Virae Auto Trade 反转分析（第一版数据报告）

2026-08-10

生成时间：2026-08-10（Asia/Shanghai）

模拟数据快照：截至 2026-08-10 04:15 UTC 左右

AWS 原始日志最长可用窗口：2026-03-04 10:08:13 UTC 至 2026-08-10 04:30:00 UTC（查询时点）

实盘订单快照：2026-08-10 04:43 UTC，ops Orders 接口全29页，showAllBdUsers=true

Executive Summary

  • 当前数据不支持“买得越接近结算越安全”这一普遍规律。 BTC 1h 的全参数矩阵中，T-300s 的反转率为 1.74%，T-120s、T-90s、T-60s 分别升至 9.52%、8.57%、10.94%；BTC 15m 的 T-90s、T-60s、T-30s 则都在约 3.1%–3.4%，没有呈现同样的单调关系。
  • 价格和时机必须联合统计。 在固定 distance gate=off、max spread=0.01 的 BTC 15m 基线矩阵中，T-60s、允许价格 0.80–0.98 的反转率为 5.88%（3/51），而 T-90s、允许价格 0.85–0.99 的样本为 0/146。这里的价格是配置允许范围，并不是逐笔真实成交价，因此只能作为参数筛选证据。
  • distance gate 对 BTC/ETH 15m 有明显筛选作用，但代价是大幅降低成交覆盖。 BTC 15m 从关闭 gate 的 3.64% 降至 0.1% gate 的 0.47%；ETH 15m 从 3.58% 降至 1.25%。更高阈值虽然观察到零反转，但样本快速缩小，不能直接解读为零风险。
  • 已关联到结算结果的实盘 BUY 反转率为5.37%（75/1,396，95% CI 4.31%–6.68%）。 资金加权反转暴露占5.69%。这1,396笔覆盖全部1,564笔明确归因且确认成交 BUY 的89.26%；缺口主要是早期未建立 task attribution 的 BTC 15m 历史订单，因此该结果可信但不是100%全量。
  • 实盘成交价越高，反转率显著下降。 实际成交价 <0.85 为18.18%，0.85–0.90 为13.76%，0.90–0.95 为7.51%，0.95–0.98 为2.84%，0.98–1.00 仅0.19%（1/517）。这是当前实盘数据中最稳定、最有行动价值的规律。
  • 没有观察到“周末更容易反转”。 UTC工作日反转率5.55%（53/955），周末4.99%（22/441），置信区间高度重叠；当前只能判断未见周末风险上升，不能证明周末具有保护作用。
  • 反转在时间上呈现成簇而非固定周期。 62个反转市场轮次的相邻间隔中位数7.50小时、均值12.33小时；39.34%的下一次反转在4小时内出现，最长空窗51小时。W32轮次反转占比升至11.33%，但同时混入新上线的1h小样本，需继续滚动验证。

1. 统计口径

本报告把“反转”定义为：

BUY 有实际成交或模拟成交
AND 市场已经结算
AND 买入 token/outcome != 最终 winning token/outcome

模拟矩阵中的等价计算为：

反转数 = settledCount - wonCount
反转率 = 反转数 / settledCount

需要注意：矩阵中的一个观测单位是“配置 × 市场轮次”。同一个市场轮次会被多个配置重复评估，因此全矩阵的观测并不独立，不能把 27,768 个配置结果解释成 27,768 个不同市场。

2. 四个方向策略的总体结果

下表使用公开 simulation matrix 的 30D 窗口。1h 策略实际上只从 2026-07-31 开始覆盖，目前不足完整30天。

策略 配置数 已结算配置结果 反转数 反转率 矩阵 after-fee PnL 合计*
BTC 15m 400 27,768 874 3.15% -$7,514.98
ETH 15m 400 23,719 688 2.90% +$4,011.99
BTC 1h 640 3,126 160 5.12% -$5,036.62
ETH 1h 640 2,390 82 3.43% -$1,298.80

* 每个配置都按展示用 $100 notional 投影，同一轮会在多个配置重复计算；这是参数宇宙的合计，不是一个可实际部署的组合收益。

直接含义： 高胜率不等于盈利。BTC 15m 全矩阵胜率约96.85%，但尾部反转损失和费用仍使大量参数组合整体亏损。后续策略选择应同时看反转率、买价隐含概率和 after-fee PnL。

3. 买入时机与反转率

以下汇总使用全部价格带、spread 与 distance gate 配置，因此适合观察总体时机差异，但仍存在同一市场轮次被多配置重复计算的问题。

T-minus BTC 15m ETH 15m BTC 1h ETH 1h
T-300s — — 1.74% (20/1,152) 4.21% (46/1,092)
T-180s — — 4.60% (32/696) 4.24% (24/566)
T-120s — — 9.52% (44/462) 3.14% (12/382)
T-90s 3.40% (408/11,993) 3.24% (374/11,538) 8.57% (30/350) 0.00% (0/160)
T-60s 3.14% (264/8,415) 2.77% (192/6,935) 10.94% (28/256) 0.00% (0/106)
T-30s 3.19% (146/4,573) 2.37% (72/3,041) 4.88% (4/82) 0.00% (0/48)
T-16s 1.78% (42/2,358) 2.61% (50/1,917) 2.50% (2/80) 0.00% (0/22)
T-5s 3.26% (14/429) 0.00% (0/288) 0.00% (0/48) 0.00% (0/14)

3.1 可读出的规律

  1. BTC 1h 的高风险区集中在 T-60s 至 T-120s。 这一段既比 T-300s 反转率高，也产生更差的矩阵 PnL。
  2. BTC 15m 的 T-90s、T-60s、T-30s 差异很小。 单独调整买入时机，可能不足以降低反转，需要同时结合价格、distance 和 spread。
  3. ETH 15m 在全矩阵中 T-30s 低于 T-90s，但差距不大。 目前不能据此认为越晚越安全。
  4. 1h 后半段的零反转大多来自小样本。 ETH 1h T-5s 只有14个配置结果，不能与 T-300s 的1,092个结果等量比较。

4. 固定风控后，价格带 × 时机的联合结果

为减少参数混杂，本节只保留：

  • distance gate = off
  • max spread = 0.01
  • $100 展示 notional

价格列表示配置允许的 entry price 范围，不代表实际成交都均匀分布在该范围内。

4.1 BTC 15m

时机 0.80–0.98 0.80–0.99 0.85–0.98 0.85–0.99 0.90–0.98 0.90–0.99 0.95–0.98 0.95–0.99
T-90s 2.13% (2/94) 1.27% (2/157) 0.00% (0/80) 0.00% (0/146) 0.00% (0/75) 0.00% (0/141) 0.00% (0/22) 0.00% (0/88)
T-60s 5.88% (3/51) 2.80% (3/107) 4.17% (2/48) 1.85% (2/108) 4.55% (2/44) 1.92% (2/104) 0.00% (0/13) 0.00% (0/73)
T-30s 2.38% (1/42) 1.35% (1/74) 2.63% (1/38) 1.41% (1/71) 2.86% (1/35) 1.47% (1/68) 11.11% (1/9) 2.38% (1/42)
T-16s 0.00% (0/9) 0.00% (0/18) 0.00% (0/8) 0.00% (0/18) 0.00% (0/8) 0.00% (0/18) 0.00% (0/1) 0.00% (0/11)
T-5s 50.00% (1/2) 25.00% (1/4) 50.00% (1/2) 25.00% (1/4) 50.00% (1/2) 25.00% (1/4) — 0.00% (0/2)

结论： 当前最有价值的信号是 T-90s 且价格下限至少0.85的配置没有观察到反转，但样本仍只有75–146轮；T-5s 的百分比非常高，但只有2–4轮，不能作为稳定规律。

4.2 ETH 15m

时机 0.80–0.98 0.80–0.99 0.85–0.98 0.85–0.99 0.90–0.98 0.90–0.99 0.95–0.98 0.95–0.99
T-90s 5.63% (4/71) 4.50% (5/111) 1.64% (1/61) 1.98% (2/101) 1.67% (1/60) 2.00% (2/100) 6.67% (1/15) 3.64% (2/55)
T-60s 4.00% (2/50) 4.00% (3/75) 0.00% (0/40) 1.52% (1/66) 0.00% (0/38) 1.56% (1/64) 0.00% (0/8) 2.94% (1/34)
T-30s 9.09% (2/22) 7.14% (2/28) 5.88% (1/17) 4.35% (1/23) 6.25% (1/16) 4.55% (1/22) 0.00% (0/2) 0.00% (0/8)
T-16s 15.38% (2/13) 9.52% (2/21) 9.09% (1/11) 5.26% (1/19) 10.00% (1/10) 5.56% (1/18) 0.00% (0/1) 0.00% (0/9)
T-5s 0.00% (0/2) 0.00% (0/3) 0.00% (0/2) 0.00% (0/3) 0.00% (0/2) 0.00% (0/3) — 0.00% (0/1)

结论： ETH 15m 的低价格下限配置在 T-30s/T-16s 更容易出现反转；提高价格下限到0.85或0.90后，观察值下降，但样本同步减少。0.95起步的格子样本过小，不能解读为安全区。

4.3 1h 策略暂时不适合做细价格格结论

BTC 1h 和 ETH 1h 只有约10天覆盖。固定风控后，许多价格×时机格子的 n 小于10。例如 BTC 1h T-120s、0.80–0.98 为 1/3，显示33.33%，但信息量远低于 BTC 15m 的百轮级格子。

当前只保留两个可行动的观察：

  • BTC 1h 应优先继续观察 T-300s，暂时避免根据 T-60s/T-120s 的高胜率表象扩大资金。
  • ETH 1h 需要至少再积累数周数据后，才能判断 T-120s/T-180s 哪个更稳。

5. Distance gate 的影响

下表仍是30D全矩阵的配置结果汇总。

Distance gate BTC 15m ETH 15m BTC 1h ETH 1h
Off 3.64% (718/19,724) 3.58% (502/14,007) 6.29% (106/1,686) 3.50% (36/1,030)
0.05% 2.14% (152/7,102) 2.22% (164/7,401) 5.51% (54/980) 3.26% (26/798)
0.10% 0.47% (4/844) 1.25% (22/1,765) 0.00% (0/364) 5.21% (20/384)
0.15% 0.00% (0/98) 0.00% (0/437) 0.00% (0/80) 0.00% (0/146)
0.20% — 0.00% (0/109) 0.00% (0/16) 0.00% (0/32)

结论： distance gate 对 BTC 15m、ETH 15m、BTC 1h 有明显过滤作用；ETH 1h 在0.10%出现反向结果，说明不能把同一个阈值机械复制到所有资产/周期。高阈值的零反转同时伴随极低成交量，应当把“反转率下降”和“机会数量下降”一起评估。

6. 全用户实盘订单与 CloudWatch 执行事件

6.1 ops Orders 全量订单快照

生产 ops Orders 接口使用 showAllBdUsers=true 拉取了全部29页。返回5,800条订单，按 domain:id 检查无重复：5,427条 Trade、249条 Swap、124条 Memecoin。以下只保留 sourceContext 明确等于 BTC/ETH 15m/1h Auto Trade 的 Trade 订单。

指标 结果
明确归因 Auto Trade 订单 2,000
用户数 10
确认有执行证据 1,655（82.75%）
Lifecycle 为 filled 1,624（81.20%）
Lifecycle 为 canceled 375（18.75%）
当前 open 1
缺失成交证据 3
执行名义金额合计 $16,397.62
订单时间范围 2026-07-03 11:58 — 2026-08-10 04:43 UTC

filled 与“确认有执行证据”不能互换：有34条订单最终显示 canceled，但已经存在确认成交证据；另有3条 filled 订单缺失确认成交证据。这通常对应部分成交后取消、取消发生在已有成交之后，或历史成交证据不完整。实盘统计必须优先采用执行证据，不能只看最终 status。

按策略拆分：

策略 订单 用户 BUY / 确认成交 SELL / 确认成交 canceled 执行名义金额
BTC 15m 1,392 10 1,313 / 1,077 79 / 75 256 $11,042.97
ETH 15m 557 7 544 / 452 13 / 13 103 $4,858.81
BTC 1h 19 2 19 / 16 0 / 0 3 $198.48
ETH 1h 32 3 29 / 19 3 / 3 13 $297.37

确认成交的1,564条 BUY 按实际 executedPrice 分桶：

实际成交价 BUY 成交数 用户数 执行名义金额
<0.85 165 7 $1,582.58
0.85–0.90 114 7 $831.68
0.90–0.95 270 8 $2,497.90
0.95–0.98 318 9 $3,160.83
0.98–1.00 697 9 $7,831.64

用户分布高度集中：订单最多的匿名用户有867单，占明确归因订单的43.35%；前三名合计1,525单，占76.25%。因此后续反转率除了逐笔口径，还必须同时报告“按用户等权”和“按成交金额加权”，避免一个高频用户主导结论。

当前接口仍有一个重要覆盖边界：后端对 Auto Trade 的正式判定是 executionOrigin='AUTO_TRADE' OR sourceContext IN (...)，但 ops Orders 响应没有暴露 executionOrigin、attributionType、attributionId/taskId。因此2,000条是“全部明确带四类 sourceContext 的订单”，不能证明不存在 sourceContext 缺失但 executionOrigin 正确的历史 Auto Trade 订单。

6.2 实盘反转率

通过全用户 task 列表和 /api/ops/auto-trade/tasks/:taskId/orders，取得116个 LIVE task 的1,840条 task-attributed 订单。反转统计只保留：

side = BUY
AND executedSize > 0
AND settlement.winningTokenId IS NOT NULL

同一 user + task + market round + token 的追单/部分成交按成交量合并，以 BUY token 是否等于 winningTokenId 判断反转。SELL 不参与“买入方向是否反转”的分母；后续是否止损退出也不改变这项方向反转标签。

数据质量漏斗：

阶段 数量 覆盖率
明确归因且确认成交的 BUY 1,564 100.00%
有 task attribution 的正成交 BUY 1,430 91.43%
已关联 winning token 1,396 89.26%（占全部确认 BUY） / 97.62%（占 task-attributed BUY）
实际反转 75 5.37%（占已结算样本）

总体结果：

口径 结果
逐笔暴露反转率 5.37%（75/1,396）
95% Wilson 置信区间 4.31%–6.68%
BUY 成交名义金额 $15,149.97
反转 BUY 名义金额 $861.38
资金加权反转暴露占比 5.69%

按策略：

策略 已结算 BUY 反转 反转率 95% CI 资金加权反转占比
BTC 15m 909 56 6.16% 4.77%–7.92% 6.47%
ETH 15m 452 13 2.88% 1.69%–4.86% 1.54%
BTC 1h 16 2 12.50% 3.50%–36.02% 12.66%
ETH 1h 19 4 21.05% 8.51%–43.33% 45.98%

1h 样本只有16和19笔，区间很宽，只能作为风险提示。15m 数据较稳定，BTC 15m 的观察反转率约为 ETH 15m 的2.14倍。

按实际成交价：

实际成交价 已结算 BUY 反转 反转率 95% CI
<0.85 165 30 18.18% 13.04%–24.77%
0.85–0.90 109 15 13.76% 8.52%–21.47%
0.90–0.95 253 19 7.51% 4.86%–11.43%
0.95–0.98 352 10 2.84% 1.55%–5.15%
0.98–1.00 517 1 0.19% 0.03%–1.09%

按买入时机：task order API 没有返回 firstFillMatchedAt，因此以下 TTE 使用订单 createdAt 相对市场结束时间计算，是下单时机而非严格首次成交时机，可信度低于价格结果。

下单距结束 已结算 BUY 反转 反转率
≤5s 17 0 0.00%
6–16s 150 6 4.00%
17–30s 173 8 4.62%
31–60s 260 20 7.69%
61–90s 204 9 4.41%
91–120s 560 26 4.64%
121–180s 16 4 25.00%
181–300s 16 2 12.50%

价格 × 时机联合结果：

实际成交价 ≤30s 31–60s 61–90s 91–120s >120s
<0.85 20.69% (6/29) 19.74% (15/76) 10.53% (2/19) 20.00% (6/30) 9.09% (1/11)
0.85–0.90 8.70% (2/23) 16.67% (3/18) 6.25% (1/16) 14.89% (7/47) 40.00% (2/5)
0.90–0.95 7.69% (4/52) 3.92% (2/51) 7.55% (4/53) 8.70% (8/92) 20.00% (1/5)
0.95–0.98 1.08% (1/93) 0.00% (0/49) 5.13% (2/39) 3.07% (5/163) 25.00% (2/8)
0.98–1.00 0.70% (1/143) 0.00% (0/66) 0.00% (0/77) 0.00% (0/228) 0.00% (0/3)

联合表显示价格信号比时机更稳定：低于0.90的多个时间格都维持较高反转率，而0.98以上在各主要时间格均接近零。>120s 的高百分比来自1h小样本，不能与15m直接比较。

6.3 CloudWatch 最长可用窗口

/ecs/polybot 当前没有设置 CloudWatch retention 天数。查询时能够读取的最早事件为 2026-03-04 10:08:13 UTC，最新事件为 2026-08-10 04:30:00 UTC，跨度约159天；全窗口约有1,485万条原始日志。

但是，原始日志覆盖期不等于 Auto Trade 结构化事件覆盖期。可用于稳定筛选的 decision_persisted 执行事件最早只出现在 2026-07-09；更早的日志不能因为没有匹配到该事件，就推断当时没有交易。

全量窗口内识别到的执行事件：

模式 信号类型 数量 解释
LIVE LIVE_ORDER_SUBMITTED 1,624 已提交实盘订单，不保证全部成交
PAPER PAPER_ORDER_FILLED 50 Paper 模型已完成虚拟成交

按策略和结构化事件实际覆盖期拆分：

策略 LIVE 提交 LIVE 首次—末次（UTC） PAPER 成交 PAPER 首次—末次（UTC）
BTC 15m 1,061 2026-07-09 11:43 — 2026-08-09 23:13 7 2026-08-07 04:13 — 2026-08-09 16:13
ETH 15m 522 2026-07-10 11:28 — 2026-08-10 04:29 21 2026-08-05 11:44 — 2026-08-10 04:29
BTC 1h 17 2026-08-04 07:55 — 2026-08-10 02:55 16 2026-08-05 17:55 — 2026-08-07 04:55
ETH 1h 24 2026-08-05 02:57 — 2026-08-08 15:57 6 2026-08-05 13:58 — 2026-08-06 00:58

CloudWatch 的1,624次 LIVE_ORDER_SUBMITTED 与订单表的2,000条订单不是同一个统计单位：日志是决策提交事件，订单表还包含追单、部分成交后取消、SELL/退出等订单生命周期记录。实盘反转分析应以订单读模型中的确认 BUY 成交为起点，而不是以日志提交数为分母。Paper 的50次成交也必须继续关联最终结算结果，才能形成反转率。

7. 周末与反转频率

7.1 多久遇到一次反转

“多久一次”有两个不同答案：

观察口径 结果
用户/task BUY 暴露 平均每18.61个已结算 BUY 暴露发生1次反转（75/1,396）
市场轮次 平均每18.26个有成交市场轮次出现1个反转轮次（62/1,132）
日历时间 约32天内62个反转市场轮次，约1.94个/天
唯一反转时间点 60个；其中2个时间点 BTC 15m 与 ETH 15m 同时反转

62个反转市场轮次的相邻间隔：

间隔指标 小时
P25 2.00
中位数 7.50
均值 12.33
P75 17.50
P90 33.50
最长 51.00

两个资产在同一时间反转会产生0小时间隔。若把同时发生的反转合并成一个平台时间点，则中位间隔为7.75小时、均值12.75小时，结论基本不变。

间隔分布并不均匀：

到下一反转轮次的间隔 次数 占61个间隔
≤1h 10 16.39%
1–4h 14 22.95%
4–8h 9 14.75%
8–12h 6 9.84%
12–24h 10 16.39%
24–48h 11 18.03%
>48h 1 1.64%

因此，39.34%的下一次反转会在4小时内出现，54.10%在8小时内，63.93%在12小时内，80.33%在24小时内；但也存在最长51小时的无反转空窗。反转呈现“短时间成簇 + 偶尔较长空窗”，不能用固定12小时周期理解。

按UTC日历日统计的33天（首尾为不完整日）中：6天没有反转、9天有1个、18天有2个以上；日中位数2个、最高7个。任意滚动24小时内最多出现8个反转市场轮次。

62个反转轮次中有10个同时影响了两个以上 task；单一市场最多形成3个反转 BUY 暴露、影响2名用户和3个 task。说明反转有时会形成跨用户的共同市场冲击，但大多数轮次仍只对应一个反转暴露。

7.2 按策略的发生频率

策略 有成交市场轮次 反转轮次 轮次反转占比 相邻反转中位间隔
BTC 15m 683 46 6.73% 13.00h
ETH 15m 420 11 2.62% 46.38h
BTC 1h 16 2 12.50% 90.00h
ETH 1h 13 3 23.08% 16.50h

15m 的频率结论更可信：BTC 15m 平均约每14.85个有成交轮次遇到一个反转市场，ETH 15m 约每38.18个轮次一次。1h 只有13–16个轮次，不适合把间隔外推成稳定周期。

7.3 星期与UTC时段

按 BUY 下单时间的 UTC 星期划分：

日期类型 已结算 BUY 反转 反转率 95% CI 资金加权反转占比
工作日 955 53 5.55% 4.27%–7.19% 6.25%
周末 441 22 4.99% 3.32%–7.44% 4.29%

周末比工作日低0.56个百分点，但置信区间高度重叠，而且用户、策略、价格与上线阶段的构成并未控制。当前结论是“没有观察到周末反转率更高”，不是“周末更安全”。

按市场轮次的星期分布：

UTC星期 有成交轮次 反转轮次 轮次反转占比
周一 115 7 6.09%
周二 106 10 9.43%
周三 151 6 3.97%
周四 179 10 5.59%
周五 216 10 4.63%
周六 222 11 4.95%
周日 143 8 5.59%

周二最高、周三最低，但每个星期只被观察约4–5次，且策略和成交价构成不同，目前不足以认定星期规律。

按市场结束时间的UTC四小时段：

UTC时段 有成交轮次 反转轮次 轮次反转占比
00:00–03:59 210 9 4.29%
04:00–07:59 231 12 5.19%
08:00–11:59 229 7 3.06%
12:00–15:59 209 17 8.13%
16:00–19:59 146 6 4.11%
20:00–23:59 107 11 10.28%

20:00–23:59和12:00–15:59 UTC 观察值较高，但主要由 BTC 15m 驱动：BTC 15m 在这两个时段分别为13.43%和10.32%，ETH 15m 没有出现相同形态。12:00–15:59的 BTC 15m 低价成交占比也更高，说明时段效应至少部分可能是价格和策略构成造成的。当前应把它作为待验证风险时段，而不是独立交易规则。

7.4 随时间是否在变

按ISO周的市场轮次反转占比：

ISO周 有成交轮次 反转轮次 轮次反转占比
2026-W28* 238 7 2.94%
2026-W29 386 19 4.92%
2026-W30 204 10 4.90%
2026-W31 149 9 6.04%
2026-W32 150 17 11.33%
2026-W33* 5 0 0.00%

* W28和W33是不完整周。

W32 出现明显抬升，但同时也是1h策略进入样本的第一周；17个反转轮次中5个来自1h，ETH 15m 也从此前低基数升至5/45。它可能表示近期市场状态变化，也可能是策略、用户和成交价组合变化，尚不能称为持续恶化趋势。建议用滚动7天/30天同口径持续监控。

公开 simulation overview 曲线仍最多只返回约120个小时桶，不能用于完整周末复核；本节周末结果来自实盘 task order 与 settlement 关联。

要进一步做控制变量后的时间规律分析，需要逐笔结果至少包含：

strategyDefinitionId
executionMode
configVersion / simulationConfigId
taskId
roundKey
selectedTokenId / selectedOutcome
actualEntryPrice
firstFillAt 或 sampledAt
secondsToEnd
winningTokenId / winningOutcome
settledAt

8. 下一步建议

  1. 实盘风控优先使用实际成交价分层。 <0.90 的反转率为13.76%–18.18%，应作为高风险区；0.98–1.00 当前为0.19%，但仍需结合手续费、滑点和缺失的早期 BTC 15m 样本评估净收益。1h 样本过小，不据此扩大资金。
  2. 补一份平台级只读逐笔导出。 不需要做页面，只需一个内部 aggregate/export 接口或定时生成 JSON/CSV，覆盖 LIVE、PAPER、SIMULATION，并直接返回 executionOrigin、task attribution、firstFillMatchedAt 与 settlement。
  3. 实盘主口径必须按真实成交聚合。 同一 task-round 的 chase/partial fills 合并，以成交量加权价和首次成交时间统计，排除零成交与取消单。
  4. 报告至少每周刷新一次。 输出价格×TTE二维表、周末效应、滚动30/90天反转率、样本量和实际资金加权损失。

9. 仍待回答的问题

  • 2,000条明确归因订单之外，有多少 executionOrigin=AUTO_TRADE 但缺失 sourceContext 的历史订单？
  • 早期缺少 task attribution 的134条确认 BUY，补齐后是否会显著改变5.37%的实盘反转率？
  • Paper 50笔成交中有多少已经结算，实际反转率是多少？
  • 同一轮被多少用户/任务重复交易，平台资金暴露是否集中在少数反转轮次？
  • 控制价格、TTE、资产和distance后，周末变量是否仍显著？
  • 实际成交价相对 simulation best ask 的滑点是否抵消模拟优势？

10. 数据限制与来源

数据限制

  • 当前本地环境没有可用的 VIRAE_API_KEY，因此没有调用用户级 Virae API；平台订单统计来自生产只读 ops Orders 接口。
  • 本报告未访问生产数据库。
  • 已通过生产只读 ops Orders 接口分页读取全平台订单，并进一步通过全用户 LIVE task order 接口关联 task attribution 与 settlement；未展示用户身份信息。一般 Orders 响应本身不含这些字段，反转率来自两类接口的组合。
  • CloudWatch 日志组当前未设置 retention，但“无过期策略”不等于无限历史；本次查询能够确认的最早事件是 2026-03-04，且结构化 Auto Trade 执行事件只从 2026-07-09 起出现。
  • Simulation matrix 是配置结果矩阵，同一市场轮次在多个配置中重复，不能把矩阵总数当独立样本。
  • 1h 策略仅约10天覆盖，远未达到稳定分析周末或月度规律的样本量。
  • 第4节模拟矩阵的价格维度是配置允许范围；第6节实盘价格表使用逐笔 executedPrice 经 task-round 合并后的成交量加权价。

数据来源

  • Virae 公开 Auto Trade simulation summary API：BTC/ETH 15m、BTC/ETH 1h，30D，after-fee，$100展示 notional。
  • AWS CloudWatch Logs：eu-west-1 /ecs/polybot，查询时最长可用窗口 2026-03-04 10:08:13 UTC 至 2026-08-10 04:30:00 UTC；约1,485万条原始日志，结构化执行事件查询命中1,674条。
  • Virae/Polybot ops Orders API：/api/ops/orders，showAllBdUsers=true，29页、5,800条订单；分析中仅使用聚合结果并按 domain:id 去重。
  • Virae/Polybot ops Auto Trade task orders API：116个 LIVE task、1,840条 task-attributed 订单；关联 settlement.winningTokenId 后得到1,396个已结算 BUY 暴露。
  • 后端数据契约与模型：
    • polybot/prisma/models/strategies.prisma
    • polybot/src/services/auto-trade/taskOrderHistory.ts
    • polybot/src/services/auto-trade/paper/service.ts
    • polybot-dashboard/src/lib/types/btc15mAutoTrade.ts