← 全部研究|其他语言版本 English

AQMath 如何解决加密市场的真实问题 — 与买入持有一次对照实测

发布日期: 2026-09-21

模拟结果 — 未使用真实资金。以下每一项数据均由回测根据历史价格数据计算得出。未投入任何资金，也未下过任何订单。回测是在完全知晓该时段结果的前提下把策略套用于过去，且数据不包含滑点与流动性影响，但会对每次再平衡、DCA 买入和资金重新部署收取 0.1% 的模拟交易所手续费。模拟表现与过往表现不能可靠地预示未来结果。AQMath 是软件，不是投资建议。

日期： 2026-09-21
引擎： Proteus（v18）生产宏观回路 — 180 天 KKT 风险平价权重器 + 波动率缩放的去杠杆防护盾，以未经修改的 default_config() 运行
状态： 📊 研究 — 在生产路径上实测。这是风险控制结论，不是收益主张。

1. 四个问题，以及诚实的前提

加密市场对组合做了四件"买入持有"解决不了的事：

1. 它会剧烈崩盘。 一篮子主流币可能在单次回撤中跌去大半，并用数年时间才恢复。 2. 它难以定仓位。 八个波动性天差地别的资产并不是"每个 1/8"能解决的；朴素等权会让最不稳定的币主导风险。 3. 它惩罚犹豫与恐慌。 人受到的大部分伤害是行为性的 — 卖在谷底、僵在顶部、错过买入。 4. 代币会死亡。 一个悄悄消失的名字，若无人看管，可能连续数月保持真实配置。

AQMath 的答案是：冻结的 180 天 KKT 风险平价权重（问题 2）、每日波动率缩放的去杠杆防护盾（问题 1）、有纪律的定投与再平衡节奏（问题 3），以及 — 在专门的活性筛查研究中详述 — 一个活跃度过滤器（问题 4）。

把前提写在最前面，让下面的表格无法被误读： AQMath 不是一台收益机器。它的风险报告已经证明，相对买入持有的超额收益在统计上为零；而回撤削减在 98.6–99.7% 的合成历史中获胜。以下每一项测试都在同一个真实组合上重述这一点：赢在你所能存活的下跌幅度，代价是让出一部分上行。

2. 测试方法

一个组合、一套定投计划、一种手续费、未经修改的生产代码路径 — compute_equal_weight_returns → compute_macro_weights → apply_macro_weights → simulate_v18。没有任何参数针对该数据调优。

• 组合： 8 个资产 — 一个多元化组合（黄金锚 + 高贝塔 SOL + 主流币），重叠窗口 2020-04-10 → 2026-07-04（2,275 天，6.23 年），12 次 MACRO 再优化，横跨 2021 年的冲高与 2022 年的崩塌。
• 资金： 起始 $10,000 + 每 30 天 $300 定投（两侧均投入 $32,500），每笔交易、定投买入与再部署收取 0.1% 模拟手续费。
• 基准： 在完全相同的组合与完全相同的定投流上运行的买入持有 + 定投参照，因此唯一差异是策略本身。
• 数据： 来自本地刷新（2026-07）的 CoinGecko 日线收盘；重叠窗口由最年轻的代币（SOL，自 2020-04 起）决定，从而保留了 2022 年熊市。仍是经过幸存者偏差筛选的大市值币 — 见第 7 节。

3. 问题 1 — 崩盘与回撤控制

解读： 整个论点浓缩在这一行里。AQMath 把最深跌幅从 57.3% 压到 27.1% — 削减 30 个百分点 — 大致将持有者必须熬过的那个深坑砍半。它做到的方式是把平均 市场敞口压到只有 43%，并在以回撤衡量的指标上获胜（卡玛 1.18 对 1.00）。它在此 并不在原始夏普上获胜（0.78 对 0.89）：在一个由 2020–21 年飙升主导的窗口里， 买入持有的满仓敞口搭上了一条更平滑的上行曲线，而 AQMath 在风险敞口中的进进出出 加上了自己的方差。而这份保护是以绝对美元付出的代价 — 买入持有终值 $552k， AQMath 为 $182k。满仓持有在收益与夏普上胜出、在崩盘的幅度上落败 — 正是 第 1 节所承诺的那笔取舍。

较早的 Aegis（v14）防护盾在同一组合、同一路径上削减得略深一点 — 最大回撤 24.9%、 卡玛 1.32 — 鉴于 v18 才是现役引擎，这是一个公允的说明：v18 相对 v14 的优势是在 182 个未见组合上测得的小幅、如实标注的改进（样本外验证）， 而在这个特定组合上，v14 更慢的再冒险恰好略微更契合该窗口。

虚拟权益 — AQMath 对买入持有 + 定投（定投流相同，琥珀色虚线 = 排定的 MACRO 再优化）：

回撤 — 57.3% 的深坑 对 27.1% 的浅坑：

4. 问题 2 — 风险平衡的配置（KKT 对等权）

剥掉防护盾、各用一笔 $1 买入并持有每种权重，就能单独隔离配置层本身。在这个 多元化组合上，KKT 权重器不再是误差范围内的数字 — 它在全部四项指标上都获胜：

仅凭权重（在任何防护盾之前）就带来 18.3 个百分点的回撤削减和更高的终值。 它终于显露锋芒的原因是，这个目标并非伪装成公式的东西：最后一次再优化的冻结 KKT 权重范围从 0% 到 29.2%，与平坦的 12.5% 相去甚远：

黄金锚 PAXG — 账中波动最低的名字 — 被上调至 29.2%，是其等权配置的两倍多； 而 meme 币 DOGE 被赋予零权重，高贝塔的 SOL 被削减到区区 7%。这正是风险平价 在做组合构建：倚重稳健资产、拒绝摆动大的那个。等权篮子做不到 — 按定义它把 DOGE 和 PAXG 都拿在同样的 12.5%。（“优化器拒绝高风险名字”这一模式在 E2E TIA/QNT 研究中亦有体现。）

5. 问题 3 — 纪律（再平衡 + 定投）

AQMath 是一个仅信号型再平衡器：它从不替你交易，所以所谓纪律是你遵循的节奏， 而非自动机器人。设计把两项行为性修正直接嵌进了协议：

• 两侧同一定投： 窗口内 75 笔排定的 $300 买入，每笔收 0.1% 手续费 — 基准不是稻草人，而是被忠实执行的定期定额投资。
• 301 次阈值再平衡与 67% 的防守天数：当防护盾转入现金，新定投停在 USDC， 在重新冒险时作为一整批再部署，于是这套例行程序继续运转，而不会在回撤中僵住。

行为层面的论证已发表：定投抖动最多损失 0.5 个百分点的最大回撤，且只有当日执行能通过 （人为因素压力测试）；而在 30 个模拟的人里，没有一个守住静态 60/40 计划 — 每人投降 3–5 次（静态 vs 动态）。本研究不是对人类行为的新测试； 它是压力测试所奖励的那套机械节奏。

6. 问题 4 — 死代币安全

把 Celsius（CEL）加入同一组合 — 相同的重叠窗口 2020-04-10 → 2026-07-04（6.23 年）， 一路穿过 2021 年的顶点与 2022 年的崩塌：

即便账里有一个正在崩塌的资产，防护盾仍把回撤守在 32.1% 对 68.6%（−36.5 个百分点）， 且在此窗口它还在夏普与卡玛双双获胜 — CEL 收盘时大约只有其首日价格的六分之一。 这次运行仍诚实地复现了缺陷：在 CEL 进入组合的第一年，冻结的 KKT 回路一度给它 12.2% 的权重（第 180 天），直到崩塌才归零，因为一张退市的图表在纯价格方差目标 眼里可能显得低波动。这正是活性筛查研究复现并以 ADV-K2 上限归零过滤器修复的死代币权重缺陷，也是墓地试炼里的慢死 vs 快死归因。 原始宏观回路有所帮助；真正堵上缺口的是已上线的筛查。

7. 本文不主张什么

• 不是收益优势。 在此窗口，买入持有的绝对终值高得多；AQMath 的主张是回撤与 风险调整的存活，与 mc-risk 中统计上为零的超额收益一致。
• 一段较友好的窗口、一个较软的组合。 2020–2026 的大市值币经过幸存者筛选，且此 组合刻意纳入黄金锚（PAXG）加多元化配置，而非全加密的最大贝塔账 — 于是两侧的起始 回撤都低于纯加密组合。比较依然公平，因为 AQMath 与基准持有相同的八个名字；正因 这段牛市强劲，保护才显得昂贵。同一套机械真正的用武之地是 regime-autopsy 里的崩盘状态削减。
• 模拟、单一组合、一种定投设置。 无滑点或流动性，0.1% 手续费，一个 8 资产组合。 参数稳健性是另一项研究（129 次滚动前推重跑）。

8. 可复现性

生产路径，default_config()（风险预算 0.95、10 bps 手续费、180 天 MACRO 间隔与回看）。 脚本未经修改地导入 compute_equal_weight_returns、compute_macro_weights、 apply_macro_weights、simulate_v18 与 calc_metrics，并直接从所得权益/回撤数组写出两张 SVG：

`` python scratch/crypto_problems_bench_2026.py ``

组合、定投与手续费预设位于脚本顶部。该脚本是一个被 git 忽略的分析文件，绝不被 main.py 导入。

模拟结果 — 未使用真实资金。每一项数字都由回测根据历史价格数据计算得出；未投入任何资金，也未下过任何订单。 数字不包含滑点与流动性影响，但会对每笔交易收取 0.1% 的模拟手续费。模拟表现与过往表现不能可靠地预示未来结果。 AQMath 是软件，不是投资建议。