BTC 分区间策略
五维链上评分 · Fibonacci 倍数 · 动态阈值卖出 — 用纪律战胜情绪
策略体系一览
买入：混合定投
- 五维评分 — MVRV Z (30%) + aSOPR (25%) + RHODL (25%) + 均线 (10%) + 成本结构 (10%)
- Fibonacci 倍数 — 综合分数 → Z 值(0-4) → 倍数 {0, 1, 3, 5, 8}
- 门槛 — 综合分 ≥ 0.25 起买 (Z=1 试探 1×)，≥ 0.80 重仓 (Z=4, 8×)
- 回撤加码 — ATH 回撤 ≥30%/50%/70% 时叠加 1.2×/1.5×/2.0× boost
卖出：动态阈值 + Fibonacci
- 动态双维信号 — 门槛 = 上周期峰值 × 比例（MVRV ×0.40, NUPL ×0.60），每轮自动调整
- C5 实际门槛：MVRV Z ≥ 2.29（= C4峰值 5.72×0.40）且 NUPL ≥ 0.384（= C4峰值 0.640×0.60）
- Fibonacci 曲线 — z_sell → 倍数 {0, 1, 3, 5, 8}，z=0 不卖，z=1 试探，z=4 最大
- NUPL 保险丝 — NUPL ≥ 0.544（= C4峰值×0.85）时独立触发 z=1 (1×)，应对 MVRV 峰值衰减
资金流
资金流时间线
各完整周期的周频资金流：红色=买入支出，绿色=卖出回收，蓝线=累计净值，黄虚线=BTC 价格
加载回测数据中...
综合评分 → Z 值门槛：≥0.25→Z1 | ≥0.40→Z2 | ≥0.60→Z3 | ≥0.80→Z4。回撤加码另叠 1.2~2.0× boost。
历史 Z 值 & 价格
定投份额计算器
输入你的预算和周期，系统自动计算每个 Z 级别对应的每周定投金额。
回测参数
📐 份额换算口径
策略对比表：等额定投 = 预算 ÷ 周期天数（默认 1460 天）。分区间定投（周频）文档口径下周基础份额 = 总预算 ÷ (期望倍数 × 约 208 周)，默认期望倍数 1.7；回测表单中「周期天数」默认 1460、「期望倍数」默认 1.7。选择短于 4 年的区间（如第5周期仅 ~182 天），等额定投只会投出预算的 ~12%，这是正常现象——反映该区间占完整周期的比例，而非"预算未充分利用"。
各周期数据覆盖情况
| 周期 | 价格/MA200 | MVRV Z | 成本结构 | RHODL | aSOPR | 有效维度 |
|---|---|---|---|---|---|---|
| 第5周期 | ✓ | ✓ | ✓ | ✓ | ✓ | 5/5 |
| 第4周期 | ✓ | ✓ | ✓ | ⚠ 89% | ⚠ 71% | 3~5/5 |
| 第3周期 | ✓ | ✓ | ✓ | ✗ | ✗ | 3/5 |
| 第2周期 | ✓ | ✓ | ✓ | ✗ | ✗ | 3/5 |
✓ 全覆盖 · ⚠ 部分覆盖（悬停看详情）· ✗ 无数据。缺失维度的权重会自动归一化到剩余维度，第2/3周期仅靠估值+趋势3维打分，精度低于第4/5周期。
收益对比
| 模式 | 总投入 | 获得 BTC | 均价 | 末期价值 | 收益率 | 投入天数 |
|---|
固定预算
设定总预算上限，按 Z 值倍数投入，花完即停。与等额定投投入相同总金额，可做公平对比。
固定份额追加
基础份额不变，Z≠0 就持续投入，无预算上限。总投入可能远超预算，不适合与另外两种做资金量公平对比，但能体现信号质量。
等额定投（基线）
每周投相同金额，不做任何判断。作为评估策略优劣的对照组。
累计投入 & BTC 持仓曲线
当前卖出信号
MVRV Z≥2.29 且 NUPL≥0.384 同时满足才触发（C5 动态阈值）。NUPL≥0.544 时保险丝独立触发 Z=1。
历史卖出信号 & 价格
卖出机制
MVRV+NUPL 双维信号 + Fibonacci 卖出（v9）
门槛随周期动态调整：MVRV 门槛 = 上周期峰值×40%，NUPL 门槛 = 上周期峰值×60%。C5: MVRV Z≥2.29 且 NUPL≥0.384 同时满足才触发。卖出倍数 {0,1,3,5,8}：z=0 不卖，z=1 试探，z=2-4 沿 Fibonacci 加码。
适用于牛市过热期的集中减仓。跳过弱信号提高卖出均价，阈值自适应应对 MVRV Z 峰值逐轮衰减。
买入 + 卖出信号 · 历史对照
买入 Z(0-4) 越高越值得买 | 卖出 Z(0-4) 越高越该卖加载历史数据中...
当前信号快照
定抛份额计算器
输入持仓价值（USD），系统根据卖出强度各档位计算每周建议卖出金额。
各档位卖出对照
以当前持仓价值为基础，各卖出强度档位对应的每周卖出倍数
连续卖出模拟
假设卖出强度保持不变，连续数周的累计卖出金额（USD）变化
定抛回测
各周期数据覆盖情况
| 周期 | MVRV Z | NUPL | Price/MA200 | LTH-SOPR | aSOPR | RHODL | 有效维度 |
|---|---|---|---|---|---|---|---|
| 底部4→至今 | ✓ | ✓ | ✓ | ✓ | ⚠ 95% | ✓ | 5~6/6 |
| 底部3→底部4 | ✓ | ✓ | ✓ | ⚠ 15% | ✗ | ⚠ 15% | 3~5/6 |
| 底部2→底部3 | ✓ | ✓ | ✓ | ✗ | ✗ | ✗ | 3/6 |
✓ 全覆盖 · ⚠ 部分覆盖（悬停看详情）· ✗ 无数据。LTH-SOPR / aSOPR / RHODL 仅 BGeometrics 提供（2022 年起），缺失维度权重自动分摊至可用维度。第2/3周期仅靠估值层3维打分，精度低于第4/5周期。
持仓价值 & 累计回收
一、定抛哲学
核心理念
不追求精确卖顶，而是在"明显过热"时纪律化减仓，避免牛转熊时大幅回吐利润。
定抛不是定投的简单镜像。卖出最大的错误不是"没卖到最高点"，而是"过早卖光"或"牛转熊时一点没卖"。
因此定抛系统的目标是：在过热时系统化减仓，在趋势逆转时防守清仓，同时避免牛市中途被洗出。
渐进式卖出
链上指标越热，每周卖出倍数越高
无上限卖出
P1=100%，信号持续时可卖出全部仓位
纯信号驱动
纯 MVRV+NUPL 链上信号驱动，无需额外指标
二、MVRV+NUPL 严格双维信号（v6 动态阈值）
只用 MVRV Z-Score 和 NUPL 两个估值维度，两者同时满足门槛才触发卖出。门槛随周期动态调整，适应 MVRV Z 峰值逐轮衰减趋势。
核心规则（v6 动态阈值）
动态门槛：MVRV gate = 上周期 MVRV Z 峰值 × 40%，NUPL gate = 上周期 NUPL 峰值 × 60%
C5 实际值：MVRV Z ≥ 2.29（C4峰值 5.72×0.40） 且 NUPL ≥ 0.384（C4峰值 0.640×0.60）
强度：MVRV(≥2.29:+1, ≥3.29:+2, ≥4.29:+3) + NUPL(≥0.434:+1, ≥0.534:+2)
上限：卖出强度 = min(MVRV分 + NUPL分, 5)
⚡ NUPL 保险丝：MVRV Z 未达门槛但 NUPL ≥ 0.544（C4峰值×85%）时，以最低有效强度（z_sell=2, 1×）触发卖出
C4 峰值 5.72 × 40% = 2.29。市场价值偏离实现价值的标准差，定抛主轴指标
C4 峰值 0.640 × 60% = 0.384。全网未实现净盈亏，衡量浮盈拥挤度
为什么从六维改为双维？
• 回测结论：3 个完整底部→底部周期测试，六维 Z_sell 系统 vs HODL 平均 -29.8%，全部跑输
• 根本问题：composite 阈值 0.28 过低，弱信号（P/MA200、aSOPR）在低价区过早触发卖出
• MVRV 单维回测 vs HODL +75.6%（P1=100% 口径），加入 NUPL 作为"防误卖保险"形成双确认
• 严格门槛：≥3.0 + ≥0.45 确保只在真正过热时才触发，避免低价误卖
指标详细说明
MVRV Z-Score— 市场估值泡沫程度（主轴指标）
Market Value to Realized Value Z-Score — 市场价值偏离实现价值（链上所有币最后一次移动时的价格总和）的标准差数。Z-Score 越高，市场越接近历史顶部。
作用：MVRV Z 是定抛的主轴指标，3 个周期回测中单独使用即可获得约 +75.6% vs HODL 的表现（P1=100% 口径）。
| MVRV Z-Score | 卖出强度 |
|---|---|
| < 2.29 | 不卖（门槛未达） |
| ≥ 2.29 | +1 C4峰值5.72×40% |
| ≥ 3.29 | +2 |
| ≥ 4.29 | +3 |
NUPL（Net Unrealized Profit/Loss）— 全网浮盈拥挤度（防误卖保险）
Net Unrealized Profit/Loss — 全网处于未实现净盈利还是净亏损状态的比例。越远离 0，越接近顶部或底部。
作用：NUPL 作为 MVRV 的"防误卖保险"。2021 双顶市场，MVRV 在中期回调时可能偏低但 NUPL 仍高，双维确认避免了误卖。
| NUPL | 卖出强度 |
|---|---|
| < 0.384 | 不卖（门槛未达） |
| ≥ 0.384 | 门槛确认（+0）C4峰值0.640×60% |
| ≥ 0.434 | +1 |
| ≥ 0.534 | +2 |
三、卖出强度与倍数
MVRV + NUPL 阶梯分数映射到卖出强度（0~5），每周执行一次。每周卖出 = base × multiplier，base = 初始仓位 × P1上限 ÷ 总周数。
✓ P1=100%：MVRV+NUPL 信号触发时可卖出全部仓位，纯信号驱动。
| 触发条件示例 | 强度 | 卖出倍数 | 市场状态 |
|---|---|---|---|
| MVRV < 2.29 且 NUPL < 0.544 | 0 | 0× | 安全区 — 不卖出 |
| MVRV ≥ 2.29 + NUPL ≥ 0.384（弱） | 1~2 | 0× | 低档位：低信号不卖，等待更强确认 |
| MVRV < 2.29 但 NUPL ≥ 0.544 | 2 | 1× | ⚡ NUPL 保险丝触发（z_sell=2） |
| MVRV ≥ 3.29 + NUPL ≥ 0.434 | 3 | 3× | 双维中等信号 — 加码减仓 |
| MVRV ≥ 3.29 + NUPL ≥ 0.534 | 4 | 5× | 泡沫 — 加速卖出 |
| MVRV ≥ 4.29 + NUPL ≥ 0.534 | 5 | 8× | 极端泡沫 — 最大倍数集中卖出 |
四、卖出执行机制
Phase 1 — MVRV+NUPL 双维驱动（动态阈值）
• 周频执行，门槛随周期动态调整。C5 门槛：MVRV Z≥2.29（= C4峰值 5.72×0.40）且 NUPL≥0.384（= C4峰值 0.640×0.60）同时满足才卖出
• P1 上限 100%：信号持续触发时可卖出全部仓位，无需均线保底
五、数据来源
| 数据源 | 提供数据 | 覆盖范围 | 费用 |
|---|---|---|---|
| CoinMetrics | MVRV 比率 / Realized Price | 2012 年起，反推 MVRV Z-Score | 免费 |
| BGeometrics | MVRV Z-Score / NUPL / LTH-SOPR / aSOPR / RHODL Ratio | 2022 年起，真实链上数据 | 免费（限流） |
| Binance | 实时 BTC 价格 | 实时，用于 MA120/MA200/MA350 计算 | 免费 |
| CoinGecko | 价格 / 市值 | 回退数据源 | 免费 |
定抛特有数据说明
• MVRV Z-Score 和 NUPL 均由 BGeometrics 和 CoinMetrics 提供
• 免费 API 配额为 8 次/小时、15 次/天，系统内置智能限流保护（每端点缓存 20 小时）
• 双维信号需两个指标同时可用才能触发卖出，任一缺失则卖出强度为 0（安全方向容错）
• 均线数据（MA200 等）由系统从历史价格自行计算，用于辅助展示
六、回测验证
底2→3 (2015→2018)
$176 → $3,185 (18.1x)
P1 卖出 100%，均价 $4,387
vs HODL +37.7%
底3→4 (2018→2022)
$3,185 → $15,758 (4.9x)
P1 卖出 96%，均价 $42,501
vs HODL +162.8%
底4→今 (2022→今)
$15,758 → $68,922 (4.4x)
P1 卖出 100%，均价 $89,095
vs HODL +29.3%
七、风险提示与使用纪律
必须遵守
策略局限
八、参数调优
定抛参数集中配置在 sell_config.py
| 调整项 | 配置项 | 效果 |
|---|---|---|
| 当前周期 | CURRENT_CYCLE | 当前所处周期（5），决定从哪个周期取峰值 |
| MVRV 动态比例 | DYNAMIC_MVRV_RATIO | 门槛 = 上周期峰值 × 此比例（0.40） |
| NUPL 动态比例 | DYNAMIC_NUPL_RATIO | 门槛 = 上周期峰值 × 此比例（0.60） |
| MVRV 门槛 | SELL_MVRV_GATE | MVRV Z-Score 最低触发值（C5: 2.29，由 5.72×0.40 动态计算） |
| NUPL 门槛 | SELL_NUPL_GATE | NUPL 最低触发值（C5: 0.384，由 0.640×0.60 动态计算） |
| MVRV 阶梯 | SELL_MVRV_TIERS | MVRV 各档位的分数（≥2.29:+1, ≥3.29:+2, ≥4.29:+3） |
| NUPL 阶梯 | SELL_NUPL_TIERS | NUPL 各档位的分数（≥0.434:+1, ≥0.534:+2） |
| 卖出倍数 | SELL_Z_TO_MULT | Fibonacci {0,1,3,5,8}：z=0 不卖，z=1 试探（1×），z=2-4 沿 Fibonacci 加码卖出 |
| NUPL 保险丝 | NUPL_SOLO_ENABLED | NUPL 独立触发开关（默认 True） |
| NUPL 保险丝门槛 | NUPL_SOLO_GATE | NUPL 独立触发最低值（C5: 0.544，由 0.640×0.85 动态计算） |
| P1 上限 | PHASE1_MAX_SELL_PCT | P1 最大卖出比例（默认 100%） |
卖出策略研究
系统性对比 13 种卖出策略，从最简单（等额定抛）到双维信号驱动，覆盖 3 个底部-to-底部周期。结论：MVRV+NUPL 严格（P1=100%）为最优配置。
测试策略
12
4 大类：简单 / 单维 / 多维 / 完整
回测周期（底部→底部）
3
底部2→3 / 底部3→4 / 底部4→至今
统一条件
$100K
初始持仓 / 周频 / P1=100% 上限
13 策略定义
含 12 个活跃策略 + 1 个已废弃对照（MVRV+NUPL 严格 + 均线防守）
简单策略组（基准）
| # | 策略 | 逻辑 |
|---|---|---|
| 1 | 等额定抛 | 每周卖出相同数量 BTC，不做判断（基准线） |
| 2 | 均线定抛 | 仅在价格 > MA200 时卖出 |
| 3 | 回升加抛 | 从周期底部回升越多卖越多（>1.5x:1, >2x:2, >3x:3, >4x:5） |
单维指标组
| # | 策略 | 触发阈值 | 数据覆盖 |
|---|---|---|---|
| 4 | MVRV (>=2.5) | Z>=2.5:1x, >=3.5:2x, >=4.0:3x, >=5.0:5x | 2012+ |
| 5 | MVRV 严格 (>=3.0) | Z>=3.0:1x, >=3.5:2x, >=4.0:3x, >=4.5:4x, >=5.5:5x | 2012+ |
| 6 | NUPL | >=0.40:1x, >=0.50:2x, >=0.55:3x, >=0.65:5x | 2012+ |
| 7 | aSOPR | >=1.01:1x, >=1.02:2x, >=1.03:3x, >=1.08:5x | 2023+ |
| 8 | RHODL | >=1k:1x, >=3k:2x, >=4k:3x, >=20k:5x | 2022+ |
多维组合组
| # | 策略 | 逻辑 |
|---|---|---|
| 9 | MVRV+NUPL | MVRV(>=3:+1, >=4:+2, >=5:+3) + NUPL(>=0.50:+1, >=0.60:+2) 分数叠加 |
| 10 | MVRV+NUPL 严格 | 需 Z>=3.0 且 NUPL>=0.45 同时满足才开始卖出 |
| 11 | MVRV+P/MA200 | MVRV(>=3:+1, >=4:+2, >=5:+3) + P/MA200(>=1.2:+1, >=1.5:+2) 叠加 |
完整策略组（当前实现）
| # | 策略 | 逻辑 |
|---|---|---|
| 12 | MVRV+NUPL 严格（当前） | MVRV Z≥3.0 且 NUPL≥0.45 双维门槛，P1=100%，纯信号驱动 当前 |
三周期回测对比
所有策略使用相同条件：$100,000 初始持仓，周频执行，P1=100% 卖出上限。对比指标包括卖出均价、vs 等额、vs HODL（总价值 vs 纯持有）。
正在运行 13 策略 × 3 周期回测（底部→底部）...
关键发现
1. 前三名极度接近，MVRV 是卖出端的"唯一真神"
3 个完整周期平均 vs HODL：MVRV+NUPL 严格 +76.6% ≈ MVRV+NUPL +76.4% ≈ MVRV 严格 +75.6%。差距约 1pp，统计上极为接近。但所有前列策略都以 MVRV 为核心。
MVRV Z-Score 是最直接的"过热"信号——市场价偏离链上公允价值（Realized Cap）的标准差。Z>=3.0 意味着 BTC 价格已比全网平均成本贵 3 个标准差，历史上只出现在牛市后半段。
2. 卖出端多维度是减分项
与买入端类似，卖出端的多维评分反而有害。核心问题是弱信号过早消耗额度：
| 策略 | 均价 vs 等额 | vs HODL | 问题 |
|---|---|---|---|
| MVRV 严格 (1维) | +54.9% | +75.6% | — |
| MVRV+NUPL 严格 (2维) | +52.4% | +76.6% | 周期2卖出不完全 |
| MVRV+P/MA200 (2维) | +12.3% | +23.0% | P/MA200 过早触发 |
旧版五维 Z_sell 的 composite 只需 0.28 即触发 Z=1，此时 MVRV 可能才 2.0。P/MA200 和 NUPL 的微弱分数把 composite 推过阈值，卖出额度在低价区被过早耗尽。详见仓库内 STRATEGY.md / 研究备忘。
3. 严格阈值 (>=3.0) 战胜宽松 (>=2.5)
MVRV 严格（>=3.0）3 周期平均 +75.6% vs MVRV 宽松（>=2.5）+66.2%，领先 9.4pp。原因：Z=2.5 在牛市中途就触发，消耗额度于中等价位；Z=3.0 更耐心地等待真正过热。
每轮 MVRV Z 峰值都在衰减：C2 顶 Z≈13.28 → C3 顶 Z≈11.21 → C4 顶 Z≈5.72。机构/ETF 入场压平了 Realized Price。但即便 Z 峰值继续下降，动态阈值（上周期峰值×40%）会自动跟随调整。
4. 各策略逐周期表现
| 策略 | 底部2→3 | 底部3→4 | 底部4→至今 | 3周期均 |
|---|---|---|---|---|
| MVRV+NUPL 严格（当前） | +37.7% | +162.8% | +29.3% | +76.6% |
| MVRV+NUPL | +37.7% | +163.6% | +27.8% | +76.4% |
| MVRV 严格 (>=3.0) | +39.8% | +154.8% | +32.1% | +75.6% |
| MVRV (>=2.5) | +19.2% | +153.5% | +25.9% | +66.2% |
| NUPL | +46.1% | +128.8% | +13.6% | +62.8% |
| 等额定抛 | -2.4% | +48.8% | -6.1% | +13.4% |
MVRV+NUPL 在双顶周期（底部3→4）表现最佳（+163.6%），双确认在复杂市场结构中有优势。MVRV 严格在底2→3、底4→今略高，三者总体极为接近。
5. aSOPR 和 RHODL 数据不足，不可独立使用
aSOPR 仅有当前周期数据（2023+），且 vs HODL -7.5%，表现不佳。RHODL 仅 2022+ 有数据，周期2只卖了 2 周（+0.9% vs HODL）。这两个维度在五维 Z_sell 中拖了后腿，也不适合独立使用。
6. 等额定抛只在长熊才赢 HODL
等额定抛 3 周期平均仅 +13.4% vs HODL，且在底部2→3 和底部4→至今 都跑输 HODL。只有终点价格比起点跌 10x+ 的长熊周期（如底部3→4 终点 $15,758 vs ATH $67,542），卖出才明显有利。不加选择地卖出不如不卖。
策略选择建议
当前：MVRV+NUPL 严格（P1=100%）
MVRV Z>=3.0 且 NUPL>=0.45 同时满足才开始卖出。双确认防误卖，信号触发时可无上限卖出。
2 维 · 3 周期均 vs HODL +76.6% · vs 等额 +52.4%
极简冠军：MVRV 严格
仅看 MVRV Z>=3.0 单一指标，3 周期平均与双维极为接近。最简洁，无需第二维度数据。但 MVRV 衰减风险下缺少保险。
1 维 · 3 周期均 vs HODL +75.6% · vs 等额 +54.9%
关键经验
前期版本（v1~v2）试过六维评分和均线防守，回测证实均有害。详见 STRATEGY.md 版本历史。
为什么推荐 MVRV+NUPL 严格而非 MVRV 单维？
Z>=3.0 且 NUPL>=0.45 同时满足，避免单一指标噪声导致过早耗光卖出额度。在复杂的双顶市场（如 2021 双顶）中优势明显（底部3→4 约 +162.8% vs HODL）。vs 等额% 与 vs HODL% 的区别
vs 等额%：卖出均价相比等额定抛的提升幅度 — 衡量"卖得贵不贵"
vs HODL%：总资产（已回收 USD + 剩余 BTC 市值）相比纯持有 — 衡量"该不该卖"
均价高 ≠ 总资产高。如果周期终点 BTC 价格较高（如底部4→至今），HODL 市值也不低，卖出的优势会被稀释。
当前版本 (v9)
v9（当前）：MVRV+NUPL 双维信号 + 动态阈值 + Fibonacci 卖出 {0,1,3,5,8} + NUPL 保险丝。P1=100%，纯信号驱动。
等 aSOPR/RHODL 积累更多历史数据（2+ 完整周期）后，再考虑重新引入作为辅助维度。
一、策略哲学
核心理念
用多次买入降低风险（定投），用不同额度在相对低位区域买入更多（分区间）。
普通定投每次买入等量资金，不区分市场位置。分区间定投在此基础上做了一个关键改进：市场越便宜，买得越多；市场越贵，买得越少甚至不买。
没有人能精确抄底
定投本身就是承认"不知道底部在哪"的理性选择
底部区域可以被度量
多维指标判断"相对便宜"还是"相对昂贵"
在便宜区域加大投入
斐波那契倍数放大，拉低整体持仓成本
在昂贵区域停止投入
避免牛市高位追高，保护资金
二、三层逻辑分组 × 五维评分体系
五个指标按信息类型归为三个逻辑层，每个维度输出 0 ~ 1 的分数。1.0 = 极度低估，0.0 = 高估/泡沫。三层分组仅用于理解，底层计算仍为扁平加权求和。
现在贵不贵？
价格位置是否足够低？
市场是否已投降出清？
均线位置（Price / 200-day MA）— 价格相对中长期趋势的位置
计算方式
均线位置 = 当前价格 ÷ 200日简单移动平均线(SMA)
比值越低说明价格越远低于中长期趋势，是更好的买入位置。比值 < 1 表示价格在均线下方。
| 比值 (Price/MA200) | 得分 | 市场状态 |
|---|---|---|
| ≤ 0.50 | 1.0 | 价格仅为趋势线一半，极罕见的低估 |
| ≤ 0.65 | 0.8 | 严重偏离趋势，深度回调 |
| ≤ 0.80 | 0.6 | 明显回调，低于趋势 |
| ≤ 0.92 | 0.4 | 温和回调，接近趋势 |
| ≤ 1.05 | 0.2 | 围绕趋势波动，中性 |
| ≤ 1.20 | 0.1 | 略高于趋势 |
| > 1.20 | 0.0 | 远高于趋势，可能过热 |
MVRV Z-Score— 市场估值泡沫程度
计算方式
MVRV Z-Score = (Market Cap − Realized Cap) ÷ Std(Market Cap − Realized Cap)
Market Cap = 当前价格 × 流通量；Realized Cap = 每枚币按最后一次链上移动时的价格估值之和。Z-Score 衡量市值偏离实现市值的标准差数，越低越低估。
| Z-Score | 得分 | 市场状态 |
|---|---|---|
| ≤ -0.5 | 1.0 | 市值严重低于实现市值，历史性低估 |
| ≤ 0.0 | 0.8 | 市值低于实现市值 |
| ≤ 0.5 | 0.6 | 轻度低于均值 |
| ≤ 1.5 | 0.4 | 接近合理估值 |
| ≤ 2.5 | 0.2 | 偏高估 |
| ≤ 3.5 | 0.1 | 明显高估 |
| > 3.5 | 0.0 | 极度泡沫 |
RHODL Ratio— 短期投机 vs 长期持有
计算方式
RHODL = Realized Cap(1周~1月龄) ÷ Realized Cap(1年~2年龄)
分子是短期持有者（1周到1个月）的已实现市值，分母是长期持有者（1年到2年）的已实现市值。比值越低说明短期投机者越少、长期持有者越主导，是典型的底部特征。
| Ratio | 得分 | 市场状态 |
|---|---|---|
| ≤ 300 | 1.0 | 短期投机者几乎消失，底部特征 |
| ≤ 1,000 | 0.8 | 投机活动很低 |
| ≤ 3,000 | 0.6 | 投机活动较低 |
| ≤ 10,000 | 0.4 | 正常水平 |
| ≤ 30,000 | 0.2 | 投机活动偏高 |
| ≤ 60,000 | 0.1 | 投机活动旺盛 |
| > 60,000 | 0.0 | 极度投机，牛市顶部特征 |
aSOPR（Adjusted Spent Output Profit Ratio）— 链上投降信号
计算方式
aSOPR = Σ(花费产出的当前价值) ÷ Σ(花费产出的创建时价值)
对链上每笔花费的 UTXO，计算"卖出时价值 ÷ 买入时价值"的加权平均。排除寿命 < 1小时的产出（过滤掉中继和找零噪音）。aSOPR < 1 表示卖出者整体在亏损（投降抛售），是底部信号。
| aSOPR | 得分 | 市场状态 |
|---|---|---|
| ≤ 0.90 | 1.0 | 极度投降，恐慌性抛售 |
| ≤ 0.95 | 0.8 | 严重投降，大量亏损卖出 |
| ≤ 0.98 | 0.6 | 明显亏损卖出 |
| ≤ 1.00 | 0.4 | 盈亏平衡 |
| ≤ 1.02 | 0.2 | 小幅盈利 |
| ≤ 1.05 | 0.1 | 明显盈利 |
| > 1.05 | 0.0 | 普遍盈利，贪婪阶段 |
成本结构（Price / Realized Price）— 价格 vs 全网持有者平均成本
计算方式
成本结构 = 当前价格 ÷ Realized Price
Realized Price = Realized Cap ÷ 流通供应量，即全网持有者的平均链上成本。比值 < 1 表示当前价格低于全网平均持仓成本，大部分持有者处于浮亏状态。与 MVRV 数学上高度相关（MVRV ≈ Price/RP），因此降权至 10% 作辅助验证。
| 比值 | 得分 | 市场状态 |
|---|---|---|
| ≤ 0.60 | 1.0 | 价格仅为平均成本 60%，历史级低估 |
| ≤ 0.75 | 0.8 | 明显低于平均成本 |
| ≤ 0.90 | 0.6 | 略低于平均成本 |
| ≤ 1.05 | 0.4 | 接近平均成本 |
| ≤ 1.20 | 0.2 | 略高于平均成本 |
| ≤ 1.50 | 0.1 | 明显高于平均成本 |
| > 1.50 | 0.0 | 远超平均成本，泡沫信号 |
综合评分计算
综合分数 = Σ (维度得分 × 维度权重) / Σ 可用权重
缺失数据的维度自动跳过，剩余维度权重重新归一化。
综合分数 → Z 值映射规则
composite < 0.25 → Z=0 (0×) — 不买
0.25 ≤ composite < 0.40 → Z=1 (1×) — 试探
0.40 ≤ composite < 0.60 → Z=2 (3×) — 标准
0.60 ≤ composite < 0.80 → Z=3 (5×) — 加码
composite ≥ 0.80 → Z=4 (8×) — 重仓
Z=0不买 | Z=1试探(1×) | Z=2标准(3×) | Z=3加码(5×) | Z=4重仓(8×)。倍数取自 Fibonacci 子序列 0, 1, 3, 5, 8。每周投入 = 基础份额 × 对应倍数。
三、Z 值与定投倍数
综合分数被划分为 5 个区间（z = 0 ~ 4），综合分数 < 0.25 为不买；≥0.25 起按 Fibonacci 倍数 1×→8× 渐进加码。映射阈值 (0.25, 0.40, 0.60, 0.80) 对应 COMPOSITE_TO_Z。
| 综合分数区间 | Z 值 | 倍数 | 市场状态 |
|---|---|---|---|
| 0.00 ~ 0.25 | 0 | 0× | 信号不足 — 不买入 |
| 0.25 ~ 0.40 | 1 | 1× | 试探 — 小仓试水 |
| 0.40 ~ 0.60 | 2 | 3× | 明确低估 — 标准定投 |
| 0.60 ~ 0.80 | 3 | 5× | 深度低估 — 加码 |
| 0.80 ~ 1.00 | 4 | 8× | 历史级底部 — 重仓 |
为什么采用 5 档 Fibonacci？
倍数取自 Fibonacci 子序列（0, 1, 3, 5, 8），数学上自洽且渐进递增。综合分数 < 0.25 跳过不买；Z=1(1×) 提供试探档，Z=2(3×) 起为正式定投档位，平滑加码防踏空。
四、执行规则
基础份额公式
示例：$100,000 ÷ (1.7 × 208) ≈ $282.81 基础份额/周
每周投入 = 基础份额 × Z 值对应倍数
三种执行模式
模式 A：固定预算
设定总预算上限，按 Z 值倍数投入，投完即停。
适合有明确投资金额、不想追加的投资者。
模式 B：固定份额追加
基础份额固定，Z ≠ 0 就持续投入，无预算上限。
历史回测均价比等额定投低约 42~51%
模式 C：等额定投
每周期等量资金，不考虑市场状态。作为对照基线。
用于评估分区间策略的优劣。
五、数据来源
| 数据源 | 提供数据 | 精度 | 费用 |
|---|---|---|---|
| CoinMetrics | 价格 / 市值 / MVRV 比率 / 供应量 | 日级精度（2012 起），反推真实 MVRV Z-Score 和 Realized Price | 免费 |
| BGeometrics | MVRV Z-Score / RHODL / aSOPR / Realized Price | 真实链上数据（2022 起），覆盖区间内优先 | 免费 |
| Binance | 实时 BTC 价格 | 实时 | 免费 |
| CoinGecko | 价格 / 市值 | 回退数据源 | 免费 |
BGeometrics 接入说明
免费端点（无需 API Key）
/v1/mvrv-zscore — MVRV Z-Score
/v1/rhodl-ratio — RHODL Ratio
/v1/asopr — Adjusted SOPR
/v1/realized-price — 实现价格
限额与缓存
免费限额 8 次/小时、15 次/天。系统每 12 小时刷新一次，数据缓存到 Parquet 文件。
三层数据分层
CoinMetrics 提供 2012 年起的 MVRV 比率，反推真实 Realized Price 和 MVRV Z-Score。BGeometrics 在 2022 年后覆盖更精确的链上数据。EMA 仅在前两层都无数据时兜底。
六、历史回测验证
Cycle 4：2021-11-10 → 2025-10-06（5 档 Fibonacci，期望倍数 = 1.7）
| 模式 | 总投入 | 获得 BTC | 均价 | 收益率 |
|---|---|---|---|---|
| 固定预算 | $100,000 | 4.7845 | $20,900 | +491.00% |
| 固定份额追加 | $119,732 | 5.4020 | $22,164 | +457.31% |
| 等额定投 | $100,000 | 2.6205 | $38,160 | +223.70% |
5 档 Fibonacci：composite ≥ 0.25 起可买入（1× 试探档）
Cycle 4 仅 43% 的天数有买入（615/1426 天），预算在第 591 天花完（周期 41%）。Z≥2（3×+5×+8×）占 25.3% 天数但贡献 88% 的投入。4 个非零买入档位（1/3/5/8×）提供平滑加码梯度，防踏空。
七、入池频率分析
用德州扑克的 TAG（紧凶）打法理解分区间定投：等好牌，下重注，差牌果断弃掉
| 指标 | Cycle 3 (2017→2021) | Cycle 4 (2021→2025) | 类比 |
|---|---|---|---|
| VPIP（入池率） | 30.1% | 43.1% | TAG 风格：不是每天都买 |
| 弃牌 Z=0 (0×) | 69.9% · 996天 | 56.9% · 811天 | 差牌不下注 |
| 跟注 Z=1 (1×) | 18.8% · 267天 | 17.8% · 254天 | 试探跟注，小仓试水 |
| 加注 Z=2 (3×) | 1.4% · 20天 | 10.0% · 143天 | 标准档加大投注 |
| 大加注 Z=3 (5×) | 4.4% · 62天 | 9.0% · 128天 | 强牌重重下注 |
| 全押 Z=4 (8×) | 5.5% · 79天 | 6.3% · 90天 | 坚果牌全压 |
TAG（紧凶）风格 = 精准激进定投
八、风险提示与使用纪律
必须遵守
策略局限
九、参数调优指南
如需根据风险偏好调整策略参数，可修改 config.py
| 调整项 | 配置项 | 效果 |
|---|---|---|
| 维度权重 | DIMENSION_WEIGHTS | 改变各维度对综合评分的影响 |
| 维度阈值 | *_THRESHOLDS | 改变各维度的评分灵敏度 |
| Z 值区间 | COMPOSITE_TO_Z | 改变综合分数到 Z 值的映射（阈值元组 0.25 / 0.40 / 0.60 / 0.80） |
| 定投倍数 | Z_TO_MULTIPLIER | 改变各 Z 值对应的投入倍数 |
| 期望倍数 | DEFAULT_EXPECTED_MULTIPLIER | 影响基础份额大小（默认 1.7，可运行 compute_recommended_expected_mult() 重推） |
| 默认预算 | DEFAULT_BUDGET | 改变默认的定投总预算 |
| 均线周期 | MA_PERIOD | 改变均线天数（默认 200） |
保守偏好
降低高 Z 值的倍数（如 Z=3: 5→3, Z=4: 8→5），减少极端低估时的投入集中度。
激进偏好
提高低 Z 值的阈值，让更多时间处于 z=0 不买入，集中在更深的低估区域投入。
定投策略研究
系统性对比 18 种定投策略，从最简单（等额定投）到最复杂（五维分区间定投），覆盖 4 个 ATH-to-ATH 周期（含当前进行中周期），寻找最优的买入信号源。
测试策略
18
5 大类：简单 / 单维 / 成本变体 / 多维 / 完整
回测周期（ATH→ATH）
4
第2~5周期（含当前进行中）
统一预算
$100K
每周期总预算 / 周频执行
18 策略定义
简单策略组（基准）
| # | 策略 | 逻辑 |
|---|---|---|
| 1 | 等额定投 | 每周投相同金额，不做任何判断（基准线） |
| 2 | 均线过滤 | 仅在价格 < MA200 时买入 |
| 3 | 均线加码 | 低于 MA200 买 2×，高于买 1× |
| 4 | 回撤加码 | 从 ATH 跌越深买越多（>10%:1×, >30%:2×, >50%:3×, >70%:5×） |
单维指标组
| # | 策略 | 买入条件 |
|---|---|---|
| 5 | MVRV (<=1.5) | Z<=1.5:1×, <=0.5:2×, <=0:3×, <=-0.5:5×，Z>1.5 停买 |
| 6 | MVRV 严格 (<=1.0) | Z<=1.0:1×, <=0.5:2×, <=0:4×, <=-0.5:5×，Z>1.0 停买 |
| 7 | NUPL | NUPL<=0.40:1×, <=0.25:2×, <=0:3×, <=-0.10:5×，>0.40 停买 |
| 8 | 成本结构 | P/RP<=1.05:1×, <=0.90:2×, <=0.75:3×, <=0.60:5× |
成本结构变体组（斐波那契倍数）
| # | 策略 | 逻辑 |
|---|---|---|
| 9 | 成本结构+Fib | P/RP 单维 + Fibonacci {0,1,3,5,8}，均价最优但窗口极窄 |
| 10 | 成本+Fib 放宽 | P/RP≤1.20 也买 1×，略微扩大窗口 |
| 11 | 成本+Fib 保底 | 始终至少 1×，触发信号时加码（严重稀释均价） |
| 12 | 成本+Fib+MVRV | P/RP 为主信号 + MVRV<1.5 扩展买入窗口 |
多维组合组
| # | 策略 | 逻辑 |
|---|---|---|
| 13 | MVRV+NUPL | MVRV + NUPL 分数叠加 |
| 14 | MVRV+NUPL 严格 | 需 Z<=1.0 且 NUPL<=0.35 同时满足才买 |
| 15 | 回撤+MVRV | ATH 回撤幅度 + MVRV 估值双维叠加 |
| 16 | 均线+MVRV | P/MA200 位置 + MVRV 估值叠加 |
完整策略组（当前实现）
| # | 策略 | 逻辑 |
|---|---|---|
| 17 | 分区间定投（固定预算） | 五维评分 + 斐波那契倍数（0/1/3/5/8×），有预算上限 |
| 18 | 分区间定投（无限追加） | 同策略信号，无预算上限持续投入 |
三周期回测对比
所有策略使用相同预算 $100,000。周频执行，对比指标包括持仓均价、vs 等额（均价降低百分比）、ROI 和 IRR。
正在运行 18 策略 × 4 周期回测...
关键发现
1. 成本结构仍是最强单一指标
Price/Realized Price 在 3 个完整 ATH-to-ATH 周期中平均 +53.1% vs 等额，稳居冠军。但买入窗口极窄（~15%），实战中可能连续数月不操作。
2. 分区间定投在完整周期中击败成本+Fib+MVRV
修正口径后的关键逆转：分区间定投（固定预算）以 +47.1% 在 3 个完整周期中领先成本+Fib+MVRV 的 +44.9%，且在每个完整周期都赢（第2/3/4周期分别领先 1.2/2.9/2.5pp）。之前的推荐是旧口径造成的偏差——底部-to-底部周期 + 非固定分母放大了成本结构变体的优势。
3. 五维评分的优势来源：预算管理
混合定投（固定预算）的 expected_mult=1.7 使周基础份额更精准（$283/周 vs 简单策略 $480/周），预算消耗节奏更慢。这意味着它不会在熊市早期过快耗尽弹药，能在更深的底部仍有资金加码。买入窗口 29.3% 比成本+Fib+MVRV（34.6%）更精准。
4. 买入窗口依然是实战关键
成本结构 variants 均价最优（+52-53%），但买入窗口仅 ~15%。分区间定投（29.3%）和成本+Fib+MVRV（34.6%）都有足够的执行频率。保底策略（67% 买入）仍是陷阱——均价优势从 +52% 暴跌到 +30%。
5. 第5周期（进行中）数据需谨慎解读
第5周期仅 182 天（约 12.5% 完整周期），样本太短。成本结构在此周期仅买入 1 天，MVRV+NUPL 也只买 1 天。排行应以 3 个完整周期为主要依据。
策略选择建议
推荐：分区间定投（固定预算）
五维评分 + 斐波那契倍数 + 回撤加码 + 固定预算。3 个完整周期每个周期都赢成本+Fib+MVRV，且 expected_mult=1.7 的预算管理使弹药更持久，数据缺失容错最强。
5 维 · 均价 vs 等额 +47.1% · 买入占比 29.3%
极致均价：成本结构+Fib
纯 P/RP 单维信号，均价最优 +52.9%。但买入窗口仅 ~15%，第5周期（进行中）只触发 1 天。适合能忍受长期空仓的投资者。
1 维 · 均价 vs 等额 +52.9% · 买入占比 15.1%
简化替代：成本+Fib+MVRV
仅需 2 个链上指标（P/RP + MVRV），不依赖五维评分体系。均价略低于分区间定投但更简单，适合不想维护复杂系统的用户。
2 维 · 均价 vs 等额 +44.9% · 买入占比 34.6%
核心洞察：口径修正后分区间定投重新胜出
此前结论偏差的原因：旧口径（底部-to-底部周期 + base=budget/天数）放大了成本结构变体的表现。改为 ATH-to-ATH 周期 + 统一 cycle_days 分母后，分区间定投的五维评分 + 固定预算模式的弹药管理优势得以显现——不会过早耗尽预算，能在真正的底部保留火力。
卖出端：多维度反而是减分项，因为低阈值导致在不该卖的时候提前触发，建议用 MVRV+NUPL 严格双维
一、定抛（卖出）策略 — 动态阈值 + Fibonacci 卖出
核心思路
每周检查一次，用 MVRV Z-Score 和 NUPL 两个链上指标判断"是否已经到了该卖的价位"。满足条件且信号够强才卖，采用 Fibonacci 倍数曲线 {0,1,3,5,8} 在高价区集中卖出。
动态阈值：如何根据 ATH 调整
策略不是用固定的阈值，而是根据上一个周期的 MVRV/NUPL 峰值来动态计算当前周期的门槛：
MVRV 门槛 = 上周期峰值 × 0.40
C5: 5.72 × 0.40 = 2.29
NUPL 门槛 = 上周期峰值 × 0.60
C5: 0.640 × 0.60 = 0.384
选 40% 而非 45% 的理由：底→底回测中 40% 是唯一保持 vs HODL 正收益的比例（+2.9%），45% 反而跑输（-7.1%）。
信号强度：z_sell 阶梯
当 MVRV ≥ 2.29 且 NUPL ≥ 0.384 同时满足时才开始计分：
MVRV 阶梯（固定间距 +1.0）: ≥2.29→1分, ≥3.29→2分, ≥4.29→3分
NUPL 阶梯（间距 +0.05/+0.15）: ≥0.434→1分, ≥0.534→2分
z_sell = MVRV分 + NUPL分，上限 5
⚡ 保险丝：NUPL 独立触发
考虑到 MVRV Z 峰值在逐周期衰减（13.28→11.21→5.72→?），如果某个周期 MVRV 始终达不到门槛，有个兜底机制：
当 MVRV 未达门槛，但 NUPL ≥ 0.544（上周期峰值×0.85）时，以 z_sell=2（最低有效强度, 1×）触发。
这是"零成本保险" — 历史回测中完全没有误触发，但未来可能救命。
执行机制：base × multiplier（Fibonacci 卖出曲线）
每周卖出量 = base_sell × multiplier
base_sell = 初始 BTC 仓位 × 1.0 / 总周数（均匀分配到每周）
multiplier = z_sell 映射（SELL_Z_TO_MULT，Fibonacci {0,1,3,5,8}）
| z_sell | 0 | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|---|
| 倍数 | 0 | 0 | 1 | 3 | 5 | 8 |
z=0 不卖；z=1 试探性卖出；z=2-4 逐级加码。5级制与买入一致，弱信号区更早开始小量卖出，应对 MVRV 峰值衰减。
二、混合定投（买入）策略
混合定投 = 五维评分 × 回撤加码，两层叠加。
第一层：五维评分
每周对 5 个链上/价格维度打分（0~1），加权求和得到综合分数：
| 维度 | 权重 | 买入时机（得分高） |
|---|---|---|
| MVRV Z-Score | 30% | Z 值很低（便宜） |
| aSOPR | 25% | <1 说明亏损抛售（投降） |
| RHODL Ratio | 25% | 低值=老币没动（囤积期） |
| 成本结构 (Price/RP) | 10% | 低于实现价格（极端便宜） |
| 均线位置 (Price/MA200) | 10% | 远低于均线 |
分数 < 0.25 → z=0 → 不买
分数 ≥ 0.25 → z=1 → 买 1 份
分数 ≥ 0.40 → z=2 → 买 3 份
分数 ≥ 0.60 → z=3 → 买 5 份
分数 ≥ 0.80 → z=4 → 买 8 份
第二层：回撤加码
在五维评分的倍数基础上，看当前价格距离 ATH 跌了多少，叠加 boost 系数：
回撤 ≥ 30% → ×1.2
回撤 ≥ 50% → ×1.5
回撤 ≥ 70% → ×2.0
例：五维评分 z=2（3 份），同时价格距 ATH 跌了 55%，实际买入倍数 = 3 × 1.5，引擎取整后为 4 份。
预算管理
每周的"1 份"金额 = 总预算 / (期望倍数 × 周期周数)
期望倍数 1.7 是通过混合定投（评分+回撤加码）历史回测推导出来的平均每周实际倍数，确保预算在周期内花完但不超。
示例：$100,000 ÷ (1.7 × 208) ≈ $282.81 基础份额/周
三、资金流总结
每周 → 五维评分 × 回撤加码 → 决定买多少 BTC
熊市重仓（评分高+回撤深），牛市轻仓或不买
每周 → MVRV+NUPL 双维信号 → 决定卖多少 BTC
牛市顶部区域分批卖出，Fibonacci 曲线 {0,1,3,5,8}：z=0 不卖，z≥1 逐级加码
正在运行 6 组合 × 3 周期并发模拟...
逐日模拟 ~4200 天 × 6 策略组合
定投+定抛组合研究
将买入策略（混合定投：五维评分×回撤加码）与卖出策略组合运行，逐日并发模拟。每周检查买入信号买入 BTC，每周检查卖出信号卖出 BTC。在 ATH-to-ATH 完整周期内对比 6 种策略组合的净值、IRR 和 vs 基准超额。
关于"卖出优化贡献"为负数：ATH-to-ATH 周期的终点恰好是历史最高价。在此度量下，"提前卖出"的部分按 ATH 价格计算相当于放弃了最后一段涨幅，所以显示为负。这不代表卖出策略无价值——ATH 之后必然暴跌 70%+，定抛锁定的是确定性利润，且无人能精确卖在顶点。看「全优化」行：买入优化的增益完全覆盖卖出的"代价"。
策略组合矩阵
6 种买卖组合 × ATH-to-ATH 周期 · 期末总值 = 卖出回收 + 剩余 BTC + 剩余现金
优化归因分解
将「全优化 vs 基准」的超额收益拆解为：买入优化（更低均价 → 更多 BTC）、卖出优化（高位兑现 → 锁定利润）、交叉效应（两端乘数放大）
等待数据加载...
熊牛子周期分析
完整周期拆为熊市（ATH→底部，~1年）和牛市（底部→ATH，~2-3年），对比短周期策略效果
多周期复投模拟
Cycle 3 结束后将全部资产投入 Cycle 4 继续执行相同策略，展示复利效应
等待数据加载...
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。
资金流时间线
各完整周期的周频资金流（可切换策略对比） · 红色=买入支出 · 绿色=卖出回收 · 蓝线=策略净值 · 紫虚线=等额定投净值（对照） · 黄虚线=BTC 价格
首次加载需下载 QQQ 数据，约 5-10 秒