，2020 年亏 -31% |
同一家公司，内部 +39%/年，外部 -33%/年。差距是天壤之别。
Medallion 的核心方法论
Medallion vs 散户体系：完全不同的维度
| 维度 | Medallion | 我的体系 |
|---|---|---|
| 收益来源 | 短期市场微观结构 Alpha | 中长期 Beta + Smart Beta |
| 持仓周期 | ~2 天 | 数月 ~ 数年 |
| 标的数量 | 数千只 | 2 只（BTC + QQQM/TQQQ） |
| 对市场方向依赖 | 几乎不依赖 | 高度依赖 |
| 可复制性 | 不可能 | 完全可复制 |
| 资金容量 | ~100 亿美元封顶 | 无容量限制 |
| 维护成本 | 百人博士团队 + 持续研发 | 一条均线 + 一个止盈规则 |
| 最差年份 | -4%（1989，唯一） | MaxDD -70%+（高度依赖市场） |
市场的三段反应 & 对应策略
① 即时反应（秒~分钟）— 消息出来，价格跳涨/跳跌。算法和高频交易者在这里赚钱，比你快几个数量级。
② 短期过度反应（几小时~几天）— 散户 FOMO 涌入，价格冲过合理价位。这是泡沫，不是机会。"利好出来追涨"亏钱的原因就在这里。
③ 中期反应不足（几周~几个月）— 消息的深层影响慢慢被定价，趋势持续漂移。动量策略赚的就是这段。
| 时间尺度 | 市场行为 | 对应策略 | 谁在做 | 散户可行？ |
|---|---|---|---|---|
| 1~5 天 | 过度反应 → 回调 | 短期反转 / 均值回归 | Medallion、高频基金 | 不可行 需做空 + 毫秒执行 + 海量标的 |
| 数周~数年 | 趋势持续 → 体制延续 | 趋势跟踪 / 体制过滤 | CTA 基金、我的 TQQQ 策略 | 可行 均线趋势轮动 + 条件退出 |
| 数年 | 长期价值回归 | 买入持有 / DCA | 指数基金、我的 BTC DCA | 最可行 只需定期买入 |
核心结论
最终资产 = 本金 × 收益率
Medallion 证明了收益率的天花板极高，但也证明了那个天花板和散户无关。
对大多数人来说，提高本金（主业收入）比追求 Alpha 的期望值高得多。