数学与市场的交汇
核心团队由深谙华尔街量化法则的精英成员领衔，曾任职于 Citadel、Goldman Sachs（高盛）、OKX 等全球顶尖量化基金和加密交易所，具备管理过数十亿美元资产规模（AUM）的实战经验。
我们致力于将华尔街工业级的系统工程标准引入加密市场。底层交易引擎采用低延迟深度开发，复刻了顶级投行的高频交易架构，在极端行情下依然保持微秒级（Microsecond）的撮合响应与稳定性。并结合 AI 多种量化因子作为辅助，我们的模型在传统市场通过了十余年跨越牛熊的压力测试。
- 01基于10余年市场数据训练的专有机器学习模型，覆盖40+品种
- 02最小化方向性市场敞口的市场中性策略，适应多种市场环境
- 03纳秒级熔断机制与紧急停止按钮的实时风险管理体系
- 04完全使用自有资金交易，与合作伙伴的利益高度一致
业绩表现
四年实盘跟踪 · 业绩验证
近四年标准化净值 · 以 $1,000 为基准
近四年策略实盘验证，累计回报达 +158.63%。
专业级行情终端
多维趋势量化识别引擎与立体化状态识别，同时实时进行微观动量 Episode 捕捉，判定趋势从「蓄势 - 加速 - 衰竭」的完整生命周期，并在实时计算衰竭区间（Exhaustion Zones）。
核心优势
多因子信号组合
结合 4 种独立信号源，降低单因子失效风险。
动态仓位管理
基于波动率自适应调整仓位，执行后自动降低风险敞口。
全流程风控体系
无论牛熊都可捕捉趋势收益，全链路实时监控。
严格风险约束
硬止损 + 浮动止盈，最大回撤控制在可接受区间。
交易场所
洞察与方法论
我们定期分享在加密量化领域的研究成果、工程实践与市场观察。
加密横截面动量：1–4 周窗口与四因子框架
Sparkline Capital 研究显示，加密动量最优窗口为 1–4 周，大市值资产信号更稳定，需与价值因子和波动率管理组合使用。
Fundamentals 1：链上基本面因子的系统化构建
Artemis Analytics 将 DAU 增长、费用估值与活跃收入转化为横截面因子，4 年回测 Sharpe 约 1.73，验证链上数据的 alpha 价值。
波动率目标与 Fractional Kelly：控制极端回撤
波动率目标将仓位与实现波动率反向挂钩；配合 Fractional Kelly 与回撤节流，可将最大回撤从 58% 压缩至 21%。
Quantamental 框架：链上指标与算法执行的融合
Katoshi 提出将 NVT、活跃地址、费用指标与波动率调整动量结合，在价格发现前识别被低估协议。
开启对话
我们与精选的机构投资者、家族办公室和合格合作伙伴合作。如希望了解更多关于策略或合作机会，欢迎联系。