模型数字究竟是什么
它回答的是一个很窄的问题:给定当前篮子中的领先者及其基于评分推算出的权重,使用每位领先者公开可见的交易历史,过去 7 天和 30 天这套配置本来会产生什么结果?
这是一个有用的问题,因为它检验的是这套方法本身,而不是某种营销说法,而且每一个输入都可以在链上公开核验。它不是预测,也不是你账户实际发生的事。
现实
模型组合是一个估算:如果按当前篮子的评分权重进行配置,基于公开的领先者交易历史,理论上会产生什么结果。它是对这套方法的参考,不是任何人账户的记录——尤其不是你的。
要点速览
模型表现是基于当前评分权重下、公开的领先者交易历史计算出来的。它不包含你的开仓时点、你的实际成交、取整后的仓位规模、手续费、资金费,也不包含你是从某个具体日期开始的这个事实。你的账户会朝两个方向都可能偏离它,公平的比较需要相同的窗口、相同的篮子构成,以及计入成本之后的数字。
| 维度 | 模型组合 | 你的账户 |
|---|---|---|
| 数据来源 | 公开的领先者交易历史 | 你自己的实际成交 |
| 窗口 | 固定的 7 日/30 日 | 从你开始的那一刻起 |
| 开仓价格 | 领先者的成交价 | 你的成交价,已计入延迟与滑点 |
| 规模 | 未取整的评分权重 | 经过取整与上限限制后的权重 |
| 成本 | 不含你的手续费与资金费情况 | Builder 费用、交易所手续费、资金费 |
| 篮子构成 | 当前的构成 | 你镜像期间实际存在的构成 |
| 适用场景 | 检验方法本身 | 评判你自己的实际结果 |
它回答的是一个很窄的问题:给定当前篮子中的领先者及其基于评分推算出的权重,使用每位领先者公开可见的交易历史,过去 7 天和 30 天这套配置本来会产生什么结果?
这是一个有用的问题,因为它检验的是这套方法本身,而不是某种营销说法,而且每一个输入都可以在链上公开核验。它不是预测,也不是你账户实际发生的事。
模型对你的账户一无所知,所以所有和你具体相关的东西都不在其中。模型和一个真实跟随者结果之间的大部分差距,来自这些被排除的因素,而不是出了什么问题。
使用相同的窗口,并且要足够长,长到包含不止几笔交易。要和那个窗口期内实际被镜像的篮子构成做比较,而不是今天的构成。而且要用计入成本后的结果去比较计入成本后的结果——用一个未计成本的模型数字去对比一个计成本后的账户数字,注定对不上。
最常见的自我欺骗是不对称归因:账户跑赢模型时把功劳归给方法本身,落后时就把责任归咎于执行。这两种方向其实是同一种现象。
因为每位领先者都运行在自己专属的子账户里,你可以逐条腿比较,而不是纠结于一个笼统的合计数字。这能揭示真正的原因:某位高换手领先者出现了较大分化、某条腿规模太小无法干净地配置仓位,或者某个长期持有的仓位产生了资金费。
一个合计层面的差距只能告诉你:有些地方不一样了。按腿归因才能告诉你:到底是哪里不一样。
无论是模型还是你自己的过往回报,都不能可靠地预示下一个周期会怎样。评分是回顾性的,篮子会变化,行情格局会终结。这里所说的透明,指的是可核验的输入和公开陈述的方法,而不是预测能力。
带杠杆的永续合约存在重大亏损风险,可能损失全部本金。过去的链上表现不构成对未来的预测,HyperMirror 不对收益或本金作任何保证。
问题
不是。它是一个估算:如果按当前评分权重配置,基于公开领先者历史,在固定窗口内本会产生什么结果。你的实际结果会朝两个方向都可能偏离它。
通常是起始日期、执行分化、成本与腿的规模共同作用的结果。在相同窗口下按腿比较,可以找出哪个因素占主导。
领先者及其权重公布在排行榜上,他们的交易历史在 Hyperliquid 上是公开的。这正是公开这套方法而不是一句空口承诺的意义所在。