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。
📜 本页是研究历史(2026-04-19) — 主框架已演化
本页论证当时的 70/0/20/10 → 4:2:3 (40 BTC + 20 MSTR + 30 TQQQ + 10 现金) 决策路径。 最终主框架在 2026-04-19 进一步演化到 1:1:1 等额三桶 + 固定 ¥10 万独立安全垫 (BTC = MSTR 上限 = TQQQ,各占主仓 1/3;安全垫不随本金线性缩放,不算配仓), 并在 2026-05-27 由用户校正"3:3:3:1" 的语义本意。 最新权威主框架页:⭐ 主策略框架 (1:1:1 + mNAV swap)(个人计划 mode)。
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
⛔ 等大跌陷阱（幸存者偏差）
专门钉死一种反复出现的直觉:「好多厉害的人都是高位攒现金、等低位再一把扫货」——取样多半是错的，长期期望对 DCA 用户是亏的。
「这个我觉得值得搞一个 tab 沉淀一下，我总会有这种认知偏差，总感觉好像好多人都在等着攒现金然后等低位再买入，因为我看到好几个厉害的人都是这样的（可能是我取样有偏差）。」
你已抓到症结:「可能是我取样有偏差」——本页把这一点写成可复查的论据链，避免下次焦虑时又被叙事带走。
- 高位心理难受——是真的，但这是心理成本，不是「停投能换来的 alpha」的算法证据。
- 等便宜能省钱——单次抄底故事好听；拉长到年月，「永远差那一脚」和「错过整段牛市」更常见。
- 市场总会回调——会回调，但回调深度与时点不可契约；用主观「再跌跌就买」接住的是随机性，不是规则。
点题:这些直觉局部都对，但它们和「长期可重复的 alpha（在你已有 A1 + DCA 框架下）」是两回事。
② 幸存者偏差（核心）
叙事里流传的「高手」，几乎都是事后被看见的那一批；赌输、踏空、沉默的人不会进入你的信息源。
| 你看到的「高手」 | 你没看到的大量「反面高手样本」 |
|---|---|
| 2008 抄底成功的人 | 2008 抄在中段（雷曼前数月）被打到怀疑人生、之后不再发帖的人 |
| 2020 COVID V 型里「买在坑底」的人（窗口极短，运气好成分高） | 2014–2020 攒了多年现金等「大跌」、结果一直没等到、全程低配风险资产的人 |
| 现在还活跃在社交媒体 / 群聊里叙事的人 | 错过 2009–2024 长牛、已退出市场或根本不发声的人 |
认知递进:幸存者偏差是表层原因。下面 第 ⑥ 节损失厌恶 才是更深的行为金融学基础 —— 但这两者加起来仍然不够支撑「高位完全停月供」，因为保险费太贵（详见第 ③④ 节实证与第 ⑥.3 节量化框架）。
③ 实证 1:近 2 年「高位停流」≈ 错过 95% baseline alpha
数据来自 static/data/v3_skip_attribution.json 与 v3-strategy-context.mdc 中对 zero_or_one 近 24 个月的 analysis 3（2024-06～2026-05 区间）。
| 等额 baseline | V3「高位停月供」实盘版 | |
|---|---|---|
| skip 月份 | 0 / 24 | 22 / 24（92%） |
| 总投入 | $24,000 | $2,000 |
| 终值 | $43,942 | $2,996 |
| 错过的 alpha | — | $18,947（95%） |
即便 22 个 skip 月份的钱进 BOXX 短债吃约 5%/年，也只能回收约 ~$2,200——相对 $18,947 的缺口，治标不治本。
④ 实证 2:按年代分组 —— alpha 高度集中在极少数月份
同样来自 static/data/v3_skip_attribution.json（按年代 skip vs invest 的 12m 均值对比）。
| 年代 | skip 数 | skip 12m 均值 | invest 12m 均值 | 含义 |
|---|---|---|---|---|
| 1990s | 74 | +98.76% | +53.38% | dot-com 仍在涨，skip = 大踏空 ~-45pp |
| 2000s | 11 | -89.08% | +3.83% | 唯一救命段（约 +93pp）——对应 dot-com 附近极少数月份 |
| 2010s | 6 | +9.73% | +50.52% | 踏空 ~-41pp |
| 2020s | 46 | +36.62% | +50.62% | 踏空 ~-14pp |
核心认知:「高位攒现金少买」类策略的叙事收益，高度集中在 2000s 那极少数 skip 月份（与 dot-com 窗口同源）；其余绝大多数年代你在表格里看到的是系统性踏空。 这是用漫长时间里的踏空换极少数历史窗口的救命——对你这种以 DCA 为底盘的配置，期望侧往往是负贡献（已由近 2 年窗口定量打脸）。
⑤ 真正的「择时」≠ 散户「等大跌再买」
| 维度 | 专业系统化择时（A1 trail=40%） | 散户「等大跌再买」 |
|---|---|---|
| 触发条件 | 价格规则（峰值回撤 40% + QQQ < 242d MA） | 主观感觉（「有点贵」「再跌跌」） |
| 再入场 | 明确（QQQ > 242d MA，次日执行） | 模糊（「真的便宜再说」——永远可重新定义） |
| 触发频率 | 26 年约 13 次（~0.5 次/年） | 容易变成「一直在等」→ 长期低配 |
| 回测画像 | 9 窗口存活 + P50 叙事已落档 | 机械「高位停」近例：95% alpha 踏空 |
| 心理 | 跟信号，减少临场叙事 | 「再低一点就买」——常见无限后移 |
关键区分:你听到的「大佬等危机加仓」，经常被误读成「主观攒现金」；很多人实际用的是规则化风险开关 + 趋势确认（均线、波动阈值、仓位纪律），和「心情好再买」不是一类东西。
⑥ 损失厌恶与前景理论（心理学基础 + 保险费）
⑥.1 损失厌恶（loss aversion）：高位停月供的真实心理学基础
Kahneman & Tversky（1979） 的前景理论（prospect theory）在实验室与现场数据里反复得到支持：人们对损失的敏感度普遍高于对等额收益的敏感度。 经典参数化里，损失厌恶系数 λ ≈ 2.25（即同样绝对值下，亏一块钱的负效用约等于赚 2.25 块钱的正效用）。
按这一系数，账面亏 -20% 的主观痛感，大致相当于赚 +45% 才有的爽感（2.25 × 20% ≈ 45%）——所以「高位再接一笔新月供 = 可能多承担一份向下波动」在感觉上非常真实，不是矫情。
⑥.2 损失厌恶导致的典型行为（对照入座）
| 行为 | 心理动机 | 长期期望侧（量级，非承诺） |
|---|---|---|
| 高位停新月供 | 保护「新进的钱」不扩大风险敞口 | 视场景 -2～-7pp/年（机械「高位全停」可逼近/V3 量级） |
| 大跌底部卖出 | 锁定「不再亏」/「我不能扛了」 | 常 -10～-30pp 量级的机会成本（踏空反弹） |
| 处置效应：赚的卖掉、亏的拿着 | 怕盈利回吐 / 不愿实现亏损 | 文献典型 系统性负 alpha（标的与周期依赖） |
三类里，「高位停新月供」往往是相对最温和、最可理解的（比起底部恐慌砍仓、或盈利单乱卖）。但它仍然不是免费午餐 —— 只是「保险费」有时被叙事包装成「理性」，需要从现金流与复利角度量化。
⑥.3 「心理保险费」量化框架（核心）
心理保险有价值，但不是免费的 —— 每年都在付保险费。问题不是「要不要保险」，而是保险费能不能接受。
| 保险方案 | 心理舒适度 | 年化保险费 （vs 等额 DCA baseline） |
长期累计代价 （10 年级，示意） |
|---|---|---|---|
| 不保险（等额 DCA） | 低（高位心理痛苦） | 0 | 0 |
| 轻量保险：四条边界下的减半 | 中高 | ~-0.5～-1pp/年 | ~-5～-10% 终值 |
| 重度保险：高位完全停（V3 zero_or_one 同类） | 极高 | -2～-7pp/年 | -95% baseline alpha（近 2 年实证，见第 ③ 节） |
| 极度保险：清仓等大跌 | 最高（短期） | ~-8～-15pp/年 | 累计 opportunity 常 -50～-80% 量级 |
- 保险费与「舒适等级」更像指数关系，不是线性：从「减半」到「全停」，心理舒适常只再好一截，但年化代价可翻几倍。
- 复利的大杀器是中断：减半仍在向权益轨道注资；「新月供 = 0」会把 DCA 的复利引擎长期摁停（第 ③④ 节的实证就是高压案例）。
⑥.4 损失厌恶 vs 序列风险（别走极端到「永远不投」）
损失厌恶描述的是你对账面波动的感受方式 —— 它是真的；但长期不投资会在另一条轴上制造「感受不贵、但很贵」的损失： 购买力被通胀与资产通胀甩下（现金名义不变，实际生活成本与风险资产长期路径仍在动）。
项目内通胀框架见 .cursor/rules/inflation-adjusted-planning.mdc：长期近似 3%/年 CPI 的情景下，名义零收益的现金≈每年约 -3% 实际购买力；
拉长到 30 年，购买力可跌破 -50% 这一量级 —— 这类损失往往不如账面浮亏「扎眼」，因此损失厌恶不容易报警，但它一样真实。
结论：怕亏是对的；但用「完全不参与风险资产」来逃避波动，常常是把痛苦延迟/变形成看不见的购买力流失。
⑥.5 reconcile：心理舒适与长期 alpha 的平衡解（四条边界）
项目在 tqqq-rebound-params.mdc（「心理诉求合法出口」）里给过可执行的护栏 —— 目的就是把「真实的心理保险需求」翻译成可控的保费：
- 减半，不要 0 投（新月供可以少，但不能整月归零）。
- 一次性决定，不把它写成「以后每次高位都如此」的机械规则。
- 少投的钱只能进 BOXX，不能换赛道去买别的股票「赌玄学 alpha」。
- A1 trail 触发或通道跌回 < 80% 时：恢复 100% 月供，并释放积压的 BOXX回既定路径（避免永久减杠杆）。
⑦ 项目内已实证的路径（三层）
- 常态:不择时，等额月供进 A1（risk-on → TQQQ；risk-off → QQQM）。
- 大跌:A1 trail 自动切防；组合层现金（BOXX）仅在「QQQ 较 ATH 回撤 ≥25%」且「A1 信号 risk-on」双条件满足时考虑一次性加注（历史可交易样本约每 4～5 年一次，详见 大跌+A1 触发回测）。
- 心理扛不住高位:可走「心理诉求合法出口」——少量减半月供，不是清零；并严守四条边界（见下）。
tqqq-rebound-params.mdc 心理诉求合法出口）- 只减一部分，不能 0 投（例如减半可以，全停不可以）。
- 一次性决定，不把这写成「以后每次都如此」的机械规则。
- 少投的钱只能进 BOXX，不能换去买别的股票 / 板块「赌反弹」。
- A1 trail 触发或通道跌回 < 80% 时：恢复满额月供，并把积压的 BOXX 按纪律释放回既定路径（避免永久减杠杆）。
⑧ 自检（可操作）
问一句:如果未来 3 年没有「满意的大跌」，我会不会因为今天少投而后悔？
- 会后悔 → 你要的是 alpha，不要停 DCA。
- 不会（只要能睡得好） → 可以走「减半 + BOXX」心理出口，但必须严守第 ⑦ 节四条边界。
- 「通道 92% / 估值贵 / 心里扛不住」当作全停理由。
- 「已有仓位不动，新月供全部攒现金等低位」。
- 「朋友 / 大 V / 另一个 AI 让我结合宏观择时」。
- 「停定投攒弹药 / 等回调再加 / 等跌回 X%」。
- 「XX 大佬就是高位攒现金，所以我也该如此」→ 本页第 2 节幸存者偏差。
⑨ 关联阅读
- ⛔ 停定投陷阱 — 同源「贴顶停流」的更完整回测与 trail 已覆盖的论证。
- ⛔ LEAPS 抄底陷阱 — 「大跌 + 看好基本面 + 杠杆工具」另一类反诱惑。
- ⭐ DCA vs Lump 真相 — DCA 叙事下 TQQQ 底盘 + BOXX buffer 反诱惑。
- ⭐ 大跌+A1 触发回测 — 双条件加注频率（历史合并 episode 六次，平均间隔约 4.37 年）。
⭐ TQQQ 波动磨损 — 它会"损耗完再也回不来"吗?
2026-05-10 用户问:"TQQQ 的波动磨损率是多少?能接受 QQQ 的巨大回撤(长期复利必经路径), 但担心 TQQQ 损耗完就再也回不来。"这页用 1985-2026 完整数据(含合成段 R²≥0.999 校准)给出量化答案。
- QQQ 实际:标的本身的累计净值
- Naive 3× = QQQ3 — 用户脑子里"3 倍标的"的幼稚直觉(假设无任何磨损)
- Pure 3× = compound(3 × RQQQ_d) — 完美日 rebalance 3× ETF(无费用,只有几何效应)
- 实际 TQQQ — 含 ER + 借贷利息 + 跟踪误差的真实路径
运营磨损 = Pure 3× − 实际 TQQQ(费用 + 借贷,与 T-bill 利率正相关)
总磨损 = Naive 3× − 实际 TQQQ(用户最关心的"杠杆 ETF 真实代价")
数据源:static/data/v3_underlying.parquet(NDX 1985-1999 scaled →
QQQ 1999+ 真实;TQQQ 1985-2010 由 simulate_tqqq 合成,经 R²≥0.999 校准 → 2010+ 真实拼接)。
可视化数据:static/data/tqqq_drag_curves.json(由
research/gen_tqqq_drag_curves.py 生成,~100 KB,周采样)。
② TL;DR — 全期 2000-2026 (26.3 年) 核心数字
即使是无费用的"完美 3× ETF",从 2000 持有到现在也只有 +3.76%/年, 不如直接持有 QQQ 的 +8.65%/年。"3 倍杠杆"在 26 年路径上变成了"0.43 倍" —— 这就是波动磨损的真实代价。
③ 4 层累计净值曲线(从 2000-01 起 normalize 到 1.0)
读图重点:① 紫色 Naive 3× 在牛市疯狂扩张,但这是不存在的虚构曲线; ② 橙色 Pure 3× 在 2002 / 2009 / 2022 三个底部都被打到接近归零(下方平台); ③ 红色实际 TQQQ 比橙色还低(运营成本叠加); ④ 蓝色 QQQ 长期跑赢"无费用的完美 3× ETF" —— 反直觉但真实。
④ 滚动磨损率 + QQQ σ 时序
读图重点:磨损率不是常数,跟 QQQ σ 强正相关 —— 2002~2010 窗口(包含 dot-com)总磨损接近 30%/年,2015~2025 窗口降到 15-20%/年。 波动磨损 ≈ 3σ² 经验公式在每个时间点都拟合得很好。
⑤ 跨段汇总表(磨损率随 σ 变化)
| 段 | 说明 | 年数 | QQQ σ | QQQ CAGR | Naive 3× | Pure 3× | 实际 TQQQ | 波动磨损 | 运营磨损 | 总磨损 | 理论 3σ² |
|---|
关键观察:① 实际波动磨损与 理论 3σ² 公式(用 QQQ 的年化波动率 平方乘 3)在 σ 不极端的段几乎完美吻合;② Dot-com 段实测波动磨损 22% < 理论 36% 是因为 TQQQ 已被打到接近归零,几何不等式失去意义(−100% 是吸收态); ③ 运营磨损在高 T-bill 环境(2007 / 2023+)显著上升,2010-2015 低利率期最便宜。
⑥ 回撤恢复 — "损耗完再也回不来"是否成立?
⚠️ 注意:dot-com 段 TQQQ 不存在,−99.95% 来自合成模型(R²≥0.999 校准过的 simulate_tqqq)。但即便偏差 ±5pp,从 −99% 到 0% 仍需 100× 反弹,结论不变。
⑦ 关键认知校准
| ❌ 错误直觉 | ✅ 正确认知 |
|---|---|
| "TQQQ 大概是 3 倍 QQQ" | 长期 ≈ 3 × QQQ_CAGR − 3σ² − 6%/年当 σ ≈ 25% 时 ≈ 3μ − 25%/年 |
| "QQQ 能扛回撤,TQQQ 也能" | 错。TQQQ 在 dot-com 级长熊里会被打到接近归零,且单次买入很难复原 |
| "波动磨损只是个抽象概念" | 实测全期 22%/年(基本等于 3σ²),是 TQQQ 真实成本的最大组成 |
| "2010 后牛市说明 TQQQ 可以长持" | 那是 σ_QQQ 处于 20-22% 的良性区间。如果 σ 跳到 30%+,磨损直接翻倍 |
| "用 Naive 3× 估算预期收益" | 系统性高估。Naive 3× 在 26 年是 705× 的虚构数字,实际 TQQQ 是 0.49× —— 差 1437 倍 |
DCA 改写直觉 — TQQQ 不再归零,但坑还有 3 个 ⭐
本页回答新资金月供应该怎么投这个反复出现的问题:
"如果是 DCA 呢?我每个月定投 5000 rmb 的 TQQQ 好(另外 1w 放 BOXX), 还是定投 1.5w 的 QQQ 好?"
- "DCA 让 TQQQ 不会归零"是反直觉的认知反转,用户的"为了抗 dot-com 而避开 TQQQ"想法被 4 起点实证打回
- 但"加 BOXX buffer 控回撤"听起来合理 → 实际是拖后腿不是 alpha 来源
- 用户已经在跑 A1 → 再开一条"0.5w TQQQ + 1w BOXX"是重复仓位 + 逆 A1 信号风险
- 问题会反复出现(每次有新资金/奖金/家人转账),沉淀后 AI 直接 3 分钟内引用
② TL;DR — DCA 改写了什么(精华 4 条)
- TQQQ 不再归零:dot-com 段 lump sum 1w → $5;DCA 同样起点 → 反而 +20%/年 CAGR
- 方案 B 完胜方案 A:0.5w TQQQ + 1w BOXX 4 起点 Calmar 全胜 1.5w QQQ
- DCA 在 -83% 下跌段持续买入 → 平摊后低位筹码反而成 alpha 来源
- 坑 1:不再平衡 → 15 年后 TQQQ 占 95% → MaxDD 回到 -85%
- 坑 2:方案 B 的 alpha 全部来自 TQQQ 部分,BOXX 是拖后腿不是策略价值
- 坑 3:已有 A1 → 新仓位会逆 A1 信号(A1 切 QQQM 时新仓位还在买 TQQQ)
1.5w/月 加进 A1 DCA(你已有的系统) → 4 起点中位 CAGR ~25% + trail 兜底, 比"0.5w TQQQ + 1w BOXX" 高 +10pp/年,且无重复仓位风险。 A1 用 26 年 + 9 窗口存活率验证过同款诉求(高 alpha + MaxDD 可控)的最优解,不要重新发明轮子。
③ 4 起点 DCA 实证(项目权威数据)
数据源:static/data/dca_leverage_compare.json
(research/gen_dca_leverage_compare.py 2026-05-11 跑);
统一 base_amount = $1000/月。
| 起点 | QQQ DCA 1× 等额 |
TQQQ DCA 3× 等额 |
A1 DCA ⭐ trail 兜底 |
|---|---|---|---|
| 2000-01 含 dot-com (26.3y) |
CAGR 9.9% MDD -48% / Calmar 0.21 $317k → $3.8M |
CAGR 20.0% MDD -93% / Calmar 0.21 $317k → $37.9M (120×) |
CAGR 21.3% MDD -75% / Calmar 0.28 $317k → $51M (161×) |
| 2005-01 (21.3y) |
CAGR 11.2% / MDD -43% / Cal 0.26 | CAGR 24.8% / MDD -91% / Cal 0.27 | CAGR 25.3% / MDD -70% / Cal 0.36 |
| 2010-01 (16.3y) |
CAGR 11.9% / MDD -34% / Cal 0.35 | CAGR 28.2% / MDD -82% / Cal 0.35 | CAGR 28.3% / MDD -69% / Cal 0.41 |
| 2015-01 (11.3y) |
CAGR 11.8% / MDD -31% / Cal 0.38 | CAGR 24.5% / MDD -81% / Cal 0.30 | CAGR 25.5% / MDD -67% / Cal 0.38 |
| 4 起点中位 | ~11.5% | ~24% | ~25% ⭐ + trail 兜底 |
注:数据源里没有"0.5w TQQQ + 1w BOXX"直接组合,但可线性推:TQQQ 流量 1/3 + BOXX(假设 5%/年)流量 2/3 → 混合 CAGR ≈ 14-17%,介于 QQQ 和 TQQQ 之间(详见 §⑤)。
④ ⭐ 关键反转 — DCA 让 "TQQQ 归零陷阱" 消失
- 2000-01 一次性投 1w TQQQ → dot-com 段 -99.95% → $5 永久损失(
v3_underlying.parquet实证) - "3× 杠杆 + 长熊 = 归零"是教科书结论,用户的直觉防御机制建在这上面
- 2000-01 起点 TQQQ DCA(月供 $1000)→ IRR +29% / CAGR +20% / 终值 $37.9M / 120× money mult
- 即便 dot-com 段 TQQQ 跌 99.95%,DCA 在下跌期间持续在低位买入,平摊后比起点 QQQ DCA 高 +10pp/年
- "低位筹码"是 DCA 的隐藏 alpha,杠杆资产受益最大(低位 3× 复利 > 高位 3× 复利)
ustock-backtest-conventions.mdc §1 "DCA 系统性低估 MaxDD"是同一回事的另一面 —
参数搜索时是缺点(美化结果),实操时是优点(摊平归零风险)。
⑤ 5 种配置完整对比
| 配置 | 4 起点中位 CAGR | MaxDD | Calmar | 评价 |
|---|---|---|---|---|
| A · 1.5w QQQ DCA | ~11.5% | -34 ~ -48% | ~0.30 | 最简单,但 alpha 最少 |
| B · 0.5w TQQQ + 1w BOXX 用户提案 | ~15% | ~-27% | ~0.55 | 比 A 强,但比"全 TQQQ DCA"少赚 -10pp/年 |
| C · 1.5w 全 TQQQ DCA | ~24% | -81 ~ -93% | ~0.27 | 高 alpha,但 MaxDD 心理扛不住 |
| D · 1.5w 全 A1 DCA ⭐⭐ | ~25% | -67 ~ -75% | ~0.36 | 最优:高 alpha + trail 兜底 + 跨段稳健 |
⑥ 3 个坑必须知道
26 年下来,方案 B 的 TQQQ DCA 部分会涨成天文数字($317k 投入 → $38M 终值,120× money mult);BOXX 部分变成只占 3-5%。
- 第 15 年后你的组合本质上变成 ~95% TQQQ + ~5% BOXX,等同 lump sum 1.5w TQQQ 的暴露
- 这时遇到大熊市,MaxDD 会回到 -85%(不再是 -27%)
- 如果希望长期保持"1× QQQ 等效暴露"必须定期再平衡 → 回到已废弃的 QLD 配比策略(详见
qld-strategy-deprecated.mdc)→ P50 0 alpha
用户提案的潜台词是"杠杆资产 + 现金 buffer 不再平衡 = 一种新策略"。但实证显示"+BOXX"没有 alpha 贡献:
- 2w BOXX 部分 IRR ~5%/年 → 远低于其它任何配置,是拖后腿的
- 0.5w TQQQ DCA 部分 IRR ~25%/年 → 是 alpha 源头
- 方案 B 跑赢方案 A,不是"加固收+"的策略价值,是"流量稀释版 TQQQ DCA 仍然比 QQQ DCA 强"
→ 如果是"心理舒适 buffer":方案 B 合理,但你为这份心理保险付出了 -10pp CAGR/年;
→ 真正性价比最高的"buffer" = A1 的 trail=40% (详见 ⛔ 停定投陷阱)。
A1 在 risk-on 时 = 100% TQQQ。用户额外开 "0.5w TQQQ + 1w BOXX" = 在 A1 的 TQQQ 暴露之上再叠一层 TQQQ,但没有 trail 兜底。
- 更糟:逆 A1 信号:A1 在 risk-off 切到 QQQM 时,你的 0.5w TQQQ DCA 继续在熊市买 TQQQ(DCA 哲学不停)→ 这时 A1 已经退出 TQQQ 了,你的额外仓位变成"逆 A1 信号"持有 → 长熊段被 trail 兜底失效
- 原本 A1 用 trail=40% 救了 dot-com 段(详见 A1 防归零实证), 额外开 TQQQ 仓位会绕过这个保护
- 双层 TQQQ 暴露 + 一层无 trail → 实际风险 > "一层 A1"
⑦ 真正最优 — 1.5w/月 加进 A1 DCA
不要开新仓位,直接把每月 1.5w 加进现有 A1 DCA 流量。A1 跟用户"高 alpha + MaxDD 可控"是同一个诉求, 且用 26 年 + 9 窗口存活率验证过这个 tradeoff 的最优解。
- 4 起点中位 CAGR ~25%(跟 1.5w 全 TQQQ DCA 持平)
- MaxDD -67 ~ -75%(比 TQQQ -81 ~ -93% 浅 ~15pp)
- trail=40% 自动救命 dot-com 类长熊
- 9 窗口存活率 100%(详见
tqqq-rebound-params.mdc§ A1 vs MA-only)
- 开新仓位 = 重新发明轮子(同款 tradeoff 已有最优解)
- 引入"逆 A1 信号"风险(详见坑 3)
- 认知带宽分散,执行复杂度上升
- 跟
tqqq-rebound-params.mdc"🚫 不要找另一个 3× ETF 复制 A1 模式"段同源诱惑
⑧ 相关沉淀 (Cursor Rule + 其它 Tab)
tqqq-rebound-params.mdc§ 🚫 不要开新仓位复制 A1 — 用 DCA + BOXX buffer 代替(本页对应的完整版 + AI 触发器)tqqq-rebound-params.mdc§ 🚫 不要找另一个 3× ETF 复制 A1 模式(SOXL 同源诱惑家族)tqqq-rebound-params.mdc§ "接受 A1 回撤就好了" 4 护栏段ustock-backtest-conventions.mdc§1 — DCA 系统性低估 MaxDD(同一现象的另一面)qld-strategy-deprecated.mdc— 为什么"杠杆+现金再平衡"不是 alpha 路径
- ⛔ 停定投陷阱 — trail=40% 已经是最好的 buffer
- ⛔ 板块 ETF 陷阱 — 同款"换标的复制 A1"诱惑
- ⛔ 杠杆陷阱 — 借钱 QQQ ≠ 无磨损 TQQQ
- A1 防归零实证 — trail=40% 怎么救 dot-com
- A1 DCA 稳健性 — 4 起点 Calmar 全胜对比
- 主策略框架 3:3:3:1 — 新资金的正确归口
本回测 alpha = +0.81pp/年（小于 A1 跨起点 P50 标准差 ~2.5%）， 不是「应该 deploy 的策略 alpha」，更接近「心理保险」级别。
正确用法 = 作为 .cursor/rules/tqqq-rebound-params.mdc
中「✅ 真正合理的"抄底加注"方案」里
方案 A（BOXX + A1 加注）的人工 checklist 参考，不要机械化进生产 / cron / 自动推送。
本 tab 前半给出「双条件」触发频率；放宽版 lump 为 §④ 6 场景 × 5 起点 数值表。
① 这个 tab 在回答什么问题
你在规则里沉淀了「方案 A」：QQQ 从 ATH 回撤至少 25%， 且 A1 信号活跃（昨收高于 242 日均线），才把 BOXX 子弹一次性加注到趋势侧。 有人会用 VIX、宏观、通道等高频 trigger争论「要不要抄底」——本页用同一套无前瞻口径， 统计历史上两个条件同时成立有多稀有，帮你建立频率直觉：几年一遇， 而不是「每周看盘都要决策」。
② 触发条件（严格无前瞻，对齐生产语义）
- 条件 A（深跌）：交易日
t的收盘价相对「截至t的 ATH」回撤 ≤ −25%。 - 条件 B（趋势护栏）：昨天收盘
close[t-1]> 不含昨天与当天的 242 日均线mean(close[t-243 : t-1])（与tqqq/signal.py及回测语义对齐）。 - 每日 active：A ∧ B 同时为真。
- 事件口径（episode）：先取连续 active 段；若两段之间空闲交易日 ≤ JSON 中的
merge_gap_trading_days（默认 45），合并为一个 episode。 表中「触发日」= 合并后 episode 的首日（你会第一次看到信号亮的时点）。逐日布尔仍以active_timeline为准。
主序列：QQQ 1999-03-10 起（可交易标的）。扩展摘要见 JSON ndx_extension。
③ 历史触发事件列表
数据：static/data/dip_buy_signal_history.json
| # | 触发日 | 回撤@触发 | MA 距离% | 段末 | 段长(日) | 情景备注 |
|---|
④ 放宽版回测：trail 后首个再入场 lump（6 场景 × 5 起点）
研究背景：本页 ⑨ 的 dip-buy 加注模拟依赖「QQQ 从 ATH 回撤 ≥25% ∧ MA 上方」双条件；
用户提出放宽版原话：
「不要有一个负 25% 的回撤前提，直接从 A1 出场到入场——重新入场的时候一次性加入，一笔完整交易。」
下表用 $700/月 baseline DCA + $30k 一次性资金，
对比 staged lump（B）、全等 BOXX（C）、半仓 BOXX（D）；C/D 的闲置 half/全部仅在历史上首次 trail 出场之后的首个 A1 再入场执行日一次性 deploy（严格 delay=1，242d MA + 40% trail，数据 v3_underlying.parquet）。
第二轮提议 — 线性 DCA 部署（E/F）：「一次性资金每个月投 5% 或 10%，10 个月或 20 个月投完再加月供。」 E = 首日 $30k 进 BOXX，前 10 个月末各转出 $3k + $700 按 A1 标的买入； F = 前 20 个月末各 $1.5k + $700。 未转出部分按与 C/D 相同假设BOXX 5%/年日复利；IRR 现金流仅记「首日 $30k」与各月「$700」（BOXX→权益为内部划转）。 与 C/D「等 trail 后再入场」族的本质区别：确定性时间表，无无限等待尾风险。
α vs baseline（IRR，百分点/年）与 Calmar — 全 6 场景
由 a1_entry_lump_backtest.json 填充；α = 各场景 IRR − 同起点 baseline IRR。
| 起点 | Baseline IRR% |
B α | B Calmar | C α | C Calmar | D α | D Calmar | E 10×$3k |
E Calmar | F 20×$1.5k |
F Calmar |
|---|
线性 deploy vs 60/40：边际表（无信号族）
聚焦 A/B/E/F；E−B / F−B 为同起点 IRR 差（百分点/年）；BOXX 残值 = segment 末日仍在短债侧的余额（主要为线性窗口内累积利息）。
| 起点 | A IRR% | B IRR% | E IRR% | F IRR% | E−B | F−B | F−E | Cal B | Cal E | Cal F | BOXX E | BOXX F |
|---|
C / D：BOXX 等待（交易日）
「最长等待」= 单次 BOXX 闲置窗口跨度（segment 内 post-trail 首轮 deploy）；五起点「最长等待」的中位数见下方摘要。
| 起点 | C max 日 |
C avg 日 |
C BOXX 增值% | D max 日 |
D avg 日 |
D BOXX 增值% | C 假突破≤12m |
|---|
⑤ 整体统计
- 合并后 episode 数
- —
- 双条件 active 总日数
- —
- 样本期 active 占比
- —
- 每十年 episode 数
- —
- episode 平均相隔年数
- —
- 最长合并 episode（日）
- —
- 合并间隔参数（交易日）
- —
- 2020 年前后曾有双条件日
- —
⑥ 触发可视化
QQQ 收盘（对数刻度）+ 242 日均线；淡黄色竖条为逐日 active 区间；橙色竖线为 episode 触发日。
⑦ 关键洞察（对照高频 trigger）
- 稀有度：双条件同时成立在历史上是低频事件（量级：数年一次 episode），与「每周盯 VIX / 新闻」完全不是一个决策频率。
- 不接飞刀：第二条刻意要求昨收已在均线之上，过滤「仍在自由落体」的假反弹；代价是会更晚才亮信号，这是刻意设计的护栏。
- 合并 episode ≠ 隐瞒触发：逐日状态仍在 JSON；合并只为人类可读的事件计数，避免同一轮熊市里均线上下抖动刷出几十个「假首发」。
- 对照 TR2（VIX）：防御 trigger 研究中 VIX 条件曾出现约二十余段独立触发量级（见 JSON
reference字段指向的数据）；本机制有意保持稀疏 + 高质量。 - 禁止机械化：本页是频率教育，不是让你写 cron 自动加仓；流入侧调节仍需人工纪律，参见规则中对「心理标尺」与 V3 同源失败的禁令。
⑧ 实操检查清单（摘要）
完整逐条 checklist 以 Cursor 规则 tqqq-rebound-params.mdc「抄底加注」一节为准；此处仅摘要：
- 回撤阈值未到 → 不动 BOXX。
- 趋势护栏不满足 → 优先考虑规则里的方案 B（仍按 A1 标的），而非强行加注杠杆侧。
- 一次勿清空 BOXX；加注后不要用「涨回 ATH 再补现金比例」做反向择时。
⑨ 关联资料
.cursor/rules/tqqq-rebound-params.mdc— 方案 A/B 原文 + LEAPS 反驳链- 前端 tab：
tab-stop-dca-trap（停定投陷阱） - 前端 tab：
tab-leaps-vs-tqqq-dip（LEAPS 抄底陷阱） - 数据：
static/data/defense_trigger_research.json（VIX 等 trigger 实证） - 加注模拟：
static/data/dip_buy_alpha_backtest.json - 放宽版 lump：
static/data/a1_entry_lump_backtest.json
⑩ 加注真的提升收益吗 — 历史模拟（dip-buy 双条件）
⑩.1 模拟设计（DCA 月供口径，非 Lump Sum）
- 数据源：
static/data/v3_underlying.parquet（QQQ 1999 起 + 合成 TQQQ）；终点日为 parquet 最后交易日。 - Baseline：每月末 $1 000 按 A1（QQQ ↔ TQQQ，242d MA + 40% trail）切换；无加注。
- 模型 A（外部 lump）：Baseline 不变 + 6 次执行日（触发日次日收盘，delay=1）各 lump $30k / $50k / $100k，假设现金来自工资 / 信用贷 / 框架外 buffer。
- 模型 B（拆分供对照）：每月末 $1 000 A1 + $500 BOXX（日化约 5%/年复利）；加注版在每次执行日卖出 BOXX 余额的 50% 买入权益侧（已在趋势侧则买 TQQQ），永不事后「补回」BOXX。
- 指标：money-weighted IRR（年化 %）、粗 CAGR ≈ (终值/总投入)^(1/年)−1、组合 MaxDD、Calmar ≈ CAGR÷|MaxDD|。
⑩.2 主结果对比
由 dip_buy_alpha_backtest.json 填充
| 场景 | 总投入 | 终值 | IRR% | CAGR% | MaxDD% | Calmar | α vs baseline (IRR pp) |
备注 |
|---|
⑩.3 单事件归因（TQQQ 标价持有）
假设执行日收盘价全仓买入 TQQQ，持有 252 / 756 / 1260 个交易日近似 1y / 3y / 5y；与组合模拟路径独立，仅供识别「哪几次触发事后赚钱」。
| 触发日 | 执行日 | 1y ROI% | 3y ROI% | 5y ROI% | 判定 |
|---|
⑩.4 子段稳健性（门槛 D）
同一套 6 次 lump（模型 A $50k）在不同样本起点下的 IRR 溢价；检验 alpha 是否依赖 dot-com 单段。
| 子段 | Baseline IRR% | 50k IRR% | α (pp) |
|---|
⑩.5 结论与护栏
- 月供不能停：alpha 对比前提是 baseline 持续 DCA；手动「等低位」属 V3 同源踏空风险。
- 已有持仓不情绪卖：加注只增量 BOXX→权益；trail 仍管存量切换。
- A1 ≤30% 总组合：表格金额仅为公开标准化假设，实盘比例仍以框架为准。
- 禁止机械化：以下为事后归因教育，不构成 cron / 自动加仓依据。
停定投陷阱 — trail=40% 已经够了,不要再叠主观贴顶 ⛔
本页专门回答一个反复出现的用户诱惑:"现在贵了,是不是该停月供等回调?"
"有的人说现在估值已经很贵了(QQQ 通道 92%+),持有的仓位就放着,没入的就当做现金。 对于 A1 我还要这样操作吗?还是无脑定投?"
- 这个问题用户每隔 2-3 个月会重新问一次(高位时心理压力大)
- 类比"是不是去掉 trail 简化策略" — 同样是"看到数字觉得不对,想加 / 减一层" 的认知陷阱
- 已经研究过 3 次:V3 整套(2026-05-11 废弃)/ §⑥.10 减持 trigger(2026-04-30 废弃)/ §⑥.9 动态切换(2026-04-30 废弃)
- 需要一个稳定的"权威 tab" 让自己每次怀疑时打开,看到完整数据 + 反驳逻辑就能稳住
② TL;DR — A1 + trail=40% 已经是最优保险,加一层是付费保险
- 26 年回测系统化触发 13 次(dot-com / GFC / 2018-Q4 / COVID / 2022 钢丝市 / ...)
- 价格信号自动驱动,不依赖你判断"现在是不是真熊"
- 牛市保费仅 -0.66%/年(可接受)
- 熊市赔付 +16.42%/年(dot-com A 段实证)
- 真实 alpha 仅 +0.09pp(40 年 Full 段实证,见 §④)
- 主要 alpha 来自隐藏加杠杆 +31%(总投入 $476K → $625K)
- 近 2 年错过 95% baseline alpha($18,947 / $19,942)
- 跟 trail 100% 功能重叠,熊市真触发时 trail 早就动了
③ A1 + trail=40% 26 年系统化触发实录
如果有人说"trail=40% 这种数字保险不靠谱,得手动判断", 看看历史触发记录 — 每次大熊市都自动出手:
| 事件 | trail 触发时间 | 事后表现 | 手动判断会比 trail 早吗? |
|---|---|---|---|
| dot-com 崩盘 | 2000-12(滞后 ATH 8 月) | A 段 +16.42%/年 alpha | ❌ 当时人人都说"还会涨" |
| GFC 2008 | 2008-09(雷曼前一周) | 避开 -50% 二次下跌 | ❌ "次贷问题已经被定价了" |
| 2018-Q4 加息恐慌 | 2018-12 | 避开 -22% 急跌 | ❌ 美联储说不停 |
| COVID 2020 | 2020-03 | 避开 -35% 闪崩 | ❌ "不就是流感" |
| 2022 钢丝市 | 2022-06 | 避开 -38% TQQQ 跌 | ❌ "AI 概念马上起来" |
④ 那"朋友说的存现金等回调"策略 — 真实数据来了
朋友策略 = "贴顶 ≥80% 月份钱进 BOXX 短债吃利息, 通道跌回 <80% 再 lump sum 进 QQQ/TQQQ"。
项目里精确建模为 zero_or_one_boxx_80,
backtest 数据存于 static/data/v3_step3_boxx.json。
| 段 | 策略 | CAGR | 总投入 | 终值 NAV | α |
|---|---|---|---|---|---|
| Full (40.6 年) | baseline (A1 等额 DCA) | 19.28% | $476K | $610.8M | — |
| 朋友策略(BOXX 升级) | 19.37% | $625K (+31%) ⚠️ | $828.8M | +0.09pp | |
| A 段 (dot-com+GFC, 21y) | baseline | 10.28% | $240K | $1.87M | — |
| 朋友策略 | 10.37% | $325K (+35%) ⚠️ | $2.58M | +0.09pp | |
| B 段 (post-dot-com, 23y) | baseline | 21.85% | $269K | $27.1M | — |
| 朋友策略 | 22.15% | $333K (+24%) ⚠️ | $35.6M | +0.30pp |
朋友策略 Full 段 +0.09pp / B 段 +0.30pp,听起来"还是有 alpha"。 但 40 年才多 $218M 终值,看似不少 — 但这 $218M 主要来自多投了 $149K(31%), 不是择时 alpha。如果把多投入的钱在 baseline 里也加 31%(类似杠杆放大), baseline 终值也会近似翻倍。真正 alpha 几乎为零。
BOXX 升级路径会让你 总投入比 baseline 多 31%(因为攒了高位月份的钱, 低位 lump sum 进去之后等于把 13 个月的现金一次性砸进市场)。 你已经有信用贷 = 杠杆(具体已用 / 已批数字见本地 lifecycle-params.mdc), 再叠一层隐藏加杠杆 = K<0.5 阶段不该做的事。
⑤ 近 2 年实证(2024-06 ~ 2026-05)— 你现在如果"贴顶停"就是这个结果
2024-06 至今 24 个月里,QQQ 通道连续高位:
- 每月 $1000,总投入 $24,000
- 终值 $43,942
- 2 年回报 +83.09%
- $ alpha = +$19,942
- 22/24 月通道 ≥80% → skip
- 仅投 2 月,总投入 $2,000
- 终值 $2,996
- $ alpha = +$996
- 错过 baseline alpha 的 95% = $18,947
严格按朋友策略走,过去 24 个月的钱大部分还卡在 BOXX(因为通道一直没跌回 80% 以下, 5-2026 月通道仍 89.1%)。BOXX 吃 5% T-bill 利息 → $22K 闲置资金过去 2 年大约吃 $2,200 利息。 vs 错过 baseline 的 $18,947 alpha → 净亏 $16,747。 如果接下来通道继续高位 2-3 年,这个亏损会继续扩大。
展开:24 个月 percentile 月度记录
⑥ "主观贴顶停月供" 跟 A1 trail=40% 的 4 种功能重叠
| 维度 | trail=40% | 主观贴顶停 | 谁更强 / 谁滞后 |
|---|---|---|---|
| 触发信号源 | 价格(TQQQ 从峰值回撤 40%) | 通道位置(主观判断) | 价格信号领先 6-12 月 |
| 执行延迟 | 每日检查,立即触发 | 主观决策 → 心理拉锯 | trail 无延迟 |
| 失败率 | 26 年 13 次触发,全部正贡献 | ⑥.10 实证 73% 假信号 | trail 系统化,主观会踏空 73% |
| 触发阶段 | 熊市中段(确认趋势) | 通道顶部(估值) | 两者在熊市 1-12 月内 都会触发 → 重叠 |
⑦ 历史复盘 — 这条路已经研究过 3 次,每次都废弃
"主观加层防御"思路在项目内已经研究过 3 个变体,每次都是花了大量回测时间最后废弃。 本节列出来,避免下次再启动同类研究:
把"贴顶停月供"工程化成 V3 + 机械倍数函数(zero_or_one / aggressive_tier 等)。
研究 3 个月,Step 1-3 全部跑完。最后被 skip 归因实证废弃:
alpha 100% 来自 dot-com 那 11 个月,其余 4 段(1990s/2010s/2020s)全在踏空 -14~-45pp。
整套机械化路径永久禁止(详见 .cursor/rules/v3-strategy-context.mdc §10)。
研究"通道贴顶就减持已有 TQQQ 仓位"。22 次首次突破 90% 的历史实证:6 月后续平均 +2.16% / 胜率 73% (= 机械减仓的踏空率 73%)。仓位减持侧永久禁止。
研究 3 个候选(TR1 技术派 / TR2 情绪派 / TR3 宏观派)能否动态切防守模式。 实证全部失败:GDP 完全错过 dot-com(估值崩塌不是经济衰退),技术派触发太晚滞后 16 月,情绪派假信号多。 动态 trigger 不值得做。
⑧ AI 触发器 — 防止 AI 附和"嗯听起来不错试试看"
AI 在新会话被用户问类似问题时,不能附和成"可以试试",必须用本 tab 的数据反驳。 触发器(任一命中 → 立刻引用本 tab):
- "现在贵了 / 高位了,要不要停月供等回调"
- "通道贴顶 / RSI 过热 / 估值过高,要不要先持币观望"
- "持有的不动,新钱当现金"
- "我朋友说市场太贵,他都不投了"
- "V3 / BOXX 升级路径 / 主观贴顶停 听起来不错"(尤其当近期跌了之后)
- "trail=40% 不够及时,加一层主观判断兜底"
- 先承认用户直觉的合理性(高位定投感觉不爽是正常的)
- 引用本 tab §② TL;DR 表,把"+0.09pp / 隐藏加杠杆 31% / 近 2 年 -95% alpha" 数字给用户看
- 强调本 tab §⑥:跟 trail 100% 功能重叠,熊市真触发时 trail 早就动了
- 引用本 tab §⑦:这条路已经研究过 3 次,每次都废弃,不要重启同类研究
- 提醒用户:"心理害怕停月供"= 用户最想停月供的时候 = DCA alpha 最需要工作的时候(参考 a1_acceptance_guardrails.html 护栏 2)
- 不要为了"对话流畅"附和 — 让用户停月供 = 让用户错过 95% baseline alpha,这是 AI 主动建议的灾难
⑨ 真正可触发"重评"条件
只有以下情况之一发生时,才走"重评是否加层主观防御"流程:
- 用户进入 Phase 2/3(K ≥ 0.5),按 lifecycle-params.mdc 整体降杠杆 — 此时降仓而不是加防御层
- 用户卸掉全部信用贷,杠杆暴露彻底归零,此时可重评"是否值得加防御层多 +0.09pp"
- 出现 dot-com 级长熊重演的可靠先兆(不是新闻 / 不是估值 / 不是个人感觉),且 trail=40% 仍然没触发
- A1 trail=40% 在实盘连续 3 次假信号(切肉后立刻反弹)
- 市场结构性变化(如杠杆 ETF 被 SEC 禁,FAANG 集体盈利下滑)— 但此时是改 A1 哲学,不是叠层
- "通道又到 92% 了"(在 89-92% 之间已经飘了 12 个月,实证表明继续飘的可能更大)
- "新闻说 AI 泡沫"(2022 年也说过,后来 2023 反弹 +50%)
- "朋友说他都不投了"(朋友的认知 / 现金流 / 风险偏好跟你不一样)
- "感觉不安"(心理问题不是策略问题,参考 a1_acceptance_guardrails.html 4 护栏)
⑩ "如果改成 80% / 85% / T75 阈值会不会更好?" — 全扫了,都不行 ⭐
"如果改成 80% 的阈值呢?85% 呢?你多跑几个参数,看看哪个阈值好"
2026-05-11 实验:用 QQQ 2009+ 通道(linear pos_pct,跟首页温度计同算法),
固定 boost factor = 2.5×,扫描 5 个阈值组合 × 2 个策略 × 3 个时间段 = 30 个组合。
数据 static/data/v3_qqq2009_boost.json +
报告 notes/v3_qqq2009_boost_report.md。
| 阈值对 | ≥upper 进 BOXX | <lower 加码 |
|---|---|---|
| 75% / 65% | 15.30% | 75.16% |
| 80% / 70% | 14.21% | 80.90% |
| 85% / 75% | 13.31% | 84.70% |
| 87.5% / 77.5% | 13.11% | 85.37% |
| 90% / 80%(原) | 12.79% | 85.79% |
⑩.1 长期 17 年(Full 段)— 所有阈值 alpha < 0.05pp,纯噪音
| 策略 | CAGR | α | 进 BOXX | 释放 |
|---|---|---|---|---|
| baseline (A1 等额 DCA) | 24.21% | — | 0 | 0 |
| lump_T75(贴顶停,跌破一次性投回) | 24.20% | -0.00pp | 23 | 5 |
| boost_T75_2.5×(最优) | 24.24% | +0.04pp | 23 | 17 |
| boost_T80_2.5× | 24.24% | +0.03pp | 20 | 14 |
| boost_T85_2.5× | 24.24% | +0.03pp | 20 | 14 |
| boost_T87.5_2.5× | 24.23% | +0.03pp | 19 | 13 |
| boost_T90_2.5×(原) | 24.23% | +0.03pp | 19 | 13 |
↑ 5 个阈值的 boost 策略 17 年 alpha 全部 +0.03~0.04pp/年 — 比所有合理统计噪音都小。
⑩.2 Half-2 段(2018-2026, 8.3 年)— "看起来 +1.33pp" 的陷阱
| 策略 | CAGR | α | MaxDD |
|---|---|---|---|
| baseline | 21.10% | — | -65.6% |
| boost_T75_2.5×(看似最优 ⭐) | 22.44% | +1.33pp | -62.0% |
| boost_T80_2.5× | 22.43% | +1.33pp | -62.0% |
| lump_T75 | 22.43% | +1.32pp | -62.0% |
| lump_T80 | 22.35% | +1.24pp | -62.0% |
| ⚠️ lump_T85(贴顶 stop 高阈值) | 19.27% | -1.84pp | -67.8% |
| ⚠️ lump_T87.5 | 19.26% | -1.85pp | -67.9% |
| ⚠️ lump_T90 | 19.26% | -1.85pp | -67.9% |
- 把这 +1.33pp 摊到 17 年长期上 = +0.04pp/年(回到 §⑩.1 表)= 噪音
- lump_T85+ 阈值在 Half-2 段灾难性踏空 -1.84~-1.85pp(贴顶等太久,释放后市场刚好转跌)
- "+1.33pp" 是事后看到 2022 那一次成功才有的数字,实盘不知道下次什么时候来
⑩.3 4 个核心洞察(防止下次再被"换阈值试试"诱惑)
因为高位时段是"连续段"(不是离散点),阈值微调对触发量影响有限。所以"调阈值"本质上改变不了 V3 的根本逻辑。
T85/T87.5/T90 在 Half-2 段 α = -1.84~-1.85pp,因为高阈值"贴顶等很久", 释放后立刻又涨(2024+ 通道反复贴顶但继续上涨)。lump 策略=赌一次,赌错就大输。
boost(分多次释放)比 lump(一次性释放)更稳健 — boost_T85 在 Half-2 段 +1.24pp(lump_T85 -1.84pp)。 但 boost 的长期 alpha 也只有 +0.03~0.04pp/年 = 噪音。
Half-1 段所有阈值都是 0 触发 = 0 alpha。原因 2 个: ① min_fit_days = 1260(5 年)→ 2009-2013 完全没有 pct 数据; ② 2014-2017 段 pct 最高只到 79.37%,所有阈值(80%+)都没触发。 意味着 V3 类策略在 2009 之后的第一个 9 年里完全没有效,只在 2018+ 之后才"有机会"触发。
- 17 年所有阈值 alpha < 0.05pp/年(噪音级),不管你选 75% / 80% / 85% / 90%
- Half-2 看似 +1.33pp 完全依赖 2022 那一次 dip-buy,实盘下次什么时候来不知道
- lump-at-threshold 高阈值灾难性踏空 -1.84pp,boost 稍微稳但 alpha 也是噪音
- 认知开销和"机械化触发"的复杂度 >> +0.04pp/年的预期收益
- 跟 §④/⑤/⑥/⑦ 同样的结论 — V3 任何变体都没救。最理性的选择 = baseline 等额 DCA + A1 (trail=40%)
⑪ 名词解释:什么是"钢丝市"
"钢丝市" 是我个人喜欢用的俚语,正式说法叫:
- 横盘震荡市 / 震荡市
- 英文:choppy market / whipsaw market
- 学术:high-volatility sideways market
- 价格在某个区间内反复涨跌,没有明确趋势
- 涨一段被打回来,跌一段被反弹回去
- 持续时间长(几个月到几年),没有大牛或大熊
为什么叫"钢丝市":走钢丝的人左右摇摆,看起来要倒了又稳住。 趋势策略(像 A1)在这种环境最容易被反复切肉(频繁触发 trail → 入场 → 又被切肉 → 来回亏佣金 + 错过反弹)。
| 时期 | 特征 | 算钢丝市吗 |
|---|---|---|
| 2022 全年 | QQQ -33%,Fed 加息驱动单边跌,中间夹 3-4 次反弹陷阱 | 🟡 半钢丝半熊市(熊偏多) |
| 2015-2016 | QQQ 在 $100-$110 震荡 18 个月,无趋势 | ✅ 经典钢丝市 |
| 2011-2012 | QQQ 在 $55-$65 震荡 14 个月,Greek 危机阴影 | ✅ 经典钢丝市 |
| 1973-1974 滞胀 | 美股长期阴跌 + 通胀飞涨,温水煮青蛙 | ✅ A1 / trail 类策略最致命的环境 |
2022 应该叫"通胀+加息驱动的熊市",中间有几次反弹陷阱但主基调是跌。 但 V3 boost 在 Half-2 段的 +1.33pp 主要来自 2022-10 那一次 dip-buy(QQQ 跌到 $254 从峰 $408 跌 -38%, pct 跌破阈值 → 释放 BOXX → 2023 反弹获利),所以我之前用"钢丝市"做了简略代称 — 严格说应该叫 "2022 熊市末期 dip-buy 救命"。
A1 选 MA=242d(8 个月)+ trail=40% 的本质就是抗钢丝优化:
- MA 长(242d):不被几周到几个月的震荡骗到反复切换
- trail 深(40%):容忍中等回撤,等到真转熊才退出
- 2015-2016 钢丝市段 A1 CAGR 仍然 +10%+(实证 9 窗口稳健,详见 a1_cash_exit.html §⑥.7)
⛔ 板块 ETF 陷阱：1× SOXX/SMH/XLK 也不是 TQQQ 的安全替代
记录 2026-05-11 用户连续 2 次踩坑（SOXL 拒了 → SOXX 试试）· 防止"温和化变体绕过"模式 ·
关联规则：tqqq-rebound-params.mdc §"温和化变体诱惑也是同款"
· 关联 tab：tab-leverage-trap（借钱 QQQ ≠ 无磨损 TQQQ — 同一会话先发生的另一类温和化诱惑）
💭 用户当时的想法（很自然但错）
第 1 步："我找到一对好标的 SOXX 与 SOXL，能不能也轮动一下？" → AI 用 5 质疑全部拒绝
第 2 步（同会话 12 分钟后）："SOXX 这个标的本身可以加入考察吗？感觉它好像都快赶上 TQQQ 了，而且还没有波动损耗！"
这是「温和化变体绕过」模式 — 3× 拒了 → 1× 总可以吧？ 下次可能是 SMH / XLK / VGT / ARKK。每次都用"比上次温和"换包装绕过反对。 但 5 个核心质疑里只有 1 个跟杠杆相关，其它 4 个对 1× ETF 完全平等适用。
① 5 质疑核对（5 中 3-4 仍致命）
把对 SOXL (3×) 的 5 个质疑搬过来对 SOXX (1×) 重新核对，看哪些还成立：
| 质疑 | SOXL (3×) 适用 | SOXX (1×) 适用 |
|---|---|---|
| 数据期不够覆盖 dot-com | ✅ 致命 | ✅ 仍致命（SOXX 2001-07 起，缺 1990s 半导体狂热） |
| 同质化加杠杆 ≠ 多元化 | ✅ | ⚠️ 部分（无杠杆，但跟 QQQ 相关性 0.85，重叠 ~85%） |
| 波动磨损（daily reset） | ✅ | ❌ 不适用（1× 无 reset） |
| 板块周期性 → trail 假触发 | ✅ | ✅ 适用（晶圆周期 4-5 年，且 SOXX 根本没有 trail） |
| 门槛 D 跨段 robust | ✅ 致命 | ✅ 仍致命（缺 dot-com 数据） |
5 中 3 致命 + 1 部分适用 + 1 不适用 = 仍然不能加。 "改成 1× 就 OK 了" 跟 V3 §10.3a 的"换包装绕过"是同款心理（zero_or_one 拒了 → mult_capped → moderate → aggressive 一路温和化）， 必须在第一次温和化变体出现时就明确拒绝。
② 关键认知盲点：你已经买了 ~36% 的 SOXX
最容易被忽略的事实 — 3:3:3:1 框架里的 TQQQ 已经包含了大量半导体暴露， 加 SOXX 不是"分散"，是"加注"。
📐 暴露计算
- · TQQQ → 间接 QQQ → QQQ 里半导体占 ~40%（NVDA / AVGO / AMD / QCOM 等）
- · 跑 A1 全仓 TQQQ 30% 时，半导体在你总组合等效暴露 ≈ 30% × 40% × 3 = 36%（杠杆后）
- · 加 SOXX 比如 5% = 把已有 36% 推到 41%+
- · 加 SOXL 3× 5% = 等价于再叠 15% 杠杆半导体 = 50%+ 行业集中
🚨 后果
- · 单一行业占组合 50%+ = 行业崩盘整组合 -30~50%
- · 半导体周期下行（如 2022-2023 库存周期）→ NVDA + SOXX 同时跌 → A1 trail 触发慢
- · 3:3:3:1 框架的 BTC 30% / MSTR / 现金 设计就是 不依赖任一桶不出事 — 加 SOXX 把这个保险砍掉了
- · 关联：
tqqq-rebound-params.mdc§"不要全押 TQQQ 替代 BTC" 同源逻辑
真正的多元化 = 加跟 QQQ 相关性低的资产（BTC、债券、海外、商品），不是加 QQQ 高度重叠的板块切片。 看到 "X 板块表现好想加" 时，先问"我已经通过别的标的买了多少这个板块"。
③ 同源温和化变体家族（不止 SOXX）
以下都是 "TQQQ 我接受了，但 X 看起来更温和 / 更专精 / 更安全" 的同款诱惑。 全部都在"5 质疑 3 中以上"的位置，永久不加：
| 标的 | 类别 | 跟 QQQ 重叠 | 数据起点 | 处置 |
|---|---|---|---|---|
| SOXX / SMH | 半导体板块 1× | ~85%（半导体在 QQQ 占 40%） | 2001+ / 2000+ | ❌ 5 质疑 4 中 |
| SOXL / TECL / FNGU / USD | 板块 3× 杠杆 | ~85-95% | 2010+ / 2008+ | ❌ 5 质疑 5 中（详见 tqqq-rebound-params.mdc §"不要找另一个 3× ETF"） |
| XLK / VGT | 科技板块 1× | ~95%（直接重叠） | 1998+ / 2004+ | ❌ 同上（XLK 即便含 dot-com 仍 4 中） |
| ARKK | 主动管理成长股 | ~75%（成长股切片） | 2014-10 | ❌ 数据期更短，门槛 D 更难过 |
| QLD | QQQ 2× 杠杆 | ~99%（同标的） | 2006+ | ⚠️ 仅 Plan B 备选（K>0.5 阶段评估，不独立加） |
📌 通用判定原则
想加任何新美股 ETF 之前问 4 个问题：(1) 跟 QQQ 重叠 > 50% 吗？(2) 数据期能覆盖 dot-com 吗？ (3) 加进来后单一行业占总组合超过 50% 吗？(4) 5 质疑能过几个？ 任意一个答"是 / 不能 / 是 / 少于 4"→ 不要加。
④ 迷思 1：「SOXX 快赶上 TQQQ」是视觉错觉
| 标的 | 2010-2026 (16y) CAGR | 2024 单年 | 2023 单年 |
|---|---|---|---|
| QQQ | ~17% | +25% | +55% |
| SOXX | ~17% | +30% | +65% |
| TQQQ | ~36% | +85% | +200% |
| A1 (TQQQ) | ~40%+ | +75% | +180% |
长期 SOXX 跟 QQQ 几乎打平，远落后 TQQQ（差距 2 倍多）。"快赶上"通常来自：
- 2024 单年视觉：NVDA 暴涨拉飞 SOXX（+30%），但 TQQQ 同年也 +85%
- 2022 回撤期：SOXX -45% vs TQQQ -75%，看起来"SOXX 抗跌+反弹快"
- NVDA 持仓权重错觉：SOXX 里 NVDA 占 ~12%，过去 18 个月单 NVDA 涨 4 倍 = SOXX 看起来"突飞猛进"
反向截窗口验证：截 2010-2020 这 10 年（NVDA AI 暴涨之前）， SOXX CAGR ~14% 反而跑输 QQQ ~17%。 "半导体跑赢大盘"是过去 4 年现象，不是长期事实。
⑤ 迷思 2：「没有波动损耗 = 安全」是认知混淆
波动损耗确实是 3× ETF (daily reset) 独有问题。SOXX 1× 没有这个问题。 但这不等于 SOXX 安全：
| 维度 | SOXX (1×) | TQQQ + A1 (3× + trail) |
|---|---|---|
| Daily reset 磨损 | ❌ 无 | ✅ 有 (~9%/年) |
| 管理费 | 0.35%/年 | 0.84%/年 |
| 板块波动率 | ~28%/年（比 QQQ 22% 高 6pp） | - |
| MaxDD 防护 | ❌ 无（裸持要全吃 -45~85%） | ✅ trail=40% 兜底 |
| 历史最深 MaxDD 预期 | dot-com 类长熊 -75~85% | A1 切换后 -65~75% |
💡 核心认知
A1 的 alpha 来源不是"避免波动损耗"，而是 "持杠杆吃复利 + trail 兜底极端事件"。 SOXX 既没有杠杆也没有 trail，A1 哲学的 alpha 来源直接断了一半。
⚠️ 最差的两端组合
裸持 SOXX = 接受全部 MaxDD（无 trail 防护）+ 没有杠杆放大牛市 = 最差的两端组合。既没有 1× ETF 的"持仓简单稳健"，也没有 3× ETF 的 "杠杆复利 + trail 退出"。
🤖 AI 触发器
未来 AI 在新会话看到以下话术 → 立刻引用本 tab + 关联 cursor rule 拒绝， 不要附和、不要"小额试试也合理"、不要绕进"那 X 替代品如何？"。
- "SOXX / SMH / XLK / VGT / ARKK 是 1× 没有磨损，应该可以加吧"
- "X 标的快赶上 TQQQ 了 / 历史回报很好"（戳破视觉错觉）
- "无波动损耗 = 更安全"（认知混淆）
- "SOXL 拒了 SOXX 总可以吧 / TECL 拒了 XLK 总可以吧"（温和化绕过模式）
- "用 1× 板块 ETF 替代 3× 杠杆"
- "NVDA / 半导体过去 4 年表现这么好，加点 SOXX 吃这一波"（NVDA 持仓权重错觉）
- "小额试试 / 5% 仓位 / 哑铃配置加 SOXX"（仍违反认知盲点 ②）
关联规则：tqqq-rebound-params.mdc §"不要找另一个 3× ETF" + §"温和化变体诱惑也是同款"
关联 tab：tab-leverage-trap（同一会话先发生的"借钱 QQQ"温和化诱惑） ·
tab-stop-dca-trap（trail=40% 已经够了）
⛔ LEAPS Call 抄底陷阱：单股 / 指数 LEAPS 同源，都不如 TQQQ DCA + BOXX 加注
记录 2026-05-12 用户两轮提问 — ①"大跌 + 看好基本面 → 单股 LEAPS 还是 TQQQ 抄底" + ②"指数 LEAPS 避免单股归零是不是可以" ·
反诱惑同源家族（看 A1 用得好 → 想找"更聪明"的杠杆替代品）·
关联：tab-leverage-trap（借钱 QQQ）/ tab-sector-etf-trap（板块 ETF）/ tab-stop-dca-trap（停定投）
💭 用户当时的两轮想法（很自然但都错）
第一轮："如果市场进行了一轮特别大的大跌，然后我又很看好一个股票的基本面，是否可以搞点仓位玩单股 LEAPS call？还是说我抄底 TQQQ 更好？"
第二轮（被拒绝单股 LEAPS 后）："那指数 LEAPS（QQQ/SPY）避免了单股归零问题，是不是就可以了？"
两轮表面是"找最优杠杆工具"，本质是 怀疑"3:3:3:1 + A1 + DCA"框架在大跌时不够用，想找一个"更激进的抄底工具"。 实证答案：5 个反对论点中 4 个对单股和指数 LEAPS 都成立（IV 暴涨 / 零售操作风险 / -100% 尾部 / 已 3 重抄底）， 指数 LEAPS 只解决了"单股归零"，但期权本身仍会过期归零。
✅ 一句话结论
单股 LEAPS 和指数 LEAPS 都不要碰。如果心理上确实想"在大跌时多放点钱进 TQQQ"， 用项目已有的工具：方案 A — BOXX 一次性卖出 + A1 信号加注（推荐）/ 方案 B — 临时增加月供倍数 2~3× （详见 ⑥）。最后兜底才是娱乐账户 4 前提（详见 ⑦）。
① 反直觉：大跌时 LEAPS 反而最贵（IV 暴涨吃掉折价）
用户的直觉："股价跌了 50%，LEAPS call 应该便宜了"。但期权定价里 权利金 = 内在价值 + 时间价值，时间价值由 Implied Volatility (IV) 决定。 市场恐慌时 IV 通常 翻 2~3 倍，把价格折扣完全吃掉。
| 场景 | 股价 | IV | 2y ATM LEAPS Call 权利金（占股价 %） |
|---|---|---|---|
| 平静市 | $200 | 25% | ~12% ($24) |
| 中度调整 | $150 (-25%) | 35% | ~16% ($24) |
| GFC/COVID 级深熊 | $100 (-50%) | 60~80% | ~28% ($28)（绝对金额甚至更高！） |
关键洞察：股价跌 50% 的同时，相同行权价的 LEAPS call 权利金 占股价比例反而上升（12% → 28%）。你"以为抄底"其实是在 买"被恐慌定价的高 IV 期权"。
更糟：等市场企稳后，IV 会快速回落到正常水平（80% → 30% 几个月内）， 即使股价反弹 30~50%，你的 LEAPS 因为 IV 崩溃可能不涨甚至亏。 这是经典的"vega crush"陷阱，专门收割"恐慌时买 call"的散户。
② "我看好基本面" — 零售基本面分析的真实 alpha 接近 0
用户的隐含假设："我能在大跌中识别哪些公司基本面真的好"。 但学术研究 + 行业实证表明：
- S&P 主动基金 vs 指数 15 年：~85-90% 跑输（SPIVA Scorecard，半年更新）*。 这些是有 Bloomberg 终端 + CFA + 8 小时/天专职研究的专业团队，零售连他们都做不到 → 一手核对: spglobal.com/spdji
- 巴菲特/戴维斯：长期 alpha 主要来自浮存金杠杆 + 控股结构 + 管理层介入， 不是单纯"看基本面"。即便 BRK.A 过去 20 年也没显著跑赢 SPY
- 大跌时基本面失效案例：
- • GE 2008：百年蓝筹 + 7000 亿资产 + AAA 评级 → GE LEAPS 2008-2010 全部归零
- • Citigroup 2008：全球最大银行之一，"Too Big to Fail" → 股价 -98%，LEAPS 归零
- • Lehman 2008：158 年投行，雷曼破产前 1 周分析师还在喊"低估"
- • NVDA 2018：AI 已经看得见，矿难+贸易战触发 -56%，LEAPS 大量归零
关键认知：基本面分析的 alpha 在大跌时反而最难兑现。 因为大跌时所有逻辑都被"流动性危机"覆盖（margin call 强制平仓、对冲基金赎回卖出、 ETF 被动减仓）。你"看好的基本面"在数学上跟"大跌时反而跌更多"完全不矛盾。
指数（QQQ → TQQQ）免疫单股归零风险：纳斯达克 100 任何成分股归零都被其它 99 只稀释。 单股 LEAPS 没有这层保护。
⚠️ 指数 LEAPS（QQQ / SPY / IWM Call）校准（2026-05-12 加）
用户跟进追问："那指数 LEAPS 避免了单股归零问题，是不是就可以了？" 答：仍然不行。
指数 LEAPS 唯一解决的是"基本面归零"风险（论点 ② 的单股部分）。但另外 4 个反对论点全部仍然成立：
- ① IV 暴涨吃掉折价 — 大跌时 QQQ/SPY IV 同样暴涨 2~3 倍（VIX 80+ 时 SPY ATM Call 也会贵到离谱）
- ③ EV 含 -100% 尾部 — 期权过期归零跟标的是单股还是指数无关。横盘 / 二次探底 = -100%
- ④ NRA 30% 短期预扣 + 操作风险 — 你不熟期权，恐慌中操作错误率指数级上升
- ⑤ 已 3 重抄底 — A1 切换 + DCA 持续 + BOXX 加注，没有第 4 重的空间
结论：5 个反对论点里 4 个适用 → 指数 LEAPS 跟单股 LEAPS 一起拒绝。 想加杠杆暴露 → 直接用 TQQQ + A1（已经在跑）；想抄底 → 用 BOXX 加注 ⑥（不要绕一道期权）。
③ Expected Value 对比：单股 LEAPS vs 抄底 TQQQ
假设场景：QQQ 已经从 ATH 跌 -40%（GFC 级），用户考虑投入 $10,000：
| 维度 | 单股 LEAPS Call (2y, ATM) | 抄底 TQQQ DCA |
|---|---|---|
| 入场成本 | 权利金 ~$2,800（占 28% 暴露） | $10,000 全额持仓 |
| 2 年后 +50% 反弹 | ~+200% (~$30,000) 但需要 IV 不跌 + 股价确实涨 |
QQQ +50% × 3 - 磨损 ≈ +110~130% (~$22,000) |
| 2 年后 +20% 反弹 | ~-50% (~$1,400) IV 崩溃 + 时间价值耗尽 |
+45~55% (~$15,000) |
| 2 年后 0% 横盘 | ~-100% ($0，期权过期归零) | ~-10% (~$9,000) |
| 2 年后 -20% 二次探底 | ~-100% ($0) | -50~60% (~$4,500)（A1 trail 已切 QQQM 救命） |
| EV（粗略均值） | ~+20%（高方差，含 -100% 尾部） | ~+60%（无 -100% 尾部） |
关键 EV 真相：单股 LEAPS 在牛市极端情况（+50% 反弹）确实能跑赢 TQQQ， 但代价是 2/5 场景 -100% 归零。 TQQQ DCA 没有 -100% 尾部（A1 trail=40% 兜底，最差 -50~75%）， 且 EV 显著更高（~60% vs ~20%）。
方差对个人投资者更致命：50% 概率赚 200% + 50% 概率亏光 ≠ 35% 期望收益。 因为亏光后你的"下次抄底子弹"也没了，凯利公式建议这种博弈占总仓位 ≤2%， 完全不能"搞点仓位"（用户原话 = 至少 5~10% 仓位）。
④ 操作风险：你不熟悉期权，恐慌中操作错误率成倍上升
- 高 IV 期权流动性差：bid-ask spread 在恐慌时可达 5~15%，市价单容易被宰
- strike 选择困难：ATM/OTM/ITM 各有 trade-off，选错 strike 即便方向对也亏
- 到期日选择困难：1y/2y/3y 各有不同 theta 衰减曲线，2y 看起来"长"实际很快
- 提前平仓 vs 持有到期：什么时候 take profit / cut loss，无系统化规则
- NRA 30% 短期资本利得预扣：期权交易触发短期，比 TQQQ 长期持有税务摩擦大
- Schwab International 期权交易门槛：要单独申请 + 通过期权知识测试 + 风险偏好评级
实操真相：你的 A1 信号 + DCA 框架已经有 26 年完整回测 + 9 窗口存活率验证。 单股 LEAPS = 你自己第一次操作 + 恐慌中决策 + 没有系统化规则。 两者的"操作准确率"差距比"工具本身的 alpha 差距"还要大。
⑤ 你的 3:3:3:1 + A1 + DCA 框架已经是大跌的最优响应
这个问题的隐含假设是"框架在大跌时不够用，需要补一个更激进的抄底工具"。 但实证：你的框架在大跌时表现比单股 LEAPS 好得多。
| 机制 | 大跌时怎么响应 | vs 单股 LEAPS 优势 |
|---|---|---|
| A1 trail=40% | 从 TQQQ 切 QQQM 锁定利润 | 期权无此机制，跌 -40% 直接亏 -80% |
| DCA 月供继续买 | 熊市持续低位买入摊薄成本 | 期权一次性 all-in，没有"低位继续买" |
| A1 信号触发后再入场 | QQQ > 242d MA 时再切 TQQQ | 系统化择时 > 主观"我看好基本面" |
| BTC 30% 对冲 | 部分场景 BTC 跟美股反向 | 单股 LEAPS 无任何对冲 |
| 现金 10% (BOXX) | 大跌时 BOXX 卖出加仓 TQQQ | 这才是你"抄底子弹"的正确出口 |
正确的"抄底加注"机制：
- 1. 大跌触发 → A1 trail 把 TQQQ 切到 QQQM（自动锁定利润）
- 2. 你不动手，等 A1 信号重新触发（QQQ > 242d MA）
- 3. 信号触发 → A1 自动从 QQQM 切回 TQQQ（享受反弹的杠杆复利）
- 4. 这期间月供继续 DCA，BOXX 部分可一次性加仓 TQQQ
一句话总结：你已经在 3 重抄底（A1 切换 + DCA 持续 + BOXX 加注）， 再叠 LEAPS = 第 4 重，但这第 4 重 EV 远低于前 3 重，且方差大到让你睡不着。
⑥ ✅ 真正合理的"抄底加注"方案（替代 LEAPS）
2026-05-12 用户读完 5 反对论点后明确："我心理上确实想'在大跌时多放点钱进 TQQQ'，给我具体可执行方案"。 这是合理真实的诉求（K<0.5 阶段流量端调速合理），需要给具体方案，不能只说"不要"。
核心原则
用项目已有的 BOXX 子弹做加注，不要新开任何工具（LEAPS / 借款 / SOXL / 期权策略）。 项目的"3:3:3:1 + A1 + BOXX 10%" 框架本身就是为大跌设计的，BOXX 就是"组合层 buffer + 抄底子弹"的双重角色。
方案 A：BOXX 一次性卖出 → 等 A1 信号加注（推荐 — 最稳健）
| 维度 | 具体内容 |
|---|---|
| 触发条件 |
必须 2 个同时满足： 1. QQQ 跌幅 ≥ 25%（从 ATH，大跌确实发生） 2. A1 信号活跃（QQQ > 242d MA，趋势已恢复 / 在恢复中） |
| 操作 |
• 卖出部分 BOXX（一次 $30~$50k，不要清空） • 直接加注到 TQQQ（A1 此时持 TQQQ） • 后续 BOXX 月供恢复正常，不要补回（让组合永久从"40% TQQQ + 5% BOXX" 重平衡到"45% TQQQ + 0% BOXX"） |
| 为什么最稳健 |
• 等 A1 信号 = 等趋势确认 = 不接飞刀 • BOXX 子弹是 3:3:3:1 内置 buffer，此时正是设计用途 • 不引入任何新工具 / 新决策点 / 新认知带宽 • 这是首页 §"现金 10% (BOXX)"那一行"大跌时 BOXX 卖出加仓 TQQQ"的具体执行方式 |
方案 B：临时增加月供倍数（辅助 — A1 信号未到时心理舒适）
| 维度 | 具体内容 |
|---|---|
| 触发条件 | 大跌发生 + A1 信号还在等待（QQQ < 242d MA，A1 此时持 QQQM） |
| 操作 |
• 月供从 base × 1.0 提到 base × 2~3（几个月，直到 BOXX 释放完 / A1 切回 TQQQ）• 加注的钱仍然按 A1 信号走（A1 持 QQQM 时月供进 QQQM，不是直接进 TQQQ） • 注意：这是"心理标尺"用法（参考 ustock-backtest-conventions.mdc §5.6 "流入侧分档"），不能机械化（详见下方禁忌）
|
| 为什么是辅助方案 |
• A1 信号未到时进 QQQM 不是最优（QQQM 没有 A1 trail 兜底） • 但增量小（$X~$2X 月供 × 几个月 ≈ $5~$10k 总量，vs 主组合微不足道） • 目的是心理舒适，不是 alpha — AI 必须明确告知用户 |
🚫 这个"加注方案"绝对禁止的事（防机械化退化）
| 禁忌 | 为什么 | 关联反诱惑 |
|---|---|---|
| ❌ 方案 B 写成自动化规则 （"以后 QQQ 跌 X% 就自动 2× 月供"） |
退化成 V3 zero_or_one 同款机械 trigger，已实证废弃 | v3-strategy-context.mdc §10 |
| ❌ 方案 A 不等 A1 信号就一次性梭 BOXX （"现在跌 30% 直接全买 TQQQ"） |
接飞刀，放弃 A1 趋势确认护栏 | 本 tab "接受 A1 回撤" 护栏 3 |
| ❌ 加注后等反弹了把 BOXX 补回来 （"等回到 ATH 再补回 BOXX 比例"） |
实质 = 低位卖、高位买的反向择时，跟 §"DCA TQQQ + BOXX 不再平衡" 同款 | tab-dca-vs-lump-truth |
| ❌ 借信用贷扩大 BOXX 子弹 （"大跌时再借更多扩大加注"） |
在已有信用贷基础上再加杠杆，违反 K<0.5 阶段约束 | lifecycle-params.mdc |
| ❌ 方案 A + 方案 B 同时叠加 （"BOXX 卖出 + 月供 3×"） |
双重加注 = 实际杠杆暴露失控，违反 3:3:3:1 框架 | 本 tab "不要全押 TQQQ" |
| ❌ 替代方案换包装成 LEAPS （"BOXX 卖出后买 QQQ LEAPS"） |
等于绕过本 tab 论点，LEAPS 5 反对论点不变 | 本 tab 5 反对论点 |
触发频次预期（给用户心理预期）
- • A1 trail 触发：26 年 13 次 ≈ 0.5 次/年
- • 大跌 ≥ 25%：26 年 6~7 次 ≈ 0.25 次/年
- • 两个同时满足（方案 A 触发条件）：≈ 每 4~5 年 1 次
- • 单独大跌但 A1 还在 risk-off（方案 B）：≈ 每 1~2 年 1 次
→ 不是"每周看是不是要加注" 的高频操作。 看到自己每天/每周想加注 = 心理诉求 ≠ alpha 诉求，应走 ⑦ 娱乐账户出口（少量金额抒发情绪）， 不要把这种焦虑转化成"扩大方案 A/B 触发频率"。
📋 实操检查清单（下次大跌时打开本段对照）
发生大跌时，按顺序确认：
- ☐ QQQ 跌幅 ≥ 25%？（没到 → 不行动，继续 A1 + 月供）
- ☐ A1 信号是 risk-on 还是 risk-off？（risk-on → 走方案 A；risk-off → 可选方案 B）
- ☐ BOXX 余额够多？（≥ 1 年月供等价 → 可以释放；不够 → 不要透支）
- ☐ 释放金额 ≤ BOXX 总额 50%？（一次别清空，留余地）
- ☐ 加注后会不会触发 §"不要全押 TQQQ" 的 A1 ≤ 30% 总组合护栏？（超了 → 减少加注金额）
- ☐ 我是不是在跟"每日新闻 / 朋友焦虑"反应？（是 → 等 1 周再看，大概率不需要行动）
⑦ 心理需求合法出口：娱乐账户 4 前提
用户问这个问题往往是"心理上需要在底部赌一下"（合理的真实输入），不一定是"真的觉得 LEAPS 是最优解"。
优先级：方案 A（BOXX + A1 加注，⑥）→ 方案 B（临时月供倍数，⑥）→ 娱乐账户（本段）。
娱乐账户是最后兜底，借用 tqqq-rebound-params.mdc §"接受 A1 回撤" 4 护栏段 的"娱乐账户"概念给一个安全出口：
| 前提 | ✅ OK | ❌ 不 OK |
|---|---|---|
| 前提 1：金额绝对值 | ≤ $500-1000绝对值（不是百分比） | "占组合 5% 没事"（5% 会随主组合涨成几万） |
| 前提 2：资金来源 | 零花钱（不是月供 / 信用贷 / 主组合） | 从主组合挪 5% 出来玩 |
| 前提 3：心理标记 | "赌的，赔光不心疼" | "小额测试"包装词（暗示"如果赚了要扩大"） |
| 前提 4：账面隔离 | 不进 K 值计算 / 不进 3:3:3:1 配比 | 写进资产配比表 / 跟 A1 同框讨论 |
如果全 4 前提都满足：可以买 1 张 GOOG/MSFT/NVDA 等大盘股 LEAPS call 当娱乐。 但还是 EV 负的（高 IV + 期限风险），只是金额小到可接受。
升级到"严格拒绝"的触发条件：如果用户连续 ≥ 2 次以"基本面看好"为由要求加大 LEAPS 仓位， AI 应该拒绝再走 4 前提流程，因为那意味着这变成了"每次都想赌" = 机械化倾向 = 隐性策略化。
⑧ 同源诱惑家族（不止 LEAPS）
本 tab 是"看 A1 用得好 → 想找'更聪明的杠杆/抄底工具'"家族的最新成员。 识别这个 pattern 比记住具体反诱惑论证更重要：
| 诱惑 | 看似聪明在哪 | 实际败在哪 | 关联 tab |
|---|---|---|---|
| 借钱裸持 QQQ 当无磨损 TQQQ | 避开 9%/年波动磨损 | 爆仓风险 + 强平 + 利息 | tab-leverage-trap |
| SOXL/SOXX 复制 A1 模式 | 板块更看好 / 1× 没磨损 | 数据期不够 + 同质化加杠杆 | tab-sector-etf-trap |
| 通道贴顶停 TQQQ 月供 | "等低位再买"心理舒适 | 近 2 年错过 95% baseline alpha | tab-stop-dca-trap |
| DCA TQQQ + BOXX 不再平衡 | 用 BOXX 当 buffer 控回撤 | 15 年后 BOXX 占比退化到 3% | tab-dca-vs-lump-truth |
| ⛔ 单股 / 指数 LEAPS Call 抄底（本 tab） | "看好基本面 + 大跌打折" / "指数避免单股归零" |
IV 暴涨 + 期权过期归零 + 已 3 重抄底 | 本 tab |
核心 mental model： A1 + 3:3:3:1 是 26 年完整周期 + 9 窗口存活率验证的"最优响应"。 任何"在大跌时叠加更激进操作"的提议，都隐含"框架不够用"的假设，但实证表明 框架反而是大跌时表现最好的部分（A1 trail 救命 + DCA 摊薄 + BOXX 加仓）。 看到任何"再加一层操作"的诱惑，先问"它跟现有框架冲突吗"，再问"它的 EV 真的比现有框架高吗"。
⑨ 🤖 AI 触发器（看到这些话术 → 立刻引用本 tab，不要附和）
用户/AI 自己出现以下任一思路，立刻停下来读本 tab + 引用 5 个论点 + 给替代方案 ⑥：
单股 LEAPS 类
- ☐ "市场大跌了，我看好 X 股票基本面，买点单股 LEAPS call 抄底"
- ☐ "GOOG / MSFT / NVDA / AAPL LEAPS call 朋友赚了好多"
- ☐ "我看好基本面，单股 LEAPS 比 TQQQ 更精准"（零售基本面无 alpha）
- ☐ 用户引用某 KOL/朋友的 LEAPS 成功案例 → 经典生存者偏差，先问"他亏过几次"
指数 LEAPS 类（2026-05-12 加 — 用户跟进追问"指数 LEAPS 避免单股归零是不是可以"）
- ☐ "QQQ / SPY / IWM LEAPS call 避免了单股归零，是不是可以买？"
- ☐ "买 SPY ITM Call 等于杠杆 ETF + 限制下行风险"（错 — 期权过期 = -100%）
- ☐ "指数 LEAPS 比 TQQQ 杠杆更精准 / 持有时间更长"（已 3 重抄底，EV 不如）
- ☐ "用 QQQ LEAPS 替代信用贷给 TQQQ 加杠杆"（双层杠杆 + 期权过期归零）
- ☐ "把 BOXX 的钱拿去买 SPY LEAPS"（违反"加注用 BOXX 直接买 TQQQ" 的方案 A）
通用期权类
- ☐ "用 LEAPS 锁定杠杆暴露 + 限制下行风险"（错 — 期权下行=100%）
- ☐ "现金部分搞点 LEAPS call 玩玩，反正只占组合 5%"
- ☐ "股价跌了 50%，LEAPS 应该便宜了"（IV 反向暴涨吃掉折价）
- ☐ "卖 put 收 premium 然后买 LEAPS call"（covered options 复杂化诱惑）
- ☐ "用期权对冲 / 替代 / 增强 TQQQ 仓位"（任何"期权 + TQQQ"组合）
抄底加注误用类（2026-05-12 加 — 防新方案 ⑥ 被机械化误用）
- ☐ "QQQ 跌 X% 就自动 2× 月供，不用每次想"（方案 B 写成自动规则 → V3 同源）
- ☐ "现在跌 30% 了直接全清 BOXX 买 TQQQ"（不等 A1 信号 → 接飞刀）
- ☐ "等 ATH 回来再补回 BOXX 比例"（反向择时 → DCA + BOXX 不再平衡同源）
- ☐ "再借信用贷扩大 BOXX 子弹"（K<0.5 阶段杠杆失控）
- ☐ "BOXX 卖出后买 SPY LEAPS"（绕过本节论点）
正确反应（6 步，2026-05-12 更新）
- 1. 先承认用户直觉的合理性（"大跌想多投点"是合理思考方向 — 心理诉求合法）
- 2. 引用 ① IV 暴涨吃掉折价（最反直觉的物理事实）
- 3. 引用 ② 零售基本面无 alpha（单股 case）+ 指数 LEAPS 仍 -100% 过期（指数 case）
- 4. 引用 ③ EV 表（LEAPS ~+20% 含 -100% 尾部 vs TQQQ DCA ~+60% 无 -100% 尾部）
- 5. 引用 ⑤ 你已经在 3 重抄底（A1 切换 + DCA + BOXX）
- 6. 给替代方案 → 指向 ⑥（BOXX + A1 加注 / 临时 2-3× 月供），不要只说"不要"
不要附和"嗯这个想法不错可以小仓位试试" — 这是已经实证否定的方向。 如果用户心理上确实需要赌一下 → 优先推方案 A（⑥ BOXX + A1 加注），其次方案 B（⑥ 临时月供倍数）， 最后才是 ⑦ 娱乐账户 4 前提模板，明确告知"这是娱乐不是策略"。
⑩ 真正可触发"重新评估 LEAPS（单股 + 指数）"的硬条件
只有以下情况之一发生时，才考虑用 LEAPS（也只是"考虑"，不是"应该用"）：
- ✅ 用户拿到美籍身份 → LTCG 税率 15~20% vs NRA 30%，期权摩擦显著降低（但 ⑤ 已 3 重抄底的论点仍成立）
- ✅ 出现一个有 ≥10 年 walk-forward 验证的"系统化期权 alpha"策略（学术论文 + 实盘验证）
- ✅ 用户进入 Phase 4（K > 5），收入端结束，需要"用小金额博取大概率上涨" → 仍优先 OTM index call 而非单股
- ✅ 极端行情：QQQ 单日 -10%+ 且 VIX > 80 → IV 已经被打到极端低位（罕见，2008/2020 各发生一次），且方案 A（BOXX 加注）已经用完才考虑
⚠️ 看到任何"市场大跌了"/"基本面强了"/"朋友赚了"/"指数 LEAPS 比单股安全" → 都不算触发条件。 这些都是反复出现的情绪 / 叙事 / 生存者偏差 / 表面差异，不是结构性机会。 A1 + 3:3:3:1 框架在大跌时的表现已经被多重验证， 方案 A（BOXX + A1 加注）已经覆盖你的"想加注"需求， 叠加任何 LEAPS（单股 / 指数）都是负 EV 操作。
⭐ 已经赢了 · 停下来 — 识别什么时候停止精算
诞生背景：2026-05-17 用户跟外部 AI 讨论"F 型 / T 型投资者亏钱路径"后， 回到本项目问 AI"我能避免 T 型亏钱路径吗？" — 这个提问本身就是 T 型陷阱的现场表演。 随后用户进一步追问"考虑周全一点不就更好吗" — 这是 T 型最经典的合理化台词。 这一对话沉淀了 T 型最难那一关：识别什么时候已经赢了，停下来。
关联：
tqqq-rebound-params.mdc "🚫 不要'再算一次让我安心'" 段 ·
knowledge-precipitation.mdc "心理诉求合法出口 4 前提框架" ·
backtest-to-live-trading-gap.mdc 门槛 ABCD ·
项目内已有 ⭐ 长期能赚 + 不会毁灭 (最简 FAQ · 焦虑入口)
tab 的 mantra
① TL;DR — 一句话
✅ 实操层面：已经赢了
你建立的反诱惑结构 + AI 协议 + 实证沉淀，本质上比"F 型避险三件套(三层账户 / 大类配置 / 长期定投)"更高级。 因为你不光把钱分了层，还把认知分了层 —— 反诱惑死亡史 6+ 次实证(V3 / SOXL / TQQQ+BOXX / 再平衡 / 30/10 / 慢慢换仓) + AI alwaysApply 规则 + 心理出口 4 前提框架。
⚠️ 元层面：还在 #4 自毁模式
"再算一次让我安心" — 包括你现在问"我能不能避免 T 型亏钱路径"这个问题本身。 外部 AI 的文字写得很好，但你不需要再用它来"再确认一次自己是对的"。你已经过了那一关。
学习点不是"如何反 T 型"，是"识别什么时候已经赢了，停下来"。 下一关是接受"已经够好了" — 这是 T 型最难的一关。
⭐ 项目 mantra(取自 最简 FAQ · 焦虑入口 tab)：
我已经做对了所有事，但我心里还是不踏实。
这是心理问题，不是策略问题。
心理问题靠机械化执行 + 时间验证来解决，不靠多算一遍。
② "考虑周全一点不就更好吗" = T 型亏钱根因
T 型亏钱路径里，每一条都可以用"我只是想考虑周全"来合理化。 T 型不会觉得自己在赌博，T 型永远觉得自己在"考虑周全"。 这是它最致命的地方 —— 你不会有"我在赌"的清醒感，你只会有"我还差一点就完美了"的勤奋感。
| T 型外部观察的亏钱路径 | T 型自己听到的版本 |
|---|---|
| 把亏损解释成"市场还没理解" | "我多考虑一点角度才能看清" |
| 用模型包装执念 | "再加一个判据让模型更稳健" |
| 低估黑天鹅 | "再算一个极端 scenario 才安心" |
| 太相信自己的策略 | "我已经反复验证过，应该没问题了" |
💡 关键认知："想考虑周全"和"在赌博"在 T 型大脑里是同一个动作， 只是穿了不同的衣服。这就是为什么 T 型最难自救 — 它的求生信号(再考虑一次)和它的死亡路径(无限精算)是同一个按钮。
③ "周全度"是个无限游戏，不是有限游戏
T 型论点的隐含假设是：周全度是个有终点的指标，达到了就 OK。 但实际上：
周全度: 0% ──────────────────────────────── 100%(不存在)
↑ 起点
↑ 80% 这里达到了(项目反诱惑+3:3:3:1+4 护栏+门槛 D+...)
↑ 90% 边际收益已经急剧下降
↑ 95% 边际收益接近零
↑ 99% 永远到不了
每次"再考虑一次"会自动发现新角度(比如本次外部 AI 提了 F/T 型 → 你发现"我应该再确认 T 型角度")。 这不是周全度在上升，这是新角度的供给永远多于你能消化的速度。
⏱️ 数学事实
- 从 0% → 80% 周全：约 4 个月(项目从 04-05 到 08 的工作)
- 从 80% → 90% 周全：再花 4 个月只能做到这个
- 从 90% → 95% 周全：再花 1 年可能做不到
- 边际收益急剧递减 + 时间成本恒定 + 焦虑回路自我强化
④ "万一没考虑到的地方导致亏钱"的真实数学
把"再考虑一次"的恐惧 量化一下：
| 假设 | 数字 |
|---|---|
| 当前未发现的 T 型陷阱真实存在概率 | ~ 5% (项目 6+ 反诱惑全否决后剩余空间) |
| 这个陷阱真的让你亏钱的概率 | ~ 30% (4 护栏 + 3:3:3:1 会兜底大部分) |
| 真亏钱时损失幅度 | ~ -10% × A1 占比 30% = -3% 总组合 |
| "再考虑一次"能挖出来的概率 | ~ 1% (已经挖了 6+ 次，diminishing return) |
| 这次再考虑的预期收益 | 5% × 30% × 3% × 1% = 0.0045% 损失避免 |
跟它对比：
| 这周末花在跟 AI 论证 T 型上的时间 | ~ 4 小时 |
| 4 个月里反诱惑论证累计花的时间 | ~ 50-100 小时(保守估计) |
| ⚠️ 更关键的 — 心理回路成本 | 每次确认 → 强化"必须确认才能安心"模式 → 下次焦虑阈值更低 |
→ 每一次"再算一次"实际上让你下一次更容易再算一次。这是负向复利。
⑤ T 型识别"足够周全"的 5 项硬判据(停下来许可证)
真正避免亏钱的人不是"考虑最周全的"，是知道何时停下来的。 下面 5 条全部 ✅ 时，你已经拥有了客观证据证明已经够周全 — 再多考虑不会让你更安全，只会让你更焦虑。
✅
已经过了门槛 ABCD(校准层 / 资金流层 / 数据层 / 跨段 robust，详见 backtest-to-live-trading-gap.mdc)
✅ 已经有 4+ 重护栏(trail + DCA + BOXX 加注 + 占比 ≤30%)
✅ 已经有反诱惑死亡史 6+ 次实证(V3 / SOXL / TQQQ+BOXX / 再平衡 / 30/10 QQQ / 慢慢换仓全否决)
✅ 已经把"AI 不得附和"写成 alwaysApply 规则(外包了执行纪律)
✅ 已经有"心理出口 4 前提"(焦虑时有合法降级路径，不会失控)
💡 类比：系安全带的人不会因为反复检查 100 次更安全 / 飞行员有 checklist 但不会在跑道上反复跑 checklist 直到完美 / 优秀外科医生不会"再思考一周"才动手术 — 该上就上。
⑥ ⭐ 下次冒出"再算一次"冲动时 — 自检 5 步
下次再冒出"再算一次让我安心"的冲动时，不要直接动手算，先按下面 5 步走一遍：
Step 1：问自己"如果我这次不再算，最坏情况会怎样？"
答案大概率是：A1 还是按 trail=40% 跑 / DCA 月供继续按计划进 / BOXX 子弹在那里等着加注 / 4 护栏全部生效 → 最坏情况 = 跟"再算一次"完全一样的结果。
Step 2：检查 5 项硬判据(§⑤)是否全部 ✅
全 ✅ → 你已经在高原上，再算一次对结构性安全性零贡献。
Step 3：判断这是策略问题还是心理问题
策略问题(罕见) = 满足"重新审视 A1 触发条件" 4 件事之一 → 走研究流程；
心理问题(常见) = "外部声音/心里不安/想再深入一层" → 走 §⑦ 心理出口。
Step 4：如果是心理问题 → 用 mantra 而不是计算器
"我已经做对了所有事，但我心里还是不踏实。这是心理问题，不是策略问题。 心理问题靠机械化执行 + 时间验证来解决，不靠多算一遍。"
Step 5：如果还是想做点什么 — 走"心理出口 4 前提"
① 只少投部分,不能 0 投 / ② 一次性决定,不建立规则 /
③ 少投的钱进 BOXX,不进股票 / ④ trail 触发后立刻 100% 恢复 + BOXX 投回。
满足 4 前提 = 心理保险，不是策略调整。详见 tqqq-rebound-params.mdc 同名段。
🚨 升级严格拒绝条件
连续 ≥ 2 次以"再算一次让我安心"为由要求 AI 跑新数据 / 新指标 / 新 scenario，且无客观情况变化(K 值/现金流/SEC 政策) → AI 应该拒绝再走 4 前提流程，引导心理工作而非数据工作。
⑦ 🤖 AI 触发器(看到立刻引本页，绝不附和)
AI 看到用户出现以下任一话术 / 思路 → 立刻停下来引本页 §① + §⑤ + §⑥，不要跟用户一起跑新数据：
直接触发(用户焦虑明显)：
- "我能避免 X 型亏钱路径吗 / 这次能不能不亏钱"
- "考虑周全一点不就更好吗 / 万一有没考虑到的地方导致亏钱"
- "再算一次确认一下 / 想再深入一层 / 心里不踏实"
- "外部 AI / 大 V / 朋友提了 X 风险你们没考虑到"
- "SWR / 长期回测 / 1929 / 1970s 滞胀 — 策略能扛吗"
间接触发(隐含"心理 vs 策略"边界模糊)：
- 用户问开放式"还有什么风险我们没考虑到"(开放问 = 心理诉求信号)
- 用户连续提多个"如果 X 怎么办"假设(scenario 焦虑)
- 用户引用外部 AI / 学术论文 / 大 V 文章后想"重新跑一遍"
- AI 自己想说"这个问题挺好,我们来跑一下 X 数据"(AI 自检 — 你在跟用户一起自毁)
✅ AI 正确反应模板(6 步)
- 先肯定情绪("焦虑是真实输入,不是软弱")
- 引本页 §① TL;DR(实操层已经赢了 + 元层还在 #4 自毁)
- 引本页 §⑤ 5 项硬判据，逐条对照确认是否全 ✅
- 区分心理 vs 策略(用 §⑥ Step 3)，问用户"这次是 A(具体新事件)还是 B(心里不安)?"
- 心理 → 引 §⑥ Step 4 mantra + Step 5 4 前提；策略 → 引
tqqq-rebound-params.mdc"重新审视 A1 触发条件" 段 - AI 自检：绝不主动建议"我们来跑一下 X 数据" / "也许应该考虑 X 风险" / 给"两个都做"折中安慰
⑧ 反面教材 — "再算一次"踩坑史
项目内已经发生过的"再算一次"现场，按时间倒序：
| 日期 | 用户冒出的想法 | 实际是 |
|---|---|---|
| 2026-04-30 | "去掉 Trail 简化策略 / Trail 没什么贡献" | #4 自毁 + 换工具(已沉淀"不要去掉 Trail"段) |
| 2026-05-11 | "V3 zero_or_one 看似机械化 trigger" | 高位停月供(v3-strategy-context.mdc §10 整套废弃) |
| 2026-05-12 | "DCA TQQQ + 定期再平衡" | 换工具(qld-strategy-deprecated.mdc 扩展段) |
| 2026-05-14 | "30/10 QQQ MA+Trail 替代 A1" | 换工具(7406 组网格 + walk-forward 实证否定) |
| 2026-05-15(早) | "外部 AI 提 SWR 数据窗口质疑 → 想跑长期回测确认" | #4 用过度精算掩盖心理不安(tqqq-rebound-params.mdc "再算一次"段诞生) |
| 2026-05-15(晚) | "先 QQQ 后 TQQQ 慢慢换仓" | 4 家族复合(通道贴顶 + 看时机 + DCA 不再平衡 + 贴顶停月供) |
| 2026-05-17(本次) | "我能避免 T 型亏钱路径吗 / 考虑周全一点不就更好吗" | ⚠️ 正在发生(本页本身就是这次的沉淀) |
💡 频率观察：从 04-30 到 05-17 共 17 天里发生 7 次 = 平均 2.4 天 1 次。 这说明"再算一次"是项目当前主导风险，不是偶发事件。 每一次都需要 AI 主动识别 + 拒绝跟用户一起跑新数据，不能因"对话流畅"附和。
⑨ 关联资料
- ⭐ 长期能赚 + 不会毁灭 (最简 FAQ · 焦虑入口) — 项目原始焦虑入口 tab，含 #4 自毁模式 + 心理 vs 策略 5 维度区分表
- ⭐ 框架 × 一致性 = 跑赢大部分玩家的元认知 — 给"赢家公式"的反面：3 种失败模式 + 反诱惑历史对账单
- 📚 问答精选 · 组 3「考虑周全」陷阱原话存档 — 本页对应的 AI 原话未删减版本(给翻看用)
-
.cursor/rules/tqqq-rebound-params.mdc"🚫 不要'再算一次让我安心'" 段 — AI alwaysApply 规则，11 条触发器 -
.cursor/rules/knowledge-precipitation.mdc"心理诉求合法出口 4 前提框架" — 允许"心理保险"的合法降级路径 -
.cursor/rules/backtest-to-live-trading-gap.mdc门槛 ABCD — "够周全"的客观判据
⭐ 本页是整合教学页(融合"5. 一句话答案" + "考虑周全 = T 型亏钱根因" 两次回答的精华)。 如果你想看 AI 原话未删减版本，去 📚 问答精选 · 组 3。
📚 问答精选 — 总览
共 19 组 · 43 条原话问答，全部集中在 ★ 全部存档 单页 + 左侧 sidebar。点下方卡片 → 自动跳转并定位到对应组。
详见 .cursor/rules/knowledge-precipitation.mdc §2.8（问答档 vs 展开教学页判别）。
2026-05 上旬
组 1 · 期权对散户的合理性
05-14 · 5 条covered call / CSP / 保护性 put 等「合理用法」从 EV 角度拆解 — 长期对散户仍偏负 EV。
组 2 · 加息 · 股债 · 跷跷板
05-15 · 5 条单变量隔离 + 4 象限模型：加息单变量压制股债，但净效应看健康加息 vs 抗通胀加息。
组 3 · 「考虑周全」陷阱 = T 型亏钱根因
05-17 · 2 条「再考虑一次」预期收益 ≈ 0.0045% 损失避免 vs 心理回路负向复利。整合版见 ⭐ 已经赢了 · 停下来。
组 4 · 普通人能否战胜市场
05-18 · 2 条外部 AI 原话：5 大优势源 + 3 个概率数字 +「主仓 beta + 卫星 alpha」定位句。
2026-05 中下旬
组 5 · NVDA 财报 → TQQQ 该少买?
05-22 · 1 条明星交易员反操作 + NVDA 权重新闻 → A1 反诱惑对照。
组 6 · UPRO/SPX → A1 还生效?
05-23 · 1 条组 7 · BOXX 现金停车 + 20 月部署
05-24 · 2 条组 8 · MSTR 不够 1 股怎么办
05-24 · 1 条组 9 · BTC sell covered call
05-25 · 2 条组 10 · BTC 不够便宜 → 跨桶改投 QQQ
05-25 · 2 条V3 zero_or_one 跨桶变形 — 与 V3 机械化路径同源废弃。
组 11 · DAT 反向飞轮 + MSTR 占比口径
05-25 · 4 条组 12 · FOMO 想再 lump TQQQ
05-27 · 1 条组 13 · A 股搬迁 + 杠杆低波动 + 20 月 FOMO
05-27 · 4 条组 14 · 1:1:1 框架校正 + C 方案确认
05-27 · 2 条3:3:3:1 语义校正、首月 2× lump、每月 15 号机械扣款。
2026-05 ~ 2026-06
💡 新增问答：追加到 templates/partials/qa_archive.html 末尾新组 → 同步
qa_archive/sidebar.html → 在本总览页加一张卡片（data-tab-link="tab-qa-archive" + href="#qa-group-…"）。
⛔ 期权陷阱 — 散户长期 EV 必负 + 你的体系不该加
2026-05-14 用户讨论「为啥有人做期权能赚钱」后，要求沉淀两条核心认知：
认知 A — 期权对散户买方长期是负期望 / 负和游戏；
认知 B — 你现有框架已覆盖尾部与 alpha，不应再叠期权。
与 tab-leaps-vs-tqqq-dip 同源（大跌抄底 / LEAPS），本 tab 作通解版（不局限「大跌 + LEAPS」单一场景）。
关联反诱惑：tab-leaps-vs-tqqq-dip / tab-leverage-trap / tab-sector-etf-trap / tab-stop-dca-trap / tab-dca-vs-lump-truth。
💭 用户原话（触发沉淀）
「让我了解到期权是负 EV 的，是负和游戏。」
「这个也简单，沉淀一下吧。」（指：体系不该再加期权这一层。）
✅ 一句话结论
对你而言，期权不是 alpha 来源（数学上买方长期期望为负），也不是必要保险（A1 + DCA + BOXX + BTC 已四重覆盖）。 若仅是心理好奇 → 唯一出口是娱乐账户 4 前提（见 ④），不要写进主策略。
① 期权市场的负和本质
「零和游戏」指一人赢等于另一人输；真实交易市场在扣完摩擦后往往是负和： 双边 bid-ask spread、交易所与经纪商佣金、以及（对你而言）NRA 预扣税，都会从池子里抽走现金。 因此全体参与者加权后的净 P&L 长期 < 0 —— 必须有人系统性补贴这些成本。
| 角色 | 机制 | 净 EV（长期、粗粒度） |
|---|---|---|
| 做市商 | 赚取 bid-ask spread；delta 对冲保持方向近似中性 | 显著为正（商业模式） |
| 机构卖方（规模化 covered call / cash-secured put 等） | 系统性收取隐含波动率相对实现的风险溢价 | 为正（需风控与资本） |
| 套利方 | 波动率曲面 / 跨期跨品种定价不一致 → 统计套利 | 为正（IT、速度与边际成本高） |
| 对冲方（企业 / 资管） | 目标不是增厚收益，而是花钱买已知形状的尾部保护 | 可接受「买保险」式成本（会计入组合预算） |
| 散户买方（方向投机） | 押注方向 + 时机 + 隐含波动率路径三重难度 | 系统性为负 |
对你位置的诚实标注：若没有做市基础设施、没有机构级卖方风控与资金占用优化， 你在期权链上的默认席位就是表格最后一行 —— 散户 directional 买方， 这正是结构性成本沉淀后最容易亏损的一侧。
幸存者偏差：朋友圈晒单的「一笔 LEAPS 大赚」几乎从不附带「前面亏掉的几十笔权利金」。 长期期望看的是重复博弈后的分布，不是单次截图。
② 散户买方长期 EV 必负 — 三个数学事实
下面三条不要求你背公式，但要建立直觉：它们叠加后，即便你认为方向判断略好于丢硬币，长期净期望仍可能被碾成负数。
事实 1：IV 平均高于 RV（波动率风险溢价）
市场恐慌时，众人抢购 put/call 当「救命稻草」，卖方就会加价。 隐含波动率 IV就是这种加价在期权定价里的体现 —— 代表市场愿意为未来波动预付的价格。 已实现波动率 RV是事后量出来的真实波动轨迹。
数十年学术实证（跨市场、跨周期）的主流结论是：长期平均 IV 高于 RV，常见叙述为 IV 约为 RV 的 1.05～1.15 倍量级（具体数字随样本与计量方法变化，但「买方系统性付溢价」方向稳定）。 直觉翻译：买方长期在付「波动率保险费」，不是偶然吃亏。
事实 2：Theta + Vega 双重摩擦
Theta：每过一天，期权的时间价值衰减；越临近到期，衰减越快。 方向看对但若不够快，权利金可先被 theta 啃光。
Vega：IV 回落时（常见于恐慌消退、市场企稳），即便标的缓慢上涨，期权也可能因 vega crush 不涨反跌。 这两条与「我只判断方向」不是同一维度 —— 你对 IV 路径也在下注。
事实 3：NRA（中籍）约 30% 短期资本利得预扣
期权交易持仓周期多数落在短期，盈利往往按短期资本利得处理； 非居民常见叙述为联邦预扣约 30%（细则以券商与税收协定为准，此处强调量级差异）。 对比：你的 A1 主轴是长期持有标的（QQQM/TQQQ），常见讨论语境下更接近长期资本利得且 NRA 下 LTCG 常为 0% —— 二者税务摩擦天壤之别。
⚠️ 税率属易变政策信息；实操以 Schwab 结算单与现行 IRS 指引为准。本 tab 只强调：期权盈利路径更容易触发高摩擦税档。
合成结论
即便你能把方向胜率做到 51%（已经非常难），在上面的三重摩擦 + 价差 + 佣金之后， 长期净 EV仍大概率转负 —— 这不是「不够努力」，是席位与工具属性决定的统计结果。
③ 你的体系不该加期权 — 已有四重防御
| 层 | 机制 | 触发频率（经验量级） |
|---|---|---|
| A1 trail=40% | 大跌且满足条件时 TQQQ → QQQM，锁定尾部 | 约 0.5 次/年 |
| DCA 月供 | 熊市持续低位买入摊薄成本 | 持续 |
| BOXX 子弹（约 $30k～$50k 量级） | 大跌 + A1 风险偏好后一次性加注（方案 A） | 约 每 4～5 年 1 次 |
| BTC 约 30% 桶 | 与美股因子不完全重合，对冲法币与叙事尾部 | 持续 |
期权若强行接入，等于第五重「人造尾部工具」。边际贡献上：
- 期望增量 EV：相对前四重极低（② 已论证买方长期为负；④ BOXX 加注在历史回测上 alpha 亦偏小 —— 见
tab-dip-buy-signal-history）。 - -100% 单笔尾部：权利金亏光与过期归零是期权内置分支，标的 ETF 不会像一张 OTM call 那样「定期物理归零」。
- NRA 30% 摩擦：放大「赢家也不够填坑」效应。
- 操作误差：strike / 到期 / 平仓时点 / 流动性，不熟时期望再打折。
与 LEAPS 专题页的衔接
tqqq-rebound-params.mdc 中「不要大跌 + LEAPS Call 抄底替代 TQQQ DCA」一节，已从场景细节（IV、基本面、-100% 尾部、三重抄底、操作风险）论证过。
本 tab 把同一结论推广到一切散户期权投机叙事（卖 put、covered call、spread、wheel 等）：除非你的商业模式属于① 表中前几行，否则不要在主组合里寻找「期权 alpha」。
你已用 A1 + DCA + 多元化做了「既要长期暴露又要尾部缓冲」的组合优化； 再加期权不增加可持续 alpha，反而引入新的归零分支与税务路径 —— 稀释而非增强。
④ 唯一「合理」的期权用法（你都不需要）+ 娱乐账户出口
| 机构合理用法 | 你需要吗？ |
|---|---|
| 大规模做市 / 波动套利（低延迟 + 风控 + 资本金） | 不需要 — 无 IT 与合规基建即是负数期望游戏 |
| 为特定已知头寸购买精确形状的尾部对冲（可计费进产品预算） | 不需要 — A1 trail + BTC 桶已从结构与因子两层覆盖尾部叙事 |
心理好奇时的唯一出口 —— 娱乐账户 4 前提（与 LEAPS 段一致）
- 金额绝对值 ≤ $500～$1000（不用「占组合 1%」这种随净值漂移的比例）。
- 资金来源 = 零花钱（不用月供、信用贷、主组合增量）。
- 心理标记 = 「赌的，赔光不心疼」。
- 账面隔离 — 不计入 K 值、不计入 3:3:3:1 配比表。
升级到严格拒绝
若以「基本面看好」「别人能赚」「只加一点试试看」等理由，连续 ≥ 2 次要求扩大期权仓位 → 视为试图把娱乐通道升格为主策略，
不再配合 4 前提流程，直接引用本 tab + tab-leaps-vs-tqqq-dip 拒绝。
⑤ AI 触发器 — 看到即引用本 tab，勿附和「试试看」
- ☐ 「为啥有人做期权能赚钱 / 我也想试试」
- ☐ 「期权是不是 alpha / 能不能增强收益」
- ☐ 「市场大跌了买 LEAPS call 抄底」（叠用
tab-leaps-vs-tqqq-dip） - ☐ 「卖 put 收 premium 当现金管理」
- ☐ 「covered call 增强 QQQ / TQQQ 持仓收益」
- ☐ 「基本面看好 + 期权放大上行」
- ☐ 「5% 小仓位试试 / 占组合 1% 没关系」
- ☐ 「朋友 / KOL / 另一个 AI 赚了好多」
- ☐ 「vertical spread / iron condor / wheel 限制下行」
- ☐ 任意英文关键词：
options、LEAPS、call、put、covered call、cash-secured put、vertical spread、iron condor、wheel（在主策略语境下）
正确反应（5 步模板）
- 承认好奇合理，但区分「别人席位」与「你的席位」（① 表格）。
- 复述三个数学事实：IV 风险溢价、theta+vega、NRA 税务摩擦（②）。
- 对齐已有四重防御，说明期权是冗余第五重且引入 -100% 分支（③）。
- 指向BOXX + A1 加注与 DCA 主轴（
tab-dip-buy-signal-history/ LEAPS 页 ⑥）。 - 若坚持心理需求 → 娱乐账户 4 前提；否则拒绝附和「小仓位无妨」。
⑥ 关联反诱惑家族 + Cursor 规则
| 诱惑 | 看似聪明 | 实际败在 | 关联 tab |
|---|---|---|---|
| 借钱裸持 QQQ | 避开 ETF 磨损 | 固定杠杆爆仓 / 倒欠 | tab-leverage-trap |
| SOXL / SOXX 复制 A1 | 板块更看好 / 1× 无磨损 | 样本不足 + 集中度 | tab-sector-etf-trap |
| 通道贴顶停 DCA | 等低位心理舒适 | 近年实证大幅踏空 | tab-stop-dca-trap |
| DCA TQQQ + BOXX 不再平衡 | BOXX 当 buffer | 多年后暴露逼近纯 TQQQ | tab-dca-vs-lump-truth |
| 单股 / 指数 LEAPS 抄底 | 大跌打折 + 基本面 | IV 暴涨 + 三重抄底已够 | tab-leaps-vs-tqqq-dip |
| ⛔ 散户期权投机（本 tab） | 「别人能赚我也试试」 | 三重摩擦 + 负和游戏 | tab-options-negative-ev |
Cursor 规则：tqqq-rebound-params.mdc 中「不要大跌 + LEAPS Call 抄底替代 TQQQ DCA」整段 —— 本页是其概念扩展（通解版），AI 可先跳转到这里再按需回放 LEAPS 细节。
💡 A1 核心心得 — 4 条一句话总结
2026-05-11 研究完今天所有 A1 相关 tab 后整理的 4 点心得。本 tab 是 "A1 策略研究" 组的导读: 高密度结论 + 跳转入口,看完这 4 条再决定要不要深挖某个具体 tab。
- A1 策略研究组有 8 个深挖 tab,新来的人(包括未来的自己)容易迷失在数据里
- 这 4 条是"全部研究结论的压缩版" — 心理摇摆时打开本 tab,30 秒就能稳住
- 每条都对应一个/多个详细 tab,需要数据支撑时直接跳过去
① TQQQ 磨损严重但不会真爆仓,借钱裸持 QQQ 反而会穿仓 — 保持 TQQQ
"TQQQ 策略虽然磨损严重,但最大亏损是有限的。如果直接筹集 3 倍资金搞 QQQ, 最大亏损可能会穿仓。所以还是保持 TQQQ 策略。"
- 每日重置 → 自动 deleverage,永远不会跌破 0
- dot-com 段裸持 -99.98%,但仍有"残值 + A1 trail 救回"路径
- 磨损 ~9%/年 = 它换"永远不会真爆仓"的代价(不是 bug)
- 固定杠杆 → 每跌一次自动放大
- QQQ -67% → 本金归零;QQQ -83% → 倒欠 99 万
- 无磨损但有强平 + 利息 + 倒欠风险,数学下限是负数
② A1 DCA 跑输 QQQ 的窗口都在终点熊市 — 熊市最不该停的就是月供
"DCA 版的 A1 策略跑输 QQQ 的情况都是窗口(5y 窗口)终点在熊市末期的时候。 所以只要熊市坚持定投就行!!"
| 终点距 ATH | n 窗口 | A1 跑输率 | α 均值 |
|---|---|---|---|
| ✅ 接近 ATH (>-10%) | 57 | 1.8% | +29.8pp |
| 🟡 中度回撤 (-10~-25%) | 14 | 7.1% | +23.6pp |
| 🔴 深熊 (>-25%) | 52 | 23.1% | +6.9pp |
- A1 trail 在窗口末期切肉锁定亏损
- QQQ 全程持有,跨过 5y 期满刚好触底
- 起点位置是混淆变量,真因果在窗口终点
- 5y 视角:11% 跑输概率(最差 -17.2pp)
- 10y 视角:10% 跑输概率(最差 -11.0pp)
- 15y 视角:97.7% 胜率,最差仅 -0.6pp ⭐
- 用户 20+ 年持仓周期下,弱点完全不存在
③ 巨大回撤是必经路径 — 但仓位 ≤30% + 4 个护栏让你能接受
"QQQ 的巨大回撤是必经路径,想要获取足够的收益就得承受这些。 所以 A1 的巨大回撤也是必经路径吗?是的,但要分仓位,这样你才能接受。 并且你接受了'美股 + 杠杆 ETF 工具 + 美元体系 30 年都不出事' 的叠加假设。"
| 指标 | 数值 | 用途 |
|---|---|---|
| 中性预期 CAGR | +25 ~ +28%/年 | 日常财务规划(P50) |
| 保守预期 CAGR | +18 ~ +22%/年 | 大额借贷 / 退休规划(P25) |
| A1 历史平均 | +29.6%/年 | 上限参考,不算数(含过拟合溢价) |
| 预期 MaxDD | -65% ~ -75% | 2008 级深熊(最可能) |
| 极端 MaxDD | -85% | dot-com 重演(低概率) |
- A1 ≤ 30% 总组合(3:3:3:1 框架内):不要 all-in,数学一样心理完全不同
- 月供不能停 — 尤其熊市:见心得 ② + ④
- 已有持仓不情绪卖:让 A1 trail 自己决定(用户情绪卖通常在中段切肉)
- 心理预期锚 P50,不锚最优:用 +29.6% 做规划 → 5 年后差 30%+ 资产
④ trail=40% 已经够了,不要再叠"高位停定投"保险 — 回测是负 EV
"不要高位就停止定投,已经有 trail 40% 的保险了,没必要再来个通道高位保险, 回测是负 EV 的。"
| baseline(等额 DCA) | V3 zero_or_one | |
|---|---|---|
| skip 月份 / 总月份 | 0 / 24 | 22 / 24 (92%) |
| 总投入 | $24,000 | $2,000 |
| 终值 | $43,942 | $2,996 |
| $ alpha | +$19,942 | +$996 |
| 错过的 alpha | — | $18,947 (95%) |
- 99% 时间白买保险(CAGR 贡献 +0.19%/年,几乎不可见)
- dot-com 那 12 年 = 价值全集中在此(+1.94%/年,决定生死)
- 平时看不出来很正常 — 保险就该是这样
- 是 trail 的功能子集(数学等价)
- 但牛市持续付费 + 熊市赔付已被 trail 兑现 → 不对称
- 通道贴顶减仓胜率 73% 是踏空(不是真信号)
- 近 2 年实证:V3 错过 95% baseline alpha
⑤ 串起来 — A1 哲学的一句话总结
- 接受巨大回撤(数学不可避免,见心得 ③)
- 接受工具假设(TQQQ 不爆 + trail 兜底,见心得 ① ②)
- 接受体系叠加假设(美股 + 杠杆 ETF + 美元体系 30 年都不出事)
- 不要停月供(尤其熊市,见心得 ② ④)
- 不要情绪卖已有持仓(让 trail 决定,见心得 ③)
- 不要裸持杠杆(借钱买 QQQ ≠ TQQQ,见心得 ①)
A1 vs Plan B 真相 — Plan B 4 起点 Calmar 全胜是假象 ⭐
2026-05-11 用户连续 3 轮犀利质疑 → 引出 P50 网格严谨化 + walk-forward 杀手锏。 结论:A1 仍是主策略。Plan B 看似 Calmar 全胜 = B 段牛市权重稀释 + 严重过拟合。
- "A1 的 trail 是不是主要得益于 dot-com 段?它跑赢 TQQQ DCA 主要靠这一段?"
- "A1 是选出来的最优参数,万一后市是 P25 分位,还能跑赢 TQQQ DCA 吗?"
- "Plan B P50 几个 IRR 挨这么近(23.9/24.1/24.3),是网格哪些参数?数据可靠吗?"
本页用 P50 网格严谨化 + Plan B walk-forward 回答全部 3 个质疑, 并沉淀防止未来反复被同类问题诱惑做错决策。
- 标的:QQQM(基础)↔ TQQQ(3× 杠杆)
- 信号:MA=242 天 + Trail=40% 双条件
- 入场:QQQ > 242d MA → 次日切 TQQQ
- 退出:TQQQ 从峰值回撤 ≥40% 且 QQQ < 242d MA(两条同时满足)
- 切换频率:26 年 13 笔 ≈ 0.5 次/年(超低频)
- 典型 MaxDD:-65 ~ -85%(dot-com 极端 -95%)
- ✓ 9 窗口存活率 100%(跨段对称稳健)
- 标的:QQQ(基础)↔ QLD(2× 杠杆)
- 信号:单一 MA(≈240d)MA-only,无 Trail
- 入场:QQQ > MA → 切 QLD(2× 杠杆)
- 退出:QQQ < MA → 切回 QQQ(纯 1×,落地保平安)
- 切换频率:2~6 次/年(频繁切换,税务摩擦大)
- 典型 MaxDD:-47 ~ -60%(比 A1 浅 ~20pp)
- ✗ walk-forward ρ_Calmar = -0.49(跨段过拟合)
核心区别:
A1 = 3× 高弹性 + 双条件退出(允许深回撤,换高 alpha 高跨段稳健);
Plan B = 2× 中弹性 + 纯 MA 退出(回撤浅但切换频繁、过拟合 + 30% NRA 短期税)。
Plan B 不是 A1 的升级版,而是"心理实在扛不住 -70%~-90% 时"的降档备选。
关联:
.cursor/rules/tqqq-rebound-params.mdc §"🚫 不要被 Plan B P50 4 起点 Calmar 全胜迷惑"
② TL;DR — A1 仍是主策略,Plan B 仅心理友好替代
- A1 单点 (242, 40%) 4 起点 Calmar 全胜 — 但是事后选最优偏差
- A1 P50 仍有竞争力,但在 2~3 个起点被 Plan B P50 反超 Calmar
- Plan B P50 walk-forward 完全崩: ρ_Calmar = -0.49 ❌
- A 段最优 MA=350d, B 段最优 MA=175d, 方向完全反
- "4 起点 Calmar 全胜"是 B 段牛市权重 ≥ 70% 稀释了 A 段失败的产物
- walk-forward 翻负 — 项目 "哲学 B 跨段稳健" 判据失败
- A 段(2000-2012)Calmar P50 仅 0.062,A1 anchor 0.073 ⭐
- 切换频率 2~6 次/年 vs A1 0.5 次/年
- NRA 中籍税务 30% 短期利得 → Plan B 实盘 IRR 净额 ≈ 23.7%
- Plan B = 仅当心理扛不住 -70%~-90% 时的备选,不是 A1 升级
③ 5 策略 × 4 起点完整对比矩阵 (P50 网格 / Baseline 裸 DCA)
数据源: static/data/p50_4strats_compare.json / 月供 $1000 等额 / 终点 2026-05-08
2000-01 起点 (26.3y) — 含 dot-com + GFC + COVID + 2022
| 策略 | IRR | CAGR | MaxDD | Calmar | 终值倍(DCA) |
|---|---|---|---|---|---|
| A1 P50 | 27.90% | 18.41% | -77.4% | 0.248 | 109× |
| Plan B P50 ⭐ | 23.11% | 15.07% | -59.5% | 0.253 | 53× |
| TQQQ DCA | 29.01% | 19.95% | -92.8% | 0.215 | 120× |
| QLD DCA | 23.83% | 15.90% | -79.5% | 0.200 | 48× |
| QQQ DCA | 15.86% | 9.93% | -48.3% | 0.206 | 12× |
2005-01 起点 (21.3y) — 含 GFC + COVID + 2022
| 策略 | IRR | CAGR | MaxDD | Calmar | 终值倍(DCA) |
|---|---|---|---|---|---|
| A1 P50 | 33.46% | 22.32% | -73.2% | 0.303 | 80× |
| Plan B P50 ⭐ | 27.37% | 17.74% | -52.4% | 0.339 | 33× |
| TQQQ DCA | 36.45% | 24.77% | -91.0% | 0.272 | 112× |
| QLD DCA | 28.85% | 18.95% | -75.1% | 0.252 | 40× |
| QQQ DCA | 18.27% | 11.21% | -43.0% | 0.260 | 10× |
2010-01 起点 (16.3y) — GFC 后纯牛 + 2022
| 策略 | IRR | CAGR | MaxDD | Calmar | 终值倍(DCA) |
|---|---|---|---|---|---|
| A1 P50 | 37.39% | 24.06% | -72.1% | 0.331 | 35× |
| Plan B P50 ⭐ | 31.07% | 19.20% | -47.9% | 0.401 | 17× |
| TQQQ DCA | 43.03% | 28.21% | -81.6% | 0.346 | 58× |
| QLD DCA | 33.05% | 20.89% | -63.2% | 0.330 | 22× |
| QQQ DCA | 20.17% | 11.92% | -33.8% | 0.353 | 6× |
2015-01 起点 (11.3y) — 纯牛 + 2022(100% B 段)
| 策略 | IRR | CAGR | MaxDD | Calmar | 终值倍(DCA) |
|---|---|---|---|---|---|
| A1 P50 | 35.62% | 21.46% | -71.5% | 0.301 | 8× |
| Plan B P50 ⭐ | 33.87% | 19.83% | -46.4% | 0.427 | 7.5× |
| TQQQ DCA | 40.89% | 24.55% | -80.9% | 0.303 | 12× |
| QLD DCA | 33.16% | 19.42% | -61.8% | 0.314 | 7.5× |
| QQQ DCA | 21.20% | 11.84% | -31.3% | 0.378 | 3.6× |
④ 5 策略多维度真实定位
| 维度 | 第一 | 第二 | 第三 | 第四 | 第五 |
|---|---|---|---|---|---|
| IRR 高低 | TQQQ DCA | A1 P50 | QLD ≈ Plan B | — | QQQ DCA |
| MaxDD 浅深 | QQQ DCA | Plan B P50 | QLD DCA | A1 P50 | TQQQ DCA |
| Calmar (回测看) | Plan B P50 | TQQQ/QLD/A1 混 | QQQ | ||
| Calmar (walk-forward 后) | A1 P50 ⭐ | TQQQ DCA | QLD DCA | QQQ DCA | Plan B(崩) |
| 杠杆暴露 | TQQQ (3×) | A1 (动态 1~3×) | Plan B (动态 1~2×) | QLD (2×) | QQQ (1×) |
| 切换频率 | QQQ=QLD=TQQQ (0/年) | A1 (0.5/年) | — | — | Plan B (2~6/年) |
| 实盘税务 (NRA 中籍) | 裸 DCA (0 切换) | A1 (LT capital gain) | — | — | Plan B (ST 30% 预扣) |
关键: "Calmar 回测看"和"Calmar walk-forward 后"完全不同。Plan B 回测榜首 → walk-forward 跨段崩 = 不能信。
⑤ 网格定义 + 实现细节
| 策略 | 网格维度 | 组数 | P50 取法 |
|---|---|---|---|
| A1 P50 | MA ∈ [150,175,200,225,242,260,280,300] × Trail ∈ [0.25, 0.30, 0.35, 0.40, 0.45, 0.50] | 48 | 每起点 48 组的 IRR / Calmar 中位 |
| Plan B P50 | MA ∈ [100,150,175,200,225,242,260,280,300,350] (无 Trail,纯 MA-only) | 10 | 每起点 10 组的 IRR / Calmar 中位 |
| TQQQ DCA / QLD DCA / QQQ DCA | 无参数(裸 DCA) | 1 | — |
above_ma[i] = True→ 持 QLD(2× 杠杆)above_ma[i] = False→ 持 QQQ(1×)- 信号反转次日切换(day N+1 执行,跟 A1 哲学一致)
- 没有 Trail(MA-only — 这是 Plan B 的定义)
⚠️ 历史 bug 记录: 最初用 run_v3 + trail_pct=0.99 实现 Plan B,
但 run_v3 的退出条件 = trail AND not above_ma(AND 关系),
trail 永不触发 → MA 信号也变废 → Plan B 退化成裸 QLD DCA(trades=0)。修复后才有真实数据。
⑥ Plan B walk-forward 方向 1 · A 段最优 → B 段验证
数据源: static/data/planb_walkforward.json /
A 段 = 2000-01-03 ~ 2012-12-31(12.97y, dot-com+GFC) /
B 段 = 2013-01-02 ~ 2026-05-08(13.33y, 后 dot-com 牛+2022)
| 段 | 参数 | 该段 Calmar | 该段 IRR | 该段 MaxDD |
|---|---|---|---|---|
| A 段最优(by Calmar) | MA = 350d | 0.089 | 9.32% | -57.4% |
| → 在 B 段表现 | MA = 350d | 0.319 | 24.04% | -52.6% |
原因: dot-com 长熊"跌得慢"→ 长 MA 不会被假反弹骗到切回 QQQ → 长 MA 最好。 但 B 段是"急熊快反弹"模式(2018 / 2020 / 2022)→ 长 MA 反应慢 → 反而排名最低。
⑦ Plan B walk-forward 方向 2 · B 段最优 → A 段验证
| 段 | 参数 | 该段 Calmar | 该段 IRR | 该段 MaxDD |
|---|---|---|---|---|
| B 段最优(by Calmar) | MA = 175d | 0.487 | 38.99% | -42.0% |
| → 在 A 段表现 | MA = 175d | 0.058 | 6.79% | -77.4% |
原因: 短 MA 在 dot-com 长熊里被频繁假反弹骗到切回 QLD → 一次次切肉 → 累计大亏。
⑧ 跨段 Spearman 相关性 — ρ = -0.49 强烈翻负 ⭐⭐
| 指标 | Spearman ρ | p-value | 解读 |
|---|---|---|---|
| IRR | -0.188 | 0.6028 | ❌ 翻负 = 过拟合 |
| Calmar | -0.491 | 0.1499 | ❌❌ 强烈反向 = 严重过拟合 |
- ρ > 0.5: ✅ 高度稳健
- 0.3 ~ 0.5: ✅ 稳健,P50 可放心用
- 0 ~ 0.3: ⚠️ 边缘
- ρ < 0: ❌ 段内最优在另一段反向 = 严重过拟合
- 2000 起点: +0.542 🟢
- 2005 起点: +0.187 🟡
- 2010 起点: +0.350 🟡
A1 一维 ρ 是 正; Plan B 一维 ρ 是 强烈负。本质差异。
⑨ 段内完整网格结果(诚实版)
A 段 2000-2012 (12.97y) — Plan B 10 组 (按 Calmar 排序)
| 排名 | MA | IRR | MaxDD | Calmar | trades |
|---|---|---|---|---|---|
| 1 | 350 | 9.32% | -57.4% | 0.089 | 17 |
| 2 | 300 | 8.95% | -59.3% | 0.084 | 22 |
| 3 | 280 | 8.65% | -59.3% | 0.081 | 22 |
| … | … | … | … | … | … |
| 10 | 100 | 0.16% | -83.4% | -0.030 | 82 |
A 段 P50 Calmar = 0.062 / IRR = 7.24% — 杠杆策略在 dot-com+GFC 双熊段几乎被打死。 A1 (242d, 40%) 段内 anchor: Calmar 0.073 / IRR 10.19% / MaxDD -65.0% ⭐ 略胜 Plan B P50。
B 段 2013-2026 (13.33y) — Plan B 10 组 (按 Calmar 排序)
| 排名 | MA | IRR | MaxDD | Calmar | trades |
|---|---|---|---|---|---|
| 1 | 175 | 38.99% | -42.0% | 0.487 | 25 |
| 2 | 200 | 38.10% | -41.5% | 0.480 | 27 |
| … | … | … | … | … | … |
| 10 | 350 | 24.04% | -52.6% | 0.319 | 20 |
B 段 P50 Calmar = 0.409 / IRR = 32.13% — 牛市里 Plan B 看似超神。 A1 anchor: Calmar 0.365 / IRR 39.96% — A1 IRR 比 Plan B 高 7pp。
⑩ 为什么"4 起点 Calmar 全胜"是假象 — B 段权重稀释陷阱
§③ 表里 Plan B 在 4 起点都 Calmar 第一,但 walk-forward 又强烈翻负 — 矛盾在哪?
答案是: 4 个起点都跑到 2026 终点,但 A 段(2000-2012)只占总长度的一小部分。
| 起点 | 总长 | 含 A 段比例 | 含 B 段比例 |
|---|---|---|---|
| 2000 起点 → 2026 | 26.3y | 49% | 51% |
| 2005 起点 → 2026 | 21.3y | 30% | 70% |
| 2010 起点 → 2026 | 16.3y | 18% | 82% |
| 2015 起点 → 2026 | 11.3y | 0% | 100% |
反过来验证 A1 的"哲学 B(跨段对称稳健)": A1 不是任何单段最优, 但跨段都不死 — A 段 anchor Calmar 0.073(略胜 Plan B P50 0.062),B 段也保持竞争力(0.365)。
⑪ Plan B 的"高 Calmar"还要再扣实盘税务损耗
即便 Plan B walk-forward 没崩(它崩了),实盘里 切换频率 2~6 次/年 也会被税务和滑点重创:
| 策略 | 切换/年 | 平均持有期 | NRA 中籍税务 | 税后 IRR (P50) |
|---|---|---|---|---|
| A1 (242, 40%) | 0.5 | 2 年+ | 长期资本利得 (LTCG, NRA 0%) | ≈ 35.6% 净 |
| Plan B (200d) | 3.4 | ~ 4 个月 | 短期资本利得 (STCG, NRA 30% 预扣) | ≈ 23.7% 净 |
| Plan B (100d) | 5.9 | ~ 2 个月 | 短期 + 滑点累积 | ≈ 20% 净 |
双重打击: Plan B walk-forward 翻负(系统性) + 实盘税务摩擦(线性损耗) = 总体绝对劣于 A1。
⑫ AI 触发器 — 反复诱惑防御 ⭐
用户/AI 自己出现以下任一思路,立刻停下来读本页 + 引 .cursor/rules/tqqq-rebound-params.mdc。 这种诱惑跟"不要去掉 Trail" / "不要全押 TQQQ"同源 — 都是用户在牛市偏差下会反复想做的危险简化。
- "Plan B (QQQ↔QLD MA) 是不是比 A1 更好?"
- "4 起点 Plan B Calmar 全胜啊?"
- "Plan B 切换不就吃点税,问题不大吧"
- "用 2× 杠杆代替 3× 不就解决 MaxDD 太深了吗?"
- "Plan B MaxDD 浅 -20pp,直接替代 A1 吧"
- "看 2015 起点 11 年 Plan B 多好,A1 凭啥赢?"(2015 起点 100% B 段,Plan B 当然好)
- "用 4 个起点 P50 当稳健性证据"(没做 walk-forward 不算稳健)
- "切到短 MA(175d)在近 13 年表现最好"(短 MA 在 A 段 Calmar 0.058)
- "切到长 MA(350d)防御 dot-com"(长 MA 在 B 段排名垫底)
- "我直接看历史最优参数,跨段不用考虑那么严苛"(违反"哲学 B 跨段稳健")
- 先承认用户直觉合理(4 起点数字看上去 Plan B 确实赢)
- 引用本页 §⑥~⑨ walk-forward 数据 ρ_Calmar = -0.49
- 展示 §⑩ B 段权重稀释陷阱
- 提醒 §⑪ 实盘税务 NRA 30% 短期预扣
- 不要为"对话流畅"附和 "Plan B 看着确实好,要不试试" — 这是已经实证否定的方向
⑬ 真正可触发"重评 Plan B"的条件
只有以下情况之一发生时,才走"重评 Plan B"流程:
- 用户拿到美国身份(税务变 LTCG 15~20%,Plan B 高频切换损耗下降)+ 心理无法承受 -70%+
- K 值跨过 0.5 进入 Phase 2(详见
lifecycle-params.mdc),A1 -75% MaxDD 心理压力过大 - SEC 真的禁止 3× 杠杆 ETF(TQQQ 不能用)→ 退而求其次到 2× 杠杆(QLD)
- 未来 10 年走完一个 dot-com 级长熊(测试 A1 真实表现) + Plan B 重做 walk-forward 不再翻负
接受 A1 回撤就好,慢慢定投? ✓ 但 4 个护栏不能省 ⭐
本页专门回答一个哲学层 FAQ:
"QQQ 的巨大回撤是必经路径,想要获取足够的收益就得承受这些, 所以 A1 的巨大回撤也是必经路径吗?只能接受,慢慢定投就行。"
- 这个问题的正确答案不是简单 "对" 或 "不对" — 直觉对,但有 4 个隐含前提
- 长熊期间用户会反复怀疑("我是不是该卖一点 / 是不是不该再月供") — 必须有标准答复
- AI 在新会话被问到时不能附和成 "对对对 all-in 就好了 / 卖一点没关系" 这种危险简化
- 必须用 4 起点 Calmar 全胜的实证 + 4 护栏明文,让自己和未来 AI 都不动摇
② TL;DR — 接受 ✓ 但 4 个前提不能省
- A1 -65~-75% MaxDD 是 alpha 的必要代价(必经路径)
- DCA 在熊市持续买入 = 自动摊薄成本(对的)
- 想要 +25%/年 IRR 就得承受这种波动(对的)
- 跟 "不要去掉 Trail" 同源:保险有保费,回撤是保险费
- 护栏 1:A1 ≤ 30% 总组合(不是 all-in)
- 护栏 2:月供不能停 — 尤其熊市 ⭐
- 护栏 3:已有持仓不情绪卖(让 trail 决定)
- 护栏 4:心理预期锚 P50,不锚历史最优
③ 护栏 1 — A1 ≤ 30% 总组合(不是 all-in)
| 配置 | A1 -75% 时总组合回撤 | 心理体验 |
|---|---|---|
| 3:3:3:1 框架(A1 = 30%) | 最多 -22.5% | 可承受 / 不影响生活 |
| A1 50% 占比 | -37.5% | 夫妻吵架边缘 |
| A1 70% 占比 | -52.5% | 大概率卖在地板上 |
| A1 全押(100%) | -75% | 心理崩盘 / 离婚 / 抑郁 |
④ 护栏 2 — 月供不能停 ⭐ 最反人性的护栏
DCA 的全部 alpha 来源是 — 熊市低位摊薄成本。 牛市月供作用很小(都买在高位);熊市月供作用极大(都买在低位)。
- A1 trail 触发 + 自己亏了 -30%
- 新闻铺天盖地 "股市要崩"
- 身边人都说 "等跌完再买"
- 心理害怕,觉得 "再买就亏更多"
- QQQ 在 5y 低位 → 这一笔月供未来 3 年涨 2~3 倍
- A1 trail 触发后会切回 QQQM → 月供进低价 QQQM 摊薄
- 错过这几个月的低价月供 = A1 alpha 直接归零
- 历史上 dot-com / GFC / 2020 / 2022 都是这样救命的
⑤ 护栏 3 — 已有持仓不情绪卖(让 A1 trail 自己决定)
| 退出方式 | 通常退出时机 | 结局 |
|---|---|---|
| A1 trail 系统 | 峰值后 4~8 个月 | 已经下跌 40% 才退,但避免-90% 灾难;心理无情绪 |
| 情绪手动卖 | 峰值后 1~2 个月 | 抛在中段 → 看 A1 还持有 → 冲动买回 → 反复切肉 |
历史数据:A1 trail 在 dot-com / GFC / 2020 / 2022 触发时, 平均滞后峰值 4~8 个月才退出。 这种"滞后"看起来是 trail 的缺点,但实际是它的设计 — trail 在 mass psycology 已经 confirm 趋势翻转后才行动,不抢顶。
.cursor/rules/v3-strategy-context.mdc
"不调存量铁律" — 这是项目级红线。
⑥ 护栏 4 — 心理预期锚 P50,不锚历史最优
| 锚点 | 数值 | 用途 | ⚠️ 误用后果 |
|---|---|---|---|
| 历史单点最优 IRR | +29.6%/年 | ❌ 不能用 | 含过拟合溢价 +4.5%/年,30 年规划高估 2~3 倍资产 |
| P50 中性 CAGR | +25~28%/年 | ✅ 日常财务规划 | — |
| 保守 CAGR(P25) | +18~22%/年 | ✅ 大额借贷 / 退休 | — |
| 预期 MaxDD | -65~-75% | 2008 级深熊(最可能) | — |
| 极端 MaxDD | -85% | dot-com 重演(低概率) | 心理上要预演,不要假装不会发生 |
.cursor/rules/inflation-adjusted-planning.mdc。
⑦ 实证 — 4 起点 Calmar 全胜(A1 是同 IRR 下最优风险调整收益) ⭐
"接受 A1 回撤" 不是因为 A1 IRR 高(IRR 仅比 TQQQ DCA 多 +0.05~+1.7pp), 而是因为 A1 在同 IRR 下 MaxDD 浅 8~18pp → 风险调整收益(Calmar)在 4 起点全胜。
static/data/dca_leverage_compare.json
| 起点 | A1 DCA | TQQQ DCA | QLD DCA | QQQ DCA | 谁赢 |
|---|---|---|---|---|---|
| 2000-01(26.3y) 含 dot-com + GFC |
0.284 | 0.215 | 0.200 | 0.206 | A1 +32% |
| 2005-01(21.3y) 含 GFC + COVID |
0.362 | 0.272 | 0.252 | 0.260 | A1 +33% |
| 2010-01(16.3y) 纯牛 + 2022 |
0.412 | 0.346 | 0.330 | 0.353 | A1 +17% |
| 2015-01(11.3y) 纯牛 + 2022 |
0.379 | 0.303 | 0.314 | 0.378 | A1 +0.3% (平) |
⚠️ 数据 caveat:QLD 全段为合成数据(无真实 QLD 拼接,模型偏差 ~0.5~1pp/年);
起点 2000-2005 TQQQ 含 2010 前合成段;4 起点 ≠ trinity P50,跨起点稳健性见
tab-a1-dca-robustness 滚动窗口。
⑧ "QQQ 必经回撤"vs"A1 必经回撤" — 性质差异
你的直觉把两者放在同一逻辑层 — 对的。 但它们的回撤性质不一样,接受方式也不一样。
| 维度 | QQQ 回撤 | A1 回撤 |
|---|---|---|
| 幅度 | -30~-50%(普通熊市) | -65~-75%(深熊)/ -85% 极端 |
| 来源 | 市场系统性风险(单一来源) | 系统性 + 3× 杠杆磨损 + trail timing |
| 恢复速度 | 2~5 年回到 ATH | 3~7 年(波动磨损延长恢复) |
| 路径依赖 | 低(指数本身的客观值) | 高(同样深熊不同形状,A1 表现差很多) |
| "必经"的含义 | 你想要 +12%/年 = 必须承受 -50% | 你想要 +25%/年 = 必须承受 -75% |
| 接受方式 | 单 ETF 持有 + DCA 即可 | 必须 + 4 护栏(否则 alpha 消失) |
⑨ 4 护栏救不了的 3 类外部风险(诚实告知)
即便你完美执行 4 护栏,还有系统性外部风险是 A1 自身无法解决的, 需要整体组合架构层面(3:3:3:1 + 跨体系分散)来应对。
| 风险 | 20 年概率 | 影响 | 应对(框架层) |
|---|---|---|---|
| 杠杆 ETF 被 SEC 禁 | 5~10% | A1 强制清算,Plan B → QLD MA-only | 3:3:3:1(A1 ≤30%)+ 监控 SEC 动向 |
| 类 1970s 滞胀 | 5% | 所有杠杆策略全部翻车 | BTC + 海外资产(HSBC + Schwab)跨体系分散 |
| QQQ 头部结构性衰落 FAANG 集体盈利下滑 / AI 兑现失败 |
15~25% | A1 alpha 消失,长期跑输 SPY | 2 年触发 → 改参数 / 切 Plan B |
| 个人现金流断裂 失业 / 重病 / 家庭变故 |
30~50% | 护栏 2 直接失效 → DCA alpha 消失 | 6~12 个月应急金(3:3:3:1 框架外) |
.cursor/rules/lifecycle-params.mdc。
⑩ AI 触发器(防 AI 在长熊期间附和你)
以下是用户最容易在长熊 + 心理脆弱时说出的话术。
本页和 .cursor/rules/tqqq-rebound-params.mdc 的对应段
是给未来 AI 的标准答复触发器。
- "A1 的回撤是必经路径吗,只能接受?"
- "QQQ 回撤都那么大了,A1 -75% 也接受吧"
- "慢慢定投就行 / 长期持有就好"
- "不看就不亏 / 当存银行就行"
- "我全押 A1 / 全押 TQQQ DCA"(违反护栏 1)
- "等跌完再月供 / 先暂停几个月"(违反护栏 2)⭐
- "我先卖一点 TQQQ / 跌得心慌想止损"(违反护栏 3)
- "A1 历史 +29.6%/年 / 5 年能赚 X 万"(违反护栏 4)
- 先肯定用户直觉对的部分(接受回撤 + DCA 摊平 = 对的)
- ❌ 绝不附和 "对对对 all-in 就好了 / 卖一点没关系 / 停几个月没关系"
- 用本页 4 护栏表格 + AI 触发器指出当下违反的具体护栏(1/2/3/4 哪个)
- 引用 4 起点 Calmar 全胜实证(§⑦ +
static/data/dca_leverage_compare.json) - 引导回正确行为:保持 ≤30% 占比 / 不停月供 / 不情绪卖 / 用 P50 锚预期
⑪ 真正可触发 "重评是否接受 A1 回撤" 的条件
- 满足 §⑨ 任一外部风险(杠杆 ETF 被禁 / 1970s 滞胀 / QQQ 头部衰落)
- 用户 K 值跨过 0.5 进入 Phase 2 → 应主动收紧(A1 比例下调 / 切 Plan B QLD MA-only) — 见
lifecycle-params.mdc - 个人现金流持续断裂(失业 6 个月+)→ 应主动暂停月供 + 不主动加码(但不卖存量)
- A1 短期回撤 -30% 让你难受
- 市场新闻铺天盖地说"要崩了"
- 朋友 / 家人质疑你的策略
- 看 4 起点 Calmar 表觉得"差距好像不大"
4 护栏的设计就是为了"在心理波动时仍然能机械执行"。 如果护栏在你心理脆弱时帮不了你,要做的不是改策略,而是把 A1 占比降到能扛住的范围(回看护栏 1)。
.cursor/rules/tqqq-rebound-params.mdc§ "接受 A1 回撤就好了" — 本页 rule 镜像.cursor/rules/tqqq-rebound-params.mdc§ "不要去掉 Trail" — 同源认知保护.cursor/rules/tqqq-rebound-params.mdc§ "不要全押 TQQQ 替代 BTC" — 护栏 1 跨资产版.cursor/rules/v3-strategy-context.mdc§ "不调存量铁律" — 护栏 3 出处.cursor/rules/lifecycle-params.mdc— 应急金 / K 值阶段.cursor/rules/inflation-adjusted-planning.mdc— 通胀调整后的护栏 4
A1 什么时候会跑输 QQQ DCA?
—— 因果在终点,不在起点 ⭐
本页专门解剖 A1 DCA 在 5y 滚动窗口里"跑输 QQQ DCA"的 14 个样本(占 11.4%), 回答"什么样的市场路径会让 A1 输给基准"这个反直觉问题。
- 把"A1 弱点"从「策略性问题」(起点选错)降级为「采样窗口问题」(终点恰逢熊市)
- 解释为什么 15y 窗口胜率 97.7%:长窗口里"终点恰逢熊市底部"的概率大幅下降
- 给"5y 期满刚好遇 GFC 是不是巧合"提供数据答案 — 部分巧合,但弱点是杠杆 ETF 数学本质
- 防止 AI 用"起点深熊抄底是 A1 弱点"这种错误描述误导未来决策
② 数据基础 — 14 个 5y 跑输窗口
- 窗口:5y 滚动窗口,quarterly 步进,n = 123 个独立窗口
- 对比:A1 DCA(月供根据 A1 信号选 TQQQ / QQQM)vs QQQ DCA(月供永远买 QQQ)
- 口径:money-weighted IRR (DCA 合适的回报口径)
- 时间:1985-10 ~ 2026-05(完整 40 年,跨 dot-com / GFC / COVID / 2022 钢丝市)
- 跑输定义:A1 IRR < QQQ IRR,跑输窗口 14 / 123 = 11.4%
- 数据源:
static/data/a1_dca_attribution.json(可重跑)
14 个跑输窗口的完整收益数据(按 α 升序,跑输最重的在最上):
| 起点 | 终点 | A1 IRR 年化 |
QQQ IRR 年化 |
α A1 - QQQ |
A1 DCA 终值倍 月供$1→? |
QQQ DCA 终值倍 月供$1→? |
起点距 ATH | 起点环境 |
|---|---|---|---|---|---|---|---|---|
| 2003-10 | 2008-10 | -19.02% | -1.87% | -17.2pp ⭐ | 0.62× | 0.95× | -71.8% | dot-com 熊市底部 |
| 2003-07 | 2008-07 | -9.10% | +5.88% | -15.0pp | 0.80× | 1.16× | -74.2% | dot-com 深熊底部 |
| 2004-07 | 2009-07 | -16.36% | -3.10% | -13.3pp | 0.67× | 0.93× | -68.5% | dot-com 反弹半山腰 |
| 2003-04 | 2008-04 | -2.53% | +6.69% | -9.2pp | 0.94× | 1.18× | -78.4% | dot-com 绝对底部 |
| 2020-04 | 2025-04 | +3.57% | +9.00% | -5.4pp | 1.09× | 1.25× | -22.9% | COVID 抛售底部 |
| 2004-10 | 2009-10 | -3.76% | +1.38% | -5.1pp | 0.91× | 1.03× | -69.3% | dot-com 反弹中 |
| 2005-07 | 2010-07 | -3.12% | +1.87% | -5.0pp | 0.93× | 1.05× | -68.5% | dot-com 反弹中 |
| 2001-10 | 2006-09 | +4.24% | +8.26% | -4.0pp | 1.11× | 1.22× | -75.6% | dot-com 崩盘中 |
| 1990-01 | 1994-12 | +9.35% | +12.52% | -3.2pp | 1.26× | 1.36× | -3.8% | 普通牛市初期 |
| 2002-04 | 2007-03 | +7.49% | +10.54% | -3.1pp | 1.20× | 1.29× | -68.8% | dot-com 崩盘中 |
| 1998-04 | 2003-04 | -19.65% | -18.29% | -1.4pp | 0.61× | 0.64× | +0.0% | ⚠️ dot-com 顶部 |
| 2002-01 | 2007-01 | +9.41% | +10.56% | -1.1pp | 1.26× | 1.29× | -65.9% | dot-com 崩盘中 |
| 2001-07 | 2006-07 | +4.85% | +5.31% | -0.5pp | 1.13× | 1.14× | -61.4% | dot-com 崩盘中 |
| 2005-10 | 2010-10 | +6.77% | +7.01% | -0.2pp | 1.18× | 1.19× | -66.0% | dot-com 反弹中 |
- 所有 IRR 和终值倍都是 DCA 口径(月供 60 期、每期等额),不是 lump-sum 一次性投入。两个策略的月供金额一致,只是 A1 根据信号决定每月供的钱进 TQQQ 还是 QQQM,QQQ DCA 永远买 QQQ。
- 跑输最重的 2003-10 行:DCA 月供 60 期、累计 $60k 进 A1 → 5 年后只剩 $37k(0.62×,亏 38%);同期 QQQ DCA 累计 $60k → 剩 $57k(0.95×,亏 5%)。
- 大多数跑输窗口 QQQ DCA 仍然正收益(绿色列),但 A1 因杠杆放大灾难变成深度亏损。
- 关键例外:1998-04 起点(dot-com 顶部),两者都深亏(A1 0.61× / QQQ 0.64×),只跑输 -1.4pp 几乎打平 — 因为这种"全市场灾难"杠杆只多亏一点。
- α 不是终值之差,是年化 IRR 之差 — 这就是为什么 -17.2pp/年累计 5 年下来终值差 0.33×(0.95 - 0.62)。
- 14 个里有 12 个起点距 ATH > -50%(深熊底部)
- "看,A1 在熊市底部抄底就会跑输!" — 这是第一眼直觉,但是错的
- 关键反例:1998-04 起点距 ATH +0.0%(dot-com 顶部),也跑输了 -1.4pp
- 关键反例:1990-01 起点距 ATH -3.8%(普通牛市),也跑输了 -3.2pp
- → 起点位置跟跑输只有表面相关,不是因果
③ 反直觉发现 — 按终点距 ATH分桶 ⭐
切换分析视角:不看起点,看终点市场状态。把 123 个 5y 窗口按"终点距 ATH"分桶:
| 终点距 ATH | n 窗口 | A1 跑输率 | α 均值 | 解读 |
|---|---|---|---|---|
| ✅ 接近 ATH (>-10%) | 57 | 1.8% | +29.8pp | 终点接近 ATH,杠杆复利兑现 |
| 🟡 中度回撤 (-10~-25%) | 14 | 7.1% | +23.6pp | 小幅回撤期收尾,A1 仍多数赢 |
| 🔴 深熊 (终点 < -25% ATH) | 52 | 23.1% | +6.9pp | 5y 窗口终点在熊市底部时,A1 跑输概率显著 |
- 终点深熊 → 跑输率 23.1%(每 4 个窗口就有 1 个跑输)
- 终点接近 ATH → 跑输率 1.8%(每 56 个窗口才 1 个跑输)
- 差 13 倍。这才是 A1 真正的弱点变量
分布对比
| 窗口类型 | n | 终点距 ATH 中位 | 终点距 ATH 均值 | 终点距 ATH 最差 |
|---|---|---|---|---|
| A1 跑输窗口 | 14 | -62.7% | -57.2% | -77.9% |
| A1 跑赢窗口 | 109 | -7.9% | -24.1% | -77.6% |
(均值差距更小是因为跑赢窗口里仍有部分终点在熊市的——比如 1996-01 ~ 2001-01 终点在 dot-com 顶部回落期 -16%,A1 还赢了 +35pp,因为窗口大部分时间跑在牛市顶上)
④ 5y 最差 5 窗口 — 起点 + 终点双轴对比
看 5y 最差 5 个跑输窗口,**同时**看起点距 ATH 和终点距 ATH,因果立刻浮现:
| 起点 | 终点 | α | 起点距 ATH | 终点距 ATH | 终点市场状态 |
|---|---|---|---|---|---|
| 2003-10 | 2008-10 | -17.2pp ⭐ 最差 | -71.8% | -66.6% | 🔴 GFC 最深处(雷曼后 1 个月) |
| 2003-07 | 2008-07 | -15.0pp | -74.2% | -60.3% | 🔴 GFC 加速(雷曼前 2 个月) |
| 2004-07 | 2009-07 | -13.3pp | -68.5% | -68.3% | 🔴 GFC 复苏初期(仍在底部) |
| 2003-04 | 2008-04 | -9.2pp | -78.4% | -60.6% | 🔴 GFC 刚开始(贝尔斯登月) |
| 2020-04 ⚠️ 现代 | 2025-04 | -5.4pp | -22.9% | -21.5% | 🟡 2022 钢丝市 + AI 牛波动余波 |
- 起点在 dot-com 底部(-70~-80% ATH)的 4 个窗口,终点全在 GFC 期(-60~-68% ATH)
- "起点在底部" + "终点也在底部" = 5y 窗口横跨 dot-com 底到 GFC 底
- 不是 A1 选错入场点,是 5y 跨度不够让市场回到 ATH
- 2020-04 起点是现代版警告:不需要 dot-com 那么极端,COVID 抛售底部 + 2022 钢丝市同样跑输 -5pp
- 起点位置仅作为"判断终点会落到哪个市场状态"的间接信号(条件概率),不是因果
⑤ 修正后真实弱点机制 — 4 步路径
- 窗口期间持杠杆吃满牛市段反弹(典型 60-200% 涨幅,杠杆复利全开)
- 窗口临近终点遇到中级/深度熊市(GFC、2022 钢丝市)
- trail 触发 → 把账面利润切肉锁定在半山腰 → 切换到 QQQM 后跟随基准下跌
- 5 年期满时,A1 的"切肉点 + 残值" < QQQ DCA 的"全程持有"
- 终点接近 ATH → 跑输率 1.8%
- 终点中度回撤 → 跑输率 7.1%
- 终点深熊 → 跑输率 23.1%
- 这是真因果
- 起点深熊 + 终点深熊 = 主要跑输模式
- 但起点不深熊也能跑输:1998-04 / 1990-01
- 起点位置是间接信号,不是因果
- 不要说"深熊抄底是 A1 弱点"
- trail=0 段 α 均值 +24.6pp(最高)
- trail=2 段 α 均值 +15.8pp(最低)
- 但 trail=2 仍胜率 83.9%
- trail 触发是结果,不是原因
⑥ 案例对比 — 同起点不同终点
最有说服力的因果证据:固定起点,只改窗口长度让终点落在不同市场状态:
- 起点 QQQ $25(dot-com 底部反弹中,距 ATH -71.8%)
- 持 TQQQ → 2007-10 涨到 ~$50(+100%)
- 2008 GFC → trail 触发切回 QQQM
- 终点 2008-10 QQQ $26(距 ATH -66.6%)
- α = -17.2pp(5y 最差)
- A1 IRR -19.0% vs QQQ DCA -1.9%
- 同样深熊抄底起点(QQQ $21,距 ATH -78%)
- 多 5 年时间窗 → 跨过 GFC + 2009-2013 完整复苏
- 第二次入场 → 2013 涨回 ATH 附近
- 终点 2013-04 QQQ $34(距 ATH 接近)
- α = +18.5pp
- A1 IRR +22% vs QQQ DCA +13%
- 起点完全一致(2003 dot-com 底部抄底)
- 策略完全一致(A1 + 月供 DCA)
- 唯一差异 = 窗口长度让终点落在不同市场
- 结果:5y 跑输 -17.2pp;10y 跑赢 +18.5pp。差 35pp
- → 因果在终点市场状态,无可争议
⑦ 用户原始质疑 — "5y 期满遇 GFC 是不是巧合?"
- 是路径相关,部分巧合:5y 窗口横跨"dot-com 底 → GFC 底"是同一段的两个端点, "5 年内夹两次大熊"的历史样本不多(全样本里就这 4 个 2003-起点 + 2 个 2004-起点)
- 不是策略 bug:策略本身没问题,只是 5y 短窗对终点市场状态特别敏感
- 但弱点是真实的:任何持杠杆 ETF 策略在熊市终点都会跑输基准。 这是杠杆 ETF 的数学本质(每日 reset 的 volatility decay),不是 A1 特有问题
- 如果是策略性问题(起点选错)→ 改策略能解决
- 如果是采样窗口问题(终点恰逢熊市)→ 拉长窗口就能解决
- 这就是为什么 15y 窗口跑输率掉到 2.3% — 长窗口里"终点恰逢深熊"的概率大幅下降
- → 用户 20+ 年的持仓周期,这种 5y "巧合"几乎不存在
⑧ 时间维度本质 — 5y 弱点 → 10y 收敛 → 15y 消失
| 窗口长度 | α 最差 | 跑输窗口数 | 跑输概率 | 解读 |
|---|---|---|---|---|
| 5y | -17.2pp | 14 / 123 | 11.4% | 短窗 + GFC 抓正中,A1 有显著跑输概率 |
| 10y | -11.0pp | 11 / 106 | 10.4% | 第一个 cycle 杠杆周期能部分补回 |
| 15y ⭐ | -0.6pp | 2 / 86 | 2.3% | 弱点几乎消失,最差只是平手 |
- 统计概率:15y 窗口里"终点恰逢深熊底部"的概率显著下降 (15 年覆盖 1.5 个完整 cycle,正常市场大部分时间在 ATH 附近,只有少数特殊时间点在深熊底部)
- 机制补救:5y 窗口里"切肉后等下一个杠杆周期"的时间不够; 10y/15y 拉长后,第二个 cycle 的 TQQQ 持仓机会会把损失补上
- 用户实操含义:你的实际持仓周期是退休前 20+ 年, 5y 短窗弱点在 20y 视角下完全不存在
⑨ 实操含义 + 复盘心得
- 不要因为短期(5y)A1 跑输 QQQ 就动摇。这是采样窗口问题,不是策略问题
- 实际持仓周期 20+ 年 → A1 真实弱点在 long-horizon 视角下消失
- 如果未来某 5y 段 A1 跑输(比如下一次深熊期满)→ 不要 panic 切策略, 因为再过 5y 会被复苏期补回
- "跑输窗口 11%"不能简单年化(11% ≠ 每年 11% 概率)。 实证是"5y 截止时刻恰逢熊市底部"才会跑输,不是随机 11% 概率
-
真正应该担心的"触发条件"不是"短期跑输",
而是
tqqq-rebound-params.mdc§"重新审视 A1 的触发条件"列出的 4 个结构性变化
- 用户的反向直觉常常比 AI 的初始描述更准确。 初次分析时 AI 给出"深熊抄底入场是 A1 弱点"的归因,被用户一句 "是不是 5 年期满刚好遇到 08 金融危机的巧合"问得无地自容
- 相关性 ≠ 因果性,必须按变量分桶分析才能区分混淆变量。 "起点深熊"和"终点深熊"在 5y 窗口里高度共现(因为 5y 不够让市场回到 ATH), 但因果只在终点一个方向
- "巧合 vs 系统性 bug"是关键二元判断。 巧合 → 拉长样本就消失;系统性 bug → 改策略才解决。 混淆这两个会导致错误决策(把巧合当 bug 改策略,或者把 bug 当巧合不改)
- 沉淀必须比当下需要的更彻底。这条洞察值得独立 tab, 不只是因为信息量大,而是因为反直觉: 如果埋在 ⑤⑥ 章节里,未来用户/AI 看到 partial 标题"A1 DCA 稳健性" 不会想到点进去看"跑输因果"
- 本 tab(
tab-a1-underperform-anatomy)— 完整画像 + 复盘 .cursor/rules/tqqq-rebound-params.mdc§"🚫 不要怀疑 A1 alpha 依赖大回撤" — 含错觉拆解表 + AI 触发器(看到"深熊抄底是 A1 弱点"立刻引用本 tab)tab-a1-dca-robustness— 整体稳健性证据(本 tab 是其专题深入)research/gen_a1_dca_attribution.py+static/data/a1_dca_attribution.json— 可重跑数据
⭐ A1 DCA 稳健性实证 — alpha 是不是依赖历史几次大回撤?
2026-05-11 用户问:"A1 的超额收益是不是依赖历史几次大回撤?单点依赖严重? 如果回撤路径不同,或者牛市没这么猛,定投 A1 是否有可能跑输定投 QQQ?" 这个直觉听起来合理 — 但实证数据给出完全反直觉的真相,必须沉淀让未来读者第一时间能看到。
- 滚动窗口:1990-01 起,每季度滚动一次,3 种窗口长度(5y / 10y / 15y),共 123/106/86 个窗口
- 策略对比:
- A1 DCA = A1 信号定投(信号 = 持有 → 月供 TQQQ;信号 = 空仓 → 月供 QQQ)
- QQQ DCA = 等额月供 QQQ(无任何信号,baseline)
- 核心指标:α (pp) = A1 IRR − QQQ IRR(每年百分点),money-weighted IRR(DCA 准确口径)
- R2 分析:把 5y 窗口按 A1 trail 触发次数分组(0/1/2/3+),看 alpha 是不是真依赖回撤
- 最差窗口画像:5y 最差 5 个跑输窗口的入场点距 ATH / 路径形态分析
口径:NDX 1985+ 通道(覆盖 dot-com)+ 合成 TQQQ(R²≥0.999 校准 + 2010+ 真实),
no-lookahead(信号 day N 产生 → day N+1 执行)。数据源:
static/data/v3_underlying.parquet + 生成脚本
research/gen_a1_dca_attribution.py → 数据
static/data/a1_dca_attribution.json。
② TL;DR — 3 个反直觉真相
- "依赖几次大回撤" → ❌ 反过来,trail=0 段 α 最高
- "单点依赖严重" → ❌ 15y 视角 97.7% 胜率,非单点
- "牛市没这么猛 A1 跑输" → ⚠️ 5y 有 11% 概率,但主因不是"牛市温和",也不是"起点深熊抄底" — 是「窗口终点恰逢熊市/钢丝市」(因果在终点,详见独立 tab)
③ 滚动窗口胜率 + α 分布(A1 DCA vs QQQ DCA)
| 窗口长度 | n 窗口 | 胜率 | α mean | α P10 | α P25 | α P75 | α 最差 | α 最好 |
|---|---|---|---|---|---|---|---|---|
| 5y | 123 | 88.6% | +19.4pp | -0.4pp | +7.7pp | +28.7pp | -17.2pp | +108.6pp |
| 10y | 106 | 89.6% | +14.5pp | -0.3pp | +5.5pp | +20.5pp | -11.0pp | +47.9pp |
| 15y ⭐ | 86 | 97.7% | +12.7pp | +2.9pp | +5.8pp | +19.0pp | -0.6pp | +27.5pp |
- 15y P10 = +2.9pp → 任何 15 年视角下,90% 置信度 A1 至少跑赢 QQQ DCA 2.9pp/年
- 15y 最差只 -0.6pp(几乎平手),时间维度上 A1 弱点消失
- 用户实际持仓周期是退休前 20+ 年,5y 短窗弱点不是真实关切
④ 按 trail 触发次数分组(5y 窗口)— 直接证伪"依赖回撤"
这是回答用户质疑的核心证据。如果 A1 alpha 真的依赖大回撤(trail 救命), 那么 trail 触发次数越多,alpha 应该越大。但实证显示正相反:
| trail 触发次数 | 窗口类型 | n 窗口 | α mean | α 范围 | 胜率 |
|---|---|---|---|---|---|
| 0 次 | 纯牛市,从未防御 | 13 | +24.6pp ⭐ 最高 | [-0.5, +46.7] | 92.3% |
| 1 次 | 轻度防御 | 35 | +21.0pp | [-4.0, +42.5] | 91.4% |
| 2 次 | 钢丝市,反复切肉 | 31 | +15.8pp ↓ | [-17.2, +43.3] | 83.9% |
| 3+ 次 | 高频切换 | 44 | +19.1pp | [-5.4, +108.6] | 88.6% |
- 13 个 trail=0 窗口(纯牛市路径,从未触发防御)α_mean = +24.6pp,是所有分组最高的
- → alpha 主要来自"持杠杆 ETF 复利"(牛市持 TQQQ 吃满 3× 杠杆),不是"trail 救命"
- → 牛市越纯净,A1 alpha 越大;不是相反
- 2 次 trail 组反而 α 最低 + 范围最宽 — 说明"钢丝市反复切肉"才是 A1 的弱点,不是"大回撤"
⑤ 5y 跑输窗口画像 — 详见独立 tab
⑤.1 核心结论速查表(完整数据看新 tab)
| 终点距 ATH | n 窗口 | A1 跑输率 | α 均值 |
|---|---|---|---|
| ✅ 接近 ATH (>-10%) | 57 | 1.8% | +29.8pp |
| 🟡 中度回撤 (-10~-25%) | 14 | 7.1% | +23.6pp |
| 🔴 深熊 (终点 < -25% ATH) | 52 | 23.1% | +6.9pp |
⑥ 时间维度本质 — 5y 弱点 → 10y 收敛 → 15y 消失
| 窗口长度 | α 最差 | 跑输窗口数 | 跑输概率 | 解读 |
|---|---|---|---|---|
| 5y | -17.2pp | 14 / 123 | 11.4% | 短窗 + GFC 抓正中,A1 有显著跑输概率 |
| 10y | -11.0pp | 11 / 106 | 10.4% | 第一个 cycle 杠杆周期能部分补回 |
| 15y ⭐ | -0.6pp | 2 / 86 | 2.3% | 弱点几乎消失,最差只是平手 |
- 机制:5y 窗口里"切肉后等下一个杠杆周期"的时间不够;10y/15y 拉长后,第二个 cycle 的 TQQQ 持仓机会会把损失补上
- 用户实操含义:你的实际持仓周期是退休前 20+ 年, 5y 短窗弱点在 20y 视角下完全不存在
- 这正是 A1 适合长期定投的核心证据 — 时间是 A1 的朋友,不是敌人
⑦ 认知校准 + 沉淀
- "A1 依赖大回撤" → 错。trail=0 纯牛市窗口 α_mean +24.6pp(最高分组),alpha 主要来自杠杆 ETF 复利
- "单点依赖" → 错。15y 视角 97.7% 胜率,最差只 -0.6pp,非任何单点
- "牛市没这么猛 A1 跑输" → 不准确。5y 有 11% 跑输概率,但主因不是"温和牛市"
- 真实弱点 → 「窗口终点遇到熊市/钢丝市」(用户反向洞察)。不是起点位置,是终点市场状态。 终点深熊跑输率 23.1%,终点接近 ATH 跑输率仅 1.8%。15y 视角终点遇熊概率大幅下降 → 弱点消失
.cursor/rules/tqqq-rebound-params.mdc§"🚫 不要怀疑 A1 alpha 依赖大回撤" (含错觉拆解表 + 3 项核心实证 + 6 条 AI 触发器)research/gen_a1_dca_attribution.py+static/data/a1_dca_attribution.json(可重跑数据,future-proof)notes/a1_dca_attribution_report.md(机读 + 人读双格式)
- 出现一个 ≥15 年的滚动窗口里 A1 跑输 QQQ DCA ≥ 3pp(历史最差只 -0.6pp)
- 出现 2 个以上 5y 窗口跑输 ≥ -20pp(历史最差 -17pp)
- 实证发现"杠杆 ETF 复利"机制失效(如 SEC 禁了杠杆 ETF)
- 4 维稳健性测试全部通过:改起点(ρ=+0.86)、改幅度(15 情景 ρ 全正)、 改标的(SPY 系 trail α 6/6 正)、改顺序(蒙特卡洛 504d 块下 A1 vs QQQ 胜率 88.8%) —— A1 真实 +21.6% CAGR 不是"特定顺序运气",是机制 + 真实周期世界的合成。
- 蒙特卡洛 6 块大小单调收敛是关键证据:块越接近真实经济周期(504d ≈ 2 年), A1 CAGR P50 从 1.5%(21d) 单调爬升到 18.55%(504d)、A1 vs QQQ B&H 胜率 从 19.5% 单调爬升到 88.8%、Trail α 从 -0.99% 恢复中性 +0.01%。 21d 块的悲观结论是方法论瑕疵(21d 块拆碎了 MA=242d 需要的中长期趋势)。
- 修正后的合理 CAGR 期望:12-22%/年(504d 块 P25~P75)。 同时删除 2 个早版本错误论点:❌"trail 让你拿得住,避免 behavior gap" —— 事实 A1 真实 MaxDD -83.13% ≥ QQQ -82.96%。A1 真正价值 = 机制 alpha (MaxDD 跟 QQQ 持平的前提下 +12.9%/年 CAGR + 2.5× Calmar),跟心理稳定性无关。
"如果未来 QQQ 表现退化到接近 SPX 水平,那 walk-forward 验证也都要重新做。 我在担心这次做的 walk-forward 验证,它很多窗口都存活,会不会只是一种巧合?"
"未来有可能中位的话就是 1.5%~3.9% 的年化,那不太低了,那还不如直接定投 QQQ?"
"Block bootstrap 21d 这个好像不对呀,我感觉 dot-com 和加息熊他们的事件持续时间 远长于 21 天,并且我的均线也是 242 天,也远长于 21 天。"
三层质疑的关系:#1 是机制层(科技放缓 A1 还生效吗) · #2 是数据层(P50 1.5% 那么低) · #3 是方法论层(bootstrap 方法本身有效吗)。三层逐步深入 → 4 部曲依次回答。
每个实验改一个维度,保留其他维度,看 A1 是否仍稳健。覆盖全面 = A1 不依赖任一单一维度。
| # | 实验脚本 | 改的维度 | 关键发现 |
|---|---|---|---|
| ① | gen_multi_start_compare.py2026-04-18 |
起点 2000 / 2005 / 2010 |
QQQ MA 网格 ρ=+0.86 ✅ 但 SPY/UPRO 起点 2010 ρ=−0.62 ❌(参数过拟合到牛市)→ 揭示标的维度的弱点 → ③ 实验 |
| ② | gen_dampened_walkforward.py2026-05-21 |
幅度 QQQ 正收益打折 d=0.6~1.0 |
5 d × 3 起点 = 15 情景 ρ 全为正 ✅(0.14~0.68) 最优 MA 始终在 168~248d 区间 → A1 在"QQQ 弱牛但大熊保留"下稳健 |
| ③ | gen_spy_a1_trail.py2026-05-22 |
标的 SPY 系跑 A1 trail=40% |
trail α 6/6 组合正且更大(QQQ 1.0~3.6% / SPY 1.0~4.0%) SPY→UPRO 起点 2010 ρ 从 −0.62 挽救到 +0.58 ✅;trail=40% 在 SPY 系最优区间 30~45% 内 |
| ④ | gen_montecarlo_bootstrap.py2026-05-22,6 块大小修正版 |
顺序 Block bootstrap 5/21/63/ 126/252/504d |
1000 × 6 = 6000 条虚拟历史 完美单调收敛 504d 块(≈2 年,接近真实经济周期):A1 CAGR P50=18.55%(vs 真实 21.6%); A1 vs QQQ B&H 胜率=88.8% ✅; Trail α P50=+0.01%(中性恢复); 真实 A1 在分布的 61.2% 分位(接近 P50) |
notes/multi_start_compare_report.md /
notes/dampened_walkforward_report.md /
notes/spy_a1_trail_report.md /
notes/montecarlo_bootstrap_report.md
(同名 JSON 在 static/data/)
Block bootstrap 抽取连续 N 天块重排,每块大小跑 1000 次。块越大 → 越保留真实经济周期结构。 每一列都完美单调(无例外)→ 这不是 bootstrap 方法的伪信号,是稳健的统计事实。
| Block | 含义 | A1 CAGR P50 | A1 vs QQQ 胜率 | A1 vs TQQQ 胜率 | Trail α P50 | 真实分位 |
|---|---|---|---|---|---|---|
| 5d | 周 | 1.93% | 20.4% | 72.0% | -0.96% | 93.0% |
| 21d | 月 | 1.50% | 19.5% | 76.0% | -0.99% | 94.3% |
| 63d | 季度 | 3.92% | 30.7% | 86.4% | -0.87% | 91.3% |
| 126d | 半年 | 7.33% | 45.9% | 89.9% | -0.48% | 85.6% |
| 252d | 1 年 | 12.01% | 65.3% | 91.2% | -0.59% | 76.5% |
| 504d | 2 年 | 18.55% | 88.8% | 89.0% | +0.01% | 61.2% |
| 真实历史 | 26 年 | +21.61% | — | — | +1.02% | — |
- A1 vs QQQ B&H 胜率 = 88.8% → 在真实周期世界里 A1 大概率赢 QQQ ✅
- A1 CAGR P50 = 18.55% → 已经非常接近真实 21.6%
- Trail α P50 = +0.01% → trail 恢复中性 → 真实 +1.02% 是稳健小正贡献,不是运气
- 真实分位 61.2%(不再是 94%) → 真实历史不是"极端右尾运气",接近中位
用户在看到 21d 块的悲观 P50=1.5% 结果时,直接指出方法论问题: "dot-com 持续 ≈ 750 天 / MA=242d,21d 块都远小于,不就破坏了 MA 信号本身吗?" — 完全正确。
| 比较 | 天数 |
|---|---|
| dot-com 熊市持续 | ≈ 750 天 |
| 2008 金融危机熊 | ≈ 380 天 |
| 2022 加息熊 | ≈ 250 天 |
| A1 MA 窗口长度 | 242 天 |
| 21d 块大小 | 21 天 |
核心逻辑:
- dot-com 熊市 → 被 21d 块拆成 35+ 个独立块重新洗牌
- A1 MA=242d 窗口 → 跨越 11+ 个独立块,块之间随机拼接
- 11 个独立块在统计上互不相关 → MA 窗口内几乎不可能出现连续 200+ 天同向趋势
- → MA 信号在 21d 块 bootstrap 里 几乎一定是噪声触发,失去识别趋势的能力
在 5-22 沉淀过程中,AI 一开始用了 2 个看起来对实际错的论点,用户指出后删除。 列在这里供未来 AI 警惕。
用户原话纠正:"这个 TQQQ 策略,它回撤一定是比 QQQ 更大"
事实数据:
- A1 真实历史 MaxDD = -83.13%
- QQQ B&H 真实历史 MaxDD = -82.96%
- → A1 MaxDD 略大于 QQQ(不是小于)
错误根源:A1 持 TQQQ 时受 3× leverage 放大,trail 触发时 TQQQ 已经累计 ~50% 损失,切回 QQQ 后还要跟着 QQQ 继续跌。净效应 = A1 MaxDD ≥ QQQ MaxDD。
事实:
- 基于错误 1,A1 在 dot-com 路径是"先快跌 -50%(TQQQ 阶段)+ trail 切 QQQ + 慢跌到 -83%"
- 前期快速跌反而 更可能触发恐慌卖出
- 把"trail 减小回撤帮拿得住"当 A1 优势 = 错误逻辑
正确做法:A1 vs QQQ 比较应该用 机制 alpha(下个章节),不要用心理稳定性 / behavior gap 论点。
剥掉错误论点后,A1 优势只剩一条但很硬:在 MaxDD 跟 QQQ 几乎一样的前提下,提供 ~2.5× Calmar / +12.9%/年 CAGR alpha。
| 指标 | QQQ B&H 真实 | A1 真实 | A1 优势 |
|---|---|---|---|
| CAGR | +8.66% | +21.6% | +12.9%/年 alpha |
| MaxDD | -82.96% | -83.13% | 持平(略差 0.2%) |
| Calmar | 0.10 | 0.26 | +2.5× |
| 504d bootstrap 胜率 | — | — | 88.8% ✅ |
这个 alpha 在 504d 块 bootstrap 下保留 88.8% 概率 → 不依赖真实历史的特定顺序红利。
跟"心理稳定性""behavior gap"无关。
不要从 A1 真实 +21.6% CAGR 外推未来 25 年,也不要被 21d 块 P50=1.5% 吓到。 用 504d 块(最接近现实非平稳)的分布作合理锚点。
| 估计来源 | A1 CAGR 区间 | 说明 |
|---|---|---|
| 真实历史值 | +21.6%/年 | 单点 26 年回测值 |
| 504d 块 P25 ~ P75 ⭐ | +9.9% ~ +26.5%/年 | 最接近现实非平稳的中位区间 |
| 504d 块 P50 | +18.55%/年 | 中性预期(贝叶斯锚点) |
| ~~21d 块 P50(已废弃)~~ | ~~1.5%/年~~ | 假设"无中长期趋势世界",历史从未出现 → 不可信 |
同时大幅低于真实历史 +21.6%(真实值在 504d 分布的 P~65 位置 → 略偏乐观但仍在合理区间)。
经过 4 部曲全维度测试,A1 只有以下 三条件同时 违反时才会失效。 任一条件单独违反 → A1 仍稳健(已被对应实验证明)。
未来 25 年 QQQ 行为模式像 21d 块 bootstrap(完全无 ≥1 年的方向性)。
已被实验 ② dampening 证:即使 QQQ 弱牛(CAGR +1.84%),只要保留事件顺序 → A1 walk-forward ρ 全正 ✅
单独违反 → A1 仍稳健(蒙特卡洛 504d 88.8% 胜率)
未来全是 -15~-25% 中浅熊频发,完全无 -40%+ 大熊。
已被实验 ③ spy_a1_trail 证:SPY 系上 trail α 仍正且更大,trail 在中浅熊频发时甚至更有价值 ✅
单独违反 → A1 仍稳健(trail 把 SPY/UPRO ρ 从 −0.62 救到 +0.58)
trail=40% 在所有标的/起点上都失效。
已被实验 ③ + ④ 双重证:SPY 系 trail α 6/6 正;蒙特卡洛 504d 块 trail α 恢复中性 +0.01%
单独违反 → 历史无任何样本支持
真实失效剧本 ≠ 用户最初担心的"科技放缓"(已被 dampening 排除)。
- "walk-forward 通过是巧合 / 路径运气" / "科技放缓 / NDX 退化 SPX A1 还生效吗"
- "QQQ 行为变成 SPY A1 是不是就废" / "trail 是不是只对科技股有效"
- "A1 是不是过拟合到 2010+ AI 牛市"
- "A1 未来还能跑 +21% CAGR 吗 / 未来 10 年 A1 收益预期"
- "如果熊市更频繁 / 牛市段更短 A1 怎么样"
- "事件顺序不一样 A1 还稳定吗 / 路径依赖" / "蒙特卡洛 / monte carlo / bootstrap"
- "P50 才 1.5% 那不如直接定投 QQQ"(21d 块结果误读 → 引 504d 块 88.8% 胜率)
- "A1 让我拿得住 / behavior gap 救了我"(错误论点,不要复读)
- "trail 减小回撤 → A1 比 QQQ 心理上更舒服"(错误,A1 MaxDD ≈ QQQ MaxDD)
- "蒙特卡洛 21d 块结果让我担心"(→ 引 6 块大小单调收敛表 + 方法论瑕疵解释)
- "block bootstrap 的块大小怎么选"(→ 块必须 ≥ MA 窗口的 2 倍)
tqqq-rebound-params.mdc § A1 稳健性 4 部曲
(含 30 秒速查卡 + 完整诊断 + 已删错误论点专项)。
未覆盖剩余角度:跨标的 IWM / EFA / 日经(机制普适性,验证趋势策略是否依赖美股大盘特性)。
- 含大回撤的长期场景(10y 全样本):A1 (242, 40%) 单点 α = +6.22pp/年, A1 网格 P50 α = +3.85pp/年 — 单点小幅过拟合(差 2.4pp),但 P50 仍正 ✅ → 在这个场景下 A1 (242, 40%) 不算严重过拟合
- 无大回撤场景(10y 无 dot-com / 无 GFC):A1 (242, 40%) 单点 α = +1.1~+2.7pp/年, A1 网格 P50 α = -2.1~-2.8pp/年 — 差距 3.8~4.7pp,P50 直接翻负 ⚠️ → 在这个场景下 (242, 40%) 确实是事后挑出来的优势参数,A1 族中位输 TQQQ DCA
-
真相再校准:A1 vs TQQQ DCA(3× 杠杆基准)的 alpha 来源 100% 来自大回撤救命,
不是「智能切换 + 杠杆复利双收益」。无大回撤场景 A1 系统性输 TQQQ DCA 1-4pp/年。
这跟
tab-a1-dca-robustness的 "A1 vs QQQ DCA 不依赖大回撤" 互补不冲突(详见 ⑦)
tab-a1-acceptance-guardrails 的 4 护栏 + ⑦ 的双基准框架是同一套认知。
"tab-a1-underperform-anatomy 表里 3y 「AI 时代(2020+)」窗口 A1 胜率 61.5% 但 mean α = -3.57pp,
TQQQ DCA 显著占优。 这个能不能用 A1 的 P50 来对比, 我怕 A1 参数是画出了历史的形状。"
质疑的核心:A1 单点参数 (MA=242d / Trail=40%) 是 26 年回测里挑出来的最优。如果换成 「网格 P50(中位参数)」,会不会暴露 A1 (242, 40%) 是事后红利?
这是用户第 N+1 次问"过拟合"问题 — 过去几次都被 9 窗口存活率 / walk-forward / Trail 价值拆解给挡回去了。 但这次问的是具体场景下的过拟合(无大回撤 + AI 时代),这是之前没专门跑过的。
- MA = [60, 120, 180, 242, 300] 天
- Trail = [25%, 30%, 35%, 40%, 45%, 50%]
- 共 5×6 = 30 个参数组合
- 每个组合 = A1 族的一员
- 窗口长度:3y / 5y / 10y
- 步长:每 3 个月推一个
- 每窗口跑 30 个 A1 组合 + 1 个 TQQQ DCA(基准)
- 计算 A1 族的 IRR P25 / P50 / P75
- α_p50 ≈ α_single → A1 (242, 40%) 是 A1 族的中位水平,不是过拟合
- α_p50 ≪ α_single → 单点远高于中位 → (242, 40%) 是事后挑的
- α_p50 自身 > 0 → 即使用「随便挑个 A1 参数」也跑赢 TQQQ DCA → A1 族结构性占优
- α_p50 < 0 → A1 族中位输 TQQQ DCA → A1 (242, 40%) 的胜出是单点幸运
| 场景 | n | A1 (242,40%) α | A1 P50 α | 差距 | 结论 |
|---|---|---|---|---|---|
| 10y 全样本 | 95 | +6.22pp | +3.85pp | +2.4pp | ✅ P50 正 → A1 族稳健,单点小幅过拟合 |
| 10y 无 dot-com (≥2010) | 26 | +1.09pp | -2.75pp | +3.8pp | ⚠️ 强过拟合 + P50 翻负 |
| 10y 完全无 GFC (≥2015) | 6 | +2.65pp | -2.09pp | +4.7pp | ⚠️ 强过拟合 + P50 翻负 (n=6 样本小) |
| 5y 全样本 | 112 | +0.42pp | -1.73pp | +2.2pp | P50 微负,单点过拟合幅度中等 |
| 5y 完全无 GFC (≥2015) | 26 | +3.53pp | -1.31pp | +4.8pp | ⚠️ 强过拟合 |
| 3y AI 时代 (≥2020) | 13 | -3.57pp | -3.10pp | +0.5pp | 单点 ≈ P50,但都输 TQQQ DCA |
怎么读这张表:
- 差距 ≤ 2pp 且 P50 正 → A1 (242, 40%) 是 A1 族优势参数,但不算严重过拟合 → ✅ 10y 全样本
- 差距 > 3pp 且 P50 翻负 → A1 (242, 40%) 在该场景是事后挑的 → ⚠️ 10y 无 dot-com / 10y 无 GFC / 5y 无 GFC
- 单点 ≈ P50 但都跑输 → 不是过拟合问题,是整个 A1 族在该场景结构性输 TQQQ DCA → 3y AI 时代
样本量警告:10y 无 GFC (n=6) / 3y AI 时代 (n=13) 样本较小,结论需谨慎。但 5y 无 GFC (n=26) + 10y 无 dot-com (n=26) 信号一致 → 不是噪音。
| 子集 | n | 单点 α | P25 α | P50 α | P75 α | 单点胜率 | P50 胜率 |
|---|---|---|---|---|---|---|---|
| 全样本 | 116 | -1.04 | -7.79 | -2.64 | +1.44 | 37.9% | 29.3% |
| 无 dot-com (≥2010) | 52 | -1.65 | -7.47 | -3.21 | +0.52 | 44.2% | 30.8% |
| 完全无 GFC (≥2015) | 32 | -1.39 | -8.08 | -3.56 | +0.85 | 50.0% | 37.5% |
| AI 时代 (≥2020) | 13 | -3.57 | -6.51 | -3.10 | -0.07 | 61.5% | 53.8% |
| 子集 | n | 单点 α | P25 α | P50 α | P75 α | 单点胜率 | P50 胜率 |
|---|---|---|---|---|---|---|---|
| 全样本 | 112 | +0.42 | -5.63 | -1.73 | +2.71 | 39.3% | 33.0% |
| 无 dot-com (≥2010) | 46 | -0.14 | -6.50 | -2.70 | +1.81 | 43.5% | 30.4% |
| 完全无 GFC (≥2015) | 26 | +3.53 | -5.64 | -1.31 | +3.45 | 73.1% | 50.0% |
| AI 时代 (≥2020) | 6 | -4.34 | -6.86 | -3.89 | -0.81 | 33.3% | 33.3% |
| 子集 | n | 单点 α | P25 α | P50 α | P75 α | 单点胜率 | P50 胜率 |
|---|---|---|---|---|---|---|---|
| 全样本 | 95 | +6.22 | +1.32 | +3.85 | +8.02 | 67.4% | 53.7% |
| 无 dot-com (≥2010) | 26 | +1.09 | -5.27 | -2.75 | +0.66 | 61.5% | 7.7% |
| 完全无 GFC (≥2015) | 6 | +2.65 | -4.74 | -2.09 | +1.99 | 100.0% | 16.7% |
📊 数据源:static/data/a1_p50_vs_tqqq_dca.json (生成脚本:research/gen_a1_p50_vs_tqqq_dca.py)
α = A1 IRR − TQQQ DCA IRR (pp/年)
P50 胜率 = 30 个 A1 参数中,IRR P50 那个参数在该窗口里胜过 TQQQ DCA 的比例
答案:依场景而定。
- 含 dot-com 的长期视角(10y 全样本):单点 +6.22 vs P50 +3.85,差 2.4pp → 小幅红利,不算过拟合
- 无大回撤场景(10y 无 dot-com / 10y 无 GFC):单点 +1~+3 vs P50 -2~-3,差 3.8~4.7pp → 强过拟合,(242, 40%) 是事后挑的
- 核心:(242, 40%) 的优势集中在 trail 触发时机(40% 在 dot-com / GFC 段切肉时机最好),换个 trail(30% 或 50%)就显著输
答案:100% 来自大回撤救命。
| 场景 | A1 P50 α vs TQQQ DCA | 含义 |
|---|---|---|
| 10y 全样本(含 dot-com) | +3.85pp | A1 族系统性占优 ✅ |
| 10y 无 dot-com(2010+) | -2.75pp | A1 族系统性输 TQQQ DCA |
| 10y 完全无 GFC(2015+) | -2.09pp | A1 族系统性输 TQQQ DCA |
→ 把 dot-com / GFC 拿掉,A1 族 P50 直接系统性输 TQQQ DCA -2~-3pp/年。 这说明 A1 vs TQQQ DCA 的 alpha 全部来自「trail 在大熊市救命」这一个动作。
用户选 A1 的真实理由(必须重新校准):
- 用确定的小负 alpha(无大回撤场景 -1~-3pp/年)
- 换不确定的大正 alpha(大回撤段 +15~+30pp/年)
- + 把 MaxDD 从 -93%(TQQQ DCA)压到 -75%(A1 DCA) 的心理保险
这是保险费 + 保险赔付结构:
- 保费 = 牛市稳定付出 -1~-3pp/年
- 赔付 = 30 年一次的 dot-com 级长熊里 A1 +15~+30pp/年
- 跟 §"不要去掉 Trail"段一样:99% 时间是白买的保险,1% 时间决定生死
tab-a1-dca-robustness 「A1 alpha 不依赖大回撤」结论和解?tab-a1-dca-robustness说:trail=0 的纯牛市窗口 α_mean = +24.6pp → A1 alpha 不依赖大回撤- 本 tab 说:无大回撤 10y 窗口 A1 P50 α = -2.75pp → A1 alpha 高度依赖大回撤
真相:两个结论都对,但基准不同 → alpha 含义不同。
| 维度 | vs QQQ DCA (1× 基准) | vs TQQQ DCA (3× 基准) |
|---|---|---|
| 基准杠杆 | 1× QQQ | 3× TQQQ |
| A1 牛市 alpha | +25pp(杠杆复利吃满) | -1~-3pp(trail 偶尔切肉,TQQQ DCA 全持) |
| A1 熊市 alpha | +15~+30pp(trail 防御) | +15~+30pp(trail 防御救命) |
| alpha 来源结构 | 杠杆 + 防御都贡献 | 只有防御贡献(杠杆双方都有) |
| 无大回撤场景 | +24.6pp ✅ | -2~-3pp ⚠️ |
- vs QQQ DCA:A1 的 alpha = 杠杆 + 防御。纯牛市靠杠杆赢,大回撤靠防御赢 → 不依赖大回撤
- vs TQQQ DCA:A1 的 alpha = 纯防御。纯牛市因为偶尔 trail 切肉是负 alpha,只有大回撤段才转正
- 两个比较都是合法的视角,取决于你真实考虑替代什么
- 用户当前实际考虑:1.5w 全 TQQQ DCA(高 alpha 高 MaxDD)vs A1(中 alpha 中 MaxDD)→ 本 tab 才是真实决策视角
-
不要再用 +20%/年 的 A1 历史 CAGR 锚定退休/借贷规划
这是含 dot-com 长期 + 单点过拟合双重红利。无大回撤场景 A1 实际可能只能跟 TQQQ DCA 打平或略输, 也就是 +18~+22%/年(P25 锚点)。这已经在 §"A1 心理预期锚定"段沉淀。 -
A1 vs TQQQ DCA 的真正卖点不是收益,是 MaxDD
A1 MaxDD ≈ -75% vs TQQQ DCA MaxDD ≈ -85~-93%。 A1 用每年 -1~-3pp 的牛市保费,换 dot-com 段 -20pp MaxDD 缓冲 + 大概率 +15~+30pp/年 救命 alpha。 -
看到 5y/10y 短期 A1 跑输 TQQQ DCA 的窗口,不要怀疑 A1
这是结构性必然(P50 在无大回撤场景就是 -2~-3pp/年)。 只有跨完整周期(含 dot-com / GFC 类长熊)的 15y+ 窗口,A1 才会显著领先。 短期跑输 = 保险费在持续付,这本来就是 A1 的工作方式。 -
"反过拟合" ≠ 一定要换参数
A1 (242, 40%) 在 9 窗口对称稳健性 + Trail 价值拆解 + walk-forward 多个 lens 都是稳健的, 只有在「无大回撤场景 vs TQQQ DCA」这一个特定比较里出现 3.8~4.7pp 过拟合幅度。 生产参数继续用 (242, 40%) 没问题,但预期要照 P50 锚定,不要再用单点 +6.22pp/年的乐观值。 -
"AI 牛市继续 → 全 TQQQ DCA 更优"是有数据支持的条件性判断
不是错觉,是真的 — 但前提是dot-com 级长熊永不再来。这个假设是用户不能用 30 年生命周期来赌的。 详见tab-a1-acceptance-guardrails4 护栏。
- "A1 (242, 40%) 是不是事后挑的 / 过拟合的"
- "我怕 A1 参数是画出了历史的形状"
- "用 A1 的 P50 看看是不是真的有 alpha"
- "AI 牛市继续,A1 还能跑赢吗"
- "A1 vs TQQQ DCA 的 alpha 来源是什么"(用户已经接受 DCA 改写归零陷阱后会再问)
- "无大回撤场景 A1 还能赢吗"
- "既然 A1 不依赖大回撤(
tab-a1-dca-robustness已经证明了),那未来还要 trail 吗"(这是关键陷阱!) - "A1 历史 CAGR +20%/年我能拿到吗"(看 ⑧ 第 1 点)
- 先肯定用户直觉的合理性("过拟合质疑是健康的,跑了 P50 实验验证")
- 展示 ④ 核心对比表 — 含 dot-com 长期不算过拟合,无大回撤场景强过拟合
- 用 ⑦ 双基准框架 — 解释"vs QQQ DCA 不依赖大回撤"和"vs TQQQ DCA 高度依赖大回撤"两个都对
- 用 ⑧ 第 2 点重新锚定 — A1 vs TQQQ DCA 的真正卖点是 MaxDD,不是 alpha
- 不要附和"那要不要换参数 / 去 trail / 全 TQQQ DCA" — 这些都是已经实证否定的方向
| 数字 | 来源场景 | 适合用来做什么 | ❌ 不适合用来做什么 |
|---|---|---|---|
| −65% ~ −75% | 2008 级深熊（最可能的场景） | 日常财务规划、心理预期锚定 | 信用贷/借钱规划 |
| −83% ~ −85% | 历史实盘全段（含 dot-com）极端情形 | 信用贷/借钱规划、压力测试 | — |
| −96% ~ −97% | 最坏一次性入场（2000-01 dot-com 顶 lump sum） | 理解极端尾部风险（偶尔看一眼） | 日常规划、吓自己 |
① 三套数字从哪来
为什么同一个"A1 策略"会有 −65%、−83%、−96% 这三个不同说法？各有各的来源。
来自 历史回测中最可能出现的深熊场景：2008 金融危机型熊市（持续约 1.5 年，QQQ 最大跌幅约 50%）。 A1 策略在这类场景下，因为持有 3× TQQQ 且 trail=40% 还没触发，账面最大跌幅通常落在这个区间。
montecarlo_bootstrap.json 504d 块 P50 区间 / 历史子段拆分
来自 一次性入场（lump sum）从 2000 年 1 月 3 日起跑全段回测。
这是真实历史中，恰好在 dot-com 顶部全仓入场的回测结果。
montecarlo_bootstrap.json 里的 real_history_baseline.a1_maxdd = −83.13%，
以及 a1_vs_p50_9windows.json 里 9 个窗口的 A1 MaxDD 均为 −83.13%，指的都是这个场景。
同期 QQQ 持有（买入不动）的 MaxDD = −82.96%，几乎一样深。
这说明 A1 的 trail 机制主要用于保住收益（CAGR +21.6% vs QQQ +8.7%），而非大幅降低回撤深度。
static/data/montecarlo_bootstrap.json → real_history_baseline
来自 a1_deploy_pace_compare.json 里 lump_now 从 2000-01-03 一次性入场 的数字（−96.10%）。
以及 a1_cash_exit.html 页面上展示的某些特定参数/入场组合（−97.97%）。
这是"最坏时间点 + 全仓入场"的叠加效果，属于 26 年历史里最惨的那一次。
两个脚本对 dot-com 前 TQQQ 合成数据的重建方式略有差异，所以 −96% vs −83% 是两套计算口径，
并非前者更准确。
② 用哪套数字做什么规划
| 规划场景 | 推荐数字 | 原因 |
|---|---|---|
| 心理预期锚点（能不能扛住） | −65% ~ −75% | 2008 级深熊是最可能的场景，不要被 −96% 的极值吓到停月供 |
| 信用贷/借钱规划（能不能还得上） | −83% ~ −85% | 借钱规划要保守，用历史极端口径确认最坏情形下仍能还贷 |
| 理解 A1 vs QQQ B&H 的差异 | −83.13% vs −82.96% | 两者 MaxDD 几乎相同，A1 真正优势是 CAGR（+21.6% vs +8.7%），不是降回撤 |
| 向别人解释"A1 策略风险" | −65% ~ −75% | 这才是正常深熊的预期，说 −96% 会让人误以为是常态 |
| 防御性思考（最坏情形演练） | −85% | dot-com 重演（低概率），用 −85% 而非 −96%（后者依赖特定入场时点） |
③ 我的实际情况 — C 方案 12 月线性 DCA
当前采用 C 方案（首月 2× + 后 11 月 1×，共 12 月）线性分批入场 $35k。 这与"2000-01 一次性全仓入场"的场景差异极大。
static/data/a1_deploy_pace_compare.json → summary.median_across_starts.linear_12m
④ 3:3:3:1 组合层 — 实际承担的最大回撤
A1 只是总组合的 约 30%（3:3:3:1 框架，详见主策略框架 tab）。 即便 A1 桶自身 MaxDD = −75%，组合层的实际损失远小于此。
| A1 自身 MaxDD | A1 占组合权重 | 组合层最大损失（粗估） |
|---|---|---|
| −65% ~ −75%（预期） | ~30% | −19.5% ~ −22.5%（可承受） |
| −83%（历史极端） | ~30% | −24.9% |
| −96%（最坏一次性） | ~30% | −28.8%（但几乎不会发生在 DCA 场景） |
⑤ 常见困惑 Q&A
• A1 历史 CAGR：+21.6%/年
• QQQ 持有 CAGR：+8.7%/年（差 +12.9pp）
• Calmar 比（CAGR/MaxDD）：A1 0.26 vs QQQ 0.10（A1 高 2.5 倍）
A1 的 trail=40% 不是为了"减少最大回撤深度"，而是为了"在熊市期间切出，保留本金去买 QQQ，然后等均线回升再切回 TQQQ"， 让整个 26 年的 CAGR 从 +8.7% 提升到 +21.6%，同时控制全段 MaxDD 不超过 −85%。
更重要的是：3:3:3:1 框架已经把 A1 限制在总仓位 30%， A1 自身 −75% 只会让整体跌 −22.5%。这才是真正保护你的护栏， 而不是把 A1 换成 BTC。
•
montecarlo_bootstrap.json 用 100 万美元初始 lump sum，TQQQ 合成数据用该脚本自己的路径 → −83.13%
•
a1_deploy_pace_compare.json 用 3.5 万美元，TQQQ 合成数据重建路径略有差异，trail 触发次数也不同（15次 vs 12次）→ −96.10%
两者差异来自 dot-com 前 TQQQ 合成数据的重建方法不完全相同（TQQQ 2010 年才上市，2010 年前是 3× QQQ 模拟），属于已知的数据层不确定性，不是 bug。 规划时用 −83% 更稳健（Monte Carlo 全段模拟的权威数字）。
- A1 vs TQQQ DCA 真正卖点不是收益,是 MaxDD 缓冲。10y 含 dot-com 全样本中位 MaxDD: TQQQ DCA -90.19% vs A1 单点 -69.89% (+20.30pp 保护) / A1 P50 -73.25% (+16.94pp 保护)。 P50 视角(不依赖事后挑参数)仍提供 ~17pp 的稳健 MaxDD 保护。
- 这份保护要付保费。无大回撤场景(无 dot-com / AI 时代)A1 牛市跑输: A1 单点 -1~-4pp/年 / A1 P50 -2~-4pp/年(更保守)。 用户原描述 "-1~-3pp 牛市保费" 基于 single,P50 校正后 -2~-4pp。
- 正确认知:这是保险,不是 Alpha 优势。 用确定的小负 alpha(纯牛市)换大正 MaxDD 缓冲(大回撤)。 看不上保费的人应该全 TQQQ DCA;看重 MaxDD 心理承受的人应该跑 A1 — 两个选择都合理,但不要用 "A1 alpha 高" 这种错误叙事说服自己。
static/data/a1_p50_vs_tqqq_dca.json(双轨 — A1 single 242,40 + A1 P50 网格 30 组合)
+ static/data/a1_vs_tqqq_dca.json(A1 single 单点详细)
tab-a1-overfit-check 后的总结)"DCA A1 和 DCA TQQQ 相比,真正卖点不是收益,是 MaxDD: A1 用每年 -1~-3pp 牛市保费 换 dot-com 段 -20pp MaxDD 缓冲"
"这个你用 A1 比的,还是用 P50 比的?...好,用双轨。并且把带 dot-com 的时代也加上吧, 也补一个 P50 MaxDD 中位数对照"
用户的精确直觉:经过 tab-a1-overfit-check 的 P50 反过拟合实验后,
用户主动提炼出了 A1 真正卖点 — 不依赖 alpha,而是 MaxDD 缓冲。这正是 A1 哲学的真相。
双轨需求:用户之前的 "-1~-3pp 牛市保费 + -20pp MaxDD 缓冲" 表述基于 A1 single (242, 40%)。 用户主动要求加 P50 双轨 — 这样数据就不依赖于 "事后挑出来的好参数",更具说服力。
- 固定参数 = 生产实盘策略
- MA=242 天 / Trail=40%
- 26 年 9 窗口存活率 100%
- 数据:
a1_vs_tqqq_dca.json
- MA = [60, 120, 180, 242, 300]
- Trail = [25%, 30%, 35%, 40%, 45%, 50%]
- 共 30 组合,每窗口取 P50(中位)
- 数据:
a1_p50_vs_tqqq_dca.json
- 3y / 5y / 10y 三个窗口长度
- 每 3 个月推一个窗口
- 对比 TQQQ DCA(纯 3× 杠杆基准)
- $1000/月 DCA,等额定投
A1 (242, 40%) 是 26 年回测里挑出来的红利参数。如果用户问 "我换个邻近参数会不会一样好", 就需要看 A1 族中位(P50)的表现。P50 是 "事前你不知道哪个参数最好,随便挑一个邻近参数" 的预期收益。 single 高于 P50 = 事后红利;P50 自身 > 0 = A1 族结构性占优。
| 指标 | TQQQ DCA(基准) | A1 单点 (242,40%) | A1 P50 网格 | single 保护 | P50 保护 |
|---|---|---|---|---|---|
| MaxDD 中位 | -90.19% | -69.89% | -73.25% | +20.30pp ⭐ | +16.94pp ⭐ |
| MaxDD 最深 | -99.88% | -95.75% | -97.23% | +4.13pp | +2.65pp |
| MaxDD 最浅 | -57.92% | -45.31% | -46.34% | +12.61pp | +11.58pp |
| Alpha mean (IRR) | — | +6.22pp/年 | +3.85pp/年 | (single 比 P50 高 +2.37pp = 小幅过拟合红利) | |
| A1 跑赢 TQQQ 胜率 | — | 67.4% | 53.7% | (P50 视角胜率刚过半) | |
- MaxDD 保护是真的 — A1 single -20.30pp / A1 P50 -16.94pp → 即使用 P50(不挑参数),仍提供 ~17pp 稳健保护
- Alpha 也有,但更小 — single +6.22pp/年含 +2.37pp 过拟合红利, P50 +3.85pp/年才是"事前可期"的 alpha
- 胜率分歧 — single 67.4% 胜率含事后红利, P50 53.7% 才是 "随便挑个 A1 参数" 的真实预期(刚过半)
📊 3y 滚动窗口(短期窗口 — 保护较弱)
| 起点子集 | n | TQQQ DCA | A1 单点 | A1 P50 | single 保护 | P50 保护 |
|---|---|---|---|---|---|---|
| 全样本(含 dot-com + GFC) | 116 | -43.17% | -41.09% | -42.38% | +2.08pp | +0.79pp |
| 无 dot-com (2010+) | 52 | -46.08% | -41.89% | -42.58% | +4.19pp | +3.50pp |
| 完全无 GFC (2015+) | 32 | -55.65% | -53.08% | -52.89% | +2.57pp | +2.76pp |
| AI 时代 (2020+) | 13 | -54.49% | -53.01% | -52.60% | +1.48pp | +1.89pp |
📊 5y 滚动窗口(中期 — 保护中等)
| 起点子集 | n | TQQQ DCA | A1 单点 | A1 P50 | single 保护 | P50 保护 |
|---|---|---|---|---|---|---|
| 全样本(含 dot-com + GFC) | 112 | -61.29% | -54.48% | -51.80% | +6.81pp | +9.49pp |
| 无 dot-com (2010+) | 46 | -62.56% | -59.77% | -54.63% | +2.79pp | +7.93pp |
| 完全无 GFC (2015+) | 26 | -69.69% | -61.86% | -61.77% | +7.83pp | +7.92pp |
| AI 时代 (2020+) | 6 | -65.73% | -61.54% | -57.02% | +4.19pp | +8.71pp |
📊 10y 滚动窗口(长期 — 保护最强 ⭐)
| 起点子集 | n | TQQQ DCA | A1 单点 | A1 P50 | single 保护 | P50 保护 |
|---|---|---|---|---|---|---|
| 全样本(含 dot-com + GFC)⭐ | 95 | -90.19% | -69.89% | -73.25% | +20.30pp ⭐ | +16.94pp ⭐ |
| 无 dot-com (2010+) | 26 | -80.49% | -66.52% | -72.35% | +13.97pp | +8.14pp |
| 完全无 GFC (2015+) | 6 | -80.70% | -66.95% | -72.67% | +13.75pp | +8.03pp |
| AI 时代 (2020+) | 0 | (2020+10=2030 还没到,样本不足) | ||||
A1 的 trail=40% 是"给单次大熊市买的保险"。窗口越长 → 越可能跨过完整熊市周期 → 保护越大。
| 窗口长度 | 全样本 single 保护 | 全样本 P50 保护 | 叙事 |
|---|---|---|---|
| 3y | +2.08pp | +0.79pp | 窗口短,熊市没跑完,trail 救命价值未充分兑现 |
| 5y | +6.81pp | +9.49pp | 中等 — 部分熊市完整,保护中等 |
| 10y ⭐ | +20.30pp | +16.94pp | 最完整 — dot-com + GFC 都在窗口内,保护最大 |
tab-a1-dca-robustness "5y 弱点 / 15y 消失" 的同款机制 — 时间维度决定 A1 价值兑现。
用户原描述:"A1 用每年 -1~-3pp 牛市保费 换 dot-com 段 -20pp MaxDD 缓冲"。 这里用 single + P50 双轨,看保费的精确范围。
| 窗口 | 子集 | n | A1 单点 α | A1 P50 α | single 胜率 | P50 胜率 | 解读 |
|---|---|---|---|---|---|---|---|
| 3y | 全样本(含 dot-com) | 116 | -1.04pp | -2.64pp | 37.9% | 29.3% | 短窗口主导 — 即使含 dot-com 也是负 |
| 无 dot-com (2010+) | 52 | -1.65pp | -3.21pp | 44.2% | 30.8% | P50 校正后保费 -3.21pp(单点低估) | |
| 完全无 GFC (2015+) | 32 | -1.39pp | -3.56pp | 50.0% | 37.5% | P50 -3.56pp 是 3y 最差 | |
| AI 时代 (2020+) | 13 | -3.57pp | -3.10pp | 61.5% | 53.8% | 单点和 P50 都 -3pp 量级 | |
| 5y | 全样本 | 112 | +0.42pp | -1.73pp | 39.3% | 33.0% | single 正 / P50 负 — 单点过拟合红利 |
| 无 dot-com (2010+) | 46 | -0.14pp | -2.70pp | 43.5% | 30.4% | single ≈ 0 / P50 -2.70pp | |
| 完全无 GFC (2015+) | 26 | +3.53pp | -1.31pp | 73.1% | 50.0% | single +3.53pp / P50 -1.31pp = +4.84pp 过拟合红利 | |
| AI 时代 (2020+) | 6 | -4.34pp | -3.89pp | 33.3% | 33.3% | n=6 太少,参考价值有限 | |
| 10y | 全样本(含 dot-com)⭐ | 95 | +6.22pp | +3.85pp | 67.4% | 53.7% | 含 dot-com → 双轨都正,A1 alpha 真实存在 |
| 无 dot-com (2010+) | 26 | +1.09pp | -2.75pp | 61.5% | 7.7% | single +1 / P50 -2.75 = +3.84pp 强过拟合 | |
| 完全无 GFC (2015+) | 6 | +2.65pp | -2.09pp | 100.0% | 16.7% | single +2.65 / P50 -2.09 = +4.74pp 极强过拟合 |
- 含 dot-com 长期(10y 全样本):single +6.22pp / P50 +3.85pp — 双轨都正,过拟合差距小
- 无大回撤场景(10y 无 dot-com / 无 GFC):single +1.09~+2.65pp / P50 -2.09~-2.75pp — P50 翻负,过拟合差距 +3.8~+4.7pp
- 用户原描述 "-1~-3pp 保费" = single 视角的 3y 无 dot-com / AI 时代(-1.04~-3.57pp) ✓ 准确
- P50 视角(更严苛):同场景保费 -2.64~-3.56pp = "-2~-4pp 保费" 才是反过拟合的精确表述
用户主动要求加入这部分 — 不能只看 "AI 牛市" 一种 scenario,要看完整周期。
| A1 单点 α | +6.22pp/年 |
| A1 P50 α | +3.85pp/年 |
| single 胜率 | 67.4% |
| P50 胜率 | 53.7% |
| MaxDD 中位保护(P50) | +16.94pp |
含 dot-com 长期视角 = "赔付期" 兑现,这是 A1 保险价值 26 年累积出的最完整画像。
| A1 单点 α | +1.09pp/年 |
| A1 P50 α | -2.75pp/年 |
| single 胜率 | 61.5% |
| P50 胜率 | 7.7% |
| MaxDD 中位保护(P50) | +8.14pp |
无 dot-com → "保费期" 主导,A1 族中位变成系统性输 TQQQ DCA。 但仍有 +8pp MaxDD 保护 = 非 alpha 的稳健价值。
tab-a1-overfit-check 第 ⑦ 节 "双基准框架" 的真相 — 跟未来场景预期相关。
这是用户最关心的 scenario — "如果未来都是 AI 牛市,A1 还有意义吗?"
| 窗口 | 子集 | A1 单点 α | A1 P50 α | single 保护 | P50 保护 | 含义 |
|---|---|---|---|---|---|---|
| 3y | AI 时代(2020+) | -3.57pp | -3.10pp | +1.48pp | +1.89pp | 短窗口 — 保费明显但保护几乎为零 |
| 5y | 完全无 GFC(2015+) | +3.53pp | -1.31pp | +7.83pp | +7.92pp | single 红利大,但 P50 反映真实保费 |
| 10y | 完全无 GFC(2015+) | +2.65pp | -2.09pp | +13.75pp | +8.03pp | 长窗口 — 即使无 dot-com 也有 +8pp 保护 |
"A1 用每年 -1~-3pp 牛市保费 换 dot-com 段 -20pp MaxDD 缓冲"
✅ 数字基本准确 — 保费 -1.04~-3.57pp(3y AI 时代);缓冲 -20.30pp(10y 全样本 single)
"A1 族(随便挑参数)用 -2~-4pp 牛市保费 + dot-com 段 -17pp MaxDD 缓冲"
✅ 用 P50 后保费从 "-1~-3pp" 变成 "-2~-4pp"(偏高 1pp);缓冲从 "-20pp" 变成 "-17pp"(略缩水 3pp)
- 实盘版本(A1 single 242,40%):-1~-3pp/年保费 换 -20pp MaxDD 缓冲 (含 +2~3pp 事后挑参数红利)
- 反过拟合版本(A1 网格 P50):-2~-4pp/年保费 换 -17pp MaxDD 缓冲 (去掉单点红利,代表 "随便挑邻近参数" 的真实预期)
- 对用户的含义:实盘跑 single 没问题,但规划 / 心理预期应该锚 P50。 如果连 P50 也愿意接受(花 -3pp 换 -17pp 缓冲),那 A1 在任何参数下都是合理选择。 如果只接受 single 的甜美数字,要警惕未来如果参数失效,真实回报会向 P50 收敛。
| 维度 | 错误叙事 | 正确叙事 |
|---|---|---|
| A1 vs TQQQ DCA 的核心价值 | "A1 alpha 高" | "A1 MaxDD 缓冲大(P50 +17pp / single +20pp)" |
| alpha 来源 | "智能切换 + 杠杆复利双收益" | "100% 来自大回撤救命,无回撤场景全部消失甚至翻负" |
| 无大回撤场景的预期 | "A1 也会跑赢 TQQQ DCA" | "A1 族中位每年付 -2~-4pp 保费,换 +8pp MaxDD 保护" |
| 心理锚点 | "我的 A1 历史 +6.22pp/年 alpha" | "我的 A1 期望 +3.85pp/年 alpha + ~17pp MaxDD 缓冲" |
| 什么时候应该用 A1 | "想要更高 alpha" | "愿意为 MaxDD 心理舒适付保费" |
- 看不上 -2~-4pp 保费 + 心理扛得住 TQQQ -90% 回撤 → 全 TQQQ DCA 合理
- 愿意付 -2~-4pp 保费换 -17pp MaxDD 缓冲 → A1 合理(本项目的选择)
- 看不上 -17pp MaxDD 缓冲(觉得保险费太贵) → 重新评估自己的回撤承受力, 通常实际情况会比口头估计差
- 用错误叙事("A1 alpha 高")说服自己 → 容易在未来某一年 A1 跑输 TQQQ 时 动摇切换 → 用错误叙事 = 心理塌陷的源头
-
tab-a1-overfit-check:本 tab 的父级 — 那里给出 P50 反过拟合的完整框架, 本 tab 把它具体化到 "用户原描述的双轨校正" 维度 -
tab-a1-dca-robustness:A1 vs QQQ DCA(1× 基准)— alpha 高 + 不依赖大回撤; 本 tab 视角换成 vs TQQQ DCA(3× 基准)双基准互补 -
tab-a1-underperform-anatomy:A1 跑输基准的窗口归因 — 本 tab 把 "跑输" 重新定位为 "付保费",语义统一 -
tab-a1-acceptance-guardrails:接受 A1 回撤的 4 护栏 — 本 tab 提供 "为什么接受回撤是合理的" 的精确量化依据 -
tqqq-rebound-params.mdc:规则文件里 §"A1 (242,40%) 在无大回撤场景是过拟合参数" 新加 P50 双轨数据 + 修正 -1~-3pp 描述(本 tab 数据的规则化沉淀) -
qld-strategy-deprecated.mdc:扩展段废弃了 "DCA TQQQ + 再平衡" 同源伪解 — 任何想 "保留 alpha 同时降回撤" 的尝试都注定失败(本 tab 数据是支撑)
- "A1 alpha 是 +6%/年" / "A1 历史 CAGR +20%" / "A1 高 alpha" — 引 ⑩ 心理锚点 P50 校正
- "A1 vs TQQQ DCA 谁更好" — 引 ④ 核心对比 + ⑪ 4 类用户
- "无 dot-com 场景 A1 还有用吗" — 引 ⑨ 无大回撤场景表(P50 仍 +8pp 保护)
- "A1 alpha 是不是来自智能切换" — 引 ⑪ "alpha 100% 来自大回撤救命" 正确叙事
- "用户描述 -1~-3pp 保费是不是准确" — 引 ⑩ 精确校正(基于 single 准确,P50 校正 -2~-4pp)
- "-20pp MaxDD 缓冲怎么来的" — 引 ④ 核心对比(10y 全样本 P50 +16.94 / single +20.30)
- "3y AI 时代 A1 跑输,要不要切 TQQQ DCA" — 引 ⑥ 窗口长度 → 保护放大效应
- "A1 alpha 高,值得用"(错叙事 — 真值依赖 dot-com)
- "-3pp 保费太高了,切 TQQQ DCA"(没考虑 +17pp MaxDD 缓冲价值)
- "未来 AI 牛市 A1 没用了"(无大回撤场景仍有 +8pp 保护)
- "反过拟合不重要,单点数字就行"(用户已主动要求双轨,这是经过反思的判断)
- 2005/2010 起点 21 / 16 年长跑里,纯 TQQQ DCA 确实跑赢 A1 P50。 2005 起:TQQQ DCA IRR +36.45% vs A1 P50 +34.36% (-2.09pp/年); 2010 起:TQQQ DCA +43.03% vs A1 P50 +39.40% (-3.64pp/年)。 30 个 A1 参数组合里只有 7/30 (2005) / 4/30 (2010) 能跑赢 TQQQ DCA。
- 但这是经典幸存者偏差陷阱 — 2005 起点 ex-post 跳过 dot-com 8 年熊,2010 起点 跳过 dot-com + GFC。实盘用户事前不知道未来是不是又一个"2000 → 2008 → 2022 多周期"。 跟 §"A1 (242,40%) 在无大回撤场景是过拟合参数"是同一现象的单段 lens 重演,不是新证据。
- 正确认知:A1 trail=40% 不只防 dot-com,防所有 >25% 长熊。 当代估值并不便宜(NVDA P/E ~55+ / TSLA ~150+ / PLTR ~700+),叙事跟 1999 / 2007 / 2021 同源。不要用"未来不会有 dot-com"说服自己拆除保险。
static/data/a1_p50_long_run.json
(生成脚本 research/gen_a1_p50_long_run.py · 月供 $1000 · A1 网格 30 组合 5MA × 6Trail)
+ 报告:notes/a1_p50_long_run_report.md
"这个我觉得很值得分析一下,我感觉后面应该也不会有 dot-com 吧?未来应该也不会有? 你怎么看?Dot-com 估值都上天了,几百倍市盈率了。 要不你测一下无 dot-com,然后从 2005 或者 2010 年开始纯定投 TQQQ 的策略, 以及 A1 的 P50 策略,它的走势怎么样?阿尔法怎么样?最大回测怎么样?胜率怎么样"
- • 起点:2005-01-03(跳过 dot-com 8 年熊)/ 2010-01-04(跳过 dot-com + GFC 雷曼时刻)
- • 终点:2026-05-08(数据期最新),分别 21.31 / 16.32 年
- • 月供:$1000(每月第一交易日全额投入策略目标资产)
- • 纯 TQQQ DCA:每月把 $1000 全投 TQQQ,不切换
- • A1 单点:MA=242d / Trail=40%(生产参数)
- • A1 网格:30 组合(5 MA × 6 Trail),输出 P25/P50/P75 + min/max
- • NAV 计算:含 ^IRX 风险无关日复利(QQQ 空仓期间也算)
- • 合成 TQQQ 1985~2010:基于 QQQ 收益 × 3 杠杆 + 费率 + 日 reset(`shared.market_data.simulate_tqqq`)
| 策略 | IRR | MaxDD | NAV/Inv | 终值 | α vs TQQQ | MaxDD 缓冲 |
|---|---|---|---|---|---|---|
| 纯 TQQQ DCA | +36.45% | -91.0% | 111.80× | $28.73M | 基准 | 基准 |
| A1 单点 (242,40%) | +37.12% | -69.9% | 122.21× | $31.41M | +0.67pp ≈ 打平 | +21.1pp |
| A1 网格 P50(反过拟合) | +34.36% | -74.7% | — | — | -2.09pp | +16.2pp |
| A1 网格 P25 | +33.33% | -77.8% | — | — | -3.12pp | +13.2pp |
| A1 网格 P75 | +35.96% | -72.2% | — | — | -0.49pp | +18.8pp |
| 策略 | IRR | MaxDD | NAV/Inv | 终值 | α vs TQQQ | MaxDD 缓冲 |
|---|---|---|---|---|---|---|
| 纯 TQQQ DCA | +43.03% | -81.6% | 57.67× | $11.36M | 基准 | 基准 |
| A1 单点 (242,40%) | +43.10% | -68.5% | 58.05× | $11.43M | +0.07pp ≈ 打平 | +13.1pp |
| A1 网格 P50(反过拟合) | +39.40% | -73.8% | — | — | -3.64pp | +7.7pp |
| A1 网格 P25 | +37.55% | -77.7% | — | — | -5.49pp | +3.9pp |
| A1 网格 P75 | +41.02% | -71.8% | — | — | -2.02pp | +9.8pp |
| 起点 | min IRR | P25 | P50 | P75 | max IRR | TQQQ IRR | 30 组合中跑赢 TQQQ |
|---|---|---|---|---|---|---|---|
| 2005-01 | +31.55% | +33.33% | +34.36% | +35.96% | +38.97% | +36.45% | 7/30 = 23.33% |
| 2010-01 | +33.38% | +37.55% | +39.40% | +41.02% | +45.09% | +43.03% | 4/30 = 13.33% |
| 起点 | A1 单点 vs TQQQ DCA | A1 P50 vs TQQQ DCA | 解读 |
|---|---|---|---|
| 2005-01 (5100 比较) | 37.65% | 39.94% | 两个都 < 50% |
| 2010-01 (3842 比较) | 60.46% | 55.00% | 中间多数时间 A1 NAV 领先 |
| 起点 | 跳过了什么 | 熊市跨度 | QQQ MaxDD | TQQQ MaxDD |
|---|---|---|---|---|
| 2005-01 | dot-com 8 年长熊(2000-2008) | 8 年 | -83% | -99.95% |
| 2010-01 | dot-com + GFC 雷曼时刻 | ~10 年 | -83% / -50% | -99.95% / ~-85% |
| 资产 | P/E (2026-05) | 代表性叙事 | 历史同源 |
|---|---|---|---|
| NVDA | ~55+ | "AI 不能用 P/E 衡量" | 1999 Cisco "互联网经济学不一样" |
| TSLA | ~150+ | "robotaxi / Optimus 是百亿美元市场" | 2007 雷曼前"金融创新永不停歇" |
| PLTR | ~700+ | "AI 操作系统" | 2021 ARK 系"颠覆性创新永远值无穷大" |
| MSTR | 永久亏损 | "BTC reserve 公司" | 2000 amazon.com "亏损不重要,增长第一" |
| 熊市事件 | 类型 | QQQ MaxDD | A1 trail=40% 触发? |
|---|---|---|---|
| 2000-2002 dot-com 长熊 | 8y 估值崩塌 | -83% | ✅ 救命 |
| 2008Q4 GFC 雷曼 | 系统性金融危机 | -50% | ✅ 救命 |
| 2018Q4 加息恐慌 | 快速急跌 | -23% | 部分触发 |
| 2020Q1 COVID | 极速 panic | -28% | ✅ 触发 |
| 2022 钢丝市 | 加息周期 | -35% | ✅ 触发 |
- ☐ "未来应该不会有 dot-com 吧 / Dot-com 估值都上天了不会重演"
- ☐ "从 2005/2010 起点开始算,A1 还能跑赢 TQQQ DCA 吗"
- ☐ "纯 TQQQ DCA 长期跑赢 A1 P50,要不切纯 TQQQ DCA"
- ☐ "AI 时代估值合理 / 不一样,A1 防御没必要"
- ☐ "现在 NVDA P/E 55 比 dot-com 那种 300+ 健康多了"
- ☐ "21 年长跑 A1 P50 输 2-3pp/年,trail 没价值"
- ☐ 用户跑了一个 2005+/2010+ 单段回测,发现 A1 P50 输 → 这是已知现象,不是新证据
- ☐ "A1 是不是 dot-com 专用对冲" → 错,trail 防的是 >25% 回撤事件类
⭐ A1 防归零实证 — dot-com 段 A1 比裸持 TQQQ 保住几倍本金?
2026-05-10 用户问:"在 dot-com 时期我这个策略回撤是多少,最大回撤的时候比 TQQQ 纯粹持有要多多少倍?" 把 A1 (生产参数 MA=242 / Trail=40%) 在两种退出模式下(QQQM 与 CASH)与"满仓裸持 TQQQ" / "满仓裸持 QQQ"全部跑一遍, 起点定在 1999-01-04 (给 MA-242 暖机时间),终点 2003-12-31 (覆盖完整 dot-com peak → 底 → 半恢复)。
- QQQ 裸持 — 1× 标的本身买入持有(对照基准)
- TQQQ 裸持 — 3× 杠杆买入持有(死亡路径,合成段经 R²≥0.999 校准)
- A1 (QQQM 退出) — 用户当前生产策略,trail 触发后持 QQQM
- A1 (CASH 退出) — Plan B,trail 触发后持现金 + ^IRX 短期国债利息
口径: Lump Sum NAV=1.0 起点,no-lookahead 实现 (信号 day N 产生 → day N+1 执行,
MA 用 day N-1 之前 242 天均值)。数据源:
static/data/v3_underlying.parquet(NDX 1985-1999 拼接 → QQQ 1999+ 真实;TQQQ 1985-2010 由
simulate_tqqq 合成,经 R²≥0.999 校准 → 2010+ 真实)。可视化数据:
static/data/a1_dotcom_shield.json(由
research/gen_a1_dotcom_shield.py 生成)。
② TL;DR — 在 TQQQ 底部那天 (2002-10-09)
起点 = 1999-01-04 (NAV = 1.000),Lump Sum 满仓/A1 各跑一遍。
| 策略 | 当日 NAV | 相对起点跌幅 | 是裸持 TQQQ 的几倍 |
|---|
③ 4 条 NAV 曲线(1999-01 起 normalize 到 1.0)
读图重点: ① 蓝色 QQQ 在 ATH 后跌 −83%; ② 红色 TQQQ 在 2002 底接近 0 线(吸收态); ③ 绿色 A1 (QQQM) 在 2000-05/09/11 有 3 次 trail 触发(锯齿),最终在 2000-11 退到 QQQ 后跟着 QQQ 一起被打 −83%,但没归零; ④ 青色 A1 (CASH) 在 2000-11 退到现金后完全避开 QQQ 后续 64% 暴跌 + 吃 5%/年 T-bill 利息 → 2003 底已盈利。
④ 各自 MaxDD 全景对比
| 策略 | ATH 日 | ATH NAV | 底部日 | 底部 NAV | MaxDD |
|---|
这正是关键细节 —— A1 (QQQM) 的 −96% 看起来很惨,但它跟 TQQQ 的 −99.95% 不在同一个量级。 看下一节"反弹倍数"就能明白为什么 −99.95% 是吸收态、−96% 不是。
⑤ 关键视角:从底部恢复到起点需要多少倍反弹
| 策略 | 底部 NAV | 反弹回 1.0 起点需要 | 现实可行? |
|---|
⑥ A1 (QQQM) 的 −96% MaxDD 是怎么形成的
看交易日志(只跑了 4 次入场 / 3 次退出 / 平均 1.6 次/年),把"−96%"分解成 3 段:
| 日期 | 动作 | NAV | 含义 |
|---|
- 2000-05 ~ 2000-11 三次锯齿交易:每次小亏一点,把净值从 ATH 8.2 磨到 1.22
- 2000-11 ~ 2003-03 持 QQQM 期:跟着 QQQ 一起跌(QQQ 自己 −83%),NAV 从 1.22 跌到 0.32
- 注意:第 1 段才是 trail 机制本身的代价(锯齿损失),第 2 段是"退到 QQQM 后的连带损失" — 这正是 CASH 模式可以避开的部分。
⑦ CASH 模式 vs QQQM 模式:这页只讲 dot-com 段
tqqq-rebound-params.mdc §5.4-5.5 与
ustock-backtest-conventions.mdc §5.3-5.6。完整推理详见
A1 退出模式研究 tab →
| 关键决策 | 已锁定结论 |
|---|---|
| 生产用哪个? | QQQM 模式 + A1 (242d, 40%) —— 15 窗口 11/15 QQQM CAGR 胜出,平均 +0.5pp/年 |
| CASH 模式适合谁? | 仅当判断未来 5-10 年大概率出现 dot-com 级长熊(30+ 月持续阴跌)。98 年 3 次的尾部事件(1929-32 / 1973-74 / 2000-02) |
| 如果切 CASH,用什么参数? | 不是 A1 (242d, 40%),而是 CASH-A1 = (302d, 30%)。A1 参数是 QQQM 主场调出来的,套到 CASH 在 dot-com Half-1 段会被打死 |
| 动态 trigger 切换值得做吗? | 不值得。3 个候选(技术/情绪/宏观)全部失败,边际收益仅 +0.13pp/年。"反 dot-com 保险"的正确实现 = 永远跑 CASH-A1 |
| 本页 dot-com 数据跟那个研究一致? | 100% 一致(QQQM MDD −96.06% / CASH MDD −86.11%,跟 a1_cash_exit_report.md A 段数字对得上) |
本页跟 A1 退出模式研究 tab 的视角差别:那个研究比的是"同一策略不同退出模式的参数选择"(QQQM vs CASH), 本页比的是"策略 vs 产品本身风险的代际差距"(A1 vs 裸持 TQQQ)。两者互补,不重复。
⑧ 认知校准 + 防 AI 重新质疑"是不是可以裸持 TQQQ"
| ❌ 错误直觉 | ✅ 正确认知 |
|---|---|
| "A1 在 dot-com 也跌了 −96%,跟裸持 TQQQ −99.95% 差不多" | 差 82×。绝对 NAV 差距 0.32 vs 0.0039,反弹回本难度差 83 倍(3.1× vs 257×) |
| "trail 在 dot-com 锯齿亏了一波,看起来没用" | trail 让你从 8.2 退到 1.22(锯齿磨了一些),但避开了 1.22 → 0.0039 的 312× 进一步暴跌。 这就是 trail 的真实价值,不是不亏,是不归零 |
| "未来不会再有 dot-com,所以裸持 TQQQ 也行" | 即便概率低,归零事件的代价是无穷大(永久退出市场)。trail 的保险费是 每年 −0.66pp(牛市少赚)对换每熊市 +16.42pp(熊市保命)—— 永远是正期望交易 |
| "CASH 比 QQQM 好这么多,生产应该切 CASH" | 本页只看 dot-com 段。完整 15 窗口里 QQQM 11/15 胜,CASH 4/15 胜。CASH 是"30 年 1 次的尾部保险", 不是"全场景升级"。详见 A1 退出模式研究 tab → |
simulate_tqqq 合成数据(R²≥0.999 校准),A1 退出后接持 QQQM/CASH 是真实 QQQ 数据;
③ 用户实际策略叠加 V3 月供 → 实际表现介于 LS 与"完美时点"之间,通常更接近"完美时点"。
⛔ 整套 V3 机械化路径已永久废弃(2026-05-11)
本页面保留作为反面教材的可追溯证据,不要基于它再启动新研究。
详见 .cursor/rules/v3-strategy-context.mdc §10。
核心证据:
- alpha 单点依赖:zero_or_one(V3 最优候选)alpha 100% 来自 dot-com 那 11 个月救命,其它 4 段全在踏空 -14~-45pp(
static/data/v3_skip_attribution.json) - 近 2 年灾难性踏空:2024-06~2026-05 V3 实盘版错过 95% baseline alpha($18,947 / $19,942 — 92% 月份机械 skip)
- 哲学冲突:跟
ustock-backtest-conventions.mdc §5.6已经证伪的"机械减仓 trigger"哲学正面冲突 - 保险已重复:A1 trail=40% 已经提供尾部保险,V3 是第二层,保费/赔付比远不划算
替代方案:执行层 → baseline 等额 DCA + A1(MA=242d / Trail=40%);认知层 → 通道位置作为人工参考,不机械触发(详见 TQQQ 趋势轮动 §⑥.10)。
这次研究的真正价值:用充分实证证明了"机械化通道 trigger"思路在 TQQQ 上不可行,未来 AI 看到类似想法可直接引用本规则拒绝。
⭐ 分区间定投 A1 — 构想阶段(2026-05-09)
① 来龙去脉:从 LS / DCA → 分区间定投
项目历史上 A1 策略只跑过 2 种回测口径:
| 回测口径 | 含义 | 优点 | 缺点 / 局限 |
|---|---|---|---|
| Lump Sum (LS) | 第 1 天一次性投入全部资金 | 真实风险敞口、反映策略本身 alpha,不被资金流"美化" | 用户不会真的 LS 投入,跟实操脱节 |
| DCA(等额定投) | 每月固定金额按 A1 信号注入 | 贴近实操,反映"月供节奏" | 没有信号倍数,等于把 A1 信号当 0/1 开关用,没收割波动 |
| 分区间定投 A1(V3 构想) | 月供金额 = base × multiplier(QQQ 通道位置),去向跟 A1 信号 | 新增 alpha:收割波动税(对杠杆 ETF 尤其重要) | 未实证,需严肃 trinity 回测 |
ⓘ 命名约定参考 .cursor/rules/glossary.mdc 第 ⭐ 段:
用户口语里说的"分区间定投" = BTC _buy_hybrid(评分倍数 × 回撤加码)。
美股侧的"分区间定投 A1" = 这个哲学的迁移版,标的换成 A1 净值曲线、
估值信号换成 QQQ 通道位置。
② 核心 alpha:收割波动税(volatility harvesting)
⚠️ 这一节是 V3 构想的灵魂,务必读懂。
2.1 什么是波动税?
杠杆 ETF(TQQQ = 3× QQQ)在高波动横盘市有显著的"路径损耗" (volatility decay / path dependency)。直觉举例:
| 日 | QQQ 涨跌 | QQQ 净值 | TQQQ 涨跌(3×) | TQQQ 净值 |
|---|---|---|---|---|
| Day 0 | - | $100 | - | $100 |
| Day 1 | +10% | $110 | +30% | $130 |
| Day 2 | -9.09% | $100(回原) | -27.27% | $94.55(亏 5.45%) |
→ QQQ 走完一个完整波动后净值持平,但 TQQQ 净值 -5.45%。这 5.45% 就是"波动税"。 横盘市波动越大,TQQQ 损耗越严重。
2.2 历史实证(QQQ 横盘段对比)
ⓘ 2000-2003 dot-com 横盘段:QQQ -83% / TQQQ 模拟 -99.5%(衰减 16.5pp 来自波动税); 2022 全年:QQQ -33% / TQQQ -79%(超额衰减 -13pp 来自波动税)。
2.3 分区间定投如何收割波动税
- 反向定投逻辑:高位月供少 → 不会大量买在峰值;低位月供多 → 在波动谷底加码。 这种"反向放大"恰好反向收割杠杆衰减。
- 对 TQQQ 特别重要:QQQ 不需要这套(没有 vol decay),裸 DCA 已经够好。 TQQQ 的杠杆衰减 = 路径依赖,只能靠"路径选择"(分区间倍数)对抗。
-
跟 BTC
_buy_hybrid同源:BTC 没有杠杆衰减,但有"周期波动税" (4 年减半周期,峰谷价差 5-10×),低位加码同样能收割周期波动税。
2.4 为什么 LS 和 DCA 都收割不到波动税?
- LS:第 1 天就投完,根本没有"之后流入的钱可以反向打"。波动税 = 完全承担。
- DCA:等额注入,在低位 / 高位注入金额相同。 高位注入的钱在后续波动中亏更多杠杆衰减,低位注入的钱涨幅又被高位"摊平"。 净效果 = 部分对冲波动税,但没主动收割。
- 分区间定投:在低位主动加码, 在高位主动减少,用资金流动方向反向收割杠杆衰减。 这是"主动收割"vs DCA 的"被动对冲"。
③ 设计:A1 标的 + QQQ 通道倍数
3.1 关键认知:用户的洞察
用户(2026-05-09):
"我的月供资金量不大,所以我不需要按照通道来分档, 我只需要把 A1 信号作为一个标的来定投就行。 A1 切换到 TQQQ 我就投在 TQQQ,A1 切换到 QQQM 我就投在 QQQM。 然后把 A1 的曲线走势作为一个标的来定投, 并且这个根据通道来估值,分配投入的月供倍数。"
3.2 三个独立维度
| 维度 | 控制对象 | 信号源 | 频率 |
|---|---|---|---|
| 趋势(A1) | 钱放在哪里(TQQQ ↔ QQQM) | QQQ vs 242d MA | 慢(年级) |
| 估值(通道) | 钱放多少进去(月供倍数) | QQQ log 回归 ±1.5σ | 中(月级) |
| 规模(EM) | 总投入预算(每月基础份额) | 用户主观决定 | 长(年级) |
3.3 数学公式
每月月供 = base_amount × multiplier(qqq_channel_pos)
其中:
base_amount = 由 EM 标定,使总投入跟"等额 DCA 基线"相等
multiplier = 倍数函数(待研究最优形状)
钱的去向:跟随 A1 信号(ON → TQQQ / OFF → QQQM)
通道分档仅在 A1 ON 期间生效;A1 OFF 时倍数 = 1.0(基线)
EM(期望倍数)= 历史多窗口平均的 multiplier(qqq_channel_pos)
(跟 BTC `_buy_hybrid` 标定方式同源)3.4 为什么用 QQQ 通道而不是 TQQQ 通道
- TQQQ 是 3× 杠杆 ETF,价格指数级波动,通道经常打到 ±3σ 之外,统计无意义
- QQQ 才是"底层趋势 + 估值"的载体,通道能反映长期估值偏离
- A1 信号本身基于 QQQ 的 MA242,通道也用 QQQ → 信号源一致
- 波动税是 TQQQ 自身属性,但触发条件由 QQQ 决定(QQQ 横盘 = TQQQ 衰减大)
④ 倍数函数候选(4 个方案)
方案 A:阶梯五档(类比 BTC _buy_hybrid 的 Z 档)
| QQQ 通道位置 | 月供倍数 |
|---|---|
| < 25% | 2.5x |
| 25-50% | 1.8x |
| 50-70% | 1.0x(基线) |
| 70-90% | 0.6x |
| > 90% | 0.3x |
方案 B:不对称(只低位加码,高位不减)
| QQQ 通道位置 | 月供倍数 |
|---|---|
| < 30% | 3.0x |
| 30-50% | 2.0x |
| > 50% | 1.0x(永远不减) |
理由:§⑥.10 实证"通道贴顶后 6 月胜率 73% 上涨",高位减少 = 73% 概率踏空。 只在低位加码 = 避开踏空陷阱。但放弃了"高位收割波动税"那部分。
方案 C:凸映射(无档位跳跃)
multiplier = 2.5 × (1 - channel_pos / 100)^1.5
clip 到 [0.3, 2.5]power=1.5 时:通道 0% → 2.5x / 30% → 1.46x / 50% → 0.88x / 70% → 0.41x / 90% → 0.08x → clip 0.3x
方案 D:双信号(凸映射 + 距 MA 加码)
base_mult = f(channel_pos) # 同方案 C
boost = 1 + max(0, (MA - QQQ_price) / MA × 5) # QQQ 跌破 MA 越深越加码
final_mult = base_mult × boost,clip 到 [0.3, 4.0]
模仿 BTC _buy_hybrid 的"评分倍数 × 回撤加码"。
"距 MA"信号在 A1 OFF 期间也有效(QQQ 跌得越深越加码),
可能比单一通道信号更早抓到熊底。
⑤ 严肃回测的方法论(反过拟合 trinity)
按 .cursor/rules/ustock-backtest-conventions.mdc §4 强制要求,
不能用单起点跑出"最优倍数函数"就推荐。
- 全样本网格:2000 起点(含 dot-com),Lump Sum 而非 DCA 美化版作为基线对比
- 多起点 P50:2000 / 2005 / 2010 / 2015 / 2020 共 5 起点中位数
- Walk-Forward:A 段(2000-2012)调倍数函数 → B 段(2013-2026)OOS 验证;反向也跑
- 跨段对称稳健:候选倍数函数必须 5 起点都不死,最低年化 IRR > 等额 DCA 基线 - 1pp
- EM 标定:对每个倍数函数校准 base,使总投入跟基线相等(否则不公平)
- 不许采用单起点最优:外部 GPT 经常推荐"用 2005 起点调参",本项目实证已打死(详见 ustock-backtest-conventions.mdc §6)
回测设计(Baseline vs Treatment)
Baseline(对照,等额 DCA):
每月 ¥1 万,A1 ON → 全 TQQQ / A1 OFF → QQQM,A1 重入场 QQQM → TQQQ
Treatment(分区间定投 V3):
每月 base × multiplier(channel_pos),A1 信号决定去向(其余跟 baseline 一致)
EM 标定让 sum(月供) == baseline 的 sum
衡量:
IRR / CAGR / MaxDD / Sharpe / Calmar
关键看 P50 跨 5 起点 alpha,以及 walk-forward rank corr⑥ 预判(回测前的先验,不是结论)
⚠️ 以下数字基于直觉 + BTC _buy_hybrid 实证类比,真实回测可能反直觉。
| 维度 | 预判 | 理由 |
|---|---|---|
| P50 长期年化 alpha | +1.5~3.5pp/年 | BTC _buy_hybrid vs 等额 DCA 历史 alpha 类似量级 |
| 最佳方案排序 | D ≥ A > C > B > baseline | 距 MA 加码模仿 BTC ATH 回撤加码,赢面最大 |
| A 段(2000-2012)alpha | 显著 + 大 | dot-com 段长期 A1 OFF + 通道极低,正是低位加码的最佳象限 |
| B 段(2013-2026)alpha | 小或接近 0 | 长期 A1 ON + 通道高位,加码机会少,几乎是裸 DCA |
| Walk-forward 稳健性 | ⚠️ 可能弱 | 效应集中在 A 段,B 段对参数贡献小 |
⑦ 待研究的开放问题
- O1:倍数函数的最优形状—— 阶梯 / 线性 / 凸 / 双信号,哪个 P50 跨段稳健性最强?
- O2:倍数上下限—— 最大 multiplier 给到 3x 还是 5x?下限给到 0.3x 还是 0? (下限 = 0 会变成"分档去向",已被用户排除)
- O3:阈值定在 50% 还是别的—— 用 P50 决定档位边界 vs 用历史分位数(如 30/70 分位)
- O4:A1 OFF 期间倍数策略—— OFF 时是"全用基线 1x 注入 QQQM"还是"按通道也分档"? (本设计选 1x,但理论上 OFF 期间通道极低 → 加码 QQQM 可能更好)
- O5:跟 BTC
_buy_hybrid是否能复用基础设施—— 是否能把 BTC 的 scoring → multiplier 引擎抽出来,给美股侧复用? - O6:跟 ⑥.10 §"减仓陷阱"的关系—— 如果方案 A 在通道 > 90% 给 0.3x 倍数, 相当于新月供减仓 70%,这跟 ⑥.10"减仓 73% 踏空"是不是矛盾? (区别:⑥.10 是已有持仓的减持,这里是新流入的少投, 但 73% 概率仍涨 = 月供少 = 踏空。需要回测验证哪个效应更强。)
- O7:实操可执行性—— 5 档跳跃可能让用户每月看到不同月供金额,实操心理负担大; 凸映射平滑但不直观。如何在"理论最优"和"实操可执行"间平衡?
⑧ 决策状态(2026-05-09)
- 📌 当前阶段:构想沉淀完成,等待严肃回测决策
- ⏰ 下一步:跟用户讨论"现在做完整 trinity 回测 vs 暂用方案 A 心法"
- 📊 预估工作量:严肃回测 4-5 小时(含网格搜索 + walk-forward + 报告)
- 🎯 触发开干条件:用户明确说"开始做"或"先用方案 A,以后回测"
- 📝 沉淀位置:本 tab +
notes/tqqq_dca_v3_concept.md(纯文档版,给未来 AI)
⚠️ 给未来 AI / 自己的强制规则
- 不要把"分区间定投 V3"跟"分档去向"混为一谈——前者是月供倍数(钱多少进 A1 标的),
后者是月供分流(钱去 BOXX/QQQM/TQQQ)。两者本质不同,V3 远更接近 BTC
_buy_hybrid哲学 - 不许用单起点回测出来的"最优倍数函数"就推荐——必须 5 起点 P50 + walk-forward + 跨段稳健
- 不许用 DCA 作为评估基线——只能用 LS 评估"策略 alpha";DCA 比较只用作"实操路径对比"
- EM 标定必须做——否则总投入不等,不公平
- "波动税收割"是核心论点——任何评估必须算到 vol decay 那一层, 不只看 IRR;尤其要对比 A 段(高波动)和 B 段(低波动)的 alpha 拆解
⭐ 多起点 log 通道对比 — 行业结构变化是否影响 V3 判读?
2026-05-09 在讨论「分区间定投 A1 (V3 构想)」时,你提了一个关键质疑:
生产用的通道是 QQQ 2009-03-09 起拟合的(纯后 GFC 大牛市,中线 +18.9%/年),
但未来如果不是大牛市怎么办?而且这个通道没法回测 dot-com / GFC,
而 V3 的"波动税收割"恰恰要在那两段大熊市里才显效。
如果改用 NDX 1985+(40 年全段)拟合,虽然能覆盖 dot-com 和 GFC,但
1985-2000 NDX 头部公司是 dot-com 故事股(没盈利 + 高估值),
和现在 FAANG/AI 巨头的盈利驱动估值结构完全不同。
行业结构差异会不会让通道判读失效?这页用 6 个起点的拟合数据帮你眼睛对比。
static/data/log_channel_compare.json
(由 research/gen_log_channel_compare.py 生成,周采样,~1.2 MB)
② 6 起点元数据(高亮 = 关键对照组)
| 起点 | 实际起始日 | 数据天数 | 中线年化 | σ (log) | 当前 σ 位置 | 当前 percentile |
|---|
读图提示:中线年化从 +11.9%(NDX 含 dot-com) 到 +18.9%(QQQ 后 GFC) 跨度 7pp; 但 当前 percentile 全部落在 88%-95% 区间(都说"贴顶")。 这是本页要回答的核心问题:为什么差这么多的中线斜率,percentile 判读却如此一致?
③ 价格 + 通道带(单起点,可切换)
对比方法:切换起点时观察 ①通道带宽(σ × 1.5)②中线斜率 ③当前价位置。
重点对比 QQQ 2009+(σ=0.10,带宽窄)和 NDX 1985+(σ=0.38,带宽宽)。
④ ⭐ 6 起点 percentile 时间序列对比(关键图)
📈 标的价格走势 — NDX 指数(对数刻度,带通道带)
⚠️ 这里是 NDX 指数本身(底层标的),不是 TQQQ 策略净值。 跟上方 percentile 图共享缩放,对照看回撤形态 ↔ percentile 数值。
为什么这是"关键图"?
每条曲线 = 一个起点拟合的通道下,价格在历史 percentile 分布中的位置。 如果不同起点的曲线在重叠时间段内高度同步,说明 "贴顶 / 贴底"判读对起点选择不敏感 → V3 用 percentile 触发是稳健的。
关注 2009-2026(所有 6 个起点都有数据的时段), 看实线(QQQ 2009 + NDX 1985)和虚线们的吻合程度。 如果它们差距 < 5pp,V3 用任何起点回测都给出近似结论; 如果差 > 15pp,起点选择会显著影响 V3 alpha 估计。
⑤ 当前位置 + 中线年化对比
柱状(左轴) = 当前 percentile;圆点连线(右轴) = 各起点拟合的中线年化。 红虚线 = V3 减仓档 90% 阈值。所有起点都在 90% 上下 ±5pp,这是 V3 稳健性的视觉证据。
⑥ 结论 + V3 决策
结论 1:6 起点对当前(2026-05)判读一致,但≠永远 robust
- 中线斜率:1985+
+12.4%vs 2009++18.9%,差 6.5pp - 带宽 σ:1985+
0.382vs 2009+0.100,1985+ 宽 280% - 当前 percentile:1985+ 90.6% vs 2009+ 91.7%,只差 1.1pp
- 原因:σ 自动消化了行业结构差异 → percentile = rank-based,在当前快照上跨时代一致
⚠️ 边界条件:这里的"一致"是同一时点 t=2026-05 的快照判读跨起点一致, 不等同于"百分位测量永远稳健"。完整的边界条件 + 三种 percentile 算法的实证对比见 ↓ ⑦ percentile 算法选择实证
结论 2:V3 用 percentile 触发是关键
V3 设计里通道分档 (<50% / 50-90% / >90%) 用 percentile,而不是"距中线多少 σ"。这意味着:
- ✅ V3 的核心机制(percentile 触发)对起点选择不敏感
- ✅ 用 NDX 1985+ 通道做 backtest,dot-com 段的 percentile 判读仍然可信
- ⚠️ 但 dot-com 段的 TQQQ 必须用合成 TQQQ(2010 才上市),实证 alpha 数字要打 0.5-1pp/年的"合成贴现"
- ⚠️ 中线斜率绝对值不要外推(未来环境若不是 +18.9%/年大牛市,中线会下移,但 percentile 触发仍有效)
V3 backtest 路径(基于本页结论)
- 主回测通道:NDX 1985-2025 log 回归(覆盖 dot-com / GFC / 后 GFC)
- 触发机制:V3 月供倍数函数用 percentile 输入(不用 σ)
- TQQQ 模拟:1995-2010 用合成 3× NDX,2010+ 用真实 TQQQ
- 鲁棒性检验:用 QQQ 1999+ 和 NDX 2000+ 重跑,3 个版本 P50 收益差 < 2pp/年 → V3 稳健
- caveat:报告中明确"合成 TQQQ 不含 borrow cost,实证 alpha 打 0.5-1pp 贴现"
⑦ percentile 算法选择实证 — Static vs Rolling 对决
⚠️ 用户反质疑(2026-05-10)
看到结论 1 的"6 起点 88-95% 收敛"后,你提了一个 sharp 反问:
会不会是因为美股不断创新高,所以不论什么周期,百分位都靠前? 万一未来持续新高呢?百分位会持续很贵,但还是能赚钱?
这是值得严肃验证的质疑。本章用 NDX 1985+ 41 年数据,实证回答两件事:
- "美股长期贴顶 → 百分位长期高"假设是否成立?
- 如果用 Rolling percentile 替代 Static expanding,是否能修复"中枢迁移"问题?
实证 1:百分位长期分布(反驳"长期贴顶"假设)
| 区间 | 时长占比 | 累计周数 | 解读 |
|---|---|---|---|
| percentile ≥ 90%(贵) | 10.0% | ~4.1 年 | 对称 |
| 10-90%(正常) | 79.8% | ~33 年 | 主体 |
| percentile ≤ 10%(便宜) | 10.2% | ~4.1 年 | 对称 |
41 年里"贵"和"便宜"几乎完全对称(10% vs 10.2%)。反驳"美股长期贴顶"假设 — 如果真是单边漂移, ≥90% 占比应该是 50%+。历史上 percentile 是均匀震荡的,不是单边偏高。
实证 2:三种 percentile 算法的 5 年回测(简化 V3:贴顶 ≥90% 进 BOXX,否则进 NDX)
| 入场点 | Baseline | Static expanding | Rolling 5y | Rolling 10y |
|---|---|---|---|---|
| 1998-02 dot-com 顶 | -37.9% | -1.2% ⭐ | -19.4% | -2.8% |
| 2003-06 崩盘后 | +14.5% | +14.5% | +14.4% | +14.5% |
| 2008-09 GFC | +67.0% | +67.0% | +60.2% | +60.8% |
| 2013-01 稳定牛市 | +63.8% | +63.8% | +61.9% | +35.6% |
| 2018-01 后期牛市 | +26.8% | +27.0% | +27.4% | +30.9% |
Static expanding 在 dot-com 灾难里几乎完美规避(-1.2% vs baseline -37.9%), Rolling 5y 只挽回一半价值,Rolling 10y 在 2013 牛市误防御丢 28pp。
实证 3:关键时段触发率(贴顶/贴底识别能力)
| 时段 | 应识别 | Static | Rolling 5y | Rolling 10y |
|---|---|---|---|---|
| 1998-2000 泡沫期 | ≥90% | 95.6% ✅ | 52.6% ❌ | 95.6% |
| 2002-2004 抄底期 | ≤10% | 100% ✅ | 5.3% ❌ | 40.7% |
Rolling 5y 在 dot-com 顶部期一半时间不报警 — 因为 1995-1999 已经"持续贴顶"5 年, 在 Rolling 5y 视角下成了"新正常"。Rolling 5y 在 2002 底反而触发 15.9% 贴顶信号 (因为相对近 5 年低位反弹),完全错过历史最佳抄底机会。
为什么 Rolling 反直觉地变差(关键洞察)
- 过度适应近期:5-10 年里 1995-1999 持续涨 → "持续贴顶"成了 baseline → 实际贴顶时不报警
- 遗忘极值:真正极端的 2002 谷底出窗口后被遗忘 → 后续抄底信号失效
- 过度敏感于中段波动:牛市中正常的 ±1.5σ 摆动被识别为"贴顶"
反直觉结论:历史越长,"什么是真极端"的校准越准。Static expanding 每次新数据进来重新拟合, 自然把"中枢迁移"也吸收了 — 不需要 Rolling 也能动态适应。
最终决定:V3 用 Static expanding,优化方案全部不做
- ❌ 方案 A(Rolling percentile) — dot-com 实证:挽回价值不到一半,牛市过度防御,**否定**
- ❌ 方案 B(动态通道重 fit) — 实质上就是 Static expanding(每个新数据点都重新拟合),不需要单独做
- ❌ 方案 C(Walk-forward 验证) — Static expanding 已经隐式实现 no lookahead(每个时点 t 只用 ≤t 的数据)
⚠️ 实操澄清:V3 实操时通道是 expanding window(用 1985-01 到 t 的数据 fit), 不是固定起点+固定终点的全期通道(那会有 lookahead bias)。这点之前文档没说清楚,加在这里沉淀。
实证脚本运行记录见 notes/percentile_method_validation.md(待补)。
本章诞生:2026-05-10 用户反质疑触发 + 同日实证 + 同日落档。
本 tab 三档建议（特别是 ">90% 月供进 BOXX 短债"）已不再机械执行。
跟 V3 zero_or_one (80% 阈值) 同源废弃 — 详见
⛔ V3 反面教材 tab +
.cursor/rules/v3-strategy-context.mdc §10。
实证：QQQ 自 2024-05 至今持续 >90% 在档 ≈ 12 月，若按原推送执行 "月供进 BOXX"，相同时间窗口踏空 QQQM ≈ 24% 月供累计金额。 跟 V3 zero_or_one 在近 2 年错过 95% baseline alpha 同源问题。
- 估值温度计：知道 QQQ 在 2009+ 通道里贵不贵
- 人工参考：<50% 时可考虑加杠杆（V19/A1 已有的自动行为之外）
- QQQ 价位区间表：直接对应价格判断
- 不因为 >90% 就停月供 / 进 BOXX
- 不因为通道贴顶就动现有 TQQQ 仓位（实证 73% 踏空）
- 不把档位当 trigger，仅当温度
- 每周 21:30 周报推送已删（cron + 端点同步移除）
通道算法基础：log-linear regression on QQQ since 2009-03-09 (GFC 底)， ±1.5σ 通道带宽。算法本身没问题，问题在"用通道作为机械 trigger"。
📊 QQQ 通道温度计 (2009+ 数据拟合)
加载中…② 关键价位 — 跨过这两个数就换档
③ 三档完整对照
| 档位 | 通道位置 | QQQ 价位区间 | 月供行动 |
|---|
④ 为什么是 50% / 90% 分界？ （已废弃 - 2026-05-11）
原设计的推理。 来自 research/gen_log_channel_analysis.py
对 QQQ 2009-03-09 至今的 +1.5σ/-1.5σ 通道分档实证：
- 50% 中线下方：QQQ 处于结构性低估。 ✅ 这一档实证仍合理（V3 实证显示 alpha 集中在"高位停"而非"低位猛加"， 但 <50% 时 +1 倍杠杆边际 ROI 不为负）。可作为人工参考。
- 50%~90% 中间档：估值正常区间，原设计就是"基础份额"， 等于"baseline DCA 不调"，✅ 这一档没问题。
- >90% 接近上沿：原设计"月供进 BOXX 积累弹药"。 ❌ 已废弃——QQQ 自 2024-05 起持续 12 月在档，按原推送月供进 BOXX 等于错过 ≈24% 累计月供金额。"不是'减暴露'只是'暂停增加'"这个论述在长牛市里站不住， 实证踏空。改回"baseline DCA 不调"。
完整决策推理见 A1退出模式研究 §⑥.11。 原设计推理上不算错（高位均值回归概率确实上升），错在"机械化执行 ≠ 概率上的优势"—— 长牛市 + adaptive percentile 让"高位"持续很久，单点 alpha 弥补不了长期踏空。
⑤ ⚠️ 通道仅作温度计参考 — 既不减仓也不机械调月供
2026-05-11 升级：原本本节标题是"仅用于资金流入侧"，但 V3 实证表明
流入侧机械分档也是踏空陷阱。流入侧/减持侧双侧都不再机械化，
通道只作温度计参考。
- 原方案 >90% 进 BOXX → 12 月踏空 24% 月供金额
- V3 zero_or_one 同源问题：近 2 年错过 95% baseline alpha
- 正确做法：baseline DCA 不调，月供按 A1 信号决定标的（TQQQ/QQQM）
- 已有 TQQQ 持仓只听 A1 趋势信号退出（242 日 MA + 40% trail）
- 通道贴顶后机械减仓 6 月胜率仅 21.4%（13/14 次踏空）
- 用通道做减仓 = 把 73% 的回报让给市场
- 每月发月供时瞄一眼当前位置，做"心理校准"（贵不贵 / 便宜不便宜）
- <50% 中线下时临时大额加杠杆可考虑（年终奖、节税额度等非日常资金）
- >90% 上沿时提醒自己不要追高加杠杆（但常规月供照常）
实证依据：
A1退出模式研究 §⑥.10「对数通道用法」
(减持侧 73% 踏空) + static/data/v3_skip_attribution.json (流入侧 95% alpha 集中单点) +
⛔ V3 反面教材 tab。
⑥ FAQ
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）
宏观 regime change(美元霸权动摇 / 美股长期失宠)怎么办? ⭐
本页专门回答一个 meta 层"模型风险"质疑:
"目前所有策略和沉淀都是基于历史走势,万一未来底层逻辑大变化, 比如美元不再是全球霸权了,资金都不到美股来了,那这个结论是不是会改变?"
- 这是 meta 层质疑(不是参数 / 标的 / 心理偏差),跟前面"不要去掉 trail / 不要全押 TQQQ"不同维度
- 属于 长持仓周期会反复出现的认知焦虑(每次美元/美股利空新闻都会问一次)
- 如果不沉淀,AI 每次会话都得重新推导;沉淀后 AI 直接引用 4 层答复,3 分钟内回应一致
- 同时防止 AI 被 sensational 新闻带偏附和"切去 BTC / 黄金 / 国债"这种危险简化
② TL;DR — 4 层答复精华
- 40-60% 资产已对冲(BTC 30% + MSTR ≤30% + BOXX 10%)
- 双轨架构(Schwab + 币安)= 多体系分散,不是冗余
- 数学/统计学结构(DCA / 杠杆 / 多元化 / V19) 不依赖任何单一货币体系
- 结构性 regime change 是慢变量,5-15 年走完,有时间逐步调整
- A1 参数(MA / Trail) — 市场结构变 → 参数高原漂移
- TQQQ 工具 — SEC 政策变化 → 切 Plan B(QLD)
- QQQ 头部 — FAANG 衰落 / AI 兑现失败 → 切其它指数
- 美股 P/E 中枢 — 美元资金外流 → A1 alpha 下降
- 法币购买力 — 通胀加速 → 名义 vs 实际 CAGR 拉开
③ 层 1 — 你的担心其实项目已经设计了对冲(只是你可能没意识到) ⭐
3:3:3:1 框架本身就是为"美元霸权可能动摇"准备的。 你以为"美元失去霸权"是黑天鹅,其实它正是这个框架设计时考虑的核心 scenario 之一:
| 桶 | 占比 | 美元霸权失去时怎么样 | 机制 |
|---|---|---|---|
| BTC | 30% | ✅ 大涨 | 资金避险流入,跟美元体系部分脱钩 |
| MSTR | ≤30%(动态) | ✅ 跟随 BTC | MSTR = BTC 二阶暴露(折价时还有套利) |
| TQQQ | 30% | ❌ 大跌 | 美股资产,直接受美元 / 美股资金外流冲击 |
| 现金 BOXX | 10% | 🟡 美元贬值 | 购买力缩水但流动性最强,可灵活调整 |
tqqq-rebound-params.mdc
"BTC 不可替代的 4 个维度"段反复强调的"抗法币系统性风险"维度 —
你之前可能觉得这是教条,其实就是为这个 scenario 准备的。
broker-channel-architecture.mdc):
Schwab(美元体系) + 币安(部分脱钩) + 不同司法管辖区。
这不是冗余,是多体系分散。哪天 Schwab 政策性关停,你还有币安那条腿;
哪天币安某个司法管辖区收紧,你还有 Schwab。
④ 层 2A — 会变的(应用层,需要监控 + 准备调整)
策略框架里的"应用层"项目会跟着市场结构变化,这些是需要监控但不需要焦虑的项:
| 项 | 变化机制 | 应对预案 |
|---|---|---|
| A1 参数(MA=242d / Trail=40%) | 市场结构变 → 参数高原漂移 | 走tqqq-rebound-params.mdc "重新审视 A1 触发条件"流程 |
| TQQQ 工具存在 | SEC 政策变化 / 杠杆 ETF 监管 | 切 Plan B(QQQ → QLD MA-only) |
| QQQ 头部结构 | FAANG 结构性衰落 / AI 兑现失败 | 切其它指数(印度 / 新兴市场科技) |
| 美股 P/E 中枢 | 美元占比下降 → 资金外流 | A1 alpha 下降,但仍 > QQQ B&H |
| 法币购买力 | 通胀加速 | 看 inflation-adjusted-planning.mdc 名义 vs 实际 CAGR |
⑤ 层 2B — 不会变的(数学/统计学结构,即便 50 年后美元失去霸权也成立) 🛡️
这是 关键认知 — 框架的真正价值不在某个具体标的,而在底层数学/统计学结构:
| 底层逻辑 | 为什么不会变 |
|---|---|
| "趋势策略 + 杠杆"数学结构 | 任何"长牛 + 周期熊"市场都成立(美 / 欧 / 亚 / 新兴市场都一样) |
| DCA 摊平成本 | 统计学公理(只要标的最终向上) |
| 多元化降尾部风险 | 组合论数学(协方差 < 1 就有效) |
| K<0.5 加杠杆合理性 | 生命周期理论(未来收入 = 隐藏债券,不依赖具体货币) |
| MSTR mNAV swap | 折价套利逻辑(只要 MSTR 还持 BTC 就有效,跟美元无关) |
| BTC 链上指标 V19 评分 | 区块链数据本身,跟美元体系无关 |
⑥ 层 3 — 真正的"美元霸权动摇"信号(可观察 + 慢变量,不是新闻噪音) 📊
不要被"美元崩盘 / 美股见顶"类新闻带偏。 结构性 regime change 是慢变量,5-15 年才走完。每年看一次就够了:
| 监控信号 | 早期(开始重视) | 真实变盘(开始动框架) |
|---|---|---|
| DXY 美元指数 | 持续 5+ 年 < 80 | 持续 < 70 |
| 美元在全球外储占比 | 当前 ~58% → < 50% | < 40% |
| 美债海外持有占比 | 持续下滑 5+ 年 | 海外大额抛售(中俄 + 中东) |
| 美股 P/E 中枢 | 持续 5+ 年 < 长期均值 | < 10 |
| BTC vs 美股相关性 | 持续脱钩 ≥ 3 年 | BTC 真正成为避险资产(危机时涨而非跌) |
| 你已有的 Schwab 账户体验 | 海外资金外流 / 服务降级 | 政策性关停潮(预案见 broker-channel-architecture.mdc) |
⑦ 层 4 — 该做不该做(防 reaction trap)
- 看到 1-2 条美元利空新闻就清仓美股
- "未来肯定 X" 一次性大调整
- 切到"听起来更安全"的资产(黄金 ETF / 国债)
- 因为短期美元强 / 弱就调整框架
- 全押 BTC 替代美股(见
tqqq-rebound-params.mdc"🚫 不要全押 TQQQ 替代 BTC" 反向版,同样错)
- 监控上面 6 个慢变量(每年看一次)
- 保持 3:3:3:1 框架 + 每年 K 值复核
- 已有 BTC 30% 对冲 + BOXX 流动性,够了
- 慢变量演化 5+ 年才动框架
- 对冲 ≠ 放弃,只是减少单一系统的脆弱性
⑧ 历史参照 — 英镑 → 美元 30 年过渡
全球储备货币交班是有史以来最缓慢的事件之一。最近一次完整案例(英镑 → 美元):
| 年份 | 事件 | 英镑地位 |
|---|---|---|
| 1914 | 一战爆发,英国变成净债务国 | 仍是主导储备货币(~60%) |
| 1920s | 美国 GDP 已经超过英国 | 英镑仍是主流贸易结算货币 |
| 1931 | 英国脱离金本位 | 英镑信用受重创但未崩盘 |
| 1944 | 布雷顿森林会议 | 美元正式取代英镑 |
| 1956 | 苏伊士运河危机,英镑挤兑 | 英镑彻底失去主导地位 |
⑨ 新闻噪音 vs 结构信号 — 怎么区分
- "X 国宣布去美元化协议"(几乎每个月都有,几乎每个都未真正落地)
- "美债评级被 X 机构下调"(2011 / 2023 各发生过,美债仍然涨)
- "特朗普 / 拜登 / 某政策导致美元崩盘"(政治新闻,不是结构信号)
- "BRICS 推共同货币"(议而不决 10+ 年)
- "某大 V / 某机构预测美股 -50%"(每年都有,大部分预测错)
- "美元短期跌 5%"(汇率正常波动)
- DXY 5+ 年中枢移动 ≥ 10 点
- 美元外储占比 5+ 年下滑 ≥ 5 个百分点
- 美债海外持有占比 5+ 年下滑 ≥ 10 个百分点
- 非美元贸易结算 5+ 年占比上升 ≥ 5 个百分点
- BTC 跨周期表现稳定优于美股 ≥ 3 年
- Schwab 类美国券商对中国客户的政策实质性收紧
⑩ AI 触发器(防 AI 在新会话附和你)
本节同步沉淀到 tqqq-rebound-params.mdc "宏观 regime change 标准答复"段。
AI 在新会话看到以下话术时,必须立刻引用本 tab + cursor rule,不要附和也不要再推导:
- "万一未来底层逻辑大变 / 美元不再霸权 / 资金不到美股来了"
- "策略全基于历史数据,未来不一样怎么办"
- "美元崩盘 / 美元贬值 / 去美元化加速"
- "美股要见顶 / AI 泡沫要破 / 美股长期失宠"
- "中美脱钩 / 全球去全球化 / 美国相对衰落"
- "现在切到 BTC / 黄金 / 国债 / 大宗 是不是更安全"
- "30 年规划是不是太长,中间肯定会变"
- "美债危机 / 美国财政赤字 / 美国信用评级下调"
- 引用本节 4 层标准答复(不要简化成"放心吧没事")
- 强调"项目已经为这个 scenario 设计了对冲"(40-60% 资产对冲)
- 区分应用层(会变 + 监控)和数学结构(不变 + 框架普适)
- 提醒慢变量监控周期(5-15 年,不是 5-15 个月)
- 历史参照英镑 → 美元 30 年过渡(不是一夜清空)
- 不要附和"嗯也许应该切一些去 BTC / 黄金" — 已经有 BTC 30% + 双轨架构对冲了
- 不要附和"框架要重新设计" — 框架的数学/统计学结构不依赖任何单一货币体系
⑪ 真正可触发"重评 3:3:3:1 框架"的硬条件
只有以下情况之一发生时,才走"重评框架"流程(不是看新闻,不是看短期价格):
- 慢变量表"真实变盘"列至少 3 项同时触发(如 DXY < 70 + 美元外储 < 40% + 美股 P/E < 10)
- 用户 K 值跨过 0.5 进入 Phase 2(按
lifecycle-params.mdc整体降杠杆) - BTC 出现结构性叙事崩塌(
tqqq-rebound-params.mdc已列触发条件) - 杠杆 ETF 被 SEC 禁(切 Plan B,QQQ → QLD MA-only)
- 用户拿到非中籍身份(税务结构变化,可能切到长期资本利得 15-20% 档)
tqqq-rebound-params.mdc§"宏观 regime change 的标准答复"(本 tab 同源沉淀)broker-channel-architecture.mdc(双轨架构对冲 + Schwab 政策风险预案)inflation-adjusted-planning.mdc(通胀 / 实际 CAGR / 滞胀尾部风险)lifecycle-params.mdc(K 值阶段 + Phase 2 收紧条件)
EV 拆解 · 2026-05-13 沉淀
骚操作 EV 实证 — 为什么「小聪明」长期在几何平均下输掉
核心 mental model:长期复利对方差极度敏感(几何平均 ≠ 算术平均)。 「骚操作」往往赚得大但分布双峰 —— 算术上「看起来 EV 很高」,复利后输给方差更小的稳定框架。 本 tab 用项目里 4 条已实证否定的具体案例 + 2 个反自我膨胀陷阱,把这个直觉钉死。
阅读顺序建议:先读完本节全部实证 → 再打开
tab-framework-consistency
看「框架 × 一致性」如何把同一套直觉工程化。
① 高方差 ≠ 高 EV(核心数学)
算术平均回报会系统性高估可复制收益;长期投资关心的是几何增长速度。
例子:两年路径 +200% 与 −80%
- 算术均值:(+200% + (−80%)) ÷ 2 = +60%/年「看起来炸裂」
- 实际资金:$1 →(×3)→ $3 →(×0.2)→ $0.6,两年净回报 −40%
- 几何年化:√0.6 − 1 ≈ −22.5%/年(复利口径下的真实拖拽)
双峰分布里一两次「大赚」能把算术均值拉飞,却把几何路径打穿。
定性对照表:骚操作 vs A1 + 3:3:3:1 框架(6 维)
| 维度 | 骚操作(典型形态) | A1 + 3:3:3:1 框架 |
|---|---|---|
| 单笔/单段最大「爽感」盈利 | 可在某一灾难段爆表(救命月、极端反弹) | 细水长流的杠杆复利 + trail,单段不占叙事 C 位 |
| 单笔/尾部最大亏损 | 期权 −100% 尾部 / 借款组合 倒欠 可能 | 仍有极深回撤(历史 dot-com 量级),但有 trail + DCA + 多元 bucket 保命结构 |
| 胜率观感 | 均值常被极端样本抬高;实战中往往是「几年踏空换一次救命」型 | 对标 QQQ DCA 等口径下,拉到 15y 滚动窗胜率可查 `tab-a1-dca-robustness` |
| EV 口径陷阱 | 兜售「算术平均 / 单次 scenario」好听的故事 | 坚持用跨段 + walk-forward + 资金流/执行鸿沟自检(backtest-to-live) |
| 方差 / 双峰 | 极高 — 「要么封神要么装死」 | 系统化后极端波动被规则阻尼——仍难受,但不是同一类赌博谱 |
| 多周期生存能力 | 常以单点救命换长年踏空(本项目已多次实证) | A1 (242d/40%) 等经 9 窗口 + 二元段 walk-forward 压测过的生产组合 |
一句话:骚操作的「平均赚了」在算术世界里好看,换成几何世界 + 可复制执行,经常是负贡献。
② 4 条具体实证(数据级)
每条都已独立落档 — 下面是「口述版索引」,细则请点进对应 tab / cursor rule。
骚操作 · V3 通道贴顶停月供(zero_or_one 族)
看似爽:dot-com 段约 11 个月 skip,事后 12m 均值跑赢 invest 约 +93pp — 「精准躲顶叙事」爆表。
实际 EV:近 2 年(2024-06 ~ 2026-05)错过约 95% baseline alpha ($18,947 / $19,942 口径)。 Skip 归因:alpha 高度集中在 2000s 那一段;1990s / 2010s / 2020s 几乎全部在踏空 — 门槛 D(跨段 robust)直接爆灯。
关联:
v3-strategy-context.mdc(整段机械化路径废弃,重点读第 10 节汇总)
· tab-stop-dca-trap
· static/data/v3_skip_attribution.json(证据链原始表)
又来了怎么办:
任一「通道 percentile 机械化停月供」话术 → 直跳 v3-strategy-context.mdc
AI 触发器整块拒绝,不要求「再 grid 一轮」。
骚操作 · 大跌后用 LEAPS Call「抄底」(单股或指数)
看似爽:「一块钱博五块钱上行」,杠杆叙事在反弹 scenario 极度性感。
实际 EV / 几何友好度:项目在 tqqq-rebound-params.mdc 里给出了
离散 scenario 期望值对比:
LEAPS 粗算 EV ~+20% 但混入 多个 −100% 过期尾部;
同期 TQQQ DCA ~+60% 且无「整笔归零」尾巴 —— 算术故事 vs 可复制几何路径是两件事。
关联:
tqqq-rebound-params.mdc「不要用 LEAPS 替代 TQQQ DCA」长段论证
· tab-leaps-vs-tqqq-dip
又来了怎么办: 「指数 LEAPS 没有单股归零所以 OK」一类话术 → read 同一规则段: IV 暴涨 / vega crush / −100% 尾部 / NRA 30% 摩擦 四条仍然成立。
骚操作 · 「半导体很强」SOXL / SOXX 复制 A1
看似爽:近期涨幅 + 「比 TQQQ 更纯」的产业故事。
实际上: SOXL 等产品 压根没有覆盖 dot-com 级样本 / 同质化 ≈ 「在科技股里再加杠杆」 / QQQ bucket 本身就含 ~36% 半导体暴露 —— 再加 = 集中度注码不是分散。
关联:
tqqq-rebound-params.mdc SOXL/SOXX 五质疑 + 「温和化变体同样拒绝」
· tab-sector-etf-trap
又来了怎么办: 任意「再找一只 3× / 板块 ETF」想法 → 整块 AI 触发器矩阵拒绝 — 不靠「小钱试试」话术放行。
骚操作 · 借钱裸持 QQQ「躲开 TQQQ 磨损」
看似爽:砍掉 ~9%/年 levered ETF drag,故事里「省下摩擦就是 alpha」。
实际尾部: dot-com 段 TQQQ 裸持有 −99.98% 仍可「不死账户」磨蹭回来(每日重置 de-risk); 同期 固定本金借款 QQQ — 规则里写了 — 可落到 「本金 −249%(爆仓 + 真倒欠)」的 scenario。
关联:
tqqq-rebound-params.mdc「不要借钱裸持 QQQ」整段对照表
· tab-leverage-trap
又来了怎么办: 任何「borrow + 现货 QQQ」当「等价 TQQQ」→ 必读规则里的 数学下限对比 + AI 触发器一行拒。
核心规律(跨案例抽象)
每个骚操作都能讲出一个「曾经救命 / 某一幕特别漂亮」的子故事 — 但一旦拿「完整周期可复制性 + 实盘执行摩擦 + K<0.5 资金流现实 + 心理状态」三条铁规则去筛, EV 全部输给老老实实跑 A1 DCA × 既定 bucket 框架。
③ 反自我膨胀 — 2 个隐形陷阱
本条与 tab-framework-consistency 「失败模式 C」同源,
但换一个切口:当你能口述「我明白了」那一瞬间,风险偏好其实最高 —— 这跟聪明程度无关。
| 你当下的状态信号 | 真正风险 |
|---|---|
| ✅ 框架已由 26y + 9 窗口 + walk-forward 背书 | 失败模式 A(框架压根错了) 概率压低 —— 别把「我读了很多 tab」当成可以继续加戏的理由 |
| ⏳ 实盘尚未经历真 · −75% 级长拖尾(COVID 快跌、−35% 调整不算大考) | 失败模式 C 尚未体检 — 「现在淡定」不提供统计显著性 |
| ⏳ 「我已经看懂散户亏在哪」的自我叙事开始冒头 | 下一轮诱惑会变成 「这次不一样 / 我特别清醒」精装版 — AI 也难挡,只能靠触发器事前枪毙 |
④ 最反直觉的一层:生理碾压认知
你现在能复述这一页每一条结论 = 认知层其实已经过关。 但历史经验里≈95% 的真实翻车点发生在账户 −50% ~ −75%: 手会自己动起来 —— 这跟 IQ、修行段位无关,是老式大脑硬件在劫持前台进程。 正因如此,这个项目宁愿堆 「反诱惑 rules + AI 硬性触发器 + 查表 Tab + 四条护栏」, 也不赌「只要我修养够高」这种不可观测输入。
操作建议
趁着情绪平稳、还能冷静读字,
把 tab-framework-consistency
「⑦ 焦虑时自检流程」四步决策树跑熟——到了 −50% 那天不要现场推理,
直接照表宣读。
⑤ 给未来的你 / AI 的「停」清单
任一命中 → 先读本 tab + 被指名的 rule/tab,禁止「口头同意然后换个变量继续试」。
- ☐「我已经看懂别人为啥亏惨了,所以这次 X 我肯定能执行到位」
- ☐「最近心态特别好,不会发生行为崩盘」
- ☐「这轮 X 跟历史完全不一样,框架太古板」——却无慢变量层级证据(
tab-regime-change-hedge监控清单) - ☐嘴上说「看长期没问题」,行动上却在改「短期每一笔」资金流向
- ☐「只差一点点补丁」:再平衡一下 / threshold 下移 5% / 换一个「更温和的停投」—— 均属已归档诱惑家族变体(
qld-strategy-deprecated.mdc,v3-strategy-context.mdc第 10 节 …) - ☐「朋友都这么做 / KOL 都赚钱」
- ☐「我只要加一个小卫星仓测试想法」——去读 SOXL/SOXX 小节「小额试错谬误」
灵魂收尾 · meta
⑥ 反人性 alpha —— 这个 tab 真正买回来的东西
最后一句关键提醒:这条洞察的真正价值不是"我赢了",而是"我有了一份将来不被自己骗的工具链"。 骚操作玩家的失败不是因为他们笨,是因为他们没有这层 meta 工具。 你现在拥有的不是策略 alpha,是反人性 alpha —— 后者比前者贵 10 倍,也持久 10 倍。 这正是"框架 + 一致性 → 跑赢大部分玩家"的精确解读。
六个对比维度:策略 alpha vs 反人性 alpha
| 维度 | 策略 alpha(传统理解) | 反人性 alpha(本项目护城河) |
|---|---|---|
| 来源 | 信号 / 参数 / 择时优化 | 反诱惑工具链 + 查表机制 + 四条护栏 |
| 持久性 | 几年到数十年(参数衰减 / 套利被抹平) | 可按终身计 — 人性在时间尺度上漂移极慢 |
| 复制门槛 | 论文 / 数据公开后外人可高仿 | 极难 — 个人化沉淀 + 反复实证 + ≥6 个月量级反诱惑史 |
| 失效条件 | 市场结构 / 制度 / 工具被禁 | 几乎不失效 — 只要还有市场、还有恐惧贪婪 |
| 成本形态 | 算力 / 数据 / 研究时间 | 把每次"骚操作"冲动都押进 cursor rule + 实证 + AI 触发器 |
| 对你的价值 (用户原话尺度) |
算作 1× 叙事锚 | ≈10× — 贵 10 倍、持久 10 倍 |
这正是 tab-framework-consistency
里"框架 × 一致性 = 跑赢大部分玩家"的精确落地 ——
跑赢不是因为框架更会算收益,而是因为执行框架的工具链让你在恐惧贪婪冒出来时不被自己骗下场。
⑦ 关联资源
互补 tab
tab-framework-consistency— 宏观元认知(赢家公式 / 三层失败模式 / 焦虑自检树)
本 tab 引用的「反诱惑」专题 tab
tab-stop-dca-traptab-leaps-vs-tqqq-diptab-sector-etf-traptab-leverage-trap
核心 cursor rules
v3-strategy-context.mdc— V3 整套废弃 + skip 归因tqqq-rebound-params.mdc— LEAPS / SOXL / 借款 QQQ 等主战场knowledge-precipitation.mdc— 何时必须沉淀 Vs 不写噪音backtest-to-live-trading-gap.mdc— 报告 alpha 前先过 4 类鸿沟自检
外部数据(方法论参照,非本项目回测字段)*
- DALBAR QAIB — 「行为鸿沟」算术 vs 可复制几何的经典第三方尺度 → dalbar.com
- SPIVA Scorecard — 专业玩家亦难长期稳定的对照系(半年更新,免费一手核对)→ spglobal.com/spdji
⛔ 月供择时陷阱 — 高估时要不要等低估？
一句话答案：不要等。机械化"高估 skip 月供 / 等低估再投" = 踏空陷阱， 项目自己跑过实证：近 24 个月这样做 错过了 95% 的 baseline alpha。
适用场景：你看到 QQQ 通道 90%+ / forward P/E 在历史前 1/4 / 市场感觉"贵" → 想停月供 / 想等"低估"再加 → 读本页。
进阶视角：如果你担心的是 TQQQ 在高估+高波动下的 vol drag（这是更深一层、更对的直觉）→ 跳到 §⑥.1~⑥.3 σ 视角分析，会告诉你为什么答案仍然不是"减月供"，而是"信任 A1 trail 自动 exit"。
- V3 zero_or_one 机械化路径（已 永久废弃，详见
v3-strategy-context.mdc §10） - 本周 QQQ 月供档位 tab + 周报推送（已 永久废弃）
- "等通道跌回 80% 再 lump sum 入场"（DCA 已经在做这件事，无需重复机制化）
① 踏空陷阱定义
机械化基于"高估"跳过定投 → 等"低估"再投 → 但低估永远等不到 / 等到时已经错过整段牛市。
这是项目自己跑出来的实证发现，不是教科书理论。 在 2026-05 V3 研究里，"等低估再投"被完整地回测、归因、证伪后，整套机械化路径被 永久废弃。本页是这段研究的"FAQ 版"沉淀， 防止用户/AI 在新会话里再次被同款直觉诱惑（每次包装换名字，但本质一样）。
② V3 zero_or_one 实证 — 你直觉的数学版本
2026-05 跑过跟"高估等低估再投"完全等价的策略回测
（static/data/v3_skip_attribution.json）：
窗口：近 2 年（2024-06 ~ 2026-05），24 个月
| baseline（无脑月供 A1） | V3 "等低估再投" | |
|---|---|---|
| skip 月份 / 总月份 | 0 / 24 | 22 / 24（92%） |
| 总投入 | $24,000 | $2,000 |
| 终值 | $43,942 | $2,996 |
| 实际 alpha | +$19,942 | +$996 |
| 错过的 baseline alpha | — | $18,947（95%） |
→ "等低估"策略错过 95% 的 baseline alpha。在 2024-06 ~ 2026-05 这 24 个月里， 你的资金 92% 时间没进场，因为 QQQ 一直在 >80% 通道位置。
而你"等"的那个"低估" — 没来过。
③.1 错觉 1 — 你以为"低估"会来，但你不知道何时
QQQ 历史上每次 ≥ 90% 通道位置后，接下来 12 个月：
- 73% 概率继续涨（中位 +3 ~ +15%）
- 21% 概率小回调后再涨（永远等不到你期待的 -20%+ 真低位）
- 6% 概率出现真崩盘（dot-com / GFC / 2022）
ustock-backtest-conventions.mdc §5.6 实证 14 次"碰上沿"只 3 次真信号）。
你以为"等低估"是稳赚，实际是 73% 概率踏空。
③.2 错觉 2 — 你以为"等到的低位"比现在便宜，但可能更贵
整整 24 个月，QQQ 通道位置一直 >80%，但价格涨了 40%。 你"等低估" = 等到一个比起点贵 40% 的"假低估"。
类似机制：股市新高时"等回调"的人，大多最终在更高的新高接盘 — 不是因为运气不好，是因为牛市本身的数学性质。
③.3 错觉 3 — DCA alpha 来源 ≠ 买在低位
你以为 DCA alpha = 低位多买。错。DCA alpha 真正来源：
| 来源 | 贡献 | 解释 |
|---|---|---|
| 复利时间 | ~60% | 早投的钱 × 时间 = 累积基数。$1000 月供 25 年 vs 20 年 = 差 1 倍终值 |
| 平摊成本 | ~25% | 高低位都买，均价自然中性 |
| A1 trail 兜底 | ~15% | 不依赖你判断"何时高估" |
→ "等低估再投" = 放弃了 60% 的复利 alpha，只保留 25% 的平摊 alpha 的幻觉版 （因为你不是平摊，是赌底部）。
④ 数学事实（K<0.5 阶段）
| 当前总可调度资金（保守口径） | 主仓 + 自有零钱 |
| A1 TQQQ 桶（当前实际配资） | 主仓 1/3 等额 |
| 月供占已有 A1 桶 | ~0.04 ~ 0.08% |
| 月供 / 已有 A1 仓位 | ~0.04% |
| 月供 / 总可调度资金（保守口径，含全部已激活杠杆） | ~0.02% |
你"在 92% 高估时担心月供接盘风险" — 这个风险在数学上根本看不到。 月供占现有仓位 0.04%，即便买在历史最高然后立刻跌 50%， 对组合 MaxDD 影响 = 0.02%。
你担心的是认知层的不舒服，不是真实的风险。
⑤ 真正合理 vs 不合理的"择时"
金额维度 + 占组合比例 = 决定"择时是否值得"的核心标准，不是估值水平。
| 场景 | 是否合理择时 |
|---|---|
| 月供 $1000（占组合 0.04%） | ❌ 数学上无意义 + 启动踏空陷阱 |
| 信用贷一次性大额入场（占组合 50%+ 的决策） | ✅ 完全合理，值得分批 / 等 forward ERP > 0 / 等 A1 risk-off 后再进 |
| 卖出已有 A1 TQQQ 仓位 | ❌ 违反 tqqq-rebound-params.mdc §"接受 A1 回撤" 4 护栏第 3 条（让 A1 trail 自己决定） |
| 暂停月供 6 个月攒现金 buffer | 🟡 心理保险可做（月供减半，不停），严守 4 前提（详见 tqqq-rebound-params.mdc §"心理诉求合法出口"） |
⑥.1 TQQQ Vol Drag — 不是 -9%，是 σ² 函数
很多人（包括之前的 AI 解释）会简化说"TQQQ 每年有 -9% 波动损耗"。 实际 drag 跟 σ²（年化波动率的平方）正相关，σ 翻倍 = drag 翻 4 倍。 用 3× 杠杆的近似公式 drag ≈ ½ × L(L-1) × σ²（L=3）：
| σ 假设 | 3 × QQQ forward return | drag | TQQQ forward expected |
|---|---|---|---|
| σ = 15%（低） | +18% | 12% | +6%/年 |
| σ = 20%（中） | +18% | 18% | 0%/年 ⚠️ |
| σ = 25%（中高） | +18% | 24% | -6%/年 ⚠️⚠️ |
| σ = 30%（高，常见牛末） | +18% | 33% | -15%/年 ⚠️⚠️⚠️ |
当前（2026-05）QQQ 30 天 realized volatility ≈ 18% — 相对低，是 2024 H2 ~ 2025 AI 牛市持续涨的副产品。
但这是危险信号：历史上 σ < 20% 持续 12+ 个月后， 接下来 6-12 个月经常出现 σ > 30% 的 vol regime shift （2020-Q1 / 2018-Q4 / 2008-Q3 都是这个模式）。估值偏高 + σ 偏低 = vol regime shift 的高 likelihood scenario。
⑥.2 σ 视角强化你的直觉，但结论方向相反
如果你的直觉是"高估 + 高波动 = drag 更大 = 买 TQQQ 应该减少"——学理对一半。 但真正的工程结论不是"减新月供"，而是 让 A1 trail=40% 自动处理 σ regime shift：
| 担心的事 | 谁来处理 | 怎么处理 |
|---|---|---|
| σ < 20% 时 drag 还能扛 | DCA + 持仓 | 数学上 TQQQ +5~10%/年 expected，持续投 |
| σ 突然 >30%（vol regime shift） | A1 trail=40% | trail 触发后切 QQQM，完全避开 high-σ drag（QQQM 无 vol decay） |
| dot-com 级长熊 | A1 trail | 26 年实证 9 窗口存活率 100% |
核心机制：A1 的本质就是"vol regime shift 自动 exit"。 trail=40% 触发的条件（QQQ < 242d MA + TQQQ 回撤 40%） 几乎必然伴随 σ 飙升。所以：
- 低 σ 时 → 持 TQQQ 吃复利
- σ 飙升时 → trail 切到 QQQM，避开最贵 drag 段
这正是 A1 vs 裸持 TQQQ 的核心 alpha 来源（详见
tqqq-rebound-params.mdc "Trail 价值拆解" — dot-com 段 A1 +1.16%/年 vs 纯 MA -0.78%/年 =
+1.94%/年生死线）。
⑥.3 σ 视角下的最终答案（4 行 Q/A）
| 问题 | 答案 |
|---|---|
| -9% 是不是真实 drag？ | ❌ 是简化值，实际 13-20%/年（取决于 σ） |
| σ 高时 drag 更大？ | ✅ 完全对，σ² 关系放大 |
| 当前估值高 → 应该减新月供？ | ❌ 新月供照投，A1 trail 是真正的 σ-aware exit 机制 |
| 信用贷一次性入场时机？ | 🟡 这才是合理的"等更便宜"问题 — 看 forward ERP / A1 risk-on 信号 / 分批入场 |
结论：σ 变化是真问题，但答案不是"减新月供"， 是 "信任 A1 trail=40% 在 vol regime shift 时自动 exit"。 这恰恰是 A1 用 26 年 + 9 窗口存活率换来的设计 — 不依赖你预判 σ 何时飙升。
⑦ 实操结论
- 月供继续，无论 QQQ 通道在什么位置（92% / 80% / 50% 都一样投）
- 不要看通道决定月供 — 通道作为"心理标尺"OK，作为"机械触发"不行
- 如果心理上真的扛不住高位接盘的不舒服 → 走"心理诉求合法出口" 4 前提（减半不停 + 一次性不建规则 + 钱进 BOXX 不进股 + A1 trail 触发后立刻 100% 恢复）
- 把"择时"的注意力留给真正值得的场景：信用贷大额 lump sum 入场（信贷剩余额度到位后还会有一次入场窗口），那才是占组合 50%+ 的决策，分批 / 等 forward ERP / 等 A1 risk-off 都有意义
- 不要把"月供小额决策"和"信用贷大额决策"混在一起 — 同样是"现在 QQQ 在 92%"，对前者无意义，对后者是关键信号
📚 相关页面 / 规则
- 同源问题不同包装：
- 美股 mode →
tab-stop-dca-trap（⛔ 停定投陷阱 - trail=40% 已经够了）— 偏 A1 trail 兜底视角，跟本 tab 互补 - 美股 mode →
tab-leverage-trap（⛔ 杠杆陷阱 - 借钱 QQQ ≠ 无磨损 TQQQ）— 另一类反复诱惑
- 美股 mode →
- 权威 cursor rules：
v3-strategy-context.mdc §10— V3 zero_or_one 机械化路径完整废弃理由 + skip 归因实证ustock-backtest-conventions.mdc §5.6— 对数上升通道 = ⑥.9 trigger 子类 + 73% 机械减仓失败率tqqq-rebound-params.mdc §"接受 A1 回撤" 4 护栏— DCA 哲学 + 月供不能停的硬护栏tqqq-rebound-params.mdc §"心理诉求合法出口"— 真的心理扛不住时的 4 前提退路
- 实证数据：
static/data/v3_skip_attribution.json— skip 归因（按年代 + 近 2 年实证）
⛔ 杠杆陷阱：借钱买 QQQ ≠ "无磨损版 TQQQ"
记录 2026-05-11 用户提出的"找家人募资 / 加信贷 → 增加本金 → 定投 QQQ 避开磨损"思路 ·
关联规则：tqqq-rebound-params.mdc §"不要借钱裸持 QQQ 替代 A1 TQQQ"
· 关联 tab：tab-sector-etf-trap（板块 ETF 陷阱 — 同一会话另一类温和化诱惑）
💭 用户当时的想法（很自然但错）
"TQQQ 磨损那么严重（波动磨损 + 运营磨损），那我借钱（信用贷 / 找家人募集）增加本金， 然后定投 QQQ（无杠杆），不就避开了所有磨损、收益更好吗？"
① 三种方案 dot-com 段对照（50 万自有 + 100 万借款）
| 方案 | 等效杠杆 | 波动磨损 | 止损机制 | dot-com 8 年结果 |
|---|---|---|---|---|
| 裸持 TQQQ（无策略） | 3× 每日重置 | ~9%/年 | 无 | -99.98%（几乎归零） |
| A1 策略 TQQQ（生产方案） | 3× 但有退出 | ~9%/年 | trail 40% + MA | +1.16%/年存活，8 年累 +9.6% |
| ⚠️ 借 100 万买 QQQ（用户提议） | 3× 固定本金 | 0% | 无! |
QQQ -83% × 3 = 本金 -249%
（爆掉还倒欠 99 万） |
QQQ dot-com MaxDD = -83%，假设 8 年后才回到原位。
② 数学拆解：为什么 TQQQ 不会真 -249%，借钱 QQQ 会
TQQQ：3× 每日重置 杠杆
- · 每天重新平衡到 3× exposure，QQQ 跌一段后下一天的 3× 是基于已缩水的 TQQQ 净值
- · 数学上 TQQQ 永远不会跌破 0（自然减杠杆机制）
- · 缺点：波动磨损 ≈ 1.5 × σ²/年（QQQ σ=25% → 9%/年理论拖累）
- · 没有强平风险，可以"装死扛"；A1 trail 进一步把磨损损失救回来
借钱买 QQQ：3× 固定本金 杠杆
- · 100 万借款 + 50 万自有 = 150 万买 QQQ（总仓位固定）
- · QQQ -67%：150 × 0.33 = 50 万 → 本金归零，借款都还不完一半
- · QQQ -83%：150 × 0.17 = 25.5 万 → 倒欠 74.5 万（本金 -249%）
- · 没有任何止损机制，下跌中要么加保证金、要么强制平仓 → dot-com 大概率被斩头
💡 关键洞察
TQQQ 的"波动磨损"不是 bug，是它用来换"永远不会真爆仓"的代价。 每日重置 = 在你不知不觉中持续 deleverage，让你能在 dot-com -99% 后仍然有 资格"配 A1 救回来"。借钱固定杠杆 = 把这个安全机制砍掉，换"看起来高一点"的回报。
③ 结论锁死（防未来再问同款问题）
当前主仓按 1:1:1 等额三桶(BTC = MSTR 上限 = TQQQ A1) + 独立固定安全垫部署,生命周期 K<0.5 阶段。 资金来源 = 信用贷(年化 ~3%)+ 少量自有,具体数字见本地
.cursor/rules/lifecycle-params.mdc。
- 找家人募资 → 引入"家庭关系"失效点 + 杠杆叠加
- 大幅增加信用贷额度 → dot-com 段利息扛不住
- 把 TQQQ 全切到 QQQ → 放弃 A1 +13pp alpha
- 借钱裸持 QQQ → 没有止损 = dot-com 强制平仓 + 倒欠
A1 历史 +29.6%/年 = "裸 TQQQ 磨损 + 3× 杠杆 + A1 alpha" 的净值。 P50 锚定 +25%/年（中性预期）= 已经扣除磨损 + 过拟合溢价后的数。 磨损不是隐藏成本，是已经在 ledger 上的成本。
借款定投 QQQ ≠ 无磨损版 TQQQ。 借款是 3× 固定杠杆，会真爆仓； TQQQ 是 3× 每日重置，不会真爆但有磨损； A1 = TQQQ 之上加 trail/MA 退出，磨损被退出机制对冲掉了。
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）。
🛡️ 红色区域的真实价值：躲过了多少 TQQQ 大跌？
| 时段 | 天数 | TQQQ | QQQ | 躲过 |
|---|
| 时段 | 天数 | TQQQ | QQQ | 错过 |
|---|
▸ 查看所有红色区间（含切对 + 切错全部 — 段）
| # | 退出日 → 入场日 | 天数 | TQQQ 同期 | QQQ 同期 | 差 | 结果 |
|---|
💡 这就是 trail 机制「非对称回报」的实证： 胜率只有 33%（12 次切对 4 次），但因为切对的几次都在熊市开头 （08 GFC 躲 48pp / 22 加息熊躲 30pp / 20 COVID 闪崩躲 18pp）， 熊市保命的金额远大于牛市踏空的金额。
🎯 为什么不能去掉 Trail=40%？ 这正是 A1 (242d/40%) 这套参数的灵魂 — 牺牲牛市少量锐度（每次错切平均 13pp）， 换取熊市生存权（每次救命平均 25pp，且关键时刻能救活整套策略）。 纯 MA 策略在 dot-com 段会被打 -99.98%，trail 救活了 26 年的整套回测。
⚠️ 数字口径：表中 TQQQ / QQQ 涨跌都是"退出日收盘 → 下次入场日收盘"两点变化。 实际持仓 QQQM（不是 QQQ），但费率差异 < 0.05%/年，可忽略。 最后一笔交易仍在开放中（持仓 TQQQ），不计入红色区间统计。
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 |
⭐ A1 路径稳健性 4 部曲（→ tab-a1-path-robustness） |
gen_multi_start_compare.py / gen_dampened_walkforward.py / gen_spy_a1_trail.py / gen_montecarlo_bootstrap.py |
multi_start_compare.json / dampened_walkforward.json / spy_a1_trail.json / montecarlo_bootstrap.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。