12个加密货币策略组合的实战对比：当数据推翻直觉

引言

加密货币市场以其极端波动性著称——BTC可以在一年内从69000跌到16000（-77%），也可以在几个月内翻倍。在这样的市场中，什么样的策略才能真正创造价值？

我们用原语策略引擎对5种主流策略应用于不同资产，构建了12个策略组合进行8年回测（2018-2026）。这些策略覆盖了加密货币投资者最常用的方法论：

策略类型	数量	策略名称	市场认知度
基准策略	3个	BTC/ETH/SOL 买入持有	🔥🔥🔥 最广泛的持有策略
趋势跟踪	3个	BTC/ETH/SOL 双均线	🔥🔥🔥 经典技术分析
技术指标	3个	BTC/ETH/SOL RSI超买超卖	🔥🔥 传统量化最爱
链上指标	3个	MVRV、NVT、MVRV+NVT组合	🔥🔥 加密货币特色
配对交易	2个	ETH/BTC均值回归、趋势跟踪	🔥 专业交易者策略
动态仓位	1个	MVRV动态权重	🔥 高阶风控手段

从被动持有到主动择时，从传统技术面到链上数据面，从单资产到多资产轮动——这些策略类型基本涵盖了加密货币市场中散户到机构投资者的主流方法。

研究的核心问题：这些主动策略，能否跑赢"什么都不做"的买入持有？

但这篇文章的意义不止于策略对比。我们更想验证一个基础设施层面的问题：是否存在一套统一的策略表达系统，能够覆盖从技术分析到链上数据、从单资产到多资产、从二元交易到动态仓位的全部研究场景？ 如果策略之间的差异能被压缩为结构化的原语组合差异，那么快速验证、精确定位问题、甚至未来的自动化探索都将成为可能。

结果让我们大跌眼镜——几乎每一条"专业直觉"都被数据无情打脸。而原语系统在这个过程中展现的能力，同样值得关注。

第一章：策略介绍与分类

量化投资领域存在众多策略流派，从经典的技术分析到新兴的链上数据分析，从单一资产交易到多资产配对。策引回测引擎的设计目标，正是让用户能够快速验证这些不同思想。

策引支持两种策略实现方式：

原语策略：通过JSON配置组合预置原语，无需编程，适合绝大多数策略场景
代码策略：用Python编写自定义逻辑，处理原语难以表达的复杂场景

本次研究的12个策略组合中，大部分通过原语策略实现，仅配对交易因涉及多资产轮换逻辑采用了代码策略。这也印证了原语系统"覆盖主流、简化实现"的设计理念。

下面逐一介绍各策略类型。

1.1 基准策略：买入持有（Buy & Hold）

最简单的策略——买入后不做任何操作，一直持有到回测结束。

为什么用它作为基准？

任何主动策略如果长期跑输买入持有，都意味着在摧毁价值而非创造价值。这是判断策略是否具备正Alpha的最低门槛。

1.2 趋势跟踪：双均线策略

经典的技术分析策略，使用50日和200日移动平均线：

金叉买入：50日均线上穿200日均线
死叉卖出：50日均线下穿200日均线

核心原语：SMA（移动平均线）、CrossAbove（上穿）、CrossBelow（下穿）

1.3 技术指标：RSI超买超卖

相对强弱指数（RSI）是最经典的摆动指标：

RSI < 30：超卖区，买入
RSI > 70：超买区，卖出

核心原语：RSI、LessThan、GreaterThan

1.4 链上指标：MVRV与NVT

加密货币独有的链上数据指标。原语系统通过市场指标功能提供了这两个数据源：

指标代码	指标名称	核心概念
`BTC_MVRV_ZSCORE`	MVRV Z-Score	市场情绪的温度计：衡量当前价格相对历史成本的偏离
`BTC_NVT`	NVT Signal	加密货币的"市盈率"：衡量价格相对链上活跃度的估值水平

MVRV Z-Score 详解（Market Value to Realized Value）

什么是"实现市值"？

不同于普通市值（当前价格 × 总量），实现市值统计的是每个比特币最后一次链上转移时的价格。可以理解为"市场参与者的平均持币成本"。

MVRV Z-Score 计算逻辑：

MVRV Z-Score = (市值 - 实现市值) / 市值的标准差

为什么它能识别顶部和底部？

当 MVRV < 1：当前价格低于市场平均持币成本
- 📉 大部分持币者处于亏损状态
- 💎 只有坚定的长期持有者还在市场中
- 📍 历史数据显示：这只发生在熊市最深处（2015、2018、2022年底）
- ✅ 绝佳的抄底区域
当 MVRV > 5：当前价格远高于市场平均持币成本
- 📈 大部分持币者获利丰厚
- 🔥 市场处于极度狂热状态
- 📍 历史数据显示：这通常是牛市顶部（2017年底、2021年初）
- ⚠️ 卖出信号，风险极高

直观理解：

MVRV = 1：市场价格 = 平均成本 → 中性区域
MVRV = 2-3：温和牛市，市场健康
MVRV = 3-5：过热区域，需要警惕
MVRV > 5：泡沫顶部，高度危险

NVT Signal 详解（Network Value to Transactions）

类比股票市场的"市盈率"

就像股票的市盈率（市值/利润）衡量估值一样，NVT 用链上交易量代替"利润"：

NVT Signal = 市值 / 90日平均链上交易量

为什么它能识别泡沫？

NVT 过高（>90百分位）：价格涨得太快，但实际使用量跟不上
- 💰 市值暴涨
- 📊 链上转账量平平
- 💭 更多是投机炒作，而非实际应用
- ⚠️ 高估警告：类似股票的"高市盈率陷阱"
NVT 过低（<20百分位）：价格被低估，但网络使用活跃
- 💰 市值被打压
- 📊 链上转账量依然旺盛
- 💎 真实需求强劲，价格未反映价值
- ✅ 潜在买入机会

直观理解：

NVT 高 = 价格泡沫，投机过热
NVT 低 = 价值低估，网络健康
NVT 平稳 = 价格与使用匹配，市场合理

两个指标的协同作用：

MVRV 关注市场情绪（人们的盈亏状态）
NVT 关注网络健康度（实际使用情况）
结合使用可以更全面判断市场状态

直观查看指标走势：

访问策引市场页面 - 加密货币部分，可以实时查看 MVRV 和 NVT 指标的历史走势图，直观感受这些指标在不同市场阶段的表现。

在策略配置中，通过market_indicators引入这些数据：

{
  "market_indicators": {
    "indicators": [
      { "code": "BTC_MVRV_ZSCORE" },
      { "code": "BTC_NVT" }
    ]
  }
}

核心原语：IdentityTransformer（引入外部数据）、PercentileRankTransformer（百分位排名）、And/Or（逻辑组合）

1.5 配对交易：ETH/BTC比率

基于ETH相对BTC的价格比率进行交易：

均值回归版：比率低于均线时买入ETH（赌它会涨回来）
趋势跟踪版：比率高于均线时买入ETH（顺势而为）

核心原语：Divide（计算比率）、MovingAverageTransformer（均线）、Streak（连续确认）

1.6 动态仓位：LinearScaleWeight

不再是"满仓/空仓"的二元选择，而是根据指标值动态调整仓位：

MVRV越低 → 仓位越高（底部敢于重仓）
MVRV越高 → 仓位越低（顶部逐步减仓）

核心原语：LinearScaleWeight（线性映射仓位权重）

1.7 策略全景：原语覆盖能力一览

下表汇总了本次研究涉及的所有策略类型及其实现方式：

策略类型	实现方式	核心原语/组件	策略数量
买入持有	代码策略	`BuyHoldStrategy`	3
趋势跟踪	原语策略	`SMA`, `CrossAbove`, `CrossBelow`	3
技术指标	原语策略	`RSI`, `LessThan`, `GreaterThan`	3
链上指标	原语策略	`market_indicators`, `IdentityTransformer`, `PercentileRankTransformer`	3
动态仓位	原语策略	`LinearScaleWeight`	1
配对交易	代码策略	自定义多资产轮换逻辑	2

12个策略组合中，10个通过原语策略实现——从经典的双均线到前沿的链上MVRV指标，原语系统展现了对主流量化策略的广泛覆盖。而配对交易这类需要在多资产间动态切换的复杂场景，则由代码策略补充支持。

第二章：基准的力量——买入持有的惊人表现

在评估任何主动策略之前，必须先看看"什么都不做"能获得什么。

2.1 回测环境

参数	设置
回测区间	2018-01-01 至 2026-01-01（8年）
交易标的	BTC、ETH、SOL
初始资金	$100,000
手续费	0.1%（加密货币交易所标准）

2.2 关于参数选择与敏感性测试

本研究的参数选择原则：

本文的核心目标是验证不同策略范式在加密货币市场的适用性，而非寻找每个策略的最优参数。因此，我们采用了务实的参数选择策略：

参数选择方式：

经典策略使用行业标准参数：
- 双均线：50/200日（最经典的"黄金/死亡交叉"组合）
- RSI：30/70阈值，14日周期（技术分析教科书标准）
- 这些参数在传统股票和加密货币社区中被广泛使用
链上指标使用逻辑清晰的阈值：
- MVRV：买入阈值1.0（市价=成本）、卖出阈值5.0（历史顶部）
- NVT：90百分位（明显高估）
- 这些阈值基于指标本身的经济学含义，而非参数优化
仅对MVRV动态仓位进行了详细的参数敏感性测试：
- 测试了不同的仓位映射：100%→50%、100%→40%、100%→30%、100%→20%
- 目的：验证动态仓位策略的稳健性，确认收益提升不是过拟合的结果
- 结果：在合理范围内（20%-60%底仓），策略表现稳定，最终选择30%作为最低仓位

为什么不对所有策略做参数敏感性测试？

1. 报告定位决定研究重点

本文的主题是"很多策略和我们一开始想的不一样"，核心发现是：

双均线这种"滞后"策略反而有效
RSI这种经典指标全面失败
链上指标组合的Or逻辑失败

这些结论关注的是策略范式的差异（趋势 vs 回归、事件信号 vs 状态信号、And vs Or），而非参数优化。

2. 核心结论的稳健性不依赖参数

以RSI策略为例：

即使调整为25/75、35/65等不同阈值组合
即使调整RSI周期为7日、21日
在趋势主导的加密市场中，均值回归范式的根本缺陷依然存在
这不是参数问题，而是指标哲学与市场结构的不匹配

类似地：

双均线的成功在于"捕捉年度级大趋势"，具体是50/200还是60/180影响不大
MVRV+NVT失败的根源是卖出信号的Or逻辑，与具体阈值关系不大

3. MVRV动态版的特殊性

我们选择对MVRV动态仓位进行详细测试的原因：

这是本文唯一的"创新策略"（非经典方法）
动态仓位映射直接影响策略表现，需要验证稳健性
通过这个案例展示原语系统中参数敏感性测试的便捷性

重要声明：

本文展示的策略表现数据完全真实，没有经过"反向优化"。如果读者使用相近的参数（如45/180双均线、MVRV阈值0.8/4.5等），应该能获得类似的结论。我们关注的是策略思想的有效性，而非精确的数字。

如果您对某个策略的参数优化感兴趣，可以使用策引平台的原语系统快速测试不同参数组合。

2.3 基准策略表现

基准	年化收益	净值倍数	最大回撤	夏普比率
BTC买入持有	28.80%	7.65x	-78.91%	0.59
ETH买入持有	19.95%	4.32x	-93.72%	0.50
SOL买入持有	91.55%	42.50x	-96.27%	0.44

⚠️ SOL警示：91%年化收益看起来惊人，但伴随着-96%的极端回撤，且历史期间短（仅2020-2026）。不建议将此作为主要参考基准。

核心发现：

BTC买入持有是最可靠的基准：8年7.65倍，年化28.80%，在加密货币中算是"稳健"的表现
回撤是真正的考验：-78%到-96%的回撤，意味着账户从高点跌去近80%-96%，绝大多数人无法承受
这是主动策略必须战胜的对手：如果你的策略连这个都跑不赢，那只是在浪费时间和手续费

第三章：12个策略组合的完整对比

3.1 全景数据表

按年化收益排序，与基准对比：

策略	年化收益	净值倍数	最大回撤	夏普比率	交易次数	vs 对应基准
BTC MVRV动态	33.41%	10.15x	-71.84%	0.60	1	✅ +4.61%
BTC MVRV	31.03%	8.76x	-70.30%	0.59	2	✅ +2.23%
🏆 BTC买入持有	28.80%	7.65x	-78.91%	0.59	1	— 基准 —
ETH双均线	27.22%	6.92x	-72.60%	0.44	8	✅ +7.27%
BTC双均线	24.65%	5.87x	-59.49%	0.68	8	⚠️ -4.15%收益，但回撤改善20%
🏆 ETH买入持有	19.95%	4.32x	-93.72%	0.50	1	— 基准 —
ETH/BTC趋势	12.29%	2.54x	-68.26%	0.42	86	—
SOL双均线	5.14%	1.35x	-63.08%	0.25	5	❌ -86.41%
BTC MVRV+NVT	4.78%	1.46x	-55.09%	0.26	17	❌ -24.02%
ETH/BTC均值回归	4.54%	1.43x	-69.50%	0.32	72	—
ETH RSI	4.38%	1.41x	-66.77%	0.23	12	❌ -15.57%
BTC RSI	4.05%	1.38x	-57.64%	0.21	12	❌ -24.75%
BTC NVT	-4.18%	0.71x	-50.19%	-0.10	8	❌ -32.98%
SOL RSI	-7.88%	0.61x	-77.47%	0.11	6	❌ -99.43%

3.2 策略分层

第一梯队：跑赢基准 ✅

策略	相对基准	核心价值
BTC MVRV动态	+4.61%	最高收益，动态风控
BTC MVRV	+2.23%	8年仅2次交易，极简
ETH双均线	+7.27%	同时跑赢基准+降低回撤

第二梯队：牺牲收益换取风控 ⚠️

策略	相对基准	核心价值
BTC双均线	-4.15%收益	回撤从-79%改善到-59%，改善20个百分点

第三梯队：跑输基准，不推荐 ❌

策略	相对基准	失败原因
所有RSI策略	-15%~-99%	指标范式与市场不匹配
MVRV+NVT组合	-24%	卖出逻辑冲突
NVT单独	-33%（亏损）	阈值不稳定
SOL双均线	-86%	初始化陷阱

第四章：5个反直觉发现的深度剖析

发现一：双均线策略的"逆袭"

预期：50/200日双均线太滞后，在加密货币高波动环境中必定充满假信号。

现实：

BTC双均线：年化24.65%，仅比基准低4%，但回撤改善20个百分点（-59% vs -79%）
ETH双均线：年化27.22%，跑赢基准7.27个百分点，同时回撤改善21个百分点

为什么"滞后"反而成了优势？

周期匹配：加密货币的牛熊周期通常持续1-2年。50/200日均线恰好能捕捉这种"年度级别"的大趋势。
滞后性过滤噪音：这种"迟钝"反而成了优点——不会因一周的暴跌被"骗出"牛市，也不会因一周的反弹过早"踏入"熊市。
避开熊市是关键：该策略最大的成功在于几乎完美避开了2018年和2022年的大熊市。在加密世界，不亏钱远比赚钱更重要。

SOL为何失败？

SOL于2020年中才上线，当它在2021年开始主升浪时，200日均线数据刚刚形成。此时50日线已在200日线上方，没有触发"金叉"买入信号，错过了整个2021年的大牛市。

教训：对于历史较短的新币种，长周期均线策略需要注意初始化陷阱。

发现二：RSI策略的全面溃败

预期：RSI是经典摆动指标，识别超买超卖区域，在高波动市场应该能捕捉大量反转机会。

现实：

BTC RSI：年化仅4.05%，跑输基准24.75个百分点
ETH RSI：年化仅4.38%，跑输基准15.57个百分点
SOL RSI：年化-7.88%，实际亏损

为什么经典指标全面失效？

趋势 vs 回归的根本冲突：RSI基于"均值回归"思想设计，假设价格偏离常态后会"回归"。但加密货币是典型的趋势主导型资产，价格可以长期单边运行。
"超卖"不是"买入"：在熊市中，RSI进入超卖区（<30）通常不意味着即将反弹，而是下跌趋势强劲的确认。2022年BTC从30000跌到16000的过程中，RSI多次触发买入信号，结果就是不断"接飞刀"。
信号类型错配：RSI策略使用LessThan这种状态信号，只要RSI处于30以下条件就一直为真。与之对比，双均线策略使用CrossAbove这种事件信号，只在穿越瞬间触发一次。

核心洞察：RSI策略的失败不是参数问题，而是指标范式与市场结构的根本不匹配。

发现三：链上指标组合的"1+1<1"

这是整个研究中最反直觉的发现。

预期：MVRV擅长识别底部，NVT擅长识别顶部，组合起来应该1+1>2。

现实：

策略	年化收益	最大回撤	交易次数	vs 基准
MVRV单独	31.03%	-70.30%	2次	✅ +2.23%
MVRV+NVT组合	4.78%	-55.09%	17次	❌ -24.02%
NVT单独	-4.18%	-50.19%	8次	❌ -32.98%

组合策略的收益仅为单独MVRV的15%！

为什么组合失败了？

问题出在卖出逻辑的Or原语。

组合策略的卖出信号是：MVRV过高 OR NVT过高

这意味着只要MVRV或者NVT任一触发卖出，策略就会清仓。但NVT比MVRV更频繁触及高点，在牛市中NVT可能多次触发卖出信号，而此时MVRV可能还远未到达顶部。

结果：NVT的卖出信号过早终结了MVRV策略的持仓，交易次数从2次暴增到17次，无法享受完整的牛市涨幅。

原语洞察：正确的组合方式应该是：

买入用Or：捕捉更多机会
卖出用And：减少干扰，同时满足两个条件才清仓

这里体现了原语系统的独特价值：如果使用黑盒信号系统或AI自动生成的策略，我们只能得出"这个组合不行"的结论。而原语系统允许我们精确定位到失败发生在哪一层逻辑——是Or原语放在了卖出信号中。这种可解释性，是策略持续改进的前提。

发现四：ETH/BTC配对的"180度反转"

预期：ETH/BTC是最成熟的加密货币配对，均值回归策略应该有效。

现实：

策略	年化收益	最大回撤	交易次数
ETH/BTC均值回归	4.54%	-69.50%	72次
ETH/BTC趋势跟踪	12.29%	-68.26%	86次

趋势跟踪版本的收益是均值回归版本的2.7倍！

发生了什么？

2024-2025年，ETH相对BTC持续走弱。均值回归策略的逻辑是"ETH便宜了，买入等反弹"，但现实是比率继续下跌——这不是"抄底"，而是"接飞刀"。

原语的敏捷迭代：

当我们发现均值回归失效后，只需将一个原语从LessThan改为GreaterThan：

// 均值回归版：比率 < 均线时买入ETH
{ "id": "eth_cheap", "type": "LessThan", ... }

// 趋势跟踪版：比率 > 均线时买入ETH
{ "id": "eth_strong", "type": "GreaterThan", ... }

整个逻辑180度反转，耗时仅5分钟。

这种从"均值回归"到"趋势跟踪"的范式切换，在传统量化系统中往往意味着重写策略代码、重新处理状态与仓位逻辑。而在原语系统中，它只是一次语义层的参数替换——策略思想的差异被压缩为原语的结构差异。

发现五：动态仓位的精细化进化

预期：用LinearScaleWeight实现动态仓位，应该比二元买卖更优。

现实：符合预期！

策略	年化收益	最大回撤	夏普比率
MVRV基础版	31.03%	-70.30%	0.59
MVRV动态版	33.41%	-71.84%	0.60

年化收益从31%提升到33.4%，提升了2.4个百分点。

动态仓位的映射逻辑：

MVRV值	目标仓位	市场含义
≤1.0	100%	极度恐慌，满仓抄底
2.0	77.5%	市场回暖，保持重仓
3.0	55%	市场中性，逐步减仓
4.0	42.5%	市场偏热，继续减仓
≥5.0	30%	市场狂热，降至低仓

💡 在线演示：

想直接查看这个策略的完整回测结果和实时表现？访问 BTC MVRV动态仓位策略 - 在线回测，可以看到策略的：

完整净值曲线和回撤图
每笔交易的详细记录
与基准的对比分析
年度表现分解

其他策略的配置文件在附录中提供，您可以在策引平台自行创建和回测。

第五章：链上指标的原语实现

MVRV和NVT是加密货币独有的链上指标，展示了原语系统接入外部数据源的能力。

5.1 MVRV单独策略

{
  "market_indicators": {
    "indicators": [{ "code": "BTC_MVRV_ZSCORE" }],
    "transformers": [{
      "name": "mvrv_raw",
      "type": "IdentityTransformer",
      "params": { "indicator": "BTC_MVRV_ZSCORE", "field": "Close" }
    }]
  },
  "trade_strategy": {
    "indicators": [
      { "id": "mvrv_buy_threshold", "type": "Constant", "params": { "value": 1.0 } },
      { "id": "mvrv_sell_threshold", "type": "Constant", "params": { "value": 5.0 } }
    ],
    "signals": [
      {
        "id": "mvrv_undervalued",
        "type": "LessThan",
        "inputs": [
          { "market": "BTC_MVRV_ZSCORE", "transformer": "mvrv_raw" },
          { "ref": "mvrv_buy_threshold" }
        ]
      },
      {
        "id": "mvrv_overvalued",
        "type": "GreaterThan",
        "inputs": [
          { "market": "BTC_MVRV_ZSCORE", "transformer": "mvrv_raw" },
          { "ref": "mvrv_sell_threshold" }
        ]
      }
    ],
    "outputs": {
      "buy_signal": "mvrv_undervalued",
      "sell_signal": "mvrv_overvalued"
    }
  }
}

关键配置解读：

market_indicators：引入外部链上数据BTC_MVRV_ZSCORE
IdentityTransformer：将原始数据转换为可引用的数据流
买入阈值1.0，卖出阈值5.0——极其保守，确保只在极端位置交易
8年仅2次交易，却跑赢了基准

5.2 MVRV+NVT组合策略（失败案例）

{
  "market_indicators": {
    "indicators": [
      { "code": "BTC_MVRV_ZSCORE" },
      { "code": "BTC_NVT" }
    ],
    "transformers": [
      {
        "name": "mvrv_raw",
        "type": "IdentityTransformer",
        "params": { "indicator": "BTC_MVRV_ZSCORE", "field": "Close" }
      },
      {
        "name": "nvt_percentile",
        "type": "PercentileRankTransformer",
        "params": { "indicator": "BTC_NVT", "lookback": 252, "field": "Close" }
      }
    ]
  },
  "trade_strategy": {
    "indicators": [
      { "id": "mvrv_buy_threshold", "type": "Constant", "params": { "value": 1.0 } },
      { "id": "mvrv_sell_threshold", "type": "Constant", "params": { "value": 3.5 } },
      { "id": "nvt_filter_threshold", "type": "Constant", "params": { "value": 80 } },
      { "id": "nvt_extreme_high", "type": "Constant", "params": { "value": 90 } }
    ],
    "signals": [
      {
        "id": "mvrv_undervalued",
        "type": "LessThan",
        "inputs": [
          { "market": "BTC_MVRV_ZSCORE", "transformer": "mvrv_raw" },
          { "ref": "mvrv_buy_threshold" }
        ]
      },
      {
        "id": "mvrv_overvalued",
        "type": "GreaterThan",
        "inputs": [
          { "market": "BTC_MVRV_ZSCORE", "transformer": "mvrv_raw" },
          { "ref": "mvrv_sell_threshold" }
        ]
      },
      {
        "id": "nvt_not_extreme",
        "type": "LessThan",
        "inputs": [
          { "market": "BTC_NVT", "transformer": "nvt_percentile" },
          { "ref": "nvt_filter_threshold" }
        ]
      },
      {
        "id": "nvt_extreme_high_signal",
        "type": "GreaterThan",
        "inputs": [
          { "market": "BTC_NVT", "transformer": "nvt_percentile" },
          { "ref": "nvt_extreme_high" }
        ]
      },
      {
        "id": "buy_signal_combined",
        "type": "And",
        "inputs": [
          { "ref": "mvrv_undervalued" },
          { "ref": "nvt_not_extreme" }
        ]
      },
      {
        "id": "sell_signal_combined",
        "type": "Or",
        "inputs": [
          { "ref": "mvrv_overvalued" },
          { "ref": "nvt_extreme_high_signal" }
        ]
      }
    ],
    "outputs": {
      "buy_signal": "buy_signal_combined",
      "sell_signal": "sell_signal_combined"
    }
  }
}

失败根源定位：

PercentileRankTransformer：将NVT转换为252日百分位排名
And原语用于买入：MVRV低估且NVT不极端——这是对的
Or原语用于卖出：MVRV高估或NVT极端——这是问题所在
NVT更频繁触发卖出，打断了MVRV策略的长期持仓

5.3 MVRV动态仓位策略

{
  "market_indicators": {
    "indicators": [{ "code": "BTC_MVRV_ZSCORE" }],
    "transformers": [{
      "name": "mvrv_raw",
      "type": "IdentityTransformer",
      "params": { "indicator": "BTC_MVRV_ZSCORE", "field": "Close" }
    }]
  },
  "trade_strategy": {
    "indicators": [
      { "id": "mvrv_buy_threshold", "type": "Constant", "params": { "value": 1.0 } }
    ],
    "signals": [
      {
        "id": "mvrv_undervalued",
        "type": "LessThan",
        "inputs": [
          { "market": "BTC_MVRV_ZSCORE", "transformer": "mvrv_raw" },
          { "ref": "mvrv_buy_threshold" }
        ]
      },
      {
        "id": "dynamic_weight",
        "type": "LinearScaleWeight",
        "inputs": [
          { "market": "BTC_MVRV_ZSCORE", "transformer": "mvrv_raw" }
        ],
        "params": {
          "min_indicator": 1.0,
          "max_indicator": 5.0,
          "min_weight": 1.0,
          "max_weight": 0.3,
          "clip": true
        }
      }
    ],
    "outputs": {
      "buy_signal": "mvrv_undervalued",
      "target_weight": "dynamic_weight"
    }
  }
}

关键配置解读：

LinearScaleWeight将MVRV从1.0-5.0线性映射到仓位100%-30%
clip: true确保仓位不超出[30%, 100%]区间
outputs使用target_weight而非sell_signal，激活动态仓位模式
无需修改代码，仅添加一个原语就完成了策略进化

💡 查看实际运行效果：这个策略已在策引平台部署并完成回测，您可以访问 BTC MVRV动态仓位策略查看完整的回测报告、交易记录和实时监控数据。

第六章：核心启示

关于加密货币策略

基准是最低标准：如果你的策略连买入持有都跑不赢，那只是在摧毁价值。在本研究的12个策略组合中，只有4个跑赢了对应基准。
简单为王：最简单的双均线策略反而表现最稳健。复杂的技术指标组合（RSI）全面溃败。
回撤比收益更重要：BTC双均线虽然年化少4%，但回撤改善20个百分点。对于无法承受-79%回撤的投资者，这是真正的价值。
组合未必更优：MVRV+NVT的失败说明，策略组合并非"指标堆砌"。如果内在逻辑冲突，结果只会是1+1<1。
市场在变：ETH/BTC配对交易的逻辑反转说明，没有一成不变的"圣杯"。

关于原语系统的价值：让策略研究从"经验艺术"变为"工程学科"

原语系统的真正定位：策略研究的“中间表示层（IR）”

原语不是策略本身，而是策略的表达语言。

就像编译器里的中间表示（Intermediate Representation），它不是为了直接运行，而是为了让策略变得可理解、可优化、可演化。当策略被降维为统一的语义结构时，人和AI才能在同一个空间中对话。

这是把策略从“结果导向的黑盒”，变成“过程导向的可工程对象”的关键一步。

传统策略系统的根本困境

在量化投资领域，策略失败是常态。但真正的问题不是"失败本身"，而是失败后无法归因。

传统策略的表现形式通常是：

一段 Python 代码：逻辑、数据处理、状态管理混在一起
一个黑盒信号：由第三方平台生成，只能看到买卖点，看不到决策依据
一个回测报告：只有最终的收益率和回撤，没有中间过程

当这样的策略失败时，你只能问：

"是参数不对吗？" → 调整参数 → 过拟合陷阱
"是指标失效了吗？" → 换个指标 → 无穷循环
"是市场变了吗？" → 放弃策略 → 永远不知道真正原因

核心问题是：策略 = 不可拆解的整体，成败 = 不可归因的结果。

原语系统的本质：策略的"语义化拆解"

原语系统做的事情，本质上是把策略从"黑盒"降维为"可组合、可验证、可进化的语义单元"。

每个策略都被拆解为明确的语义组件：

数据层：SMA、RSI、MVRV_ZSCORE — 数据从哪来？
变换层：IdentityTransformer、PercentileRankTransformer — 数据如何处理？
信号层：CrossAbove、LessThan、And/Or — 决策逻辑是什么？
执行层：buy_signal、sell_signal、target_weight — 如何转化为行动？

当策略失败时，你能精确定位到：

MVRV+NVT 组合失败：定位到卖出信号的 Or 原语 → 是组合方式问题，不是指标问题
RSI 全面溃败：定位到 LessThan 状态信号与趋势市场的范式冲突 → 是指标范式问题，不是参数问题
SOL 双均线失败：定位到 200 日均线初始化不足 → 是数据窗口问题，不是策略逻辑问题

这是策略研究第一次具备工程化的迭代属性，而不再是"凭经验调参"的艺术。

原语系统带来的五个核心能力

基于这一范式转变，原语系统在实践中展现了以下能力：

1. 快速验证/证伪

12个策略组合的完整测试，在几小时内完成
聚焦于策略逻辑本身，而非编程调试
从"几周写一个策略"变为"几小时验证一个想法"

2. 透明定位失败

MVRV+NVT 组合失败时，立即定位到 Or 原语的卖出逻辑
不再是"整体重写"，而是"定点修复"
可解释性成为策略改进的前提

3. 敏捷范式切换

从"均值回归"到"趋势跟踪"，只需修改一个原语（LessThan → GreaterThan）
5 分钟完成 180 度范式反转
策略思想的差异被压缩为原语的结构差异

4. 渐进式进化

从"二元买卖"到"动态仓位"，只需添加一个 LinearScaleWeight 原语
无需重构整体架构，策略在原有基础上自然演化
支持"小步快跑"的迭代策略

5. 为 AI 自动化探索奠定基础

当策略差异被压缩为原语的结构化差异，自动搜索才有了操作空间
AI 不再是"黑盒生成信号"，而是"在语义空间中探索组合"
这是从"AI 辅助"到"AI 主导策略研究"的必要基础设施

总结三句话：

我们不试图预测市场，我们试图验证策略是否配得上被信任。
原语系统让策略第一次变成可解释、可组合、可演化的对象。
当 AI 能直接操作原语，而不是调参数或写代码时，策略探索才真正自动化。

策略选择指南

投资者类型	推荐策略	理由
追求最高收益	BTC MVRV动态	年化33.41%，跑赢基准4.6%
极简主义者	BTC MVRV	8年2次交易，省心
回撤敏感者	BTC双均线	回撤从-79%改善到-59%
ETH持有者	ETH双均线	跑赢基准7.3%+降低回撤21%
不想操作	买入持有BTC	年化28.80%，无需任何操作

永远不要选择一个长期跑输买入持有的主动策略。

附录

A. 完整配置文件

配置文件使用说明

以下配置文件是策引策略引擎内部完整的投资组合配置，包含了原语策略定义、资金策略、标的物等完整信息。

如何在策引平台上使用这些策略：

创建原语策略组合：访问策略组合创建页面
- 仅复制配置文件中 strategy_definition 部分的内容
- 粘贴到"交易策略定义"区域
- 必须删除 capital_strategy 字段（该字段仅供参考，在创建时通过界面选择对应的资金管理策略即可）
- 其他配置项无需复制，在创建投资组合时通过界面配置
理解策略逻辑：访问原语策略可视化编辑器
- 将 strategy_definition 粘贴到编辑器中
- 可视化查看策略的指标、信号和逻辑关系
- 支持在线调试和修改策略参数
选择资金管理策略：在创建投资组合时，根据配置文件中的 capital_strategy 类型，在界面上选择对应的资金管理策略（如固定金额、固定比例、再平衡等）

⚠️ 重要提示：直接复制完整配置文件可能导致策略无法正常工作或产生意外行为。请严格按照上述步骤操作。

基准策略：

BTC/ETH/SOL买入持有基准配置

趋势跟踪策略：

技术指标策略：

链上指标策略：

配对交易策略：

B. 数据来源说明

本文所有价格数据和链上指标数据均由策引数据服务提供。

C. 风险提示

本文所有策略仅供研究和教育目的，不构成投资建议。加密货币市场波动极大，历史表现不代表未来收益。在实盘交易前，请务必：

充分理解策略逻辑和风险
根据自身风险承受能力调整仓位
永远不要投入超过你能承受损失的资金

面向未来：当策略可以被稳定地拆解为原语时，人类负责提出假设，AI 负责在原语空间中验证、反驳和演化假设，就不再是幻想，而只是算力和成本的问题。

引言​

第一章：策略介绍与分类​

1.1 基准策略：买入持有（Buy & Hold）​

1.2 趋势跟踪：双均线策略​

1.3 技术指标：RSI超买超卖​

1.4 链上指标：MVRV与NVT​

MVRV Z-Score 详解（Market Value to Realized Value）​

NVT Signal 详解（Network Value to Transactions）​

1.5 配对交易：ETH/BTC比率​

1.6 动态仓位：LinearScaleWeight​

1.7 策略全景：原语覆盖能力一览​

第二章：基准的力量——买入持有的惊人表现​

2.1 回测环境​

2.2 关于参数选择与敏感性测试​

2.3 基准策略表现​

第三章：12个策略组合的完整对比​

3.1 全景数据表​

3.2 策略分层​

第四章：5个反直觉发现的深度剖析​

发现一：双均线策略的"逆袭"​

发现二：RSI策略的全面溃败​

发现三：链上指标组合的"1+1<1"​

发现四：ETH/BTC配对的"180度反转"​

发现五：动态仓位的精细化进化​

第五章：链上指标的原语实现​

5.1 MVRV单独策略​

5.2 MVRV+NVT组合策略（失败案例）​

5.3 MVRV动态仓位策略​

第六章：核心启示​

关于加密货币策略​

关于原语系统的价值：让策略研究从"经验艺术"变为"工程学科"​

原语系统的真正定位：策略研究的“中间表示层（IR）”​

传统策略系统的根本困境​

原语系统的本质：策略的"语义化拆解"​

原语系统带来的五个核心能力​

策略选择指南​

附录​

A. 完整配置文件​

B. 数据来源说明​

C. 风险提示​

引言