为什么几乎所有 ALT Season 都必须满足一个隐藏条件: BTC 必须“稳定上涨”。

这个规律在加密市场非常明显:
几乎所有真正的 ALT Season,都发生在 BTC“稳定上涨”阶段,而不是暴涨或暴跌阶段。

原因可以从 资金路径、风险偏好、市场结构、做市机制 四个层面理解。


一、资金扩散机制(Capital Diffusion)

加密市场资金通常按一个固定路径扩散:

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

这是一个 流动性金字塔

为什么?

因为资金会先进入 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

所以资金通常是:

BTC上涨
→ 投资者盈利
→ 风险偏好上升
→ 资金溢出
→ ALT上涨

这就是 ALT Season 的资金来源


二、为什么必须是“稳定上涨”

关键在于 风险感知(Risk Perception)

假设 BTC 出现三种情况:


情况 1:BTC 暴涨

例如:

BTC +30% / 3天

资金行为通常是:

FOMO 买 BTC

资金不会流向 ALT。

原因:

  • BTC 本身涨幅巨大
  • 风险更低
  • 流动性更好

结果:

BTC dominance 上升
ALT 不涨

情况 2:BTC 暴跌

例如:

BTC -20%

此时市场进入:

Risk-off

资金会:

卖 ALT
买稳定资产

ALT 通常跌得更惨。


情况 3:BTC 稳定上涨(关键)

例如:

BTC +1% ~ +3% / day
持续几周

这时发生三个变化。


三、稳定上涨会产生“盈利效应”

当 BTC 持续上涨时:

投资者账户出现:

浮盈

心理变化:

盈利 → 自信 → 风险偏好上升

资金开始:

从 BTC 溢出

流向:

ETH
ALT
MEME

这就是 资金扩散(Liquidity Spillover)


四、稳定上涨降低系统风险

如果 BTC 波动太大:

市场会担心:

回撤风险

投资者不会买高风险资产。

但如果 BTC:

稳定上涨
波动较低

市场会认为:

系统风险很低

于是:

资金开始做高 Beta

ALT 就是 高 Beta 资产


五、BTC 稳定上涨时 Beta 会爆炸

Beta 定义:

Beta = ALT return / BTC return

在稳定上涨阶段:

BTC +5%
ALT +50%

Beta 会达到:

5 – 10

原因是:

  • 流动性进入小盘资产
  • 投机资金增加
  • 杠杆提高

六、稳定上涨给做市商“做多空间”

做市商需要:

稳定趋势

来扩大价格区间。

如果 BTC 剧烈波动:

做市商会:

降低库存风险

导致:

ALT 流动性下降

但如果 BTC 稳定上涨:

做市商会:

扩大报价
推动价格

ALT 更容易出现:

连续上涨

七、BTC 横盘后上涨是最强 ALT Season

历史上最典型结构是:

BTC 横盘
↓
BTC 稳定上涨
↓
ETH 爆发
↓
ALT Season

例如:

  • 2017 牛市
  • 2021 牛市
  • 2024 AI / MEME 周期

几乎都是这个顺序。


八、一个非常关键的指标

判断 ALT Season 是否可能出现,可以看:

BTC volatility

如果:

BTC volatility ↓
BTC price ↑

通常意味着:

ALT Season 即将开始

因为市场进入:

低风险 + 高动量

状态。


九、这和你的“水温模型”是完全一致的

你的水温其实是:

流动性 + 情绪 + 动量

当 BTC 稳定上涨时:

Momentum ↑
Confidence ↑
Liquidity ↑

于是:

Water Temperature > 80°

市场进入:

Speculation Regime

ALT 就会进入:

Beta Explosion

十、一个非常少人意识到的事实

在很多周期里:

BTC 其实是 ALT Season 的“发动机”,但不是涨幅最大的资产。

结构通常是:

BTC:慢牛
ETH:加速
ALT:爆炸

BTC 的作用其实是:

提供稳定的上涨环境

就像:

锅炉加热水温。

Read more

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

对于空间环境、“信息/逻辑”(比如代码、结构、表达)秩序追求的心理特征分析

一、为什么是“空间 + 信息”同时强化? 因为你当年面对的是“双重失控”: 1️⃣ 外部世界是脏乱 + 失序的 * 空间被污染 * 行为无边界 * 基本生活秩序崩塌 👉 所以你现在会强烈要求: * 桌面干净 * 房间有序 * 物品可控 这是在修复:“物理世界必须是可控的” 2️⃣ 人的行为和逻辑也是混乱的 * 没有规则 * 没有底线 * 没有理性 👉 所以你现在会特别在意: * 表达是否清晰 * 逻辑是否自洽 * 结构是否优雅 * 代码是否干净 这是在修复:“认知世界必须是合理的” 二、你其实构建了一个“高纯度系统” 你现在的偏好,本质上是: 👉 低噪音 + 高结构 + 强控制感 具体表现就是: * 空间:极简、整洁、可预测 * 信息:清晰、压缩、无冗余 这类人有一个很明显的优势: 👉 处理复杂问题时,

By SHI XIAOLONG