ALT Season 的本质不是“山寨涨”,而是“资金从 BTC 溢出”

一、什么是 BTC Dominance

BTC Dominance 是一个非常简单但非常关键的指标:

BTC Dominance = BTC Market Cap / Total Crypto Market Cap

意思是:

BTC 在整个加密市场里的 资金占比

例如:

BTC市值 全市场市值 Dominance
8000亿 1万亿 80%
8000亿 1.6万亿 50%

第二种情况说明:

大量资金流向了 ALT。


二、ALT Season 的真正定义

很多人误以为:

ALT Season = ALT上涨

其实更准确的定义是:

ALT Season = ALT涨得比BTC更快

换句话说:

ALT_return > BTC_return

这会导致:

BTC Dominance 下降

三、为什么 Dominance 会崩塌

核心机制是 资金轮动(capital rotation)

资金会经历一个典型路径:

BTC
 ↓
ETH
 ↓
Large Cap ALT
 ↓
Mid Cap ALT
 ↓
Small Cap / MEME

原因是:

资金总是先进入 最安全资产

在加密市场里:

风险等级 资产
最低风险 BTC
中风险 ETH
高风险 ALT

当市场情绪升温时:

风险偏好 ↑

资金就会:

从 BTC 溢出

四、Dominance 崩塌的三种驱动

通常需要三个条件。


1 BTC上涨但不疯狂

如果 BTC:

稳定上涨

投资者开始盈利。

心理变化:

盈利 → 自信 → 风险偏好 ↑

于是资金会:

部分从 BTC 转向 ALT

2 新资金进入

当市场升温时:

新资金

通常不会买 BTC。

原因很简单:

BTC 市值太大。

新资金更喜欢:

高倍数机会

所以他们更容易进入:

ALT
MEME
Narrative token

3 做市商推动 Beta

ALT 的流动性较低。

所以当资金进入时:

价格弹性更大

例如:

BTC +5%
ALT +40%

这样一来:

ALT market cap ↑

BTC 占比自然下降。


五、Dominance 崩塌的典型阶段

一个完整的牛市通常是:

阶段1
BTC 独涨
Dominance ↑

阶段2
BTC 稳定上涨
ETH 开始上涨
Dominance 稳定

阶段3
ALT 爆发
Dominance ↓

阶段4
MEME 狂潮
Dominance 暴跌

很多历史周期都是这样。


六、为什么 Dominance 比价格更重要

价格上涨并不能说明资金流向。

例如:

BTC +10%
ALT +10%

Dominance 不变。

但如果:

BTC +10%
ALT +60%

Dominance 就会下降。

这才是真正的:

ALT Season

七、Dominance 崩塌会产生一个“正反馈”

当 ALT 开始跑赢 BTC 时,会发生:

1️⃣ 投资者注意到 ALT 更赚钱
2️⃣ 更多资金流向 ALT
3️⃣ ALT 涨幅扩大

形成循环:

ALT上涨
 ↓
关注度 ↑
 ↓
资金流入
 ↓
继续上涨

八、Dominance 崩塌的终点

当 Dominance 快速下降时,通常意味着:

投机情绪极端

资金开始流向:

micro cap
memecoin
垃圾项目

这通常是周期后期。


九、和你的“水温模型”的关系

如果用水温模型解释:

水温 Dominance
60° BTC主导
70° ETH启动
80° ALT爆发
90° MEME狂潮

也就是说:

Dominance 下降
≈ 市场温度升高

十、一个很多人忽略的关键点

ALT Season 不是自动发生的

它必须满足两个条件:

BTC 不暴跌
BTC 不暴涨

只有在:

BTC 稳定上涨

的时候:

Dominance 才会崩塌

Read more

跑步的技巧(滚动落地)

“滚动落地(rolling contact / rolling foot strike)”不是一种教条式的“脚法”,而是一种 让冲击沿着整只脚、整条后链逐级传递的落地机制。 它的核心不是“你先用哪儿着地”,而是: 你的脚落地之后,冲击是不是像轮子一样滚过去,而不是像锤子一样砸下去。 这就是滚动落地的本质。 一、什么叫“滚动落地”? 你可以把它理解成两种完全不同的落地方式: 1. 砸地(撞击式) 脚像锤子一样拍到地上: * 要么后跟先砸 * 要么前掌先戳 * 冲击集中在一个点 * 一个结构瞬间吃掉大部分载荷 结果就是: * 后跟砸 → 膝盖难受 * 前掌戳 → 前脚掌磨烂 * 都不是长跑友好模式 这叫 撞击式着地(impact strike)。 2. 滚地(滚动式) 脚像轮胎一样“滚”过地面: * 不是某一点硬砸 * 而是外侧中足先轻触 * 再向前滚到前掌 * 最后从大脚趾蹬离

By SHI XIAOLONG

AMI的优越性

世界模型(World Models)的具体例子 如下,我按类型分类,便于理解。每类都附带实际实现、演示效果和应用场景。 1. Yann LeCun / Meta 的 JEPA 系列(最直接对应“世界模型”概念) 这些是 LeCun 主张的非生成式抽象预测世界模型代表。 * I-JEPA(Image JEPA,2023) 输入一张图像,模型把不同区域(context 和 target)编码成抽象表示,然后预测 target 的表示(不在像素级别重建)。 例子:给定一张遮挡了部分物体的图片,模型能预测“被遮挡物体的大致位置和属性”,构建对物体持久性和空间关系的理解。 这是一个“原始世界模型”,能学习物理常识(如物体不会凭空消失)。 * V-JEPA / V-JEPA 2(Video JEPA,

By SHI XIAOLONG

什么是:“世界模型(World Models)”

世界模型(World Models) 是人工智能领域的一个核心概念,尤其在 Yann LeCun 等研究者推动的下一代 AI 架构中占据中心位置。它指的是 AI 系统在内部构建的对现实世界的抽象模拟或内部表示,让机器能够像人类或动物一样“理解”物理世界、预测未来、规划行动。 简单比喻 想象你闭上眼睛也能“看到”房间里的物体会如何移动、碰撞或掉落——这就是你大脑里的世界模型。AI 的世界模型就是类似的“数字孪生”(digital twin)或“内部模拟器”:它不是简单记住数据,而是学习世界的动态、因果关系和物理直觉(如重力、物体持久性、遮挡、因果等)。 为什么需要世界模型? 当前主流的大型语言模型(LLM) 擅长处理文本(统计模式预测),但存在根本局限: * 缺乏对物理世界的真正理解 → 容易“幻觉”、无法可靠规划。 * 样本效率低 → 人类/

By SHI XIAOLONG

K线周期可配置化设计方案

K线周期可配置化设计方案 1. 背景与目标 当前 Beta 套利策略的 K 线周期硬编码为 "1h",分散在多个文件中。需要: 1. 将 K 线周期从 1h 改为 2h 2. 提取为环境变量 BETA_ARB_KLINE_INTERVAL,使其可在 .env 中配置 2. 影响范围分析 2.1 需要修改的文件(共 6 个) 文件 硬编码位置 修改内容 src/trading/config.py BetaArbConfig dataclass 新增 kline_interval 字段,

By SHI XIAOLONG