都江堰选币策略：完整理解报告（视频介绍篇 + 适度理解篇）

本报告合并两个来源：讲解”策略怎么做的”直播介绍篇（视频14），与”策略为什么赚钱”的适度理解篇（视频15），并保留两篇各自的独立复现核对结果。

〇、阅读说明

介绍篇：26分享会策略直播14-邢不行：都江堰策略介绍.mp4，回答”策略怎么做”。
适度理解篇：26分享会策略直播15-邢不行：都江堰选币策略适度理解.mp4，回答”策略为什么赚钱”，并把复盘结论拆开验证。
两篇均为讲师直播的历史回测展示，不代表未来实盘结果；报告始终把”视频事实”和”我的判断/复现核对”分开。
报告中标为”复现核对/独立复现”的内容，是基于本地数据的独立验证，非视频画面数字。

一、结论先行

都江堰是一个小时级、多头、全市场选币策略。它想捕捉的不是第一次突然暴涨，而是：

币种先经历显著放量，随后成交量萎缩到相对极致；在缩量阶段入场，等待潜在的二次上涨，并在再次放量时离场。

它符合一种事件等待/凸性收获结构——先买入”曾经放量、当前深度缩量”的币，忍受较长时间的低迷与亏损，等待下一次放量上涨，并在放量达到横截面高位时退出。而不是传统意义上的短期反转策略。

策略真正重要的创新不只是成交量因子，而是把”入场”和”离场”拆成两套阈值。传统横截面策略只要币种掉出前 10% 就卖出，导致每小时频繁换仓；都江堰允许币种在进入后继续持有，直到排名恶化到很靠后才退出。这个迟滞区间把原始策略约 34.65% 的小时换手率降低到约 0.6%，让本来会被手续费拖到归零的信号变得可交易。

适度理解篇在三件事上进一步推进：

收益并不发生在买入时，而高度集中在离场前约 24 小时和离场那根 K 线。
**退一补一不是唯一可行结构。**只要把入场阈值收紧，“满足条件立即入场”的模型 B 在 2021 年以后与原模型 A 的超额表现接近，并且容量更大。
**新增 720 小时最大持仓限制。**它对历史净值影响很小，但逻辑上能清理已经偏离原始选币假设的长期滞留币。

我的独立判断：都江堰本质上是”相对成交量收缩 + 双阈值迟滞”的状态机。因子负责发现候选币，出入场分离负责把信号变成低换手组合。后者很可能比因子本身更有通用价值。它的好处是把进场与出场的经济含义分开；它的风险则是收益高度依赖少数离场事件，单独作为纯多策略时体验会很差。

二、视频与核验口径

篇目	视频文件	时长	处理方式	本地产物
介绍篇	`26分享会策略直播14-邢不行：都江堰策略介绍.mp4`	约 1 小时 32 分 15 秒	本地 FFmpeg 抽帧、本地 Whisper 完整转录、关键画面人工复核	转录稿 `D:\aitools\summarize\outputs\都江堰策略介绍-transcript.txt`；抽帧索引 `...\都江堰策略介绍-slides.txt`
适度理解篇	`26分享会策略直播15-邢不行：都江堰选币策略适度理解.mp4`	约 1 小时 12 分 49 秒	完整离线语音转录、关键时间点抽帧、画面数字核验	转录稿 `D:\aitools\summarize\outputs\都江堰适度理解-transcript.txt`；关键画面 `...\都江堰适度理解-frames`

说明：

两期视频均未上传云端，仅在本地处理。
视频展示的回测倍数属于演讲者的历史回测结果，不是本报告独立复现的结果。
适度理解篇是对介绍篇的补充，两期的回测区间与口径不一定完全一致，引用时注意区分。

三、策略直觉

1. 想吃的是二次上涨

视频先展示多类币种形态：

第一阶段出现放量上涨；
随后横盘、回落或整理，成交量显著收缩；
若叙事和资金热度仍在，币种可能出现第二次拉升；
第二次上涨通常再次放量，这又天然提供离场线索。

因此策略并不尝试预测第一次爆发，而是在第一次放量已经留下痕迹后，等待成交量冷却，再押注热度复燃。

2. 为什么不会只选到长期无人交易的小币

因子的分子需要足够小，但分母也需要足够大。一个长期无成交、一直冷清的币，当前成交量虽然低，历史最大成交量通常也低，二者之比未必极小。真正容易被选中的，是过去曾明显活跃、当前相对自身历史进入极端缩量的币。

视频统计称，策略选币的成交量分位大体落在全市场约 30%～40%，更接近中小币，而不是纯粹的最小、最不活跃币；同时也能选到部分大币。

四、核心因子

视频中因子在画面图例中显示为 VolumeMaxBias。可写为：

VolumeMaxBias_t(N) = Volume_t / max(Volume_{t-N+1}, ..., Volume_t)

其中：

Volume_t：当前小时成交量；
N：历史回看窗口；
分母：最近 N 小时内的最大单小时成交量。

性质：

因子值在 (0, 1]；
越接近 0，说明当前相对历史峰值越缩量；
等于 1，说明当前小时就是窗口内最大成交量；
横截面上按因子从小到大排序，越小越优先做多。

例子：若当前小时成交量为 100 万，最近 100 小时最大单小时成交量为 1 亿，则因子值为 1%。

它不是简单选择成交量最低的币，而是要求币此前出现过明显放量，随后进入缩量盘整。经济假设是：市场注意力曾经进入该币，当前处于缩量消化阶段，未来可能出现第二次放量上涨。

复现核对（适度理解篇）：复现实现为 Volume_t / max(Volume_{t-719..t})（N=720 小时滚动最大），与口述形式一致；持仓时长分布（中位 115h/均值 184h/最长 1053h）与直播展示（108/175/1125）逐项吻合，间接确认口径对齐。唯一存疑处：直播说”当前近期成交量”，复现分子是单根小时线——直播未给出精确定义，若指多根均值则有细微差异，但分布吻合说明实际口径接近。

五、选币范围与数据口径

1. 全市场选币

策略不是固定在”仅现货""仅合约”或”现货与合约共有币”中的某一个域，而是在全市场范围进行横截面排序。画面约 18:00 明确列出：

仅现货；
仅合约；
现货与合约共有币。

2. 同时有现货和合约时，以合约成交量为准

视频给出的理由是合约成交量通常更大、更有代表性。故涉及成交量类因子时，需要明确同币多市场的数据源，不能随意混用。

3. 策略会自然改变市场域暴露

视频统计称：

2021～2022 年，持仓大多来自仅现货域；
2025 年后，仅合约域占比提高，最高阶段约占 60%；
现货与合约共有币仍占相当比例。

这不是预先硬编码币域，而是成交量因子产生的内生选择：哪个币域当时更受市场关注、前期放量更强，后续缩量比值就更容易足够低，因而更容易入选。

演讲者用它说明：不要因为最近仅合约域表现好，就把策略硬限定在仅合约域；更合理的是让同一套信号根据市场结构自然选择当时活跃的域。相比直接限定”只选仅合约/仅现货”的回测，这种方法过拟合风险更低。这是一个值得保留的设计思想，但”自然轮动是否真的稳健”仍需走样本外验证。

六、原始策略为什么不可交易

原始实现是：

每小时排序一次；
买入因子最小的前 10%；
一旦掉出前 10% 就卖出；
持仓周期相当于 1 小时。

由于分母是 N 小时最大成交量，短期变化慢；分子是当小时成交量，变化很快。因此币种排名每小时都会剧烈变化。

视频给出的结果：

无手续费分箱第一组约 800 多倍；
计入真实交易手续费后，原始资金曲线归零；
资金费率不是主要矛盾，去掉资金费仍近似归零；
去掉手续费则又能接近分箱结果；
原始策略平均小时换手率约 34.65%，高时接近 50%。

这说明分箱超额并不等于可交易超额。对小时级横截面策略，如果不把手续费、滑点和真实换手纳入资金曲线，结论很容易完全反转。

独立复现反例（适度理解篇）：无迟滞的纯排名模式（每小时重选最缩量前 5%、排名滑出即卖）年化 -61% 归零——它把组合永远停留在”刚入场”的失血时段、丢掉全部离场脉冲。证明 alpha 不在”选到缩量币”，而在”持有到放量”，从反面支持都江堰结构的核心价值。

七、交易机制：从限制换仓到出入场分离

方案 A：限制每次最大换仓数量

若组合持有 5 个币，下一小时有 3 个币掉出前五：

原始方式：三个全部卖掉，换入新的前三；
限制换仓为 1：只卖出当前持仓中排名最差的一个，只买入候选中因子最小的一个。

关键规则：

最应该离场的先离场，最应该入场的先入场。

画面约 38:00 对这一规则进行了表格演示。视频称，仅将每小时最大换仓数限制为 1，资金曲线就由归零改善到约 160 多倍。

方案 B：入场和离场使用不同阈值

这是都江堰正式采用的核心模式：

入场：横截面因子排名 <= entry_threshold
离场：已持仓币的横截面因子排名 >= exit_threshold

示范值：

entry_threshold = 0.10
exit_threshold  = 0.90

含义是：只有最缩量的前 10% 才能进入，但进入后不会因为稍微掉出前 10% 就离场；只有当它由极端缩量演变为全市场相对放量、排名进入后 10% 左右时才卖出。

该设计在 10% 与 90% 之间形成很宽的”迟滞区”。组合不会围绕单一阈值反复开关，从而显著降低换手。

若市场币种总数增加，目标持仓数也随比例增加，此时允许只进不出；正常情况下，离场多少再补入多少。

模型 A：原始”退一补一”

模型 A 就是把上面这套机制按”退一补一”落地。每小时执行：

因子从小到大进行横截面排名；
新币排名小于 0.1，才具有候选资格；
已持有币排名达到约 0.9 及以上时退出；
退出几个币，才能补进几个币；
若同一小时有多个入场候选，则优先选择排名最小、缩量最深的币。

“退一补一”的关键不只是维持固定币数，它还形成了二次筛选：虽然名义门槛是前 10%，真正成交的币往往接近前 2% 左右。

复现核对（适度理解篇）：五条规则在框架实现中逐条对应（补位数量 = 目标持仓 − 留存数，候选按因子值升序取前 need 个）。“二次筛选”实证成立：从 layer1 原始数据重算因子截面排名，模型 A 实际入场排名均值 0.0269、中位数 0.0246，逐年稳定在 0.0260.028——比直播的 0.018/0.017 略浅（30% 入场样本因数据空洞未匹配，缺失偏向数据质量差的币，方向上支持直播口径），但结论一致：名义门槛 10%，实际成交集中在前 23%。

模型 B：满足条件立即入场

模型 B 是适度理解篇新增的扩展结构：

不等待旧币离场；
只要币达到入场阈值就直接进入；
新币加入时，现有持仓重新等权；
达到出场阈值后正常离场；
持币数量可动态扩张，极端情况下可能覆盖大部分币。

若模型 B 沿用 10% 门槛，历史回测约一百多倍，明显低于模型 A 的约一千倍。原因不是”错过的币一定更差”，而是模型 B 把排名 5%～10% 的大量次优币也纳入了。

画面和口述给出的入场排名对比：

模型 A 实际入场排名均值约 0.018，中位数约 0.017；
模型 B 使用 10% 门槛时，实际入场排名均值约 0.07。

将模型 B 的入场阈值收紧后：

5% 门槛：回测净值提升至约 300 多倍；
3% 门槛：进一步提升至约 400 倍；
与模型 A 的差距主要来自 2021 年，之后两者超额曲线接近同步。

因此模型 B 的价值主要是容量与分散性，更适合资金规模较大、希望持有更多币的场景，而非简单追求全样本最高净值。

独立复现核对（2026-08-19）

用本地数据复现模型 B（门控立即入场、持仓浮动、出场门 0.9 不变）后，结论为：数字基本命中，但有一个关键口径确认——直播引用的净值全部是零手续费口径（含费下模型 A 只有约 508 倍，零费 1048 才对应”约一千倍”）。

配置	直播（零费）	复现零费	复现含费
模型 A	≈一千倍	1048	508
B + 10% 门	约一百多倍	192	52
B + 5% 门	约 300 多倍	499	140
B + 3% 门	约 400 倍	703	201

梯度方向与量级完全一致（绝对值系统性偏高 1.6~1.75 倍，可能来自数据覆盖与 funding 口径差异）；
B 10% 门入场排名均值复现 0.0708，与直播 0.07 精确命中；“B 纳入大量 5~10% 次优币”的归因成立；
“差距主要来自 2021、之后超额接近同步”：零费口径下基本成立——A/B(3%门) 净值比 2021 年末 1.29，之后五年在 1.29~1.49 窄幅波动（2024 年还回落），小时收益相关 0.9875。但含费口径下不成立：比值从 1.45 持续扩大到 2.52——费率是固定成本，B 收益基数低、相对损耗更重，实盘（有费）时 B 的落后比直播展示的更大；
容量主张成立：B 持仓 39~~76 币（模型 A 为 27，约 1.4~~2.8 倍），换手 0.67%~0.81%/h 反而低于 A 的 1.15%。

八、视频给出的参数

1. 单参数示例

回看窗口：画面和讲解中曾展示 720 小时，参数平台最终举例取 702 小时；
入场阈值：0.10；
离场阈值：0.90；
调仓频率：小时级；
选币比例：前 10%；
方向：多头。

702 很可能是为了避免只取整数整百的示范参数，不应把它理解为具有经济学上的神奇精确性。

2. 参数覆盖版本

视频介绍的参数覆盖大致为：

N：400～1300 小时的较宽范围；
入场阈值：0.05、0.10、0.20 等；
离场阈值：0.60、0.70、0.80、0.90 等。

演讲者称入场和离场阈值相对不敏感，主要参数是回看窗口 N。视频展示的覆盖组合最终同时持有 200 多个币。

九、视频展示的回测和统计

以下均为视频展示，未由本报告独立复现：

原始无手续费分箱第一组：约 800 多倍；
限制每小时最多换 1 个币：约 160 多倍；
入场 10%、离场 20%：约 0.26 倍；
入场 10%、离场 50%：约 400 倍；
入场 10%、离场 90%：约 761 倍；
参数覆盖版本：约 500 多倍、持仓 200 多币；
参数覆盖版本不计手续费：约 1500 多倍；
新模式小时进出换手率：约 0.6%（视频说明此值可能不含 rebalance）；
历史交易过约 566 个币；
单笔交易胜率：约 60%；
盈利交易平均约 +10%，亏损交易平均约 -10%；
最短持仓约 1 小时；
中位持仓约 109 小时；
平均持仓约 175 小时；
最长持仓约 1125 小时。

画面约 1:10:00 还显示：持仓 5～8 小时的交易胜率接近 80%、平均收益约 4%；持仓越久，胜率和平均收益总体越差，超过 30 天的组平均收益明显为负。

这个现象提示，策略存在”长期滞留的失败持仓”，但不能据此直接添加强制持仓上限，因为这可能是使用完整样本后才发现的优化方向，容易过拟合。应先固定规则，再进行时间切分和滚动样本外验证。（适度理解篇最终提供了 720 小时强制退出方案，详见第十二节。）

十、收益来源拆解

1. 持仓生命周期五段拆分

直播将每次持仓从进场到离场拆成五段：

买入的第一根小时 K 线；
第一根之后至入场后第 24 小时；
入场第 24 小时后至离场前 24 小时；
离场前约 23 小时；
离场的最后一根小时 K 线。

对持仓不足 48 小时的币，中间第三段不纳入该拆分。拆分图不计手续费，且第四、第五段的识别使用了未来离场时点，因此只能做归因，不能直接形成可交易策略。

第一段：贡献很小

净值大致从 1 增至 1.05～1.06；
加上开仓手续费后可能为负；
说明发出信号后立即买、晚一至数小时买，对总体结果影响有限。

这也是代码可以随机化入场延迟、减少多人同一时刻拥挤成交的依据。

复现核对：成立。第一段合计仅占总收益 1.9%（+1.03 对数收益）；单笔平均 +0.0145%，低于开仓手续费（合约万 6 含滑点、现货千 1），含费后单笔为负精确成立。“1 增至 1.05~1.06”的具体画法依赖口径无法对齐，但不影响”影响小、可随机化入场延迟”的结论。

第二与第三段：长期亏损区

入场后第一天整体呈归零型曲线；
第 24 小时到离场前一天的中间阶段同样接近归零，画面口述最大回撤约 99%；
这些币仍处在缩量调整和埋伏阶段，是策略最难持有的部分。

重要的是，这不代表可以事先剔除这些阶段。只有未来知道何时离场，才能划分出”倒数 24 小时”，因此拆分存在未来函数。

复现核对：成立且更极端。第二段微正近零（+0.0029%/h，“归零型”✓）；第三段是最大失血区——每小时 -0.0229%，全期合计 -234 对数收益，该段独立复利净值归零（最大回撤 -100%，比口述的 99% 还彻底）。第三段六年里每年都是负的。

第四与第五段：几乎全部利润来源

离场前约 23 小时的拆分曲线，口述累计约 1200 倍、最大回撤约 15%；
离场最后一根 K 线也有非常强的收益贡献；
放量上涨使因子快速升高，达到 0.9 出场阈值，因此”上涨”和”离场”在机制上天然绑定。

关键画面在约 24:07 明确总结：

第一段：影响小，含手续费后持续下跌；
第二至第三段：持续缩量调整，表现很差；
第四至第五段：出现放量上涨，进入收获阶段。

复现核对：核心结论成立——第四、五段合计 +321 对数收益 = 全期总收益（+53.4）的 6 倍，其余持仓时间合计 -268；离场最后一根 K 线单根平均 +2.40%/h，是五段中最强。该结构逐年稳定：四、五段每年 +34~+62 全为正（2025 全年亏 -30.6% 时仍 +61.5），不是某个时段的运气。

两个口径注意事项（复现中发现，直播未说明）：

短交易的段 2 与段 4 重叠：持仓不足 48h 的交易，同一根 K 线既在”入场后 24h 内”也在”离场前 24h 内”，五段直加会重复计 +38.6 对数收益（直加 92.0 vs 实际 53.4）；

“累计约 1200 倍、回撤 15%“对复利口径高度敏感：1200 倍对应”每笔约 0.1%“的口径（恰等于复现的每小时均值 0.0993%）；换按小时等权平均复利会得到天文数字和不同回撤。方向与相对大小可靠，绝对倍数不可直接引用。

2. 离场频率与收益稳定性（已独立复现修正）

视频统计每小时持仓中有多少比例的币触发离场，并按离场币比例把所有小时分成五组。直播画面（约 36:16）给出的历史统计：

离场频率分组	样本数	都江堰平均收益	平均超额收益	都江堰胜率	超额胜率
0%～20%	9399	-1.13%	-0.30%	53.41%	46.63%
20%～40%	9602	1.28%	0.07%	54.17%	48.25%
40%～60%	9298	0.09%	0.61%	53.98%	49.83%
60%～80%	9413	4.67%	0.90%	55.40%	51.01%
80%～100%	9447	4.03%	1.87%	55.92%	53.61%

注：表中百分数按画面小数换算；60%～80% 组的绝对收益因鼠标遮挡，结合口述约为 4.67%。

独立复现的核对结果（2026-08-19，baseline 7130 笔交易）：用本地数据完整复算后，核心方向成立，但三个具体数字需要修正。

**成立的部分：超额收益随离场频率单调递增。**按每小时离场比例五分位分组（离场当根 K 线口径），超额收益从最低组的 -0.0045%/h 严格单调升至最高组的 +0.3370%/h（组间差 t=16.3，高度显著），胜率从 52.3% 同步升至 71.3%。“收益来自放量离场事件”的解释被数据支持。分年度方向恒为正，但幅度递减（2021 年组差 +0.479% → 2024-25 +0.234% → 2026 上半年 +0.066%），与整体 alpha 衰减一致。

修正一：“平均每小时约 10% 持仓离场”不符。真实小时离场比例均值仅 0.57%/h，且 87% 的小时离场比例为 0。10% 对应的是日频口径（约 13.7%/天）或”持仓中处于离场前 24h 的币占比”（约 12%）——三个口径数学上可换算，直播口述混用了口径。逐年形态（2021 最活跃、2024-25 趋稳）成立。

**修正二：直播表格本身口径存疑。**五组样本数均匀（9399~9602）与真实分布（87% 小时零离场，不可能产生均匀五分位）矛盾；组均值加权约 +1.79%/h，复利 5.5 年为天文数字，与组合实际平均 +0.06%/h 无法共存。表内数值无法由任何小时组合收益口径还原——量级最接近的是”仅离场币自身的离场 K 线收益”（最高组 +3.95% ≈ 画面 +4.03%），但低组的 -1.13% 仍无解释。结论：表格数字不可直接引用，方向性结论可靠。

**修正三：“绝对收益非严格单调、超额单调”的细分表述不成立。**复现口径下绝对收益同样严格单调（-0.014% → +0.424%/h）——离场高峰小时的收益是绝对与超额双高，并非”只靠跑赢大盘”。

复现中的新发现：离场后零延续

把统计窗口换成”离场后的下一根 K 线”，最高组超额 +0.0185% ≈ 最低组 +0.0136%，梯度完全消失。超额收益 100% 在离场当根 K 线内实现，放量脉冲被出场门瞬间收割干净，之后没有动量延续（近年高离场时段的次小时甚至转负）。这是”事件收割”结构的第三个独立证据——脉冲不留尾巴。

统计质量备注

离场原因中”退市/数据缺口”型仅占 0.6%（7070 个离场事件中 78+45 个），主动放量离场占绝对主体，统计不被退市污染；
内生性提醒：离场由当根 K 线放量上涨触发，离场比例与收益同源同时——分组表是机制归因而非可交易信号，与五段拆分”未来函数”声明同理。

3. 与传统动量策略的对照

视频对照指出：

反转/埋伏型策略的利润更多出现在持仓末期；
动量策略利润更多来自持仓初期，中后期反而容易回吐。

因此，都江堰最大的心理难点是：大多数时刻持有的币看起来”没有用”，总体盈利依赖少部分刚进入离场阶段的币。

复现核对：动量对照命题本数据无法直接验证（无动量策略样本），但存在强力侧证：无迟滞纯排名模式（只吃持仓初期）年化 -61% 归零，利润确实不在持仓初期。“多数持仓看起来没用”可量化：组合内任意时刻平均只有约 13% 的持仓处于”离场前 24h”状态，却贡献几乎全部收益。

4. 收益来源的合理解释

视频把策略讲成”二次上涨”，但从机制上看，收益来源可能是几种效应叠加：

注意力残留：历史极端放量代表币种曾进入市场关注中心，热度未必一次耗尽；
成交量收缩后的波动压缩：当前极端缩量代表短期交易拥挤下降，后续可能出现波动扩张；
全市场相对活跃度轮动：信号会随市场结构在现货、合约和共有币之间改变暴露；
止盈式退出：上涨通常伴随放量，90% 离场规则可能在价格爆发时卖出；
强制降低交易频率：迟滞规则本身减少了噪声交易和成本侵蚀。

但要注意：该因子不区分历史最大成交量发生在上涨还是下跌，也不区分当前再次放量是上涨、暴跌还是下架。因此”二次上涨”更像对部分成功案例的形态解释，而不是因子所保证的逻辑。

十一、币域轮动与下架币

1. 自动偏向活跃币域

视频展示都江堰持仓的币域构成发生过明显变化：

早期更多来自”仅现货”币；
2025 年以后，“仅合约”币占比显著上升，高峰超过一半；
现货与合约同时存在的币约占另一部分。

这来自成交量因子的内生选择（见第五节第 3 点），相较硬编码币域过拟合风险更低，但仍需要样本外确认。

2. 下架币冲击相对较少

视频口述对比称，从 2021 年起到回测末期：

对照的”大学生”策略遭遇约 104 个下架币；
都江堰约 14 个。

讲师据此判断下架币对都江堰影响不大。这个数字是直播中的回测统计，无法从视频外独立复算；此外，未来交易所下架制度变化仍可能使风险重新上升。

十二、最大持仓时长修正（720 小时）

直播复述的历史持仓周期统计：

最短约 1 小时；
最长约 1125 小时；
中位数约 108 小时；
平均约 175 小时。

持仓过久的币逐渐偏离初始逻辑：原本选择的是”近期曾经放量、现在缩量”的币；经过数周仍未再次放量后，它已变成普通的长期低活跃币。

因此提出：

最大持仓时长 = 720 小时（30 天）

超过 720 小时强制退出。约 1:04:30 的画面核验到该版本回测：

累计净值：1029.34
年化收益：262.74%
最大回撤：-63.02%
收益回撤比：4.17
胜率：54.58%
盈亏比：0.89
最大回撤区间：2022-04-05 至 2022-05-12

讲师结论是曲线与原版几乎没有差异，因为历史上超过 720 小时的币很少；增加限制主要是防范未来长期滞留，而不是回测增益优化。它没有明显提高回测收益，反而说明这不是为了”调参变漂亮”。从因果逻辑看，30 天后”近期放量”的信息已经老化，清理滞留仓位合理。仍建议对 360、480、720、960 小时做参数覆盖，确认不是单点选择。

十三、主要风险

1. 离场信号不区分上涨放量和下跌放量

再次放量可能是止盈机会，也可能是暴跌、插针、清算或下架。视频展示的失败案例中，确有在大幅下跌后才因放量离场的情形。

2. 长期阴跌币会被迟滞规则困住

币种若持续阴跌但成交量始终不够大，因子排名可能长期不到 90%，造成持仓数周甚至一个多月。视频统计也显示超长持仓组表现最差。720 小时强制退出是对此的第一道防线，但不是万能解。

3. 离场事件不足

当很少持仓进入放量离场阶段时，策略大部分仓位都停留在亏损的第二、第三段。历史分组显示，离场频率最低组的绝对收益和超额收益均为负。

潜在触发环境：

市场流动性持续萎缩；
山寨币注意力高度集中在少数大币；
曾放量的币长期没有第二次活跃；
全市场持续单边下跌。

4. 利润集中度高

策略的高累计净值可能来自少数强烈放量时刻。五段拆分证明了收益的时点集中，却没有充分证明收益在币种、年份和交易所之间同样分散。必须进一步检查：

每年前十大盈利币贡献；
去掉最赚钱 1%、5% 交易后的净值；
2021 年前后分别统计；
不同交易所和流动性层级的结果。

5. 纯多暴露和深回撤

720 小时版本画面显示最大回撤约 63%，口述的”千倍曲线”掩盖不了单独运行时的熊市风险。回测倍数高度依赖复利、币池历史和幸存者偏差处理：

退市币是否完整保留；
新币上市前数据处理；
当时真实可交易合约和现货列表；
最小下单量、精度和撮合约束；
开高低收成交量的时间对齐；
手续费档位、滑点、资金费率；
横截面计算是否存在未来数据；
组合复利和再平衡口径。

6. 大量参数覆盖可能隐藏多重检验

N 覆盖 400～1300，入场、离场阈值又多档组合，最后混合后曲线更平滑是正常的，但这不自动证明稳健。应该报告单参数分布、参数间相关性以及未参与选择的样本外阶段。

7. 容量并不等于持仓数量

持有 200 多币看起来分散，但其中很多是中小币。真正容量取决于下单时点的盘口深度和换仓金额，而不是币种个数。遇到统一的小时整点调仓，还可能产生群体冲击成本。

8. 市场结构漂移

策略会动态倾向仅现货或仅合约域，这既可能是优势，也可能说明收益依赖特定阶段的上市机制、合约上币政策或市场参与者结构。

9. 模型 B 的隐性换手

模型 B 每有新币加入就重新等权，可能卖出全部旧仓的一小部分。持币数虽然更大，但动态扩容与再平衡会增加：

交易手续费；
小币滑点；
冲击成本；
实盘与小时收盘价回测的偏差。

直播对模型 B 的历史净值对比不足以证明扣除真实成交成本后仍然更优。

10. 数据与退市偏差

下架币数量较少不等于没有幸存者偏差。需要确认回测币池是否包含历史已下架币、是否使用当时可得的数据、缺失 K 线如何处理，以及下架最后阶段能否按回测价格成交。

11. 未来函数误读

第四、第五段的漂亮曲线依赖事后知道”何时离场”。它们只能证明收益归因，不能拿来声称可以提前只持有最后一天。若将该拆分直接转为过滤器，很可能引入未来数据泄漏。

十四、实盘定位与体系关系

1. 与落单狗、沧浪亭的关系

与落单狗

都江堰：多头选币，寻找历史放量后当前极端缩量的币；
落单狗：空头选币，先找与 BTC 相关性低的币，再用涨跌量比筛选。

两者方向和因子来源不同。视频明确把都江堰多头与落单狗空头组成中性组合，并称其近期匹配度优于原先的”四龙 + 落单狗”。

但”匹配”不能只看组合曲线，需要进一步检查：

多空两侧净敞口；
市值和流动性敞口；
仅现货/仅合约域暴露；
山寨行情集中上涨时的尾部风险；
多空两侧是否共同暴露于成交量、波动率和新币效应。

与沧浪亭

都江堰是信号层的多头选币；沧浪亭是组合层的多空仓位管理。两者不替代，而是上下游：

都江堰产生多头组合
落单狗等产生空头组合
        ↓
组成基础多空组合
        ↓
沧浪亭动态调节多空仓位/杠杆

视频声称基础中性组合约 300 多倍、最大回撤约 20%，加入沧浪亭后约 3000 多倍、回撤仍约 20%。这类十倍级提升必须单独审查杠杆口径、资金利用率、爆仓约束以及是否使用同一回测区间，不能仅凭最终曲线接受。

在整体体系中的定位

视频把都江堰定位为新的多头旗舰，与大学生、四龙等多头风格互补，并用于落单狗中性组合、沧浪亭以及浪淘沙等组合框架。它不是建议单独满仓运行的传播策略；演讲者反复强调需要慢慢理解、小资金开始。

2. 直播给出的组合示例

适度理解篇直播最后给出的组合建议是：

多头：约 30% 都江堰 + 20% 四龙；
空头：当前约 50% 落单狗；
后续新增空头策略后，再在两个空头策略之间均衡；
不使用四龙时，20% 也可考虑比特币作为独立分割。

这里的百分比语境是视频中的组合示例，不是针对个人风险承受能力的投资建议。

讲师明确强调评价都江堰应看其相对全市场的超额，而不是要求纯多曲线持续跟随比特币创新高。其定位更适合：

作为组合中的多头 alpha 模块；
与空头策略组成中性或偏中性组合；
与不同收益来源的多头模块分散；
不适合作为低回撤、单策略满仓方案。

十五、我的独立判断

1. 最有价值的创新

都江堰真正有价值的部分不是某个成交量公式，而是进出场使用不同状态定义：

入场寻找”曾放量、现缩量”；
出场等待”重新放量”；
允许策略跨越一段不舒服的等待期，而不是每小时重新选择排名最优的币。

这避免了普通横截面策略因同一个阈值频繁进出，同时把收益目标与退出信号绑定。它最值得肯定的是：明确展示了一个分箱很好、实盘却因换手归零的信号，如何通过交易规则改造成可执行组合。这比单独展示高收益曲线更有研究价值。

最值得检验的问题是：收益究竟主要来自 VolumeMaxBias，还是主要来自”宽进宽出”的低换手状态机。如果把同样的双阈值机制套到其他有横截面预测力但高噪声的因子上也有效，那么都江堰最有价值的成果其实是交易机制，而不只是一个成交量公式。

2. 五段拆分支持机制，但还没有完全证明稳健性

五段拆分很好地回答了”钱在哪赚”，但尚未回答：

为什么未来仍会有足够多的第二次放量？
收益是否被 2021 年和少量妖币主导？
扣除真实滑点、资金容量和无法成交情形后还剩多少？

所以应把它视为强机制证据，而不是最终稳健性证据。同时，两个口径问题（短交易段 2/段 4 重叠、1200 倍对复利口径敏感）说明绝对数字不能直接引用。

3. 720 小时强制退出值得保留

它没有明显提高回测收益，从因果逻辑上看是清理信息老化的滞留仓位，合理。仍建议对 360、480、720、960 小时做参数覆盖确认非单点。

4. 模型 A 与 B 应按资金规模选择

小中规模：模型 A 更集中地选最深度缩量的币，名义换手较低；
较大规模：收紧入场阈值后的模型 B 更分散、容量更大；
两者不应只比较全样本最终净值，还要比较 2022 年以后超额、滑点、换手和单币容量；且含费口径下 B 的落后比零费口径更大。

5. 最终定位

都江堰的设计比单纯的”缩量买入”更完整：

历史最大成交量提供”曾经活跃”的背景；
当前/历史最大成交量比刻画”当前冷却”；
低排名入场、高排名离场形成迟滞；
迟滞大幅降低换手与手续费；
全市场排序允许策略随市场结构改变交易域。

但目前仍不能得出”策略已被充分理解”的结论。二次上涨只是直观叙事，长期阴跌、下架放量、样本选择、参数覆盖和成交成本仍可能显著改变结果。合理定位是：一个值得复现的多头候选策略，以及一种很有通用性的出入场分离框架；不应直接把视频中的数百倍回测当作未来收益预期。

十六、建议的复现与验真流程

第一阶段：复现最小版本

固定：

1 小时 K 线；
N=720；
入场 10%；
离场 90%；
全市场币池；
共有币采用合约成交量；
等权多头；
不做参数覆盖。

先逐笔核对至少 20 个入场和离场案例，确认横截面排名、时间对齐及共有币成交量来源完全正确。

第二阶段：成本压力测试

至少测试：

手续费 1×、1.5×、2×；
单边滑点 5、10、20、50bp；
资金费率真实序列；
小币按成交额参与率限制下单；
整点后一根 K 线成交，而非信号当根理想价格。

第三阶段：样本外与消融

按时间滚动：

用较早阶段选参数；
后续阶段只验证、不重新调参；
单独报告 2021、2022、2023、2024、2025、2026；
分仅现货、仅合约、共有币报告贡献。

做以下消融：

单阈值 vs 双阈值；
当前成交量/最大成交量 vs 平均成交量、分位数；
仅因子 vs 强制最大持仓期（覆盖 360、480、720、960 小时）；
不区分涨跌放量 vs 区分方向；
单参数 vs 参数覆盖；
等权 vs 流动性约束权重。

完整清单（适度理解篇补充）：

严格复现因子窗口、入场 0.1、出场 0.9 和退一补一细节。
对 2021、2022～2023、2024～回测末期分别报告结果。
同时报告绝对收益、对全市场超额、最大回撤和换手。
将持仓生命周期拆分重做一次，确认没有未来数据进入原策略交易信号。
去掉盈利贡献最高的 1%、5% 币种或交易，检查策略是否仍有超额。
对模型 B 的 3%、5%、10% 门槛做一致成本假设下的比较。
测试 360、480、720、960 小时最大持仓限制，而不是只测 720。
使用历史真实币池，保留退市币并模拟无法按收盘价成交的情形。
对不同成交额层级施加分档滑点，检查容量边界。
与落单狗组成组合后，检查多空相关、净敞口、极端行情和共同流动性风险。

十七、一句话总结

都江堰的历史超额来自”在缩量阶段埋伏、等到重新放量时收获”，绝大多数等待时间本身是亏损的；它最有价值的不是成交量公式，而是用出入场分离的迟滞状态机把”分箱好看、实盘归零”的信号改造成可交易组合。最重要的实盘修正是 720 小时强制退出；“退一补一”与”收紧阈值的动态扩容”应按资金规模选择，且累计千倍回测必须经过年份拆分、极端盈利剔除和真实交易成本验证后才能判断可持续性。

MindCarver Blog

MindCarver

探索

都江堰策略完整理解报告