都江堰选币策略适度理解：视频分析报告
一、结论先行
这期直播并没有推翻介绍篇，而是把“都江堰为什么赚钱”拆开验证，并给出两个可执行的扩展：
- 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。
我的独立判断是：都江堰不是传统意义上的短期反转策略，更接近一种事件等待/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。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、视频和核验范围
- 视频：
26分享会策略直播15-邢不行：都江堰选币策略适度理解.mp4 - 时长：约 1 小时 12 分 49 秒
- 分析方式：完整离线语音转录、关键时间点抽帧、画面数字核验
- 未上传视频或音频到云端
- 完整转录：
D:\aitools\summarize\outputs\都江堰适度理解-transcript.txt - 关键画面：
D:\aitools\summarize\outputs\都江堰适度理解-frames
提示：直播中的净值、收益和回撤均是讲师展示的历史回测，不代表未来实盘结果。
三、相对介绍篇的新增内容
介绍篇主要回答“策略怎么做”：
- 找近期曾经放量、随后显著缩量的币；
- 因子做横截面排名；
- 排名前 10% 时允许进场；
- 排名升到后 10%（约大于等于 0.9）时离场；
- 原始模型使用“退一补一”，只有旧币退出后才补入新币。
本期进一步回答五个问题：
- 收益发生在持仓生命周期的哪个阶段？
- 离场事件是否足够稳定，而非只靠少数偶然时点？
- 因退一补一而错过的币表现如何？
- 策略为什么能自动偏向当时较活跃的币域？
- 长期不触发离场的币应该如何处理？
四、策略机制复核
4.1 选币因子
直播口述的核心形式可概括为：
当前近期成交量 / 更长窗口内的历史最大成交量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。因子越小，代表相对先前放量峰值缩得越深。
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：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。
4.2 模型 A：原始”退一补一”
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：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 0.026
0.028——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%。
4.3 模型 B：满足条件立即入场
本期新增模型 B：
- 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。
4.4 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 1.42.8 倍），换手 0.67%~0.81%/h 反而低于 A 的 1.15%； - 重要反例：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。
五、收益来源：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。
5.1 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。
5.2 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。
5.3 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。
5.4 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。
六、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%。
6.1 独立复现的核对结果（2026-08-19，baseline 7130 笔交易，报告见验证文档）
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”。
6.2 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。
6.3 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，与第五节”未来函数”声明同理。
七、币域轮动与下架币
7.1 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。
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，但仍需要样本外确认。
7.2 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，报告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。
八、最大持仓时长修正
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。
九、失效条件与主要风险
9.1 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。
9.2 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。
9.3 纯多暴露和深回撤
720 小时版本画面显示最大回撤约 63%。因此不能用“累计一千倍”掩盖风险：单独运行时，它仍是高波动纯多策略，熊市绝对收益可能很差。
9.4 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。
9.5 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。
9.6 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。
十、实盘定位
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。
十一、我的独立判断
11.1 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。
11.2 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。
11.3 720 小时强制退出值得保留
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。
11.4 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。
十二、建议的复现验证清单
- 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。
十三、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；本期最重要的实盘修正是增加 720 小时强制退出，并表明收紧阈值后的动态扩容模型可作为大资金版本，但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。