日月小楚的投资交流空间（公告群）
Photo
日月小楚
在龙虾爆火后，我越来越相信在不久的将来，各类AI Agent会替代它的主人，活跃在网络上进行交流、交易信息、购物等等行为。
而其中最最基础的一个，那就是支付。而AI Agent世界的支付，需要满足
1）足够快，能支持高频的交易转账
2）极低的手续费的支持微小金额转账（甚至是0.0001刀以下）
3）无国界
很明显，能满足上面条件的只有区块链。在Agent时代，区块链和AI真的是绝配。
看到肖老板刚发布的HSK 白皮书2.0，很明显也是主打的这个点。为Agent提供一个完善的支付网络，是web3最有前景的方向。
除了前面说的几个优先，我发现肖老板还考虑的更深，Hashkey Chain 还使用零知识证明，可以让Agent有一个合规数字身份证，它不仅有隐私保护的功能。更重要的，能解决一大部分安全的问题。杜绝了高资产的Agent被坏人跟踪惦记。
Hashkey Chain还设计了机构级许可链，利用其合规的优势，它可以作为结算的主链，而机构可以构建执行层，实现每秒百万笔的吞吐。
Anyway，AI并不是抢了区块链的风头，而是更需要区块链了，这个方向越来越有意思了。
tweet
在龙虾爆火后，我越来越相信在不久的将来，各类AI Agent会替代它的主人，活跃在网络上进行交流、交易信息、购物等等行为。
而其中最最基础的一个，那就是支付。而AI Agent世界的支付，需要满足
1）足够快，能支持高频的交易转账
2）极低的手续费的支持微小金额转账（甚至是0.0001刀以下）
3）无国界
很明显，能满足上面条件的只有区块链。在Agent时代，区块链和AI真的是绝配。
看到肖老板刚发布的HSK 白皮书2.0，很明显也是主打的这个点。为Agent提供一个完善的支付网络，是web3最有前景的方向。
除了前面说的几个优先，我发现肖老板还考虑的更深，Hashkey Chain 还使用零知识证明，可以让Agent有一个合规数字身份证，它不仅有隐私保护的功能。更重要的，能解决一大部分安全的问题。杜绝了高资产的Agent被坏人跟踪惦记。
Hashkey Chain还设计了机构级许可链，利用其合规的优势，它可以作为结算的主链，而机构可以构建执行层，实现每秒百万笔的吞吐。
Anyway，AI并不是抢了区块链的风头，而是更需要区块链了，这个方向越来越有意思了。
HSK White Paper 2.0 is now officially live 📃
HashKey Chain has released the HSK White Paper 2.0, outlining our vision for the next era of on-chain finance:
1️⃣ Building a usable and trustworthy on-chain execution environment
2️⃣ One-stop infrastructure for RWA issuance
3️⃣ Empowering the AI agent economy on HashKey Chain
4️⃣ The Global Horizon Hackathon
HSK White Paper 2.0 is more than a technical document. It serves as a blueprint for an open and composable financial system.
🔗 Read more: https://t.co/bxKpKHn56Y tweet
日月小楚的投资交流空间（公告群）
Photo
日月小楚
RT @riyuexiaochu: 在龙虾爆火后，我越来越相信在不久的将来，各类AI Agent会替代它的主人，活跃在网络上进行交流、交易信息、购物等等行为。
而其中最最基础的一个，那就是支付。而AI Agent世界的支付，需要满足
1）足够快，能支持高频的交易转账
2）极低的手续费的支持微小金额转账（甚至是0.0001刀以下）
3）无国界
很明显，能满足上面条件的只有区块链。在Agent时代，区块链和AI真的是绝配。
看到肖老板刚发布的HSK 白皮书2.0，很明显也是主打的这个点。为Agent提供一个完善的支付网络，是web3最有前景的方向。
除了前面说的几个优先，我发现肖老板还考虑的更深，Hashkey Chain 还使用零知识证明，可以让Agent有一个合规数字身份证，它不仅有隐私保护的功能。更重要的，能解决一大部分安全的问题。杜绝了高资产的Agent被坏人跟踪惦记。
Hashkey Chain还设计了机构级许可链，利用其合规的优势，它可以作为结算的主链，而机构可以构建执行层，实现每秒百万笔的吞吐。
Anyway，AI并不是抢了区块链的风头，而是更需要区块链了，这个方向越来越有意思了。
tweet
RT @riyuexiaochu: 在龙虾爆火后，我越来越相信在不久的将来，各类AI Agent会替代它的主人，活跃在网络上进行交流、交易信息、购物等等行为。
而其中最最基础的一个，那就是支付。而AI Agent世界的支付，需要满足
1）足够快，能支持高频的交易转账
2）极低的手续费的支持微小金额转账（甚至是0.0001刀以下）
3）无国界
很明显，能满足上面条件的只有区块链。在Agent时代，区块链和AI真的是绝配。
看到肖老板刚发布的HSK 白皮书2.0，很明显也是主打的这个点。为Agent提供一个完善的支付网络，是web3最有前景的方向。
除了前面说的几个优先，我发现肖老板还考虑的更深，Hashkey Chain 还使用零知识证明，可以让Agent有一个合规数字身份证，它不仅有隐私保护的功能。更重要的，能解决一大部分安全的问题。杜绝了高资产的Agent被坏人跟踪惦记。
Hashkey Chain还设计了机构级许可链，利用其合规的优势，它可以作为结算的主链，而机构可以构建执行层，实现每秒百万笔的吞吐。
Anyway，AI并不是抢了区块链的风头，而是更需要区块链了，这个方向越来越有意思了。
HSK White Paper 2.0 is now officially live 📃
HashKey Chain has released the HSK White Paper 2.0, outlining our vision for the next era of on-chain finance:
1️⃣ Building a usable and trustworthy on-chain execution environment
2️⃣ One-stop infrastructure for RWA issuance
3️⃣ Empowering the AI agent economy on HashKey Chain
4️⃣ The Global Horizon Hackathon
HSK White Paper 2.0 is more than a technical document. It serves as a blueprint for an open and composable financial system.
🔗 Read more: https://t.co/bxKpKHn56Y tweet
日月小楚
AI trading 看到过好几个项目了。
看起来非常nice，但是很多项目可能没想明白一个事情
Why AI？
其实量化交易已经是非常成熟，高手云集的地方了。AI trading 并不是用vibe coding出一个产品。
更不是，将原本用代码就能判断的指标，交给AI来判断，没有任意。AI还会经常有幻觉。
AI trading要想成功，就必须要考虑使用了AI后，有什么是原先代码不能实现的。
tweet
AI trading 看到过好几个项目了。
看起来非常nice，但是很多项目可能没想明白一个事情
Why AI？
其实量化交易已经是非常成熟，高手云集的地方了。AI trading 并不是用vibe coding出一个产品。
更不是，将原本用代码就能判断的指标，交给AI来判断，没有任意。AI还会经常有幻觉。
AI trading要想成功，就必须要考虑使用了AI后，有什么是原先代码不能实现的。
已经不止有多个项目找我测一测他们的AI trading架构了
我就简单说几点吧
1. 拿长期实盘出来,短期妖币这种没有 max dd 的不代表什么,幸存者偏差而已。随便挑一个已经归零的币倒着回测,曲线一样漂亮
2. 如果 Sharpe ratio > 5,基本上可以确定是过拟合、look-ahead bias 或者数据泄漏。Medallion 常年也就 2-3,你一个人在家跑出 7,自己心里要有b数
3. 你拿一段 crypto bull market 的数据去测,和你拿一段大类市场的数据回测是不一样的,完全的 overfitting,基本我不看。最起码 2018、2022 两轮熊市能走通,再跑一轮 walk-forward,才算一个策略
4. 手续费、滑点、funding rate 都得建进去。Binance 的 maker/taker、VIP 档位、BNB 折扣一层层算下来,模型不准的话 backtest 和实盘能差出一倍年化,这是常态
5. 策略容量比收益率更值得看。10 万刀跑得动,不代表 100 万刀还能跑。小币深度就那么点,你一进场自己就把自己的信号打掉,backtest 里完全 reflect 不出来
6. 确实 crypto quant 没那么卷,但套利机会一直在被蚕食——funding arb、现货期货 basis、跨所价差,基本已经被做市商和 HFT 吃干净了。高频做不了,纯因子也没空间,剩下能做的只有趋势和 mean reversion 这两条老路
7. Alpha 有半衰期。策略上线三个月还能跑,算及格;半年还在,算不错;一年还有,大概率是运气好或者你的规模还没到引起注意的量级。别把一次 bull run 的红利当永续 alpha，你还没有那么牛逼
8. Grid search 出来的"最优参数"99% 是过拟合。真正稳的参数,是你在一个区间里随便挑都能跑,而不是精确到小数点后两位才 work。参数稳健性比单点收益重要一百倍,这点做过的人都懂
9. 2017 ICO、2020 DeFi summer、2021 meme、2022 LUNA/FTX、2023 AI 叙事,每一段市场结构完全不同。你在上一段拟合出来的"规律",换个 regime 直接归零,还倒亏手续费
10. 交易所风险永远比你想的大。FTX 归零、API 限流、插针爆仓、小所跑路、币安突然下架,这些都是"一次就结束游戏"的事。你年化 50% 抵不过一次交易所暴雷,这跟策略多牛逼没关系，做山寨的就要考虑到流动性和“下架风险”
11. backtest 上曲线波动看着很美,真到自己账户里连续三周净值下跌,90% 的人会关掉程序手动调参
12. 分清楚你赚的是 alpha 还是 beta。牛市里所有人都是 quant 大师,熊市一来只剩 beta 的人全被冲走。把多头暴露剥离出来单独看 alpha 曲线,大多数所谓"策略"根本没 alpha,就是变相 long BTC 加一点波动率。
13. ML 在 quant 里有大量虚假繁荣。LSTM、Transformer、强化学习被吹上天,实际在 SNR 极低的金融时序上,一个朴素动量因子加合理风控,能打过你调一万次的 XGBoost
真JB学习起来，quant是真的难得一笔 tweet
👍1
日月小楚
我怎么感觉gpt5.5 有点傻傻的。
使用gpt5.5后，它犯了好几个初始错误了。
今天早上，会话开始让它计算了盈亏pnl，它意识到链上pnl不能只使用流入usdc-流入的usdc作为pnl。然后过两次对话后，在自己还是使用这个计算方法。
下午的一次，要计算60天的pnl，它明明知道初始的盈利要去掉才是正确60天的，但是在自己算的时候才是没有处理好。
gpt5.5 我感觉没有想象的那么好
糟糕，怀疑的种子已经在心里种下，它在生根发芽了
tweet
我怎么感觉gpt5.5 有点傻傻的。
使用gpt5.5后，它犯了好几个初始错误了。
今天早上，会话开始让它计算了盈亏pnl，它意识到链上pnl不能只使用流入usdc-流入的usdc作为pnl。然后过两次对话后，在自己还是使用这个计算方法。
下午的一次，要计算60天的pnl，它明明知道初始的盈利要去掉才是正确60天的，但是在自己算的时候才是没有处理好。
gpt5.5 我感觉没有想象的那么好
糟糕，怀疑的种子已经在心里种下，它在生根发芽了
tweet
日月小楚的投资交流空间（公告群）
Photo
日月小楚
借此文章，说一个特别容易犯错的链上数据分析，就是长期持有者。
你认为图表，过几个月，长期持有者一直在增加。
其实是错的！！
长期持有者的定义：glassnode定义持有5~6个月为长期持有者（大概这个数字，具体记不清了）。
所以，不是增持，那些之前买的btc持有不动，它自然就会变成长期持有者。
那么5~6个月前，就是btc顶部的时候，大量的筹码套牢。
所以套路盘啥都不动，现在的时间就变成长期持有者了。
tweet
借此文章，说一个特别容易犯错的链上数据分析，就是长期持有者。
你认为图表，过几个月，长期持有者一直在增加。
其实是错的！！
长期持有者的定义：glassnode定义持有5~6个月为长期持有者（大概这个数字，具体记不清了）。
所以，不是增持，那些之前买的btc持有不动，它自然就会变成长期持有者。
那么5~6个月前，就是btc顶部的时候，大量的筹码套牢。
所以套路盘啥都不动，现在的时间就变成长期持有者了。
不到三个月，长期持有者增持 Bitcoin 超过 33万 枚
很多小伙伴私信问，之前 $BTC 60,000 美元左右是不是底部了，现在是不是已经过了最后一跌的时候。
从我个人的观点来看，最后一跌肯定是还没发生，但是不是会发生说不准，因为在给我定义中，最后一跌对应的是类似于“经济衰退”的大幅下跌，但目前并没有看到，即便是跌倒了 60,000 美元的时候美国的经济也没有发现明显的衰退。
所以是不是底部很难说，但是从之前我就一直在每天的作业中都有说，低于 70,000 美元的 Bitcoin 对于投资者是很有吸引力的。
从持仓超过 155 天没有移动过的 Bitcoin 数据就能看到，最近一年中当 Bitcoin 的价格低于 70,000 美元的时候，能明显看到长期持有者增加了 BTC 的持仓，这个时间段有超过 33 万枚 Bitcoin 被长期持有者买入。
而对应的是交易所的 BTC 存量在持续下降，这也说明了：
1. 低价不但不能让长期持有者投降，反而让长期持有者增持。
2. 低于 70,000 美元的价格已经是不少投资者的抄底预期。
3. 目前长期持有的 BTC 将近 147.7 万，距离历史最高点不足 6 万枚 Bitcoin 的差距。
4. 绝大多数的 BTC 持有者对于 Bitcoin 短期价格的走势并不感兴趣。
5. 越来越多的投资者对于短线交易 Bitcoin 兴趣缺缺（交易所存量下降）。
因此，我很难说 Bitcoin 目前就是在底部区间，但可以看到投资者起码对于 70,000 美元以下的成本非常感兴趣，即便是现在 BTC 接近 80,000 美元，投资者的买入也并未明显减缓。 tweet
日月小楚的投资交流空间（公告群）
Photo
日月小楚
非常感谢这么细致的讲解。
在定义上来看，我原先的理解有部分的错误，应该是长期持有者账号如果增持，也会被平均进去。
（虽然我觉得glassnode这样对数据的处理是 有些问题的，我觉得比特币应该基于utxo来跟踪btc的数量，而不是基于地址来，这样会更加科学一些）
但是，整体结论并没有问题。因为长期持有者数量的增加，有很大的贡献是短期持有者，持有不动。而并不是买入。
对于这个的观察是源于我当时发现，LTH的持有数量反转，也就是从下降开始变成增长，总是早于btc见底。
tweet
非常感谢这么细致的讲解。
在定义上来看，我原先的理解有部分的错误，应该是长期持有者账号如果增持，也会被平均进去。
（虽然我觉得glassnode这样对数据的处理是 有些问题的，我觉得比特币应该基于utxo来跟踪btc的数量，而不是基于地址来，这样会更加科学一些）
但是，整体结论并没有问题。因为长期持有者数量的增加，有很大的贡献是短期持有者，持有不动。而并不是买入。
对于这个的观察是源于我当时发现，LTH的持有数量反转，也就是从下降开始变成增长，总是早于btc见底。
曾经我也对长期持有者（LTH）和短期持有者（STH）具体是如何被划分的表示困惑。如果对数据的逻辑理解有误，就会让分析结果产生片面甚至错误。
为此我和Glassnode开发者团队针对LTH和STH的算法和定义做了深入的探讨。中文社区至今应该没有一篇完备的分析和说明。
正好看到倪大 @PhyrexNi 和 小楚老师 @riyuexiaochu 在讨论这个话题，我就班门弄斧，尝试做些解释：
第一步，为了确定如何根据币龄区分STH和LTH的确切阈值，Glassnode分析了UTXO在各个时间段内内被花费的概率曲线的斜率。结果是在每种情况下，样本最大斜率的币龄恰好为155 天。
也就是说，至少要持有155天后，BTC再次被移动的概率才最小。因此，我们将持有155天作为LTH和STH的基础区分标准。
第二步，在这个基础上，Glassnode工程师们还考虑了每个链上实体自购买日期以来的平均时间，如果该时间超过155天，则该实体被视为长期持有者。
比如，我的钱包里有10枚BTC持有了300天，我今天又买入了5枚持有了1天，那么平均时间就是：(10*300+5*1)÷15=200天；这个时间大于155天，所以我今天买入的5枚会被归入长期持有者。
第三步，为了对尖锐的分类阈值进行细化，并将其转化为一条平滑的权重因子曲线，Glassnode使用了一个中点为155天 + 10天为过渡宽度的逻辑函数。
这样曲线会比较平滑，不会突然暴涨暴跌。大致上说，如果被持有了约177天后，90%的比特币将划分到LTH供应中。
所以，综上所述，LTH净持仓的增加说明了2点：
🚩 1、老的LTH增持，只要钱包中BTC平均持有时间大于155天；
🚩 2、STH的BTC一直持有，大约177天后变成了新LTH；
但LTH净持仓增加，不代表LTH不卖。
比如我们看图4：从2025年7月7日开始至今，LTH累计花费了574.7w枚BTC，但实际LTH的净持仓只减少了4.4w枚。这就说明在LTH支出的同时，也有大量STH持有不动，从而补充到LTH中。
而从2026年2月14日开始，LTH净持仓又恢复上升趋势，说明老LTH的增持+STH持有不动而转为新LTH的合计数量，已经大于LTH的花费数量。
那么对市场来说，就是来自供应端的压力减少了。等需求端随着宏观环境的改善而持续积累，我们就会逐渐从熊市的泥潭沼泽中慢慢走出来了。 tweet
日月小楚
我最近看高流量的文章，发现很多套路表面不同，本质都在做同一件事：
压缩读者的决策时间。
--“2026 + 全面指南”，压缩的是学习成本：你不用到处找，看这一篇就够。
--“拆解 / 复盘 / 从 0 到 1”，压缩的是试错成本：我把过程摊开，你可以少走弯路。
--“我做了 X，所以你可以信我”，压缩的是信任成本：先证明我有现场经验。
--“你以为 X，其实 Y”，压缩的是判断成本：你可能理解错了，点进来看看真相。
--“闷声发大财”，压缩的是入场犹豫：这事赚钱，而且知道的人还不多。
这些模板确实有效，有效到知道套路的我，经常忍不住会点进去。
但模板越有效，越容易同质化。
最后真正拉开差距的，不是句式。
是真实经历、具体数字和别人复制不了的细节。
tweet
我最近看高流量的文章，发现很多套路表面不同，本质都在做同一件事：
压缩读者的决策时间。
--“2026 + 全面指南”，压缩的是学习成本：你不用到处找，看这一篇就够。
--“拆解 / 复盘 / 从 0 到 1”，压缩的是试错成本：我把过程摊开，你可以少走弯路。
--“我做了 X，所以你可以信我”，压缩的是信任成本：先证明我有现场经验。
--“你以为 X，其实 Y”，压缩的是判断成本：你可能理解错了，点进来看看真相。
--“闷声发大财”，压缩的是入场犹豫：这事赚钱，而且知道的人还不多。
这些模板确实有效，有效到知道套路的我，经常忍不住会点进去。
但模板越有效，越容易同质化。
最后真正拉开差距的，不是句式。
是真实经历、具体数字和别人复制不了的细节。
tweet
日月小楚的投资交流空间（公告群）
Photo
日月小楚的投资交流空间（公告群）
Photo
日月小楚
意外的发现，wildcard可以充值gpt 和claude的会员
有溢价!
在推上有很多文章，用土区/business的优惠很多。
但是我依然选择了wildcard
因为之前的经历告诉我，攻略看似简单，真的要弄起来，要折腾半天，最后还不一定弄好。
而你半天的时间，难道比不上这几十块钱吗 https://t.co/tNTNlkArq8
tweet
意外的发现，wildcard可以充值gpt 和claude的会员
有溢价!
在推上有很多文章，用土区/business的优惠很多。
但是我依然选择了wildcard
因为之前的经历告诉我，攻略看似简单，真的要弄起来，要折腾半天，最后还不一定弄好。
而你半天的时间，难道比不上这几十块钱吗 https://t.co/tNTNlkArq8
tweet
日月小楚
我昨天踩了一个很典型的 PnL 坑：现金流看起来亏了 335 万，但它根本不是每日收益。
事情是这样的。
我拿 5 个 盈利最高的Polymarket 地址，按 activity 流水算最近 14 天表现，结果合计是 -3,350,709.97。第一眼看，很吓人，像是这批地址 14 天亏了 335 万。
难道是翻车了吗？
研究了半天才意识到有个关键问题：
买入没有卖出的仓位，只是现金流流出，不等于当天亏损。
如果一个钱包今天花 10 万买入仓位，系统只看流水，就会看到 -10 万。可这个仓位还在，可能明天涨，也可能下周结算。你不能因为钱从余额里出去了，就直接说它今天亏了 10 万。
更明显的是，同一批地址按一个月 activity 公式算，结果是 1,398,554.24；但 PredictFolio 同期只有 100,977.66，差了 1,297,576.58。
问题不在数字，而在口径。
activity 更像现金流审计：钱什么时候进，什么时候出。
PnL 更像收益统计：这段时间资产到底涨了多少，跌了多少。
所以我的判断标准变成了：
看时间段收益，用累计 PnL 快照。
查资金流向，用 activity。
不要把“买入形成仓位”，误看成“当天亏掉本金”。
链上数据最容易骗人的地方，不是它没有数据。
而是它给了你一个看起来很精确、但口径完全不对的数字
tweet
我昨天踩了一个很典型的 PnL 坑：现金流看起来亏了 335 万，但它根本不是每日收益。
事情是这样的。
我拿 5 个 盈利最高的Polymarket 地址，按 activity 流水算最近 14 天表现，结果合计是 -3,350,709.97。第一眼看，很吓人，像是这批地址 14 天亏了 335 万。
难道是翻车了吗？
研究了半天才意识到有个关键问题：
买入没有卖出的仓位，只是现金流流出，不等于当天亏损。
如果一个钱包今天花 10 万买入仓位，系统只看流水，就会看到 -10 万。可这个仓位还在，可能明天涨，也可能下周结算。你不能因为钱从余额里出去了，就直接说它今天亏了 10 万。
更明显的是，同一批地址按一个月 activity 公式算，结果是 1,398,554.24；但 PredictFolio 同期只有 100,977.66，差了 1,297,576.58。
问题不在数字，而在口径。
activity 更像现金流审计：钱什么时候进，什么时候出。
PnL 更像收益统计：这段时间资产到底涨了多少，跌了多少。
所以我的判断标准变成了：
看时间段收益，用累计 PnL 快照。
查资金流向，用 activity。
不要把“买入形成仓位”，误看成“当天亏掉本金”。
链上数据最容易骗人的地方，不是它没有数据。
而是它给了你一个看起来很精确、但口径完全不对的数字
tweet