根据4月2日近200万美元的日费用（Artemis数据），Polymarket年化费用超过7亿美元；即便按4月6日最新数据，日费用也有99.38万美元，年化费用也超过3亿美元。 Polymarket正式成为加密领域最赚钱的加密原生应用之一，大概能在Top5-10之间。 收入暴涨的主要原因是： 3月30日正式上线Fee Structure V2（费用结构2.0）。 在此之前，几乎是零费用，主要是先吸引用户来玩。 现在，开始考虑商业化了，有了足够的交易量，有了足够稳定的收入，支持运营、补贴做市商等。 费用结构2.0有几点： 一是，引入了动态概率费用模型（probability-based fees），这个有点意思： • 费用不是固定百分比，而是根据市场概率（p）动态计算：fee = C × feeRate × p × (1 - p) ，其中，C是交易份额数；feeRate是类别特定的常数（不同市场类别不同）；p是份额价格（0～1）。 • 当概率接近50%（不确定性最高、交易最活跃）时，费用最高（不同类别峰值从0.75%到约1.8%，Crypto最高）。 • 当概率接近0%或100%（结果几乎确定）时，费用快速下降到接近零。 • 这鼓励在高不确定性市场交易，同时让taker（吃单方）为即时成交支付费用，maker（挂单方）继续完全免费，还能拿到20-25%的maker rebates（返佣），返佣资金就来自taker费用。 二是，收取taker费用范围扩大 • 之前只有Crypto（从2026年1月开始）和Sports（从2月开始）收取taker费用，其他如Politics、Finance、Economics、Culture、Weather、Tech等几乎全部免费。 • 3月30日起，费用扩展到几乎所有类别（仅保留Geopolitics/世界事件等少数仍免费）。这直接把大量之前“免费交易”的市场变成了收费市场，交易量基数瞬间变大。 这意味着，Polymarket商业模式的转变： • 早期Polymarket靠“烧钱补贴流动性”增长（费用收入基本用于maker rebates，净收入很低）； • 新结构让费用收入直接补贴做市商，提升订单簿深度和买卖价差，同时平台开始留存部分作为真实收入； • 从“增长优先”转向“增长+货币化”并重，目标是成为可持续的预测市场基础设施。

一、美股债券总分类（共7大类别，含国债分档+企业债+红利固收类ETF） 大类1：利率债（美国国债，无信用风险，只受利率波动影响，AAA零违约） 1）超短期国库券（现金等价物，0–3个月，短期利率债） • 底层：T-Bill短期国库券 • 代表ETF： SGOV（0–3月美债）、BIL（1–3月国库券）、VBIL • 久期：＜0.3年，几乎不受加息冲击，等同于高息现金。 2）短期国债（1–3年，短期利率债） • 底层：1–3年期T-Note • 代表ETF： SHY（iShares 1–3年国债）、VGSH（先锋短债国债）、SPTS 3）中期国债（3–10年，中长期利率债主力） • 细分两档： ①3–7年：IEI、SCHO ②7–10年：IEF、VGIT（最主流中期利率债） 4）长期国债（10年以上，长久期利率债） • 10–20年：TLH • 20年以上超长债：TLT（市场标杆长债）、EDV（25+年零息债，波动极大） 5）全期限综合国债 • 代表：GOVT，覆盖全曲线美债，不押注期限。 6）通胀保值国债（TIPS，抗通胀国债） • 代表：VTIP（短端TIPS）、SCHP、TIP（全期限通胀债） 大类2：信用债（企业债，在无风险利率基础上加信用溢价，分两大档） （A）投资级企业债（BBB及以上评级，低违约，稳健固收） 1. 短端企业债（1–5年）：IGSB、VCSH 2. 中端企业债（5–10年）：IGIB 3. 长端企业债（10年+）：IGLB 4. 全期限综合投资级：LQD（行业龙头）、USIG （B）高收益债（垃圾债，BB及以下评级，高票息，强周期属性） • 综合高收益：HYG、JNK、USHY（三大龙头） • 短久期高收益（降低利率风险）：SHYL 大类3：全市场综合债券（利率债+投资级企业债+MBS打包，固收底仓） • 标杆：AGG、BND（全球两大总债ETF，久期≈6年，均衡配置） 大类4：MBS住房抵押债（政府机构背书，介于国债与企业债之间） • 代表：MBB、GNMA，波动小于企业债，票息略高于国债。 大类5：市政债（Muni，美国地方政府债，利息免征联邦所得税，高收入人群专属） • 代表：MUB（全国市政债）、SUB（短期市政债） 大类6：浮动利率债（对冲加息，票面利率随Libor重置） • 国债浮息：TFLO • 企业浮息：FLOT 大类7：高股息固收替代（你要求加入的高股息ETF，属于权益类收益工具，非纯债券） 不属于债券，但常被用来替代债券吃稳定现金流： 1. 高股息大盘：SCHD、VYM、HDV 2. 公用事业类（类债资产，波动极低）：XLU、UTIL 3. REIT不动产（永续现金流，久期极长，利率敏感）：VNQ 二、核心品种横向对比（风险、利率敏感度、收益、股债相关性） 品种分类 核心标的 久期 信用风险 加息表现 降息表现 和股市相关性 当前票息水平 超短期国库券 SGOV/BIL 0.2年 无 几乎不跌 小幅横盘 极低 4.7%~5.2% 短期国债(1–3Y) SHY/VGSH 1.8年 无 小幅回撤 小幅上涨 负相关（避险） 4.3%~4.6% 中期国债(7–10Y) IEF 7.5年 无 明显下跌 大幅上涨 负相关 3.9%~4.2% 长期国债(20Y+) TLT 17年 无 深度回撤 大涨 强负相关（熊市对冲神器） 3.6%~3.9% 投资级企业债 LQD 7年 低 中等回撤 上涨（利率+信用双利好） 弱正相关 4.8%~5.3% 高收益垃圾债 HYG/JNK 4年 高 小幅波动 上涨，但更看经济 高度正相关（熊市会跟股票一起跌） 6.5%~7.5% 综合总债底仓 AGG/BND 6年 中低 温和回撤 稳步上行 弱负相关 4.4%~4.8% 高股息权益 SCHD/VYM —（权益） 行业风险 震荡 看盈利 中等正相关 3.8%~4.5% 三、关键规则总结 1. 利率债只吃久期风险，无违约；期限越长，价格对美联储利率越敏感：TLT波动≈IEF的2.5倍，≈SHY的8倍。 2. 企业债=无风险利率+信用溢价：投资级跟随利率为主；高收益跟随经济周期为主，衰退期会暴跌，不能用来对冲股市。 3. SGOV/BIL是加息周期现金池；TLT是降息周期主力；LQD是经济平稳期增强收益的首选；AGG/BND适合做固收底仓。 4. 高股息ETF是权益资产，熊市没有国债的避险属性，只能当作“债券替代品”，不能等同于固收。

中推「新晋黑马」榜TOP 10 ： 在这个圈子，粉丝量会骗人，但内容沉淀和破圈能力不会。 有人几千粉，写出十几万浏览的长文； 有人刚起号一个月，就已经冲进中文 Web3 的主流视野。 我们观察了近 2个月中推的公开内容，从干货沉淀率、圈层穿透率、内容浓度和近期成长性四个维度，筛出了这期高势能的 10 位「新晋黑马」。 综合得分 = (总收藏/总点赞 + Top3爆款点赞和/粉丝数 + 高质长文数/发帖量) × 新锐系数×100 (注：均为近60天的数据，分别对应“干货沉淀率”“圈层穿透率”“内容浓度”。其中新锐系数按账号真实启动运营的时间分阶加权，1个月内1.5；半年内1.2；1年内1.1；1年以上为1.0) Top 1： @mocheng88888｜得分 382 2026 年 4 月注册的新号，样本期发布351帖，累计曝光约628万，世界杯一波起势速度很快，一星期涨粉1万+，目前粉丝已冲到 1.3 万+。音乐学硕士、AI 小学生、8 年 Crypto 老韭菜、常年抽象，这套人设很有辨识度。内容横跨交易、预测市场、平台活动和抽象日常，流量感很强的新锐型账号。 Top 2： @cluec3｜得分 365 口腔科医生、Web3 玩家，仅52帖便累计获得约162万曝光、1.08万点赞和9,364次收藏。但真正出圈的是《从 0 开始建立自己的交易系统》系列。7 月一条交易系统课预告打出 35 万+ 浏览、3000+ 收藏；随后第 5 课继续拿下 12 万+ 浏览、近 900 收藏。把交易教学做成连续内容资产，“线索c” 是这期最硬核的新晋黑马之一。 Top 3： @PearDG052｜得分 335 7 月初注册的九九成新号，目前粉丝 2200+。04 年技术分析追求者，靠真实经历、交易成长和自我叙事快速被圈内看见。自我介绍长帖打出 5.7 万+ 浏览，起号速度和故事张力非常夸张。 Top 4： @Pence0629｜得分324 样本期121篇帖子中有72篇高质量长文，占比达到59.5%，内容覆盖美股、AI、Web3 工具和新手教程。7 月，他从市场涨幅和持仓策略入手，分析纳指年内上涨 12% 后是否应该止盈，相关内容获得了 4.7 万以上浏览；学生赛道的实用教程也有不错的收藏表现。Pence 的特点是把复杂问题讲成白话，适合小白收藏照着学。 Top 5： @LeslieLi92210｜得分 292 05 年，咖啡师转 Web3，Bitget Wallet BD，个人叙事非常鲜明。从自述被骗1万元、身无分文在深圳街头落泪，到入行数月后工资达到2万元级、BD个人提成突破1万U，她持续用“向股东汇报”和《鼠鼠日记》的方式公开记录自己的职业跃迁。 Top 6： @lyteacher2｜得分 274 Predictfun 教程型选手，粉丝 2800+，内容定位非常清楚：撸毛、预测市场、美股定投。“Predictfun 新人 0 基础到小资金进阶教程合集”拿到 1.8 万+ 浏览、29 收藏，用细节把路径一步步铺出来。 Top 7： @blueskylh1｜得分 255 小粉丝量打出大穿透的典型黑马。1700+ 粉丝体量，却能靠一篇 CC Switch 解决 Codex 第三方模型切换痛点的帖子打出 12.2 万+ 浏览、606 收藏。专注 Web3 AI 项目、产品测评和工具实操，是真正“粉丝不多，但收藏爆表”的研究型选手。 Top 8： @Crypto_yimi｜得分 242 2025 年 9 月注册，06 理科大三在读。粉丝只有 900+，但147篇样本帖中有15篇高质量长文，累计曝光约51.9万。MSTR研究目录获得3.9万曝光和81收藏，触达超过当前粉丝规模40倍。相比喊单，他更擅长写公司研究笔记、整理优秀交易员人物谱，并讨论交易纪律与“知行合一”。 Top 9： @Ray_Lei_Crypto｜得分 223 在3,509粉丝的快照规模下，第一期交易心理视频获得2.38万曝光、263赞和261收藏，点赞与收藏几乎相等。真正让他破圈的，则是自述拿出交易收益为粉丝空投、纪念陪伴十年的小猫“果果”：该帖获得10.5万曝光和1,925赞。 Top 10：@delumengyu678｜得分 198 2025 年 9 月注册，粉丝 1700+。04 年、研 0、土木转向 Vibecoding 和链上交易。7 月一篇自我介绍长帖打出 11.4 万+ 浏览、447 收藏；8 月继续围绕 EVM 靓号生成器、meme 买入策略、LP 策略等方向输出，属于野生技术流账号。 粉丝量当然能说明一部分问题。 但对于一个正在起势的新账号来说，我们更想看的，是另外几件事： 内容有没有人收藏？ 能不能跑出原本的粉丝圈？ 有没有持续产出？ 起号速度决定你多久被看见， 内容浓度决定别人为什么留下。 而那些能够被反复收藏、转发，甚至真正影响别人行动的内容，最终才会沉淀成长期影响力。 这份榜单更像一次阶段性观察，而不是最终排名。 还有哪些你觉得正在悄悄起飞的 Web3 中文新账号？ 评论区 @ 出来。