谁是我们的敌人，谁是我们的朋友？
在《影响力》中，西奥迪尼系统梳理了让人「顺从」的八个核心原理。
包括：对比、互惠、喜好、社会认同、权威、稀缺、承诺与一致性，以及联盟。
书中用大量正反案例证明，这些原理在现实中极为有效。
尤其在信息大爆炸的时代，我们不可能对每一条信息都做细致分析，自动响应成为节省认知能量的必要方式。
因此，真正重要的不是彻底拒绝这些原理，而是先判断对方使用它们时的意图。
意图判断：
1/ 如果对方的最终目的是对我们有益，那么适度接受是合理的。
2/ 如果对方想借这些原理降低我们的判断力、引导我们做出不利于自己的决定，那么就应该拒绝。
理解这些原理，能帮助我们更快识别「敌」与「友」，以更低的能量成本保护自己的判断。
结合我自己的能力圈，我把这本书的收获分成三层。
三层结构：
1/ 公开输出层（推特）：
聚焦投资中的风险识别，因为投资最重要的是活得久，而风险识别是活得久的基础。
我把八个原理分别提炼成更贴合投资场景的核心关键词（锚定、债务、相似性、从众、服从、错失恐惧、承诺锁定、自己人），作为后续风险检查清单的重要组成部分。
推特上的分享，主要服务于这一目标。
2/ 记录层（微信读书）：
更完整地保留和提炼书中的原意，作为长期可回顾的知识底座。
3/ 内化层：
提醒自己反复调用这些原理，并尝试在真实、不欺骗的前提下正向使用它们，无论是提升决策质量，还是优化内容表达，最终服务于过上更清醒、更有主动权的生活。
这三层互相融合：公开的风险识别内容，会倒逼我把原理理解得更透；私密的内化，则让我在实际决策中真正用起来。
读这本书，我不仅在用查理·芒格的方式拓展能力圈，也实践了他常说的两句话：总是反过来想，以及学以致用。
这些原理既可以是防御工具，也可以是构建长期信任的工具。关键在于使用者的意图，以及我们是否保持清醒。
————————
相关推文：
对比（锚定）：
互惠（债务）：
喜好（相似性）：
社会认同（从众）：
权威（服从）：
稀缺（错失恐惧）：
承诺与一致性（承诺锁定）：
联盟（自己人）：
————————
本文是我在构建「思维模型解析」能力方向上的内容输出。
分析框架来源于我正在搭建的「基于能力圈的 IP 成长闭环体系」。
以上仅为信息分享，不构成任何投资建议。
持续进化中的 BitHappy
顯示更多
关于阅读：从知识点到知识体系
我启动阅读计划的初衷是：通过阅读构建属于自己的知识体系！
但真正开始之后才发现，虽然提前做了书单，阅读依旧是瞎看：什么出名看什么，什么热门看什么。
最初的书单分为四类：自我重构、投资理财、人物传记、中国。
方向本身没有问题，但在一个月读完五本之后，我意识到一个关键问题：这些书之间没有形成连接。
它们提供的是知识点，而不是知识体系。
这也是为什么我认为《穷查理宝典》非常重要的原因之一，具体原因在引用推文和文末。
这段阅读的这段时间里，我和不少朋友讨论 "如何有效阅读" 和 "为什么阅读"。
关于有效阅读，有三种 AI 辅助方式：
1/ 快速阅读：让 AI 在 3 分钟内解释一本书的主旨、核心观点、局限与一句话总结；
2/ 知识图谱：用 Obsidian + AI 把知识从点变成面，建立连接；
3/ 思维蒸馏：让 AI 提炼聪明人的模型与思维方式。
其中后两种我已经在用，但它们只是辅助，而不是主力。
原因也很简单：AI 能给结构，但不能给深度。
更关键的是，我的记忆力本来就不算好。
如果采用速成鸡的方式，最终我得到的只是孤立的观点，无法形成真正的连接。
发生的情况会和刷短视频里的 "大道理" 一样，三天就忘。
所以，我采用的是古法阅读，这大概也是认可查理·芒格思维的关键因素（自己费劲读的，也更加认可自己的总结）。
关于古法阅读，有三个不可替代的优势：
1/ 重要观点会反复出现，加深记忆；
2/ 作者会给出论点与论证，而不是只给结论；
3/ 阅读过程中会自然产生思考与个人总结（不走神的花）。
这些都是 AI 无法替代的深度加工过程。
这里得再提一下《穷查理宝典》的重要性！
因为查理·芒格在书中的重复论证，让我系统性地理解：
1/ 如何打造自己的思维方式；
2/ 如何构建跨学科的知识体系；
3/ 为什么知识必须通过 "学以致用" 才能真正记住；
4/ 为什么能力圈可以扩张，但必须谨慎，不要假装自己懂不懂的领域；
5/ 芒格强调的不是 "多读书"，而是 "多建立模型"；
6/ 模型之间的连接，才是知识体系的真正基础。
我现在所理解的有效阅读是：筛选出能通过实践去验证的知识，并构建出结构。
最后，再次向大家推荐《穷查理宝典》！
如果大家使用微信读书，可以搜到我建立的学习查理芒格三阶段书单，并且在评论区可找到配套的实践方案。
搜索关键字：学习查理芒格
顯示更多
周末的代币化股票交易，币安占据的份额也太夸张了～
如果每周都能挑几个传统市场的标的，上线 Alpha 的多倍积分活动，那就更好了！
刷起来安心，提供流动性也安心！
谁不想做时间差套利呢？波动风险也不大～
把链上也给搞起来哇，期现套利的机会真的越来越少了！
顯示更多
🔥传统市场已收盘，但交易仍在继续！
周末代币化股票交易中 94.4% 的交易发生在币安
周末将至，市场会继续给出惊喜吗👀？
✅来币安，7x24小时全天候交易7000+热门资产！
顯示更多
思维模型解析：联盟原理
用投资视角提炼《影响力》中的联盟原理。
这次以「自己人」作为核心关键词来整理联盟原理，因为它和风险识别、群体认同与博弈分析结合得比较紧密。
核心定义：
当某人被我们视为共享身份、归属同一群体、有「我们」感觉的自己人时，他们的影响力会显著增强。我们会更信任、更支持、更愿意为对方辩护，同时明显降低审查。
核心机制：
自己人的运作机制是「共享身份 → 降低防御 → 提高支持」。
当对方与我们形成「我们是一伙的」认知后，大脑会自动把对方纳入内群体。结果是，信任上升、质疑下降，决策从客观评估转向「支持自己人」。身份绑定越深，独立风险审查越容易被关闭。
常见表现形式（以自己人视角）：
1/ 身份自己人：共同的标签、圈子、背景或经历，快速建立自己人感。
2/ 立场自己人：共同站队某个叙事、项目或人物，形成阵营绑定。
3/ 利益自己人：共同持仓、共同受益，强化「我们是一伙的」认知。
4/ 情感自己人：共同经历过波动、一起扛过风险，加深归属。
5/ 主动建构自己人：通过语言、互动、排他性活动，刻意营造自己人氛围。
心理触发点：
1/ 内群体偏好：天然更信任和照顾自己人。
2/ 归属需求：被纳入「我们」能带来安全感和认同感。
3/ 辩护动机：对批评自己人的声音更容易产生抵触。
5/ 责任共享：把对方的成败部分视为与自己相关。
实际应用边界/注意事项：
1/ 自己人可被主动建构：项目方和 CT 常通过共同叙事、圈子文化、排他性身份，刻意制造自己人感。
2/自己人不等于可靠：共享身份并不能保证对方的判断更准确或动机更纯正。
3/ 风险识别盲区：当强烈感觉「这是自己人」时，最容易放松风险审查、忽视警告信号。
4/ 博弈中的武器：在加密市场，自己人身份是获取信任、压制质疑、维持支持的常用工具。
5/ 防御关键点：当发现自己因「自己人」身份而对某人或某项目明显降低标准时，强制问自己：「如果对方不是自己人，仅凭当前信息和我的能力圈，我还会给出同样的信任吗？」
————————
本文是我在构建「思维模型解析」能力方向上的内容输出。
分析框架来源于我正在搭建的「基于能力圈的 IP 成长闭环体系」。
以上仅为信息分享，不构成任何投资建议。
持续进化中的 BitHappy
顯示更多
关于阅读：从知识点到知识体系
我启动阅读计划的初衷是：通过阅读构建属于自己的知识体系！
但真正开始之后才发现，虽然提前做了书单，阅读依旧是瞎看：什么出名看什么，什么热门看什么。
最初的书单分为四类：自我重构、投资理财、人物传记、中国。
方向本身没有问题，但在一个月读完五本之后，我意识到一个关键问题：这些书之间没有形成连接。
它们提供的是知识点，而不是知识体系。
这也是为什么我认为《穷查理宝典》非常重要的原因之一，具体原因在引用推文和文末。
这段阅读的这段时间里，我和不少朋友讨论 "如何有效阅读" 和 "为什么阅读"。
关于有效阅读，有三种 AI 辅助方式：
1/ 快速阅读：让 AI 在 3 分钟内解释一本书的主旨、核心观点、局限与一句话总结；
2/ 知识图谱：用 Obsidian + AI 把知识从点变成面，建立连接；
3/ 思维蒸馏：让 AI 提炼聪明人的模型与思维方式。
其中后两种我已经在用，但它们只是辅助，而不是主力。
原因也很简单：AI 能给结构，但不能给深度。
更关键的是，我的记忆力本来就不算好。
如果采用速成鸡的方式，最终我得到的只是孤立的观点，无法形成真正的连接。
发生的情况会和刷短视频里的 "大道理" 一样，三天就忘。
所以，我采用的是古法阅读，这大概也是认可查理·芒格思维的关键因素（自己费劲读的，也更加认可自己的总结）。
关于古法阅读，有三个不可替代的优势：
1/ 重要观点会反复出现，加深记忆；
2/ 作者会给出论点与论证，而不是只给结论；
3/ 阅读过程中会自然产生思考与个人总结（不走神的花）。
这些都是 AI 无法替代的深度加工过程。
这里得再提一下《穷查理宝典》的重要性！
因为查理·芒格在书中的重复论证，让我系统性地理解：
1/ 如何打造自己的思维方式；
2/ 如何构建跨学科的知识体系；
3/ 为什么知识必须通过 "学以致用" 才能真正记住；
4/ 为什么能力圈可以扩张，但必须谨慎，不要假装自己懂不懂的领域；
5/ 芒格强调的不是 "多读书"，而是 "多建立模型"；
6/ 模型之间的连接，才是知识体系的真正基础。
我现在所理解的有效阅读是：筛选出能通过实践去验证的知识，并构建出结构。
最后，再次向大家推荐《穷查理宝典》！
如果大家使用微信读书，可以搜到我建立的学习查理芒格三阶段书单，并且在评论区可找到配套的实践方案。
搜索关键字：学习查理芒格
顯示更多
我丝毫不怀疑 Apyx 团队的赚钱能力，也丝毫不怀疑它们没有道德！
三件事儿：
1/ apxUSD 的赎回：
当我知道 apxUSD 官方开放赎回通道的时候，我还是挺开心的，至少大家可以顺利退出，虽然当时 KYC 挡住了我。
但是这两天听说 apxUSD 的赎回最低 $250K 起步就算了，居然还需要大概 $10K 的费用时，我实在难以理解。
这里的抽水是 10K / 250K = 4% ！！？
但这里没有官方的人员确认，但 DC 里也没人否认，那么大概率是真的。
希望通过 KYC 的朋友能证明一下，这个是假的，哎。
2/ apxUSD 是什么？
另外一则消息又让我无法理解。
就在刚刚，DC 里官方人员的发言表示 apxUSD 也不锚定 STRC ！！？
这什么意思？又不是稳定币，有不锚定 STRC，那怎么回锚？
真就像群友说的，apxUSD 是个 Meme 吗？
参与 Apyx 的大家真是不幸，即使从中赚到钱的小伙伴。
3/ 空投：
就这个表现，官方的空投计算器显示的数值再高又有什么用呢？
如果能按照计算器的显示发放，那都算它们良心发现了。
终极问题：
当 $STRC 回到 $100 时， ethereum:0x98a878b1cd98131b271883b390f68d2c90674665 能回到 $1 吗？
官方会不会就一直等大家割肉，然后自己下场套利？
顯示更多
如引用贴所言，Apyx 公开发推：
目的就是吃带血的筹码，并给出冠冕堂皇的理由「通过低价回购的盈利，拉高超额抵押率」。
晚上它们就已进行回购并销毁 8.25M 的 apxUSD，还顺手对 Morpho 中的抵押借贷的清算。
我没有去统计回购数量。
目前相关的两个地址里还剩 5.75M USDC：
1/ 回购地址：0xb98cd8c868cf00cea934977dbe4ac090e808fb87
2/ 交互地址：0xf9862efc1704ac05e687f66e5cd8c130e5663ce2
从目前的情况来看，它们有能力让 ethereum:0x98a878b1cd98131b271883b390f68d2c90674665 和 ethereum:0x38eeb52f0771140d10c4e9a9a72349a329fe8a6a 回锚，大概率也能通过这种收割方式达成它们的长期目标。
恭喜它们赢了，但我在这种操盘收割的胜利中，感受到的全是恶意！
官方推文：
顯示更多
听说有老师在 1inch Aqua 活动里日赚超 1.3万 U，去卷不？
先按我的最近的「能力圈」框架拆一遍。
一、Aqua 是什么：
Aqua 是 1inch 新推出的共享流动性层。
和传统 AMM 最大的不同是：你不需要把币存进池子。代币始终在自己钱包里，只是授权后创建报价仓位。有人成交时，才把币原子性划走，同时把对方的币和手续费给你。
简单说，就是自托管做市。
二、激励怎么发：
官方拿出 1000万 1INCH + 50万 USDC，为期 3 个月。
奖励完全按你仓位实际成交的交易量分配，不是按你放了多少钱。成交越多，分到的激励越多。
激励与风险的真实博弈（重点）
三、收益来源：
1inch 用自己的代币和 DAO 的 USDC 来补贴早期流动性，目的是快速把 Aqua 的交易深度做起来。
四、风险传导：
1/ 无常损失 + 1INCH 价格波动（几乎无法避免）
2/ 大量 Maker 同时涌入同一批 1INCH 交易对，竞争加剧，实际成交量被稀释
3/ 在主动做市（定区间、定费率）上如果没有优势，很容易变成「提供了流动性却很少成交」的低效参与者
另外还有机会成本：这些钱本可以放在更确定的内圈策略上。
五、检查清单结果：
通过/有吸引力的点：
1/ 自托管，退出灵活；
2/ 奖励和真实成交量挂钩；
3/ 正好可以练「风险识别、激励机制与博弈分析」（我中圈最高优先级）；
4/ 活动有明确结束时间；
没通过/需要警惕的点：
1/ 明确不在我的内圈
2/ 做市相关风险（尤其是无常损失）较难有效对冲
3/ 竞争会明显影响实际收益
4/ 容易被「日赚1.3万」触发 FOMO
5/ 必须额外承担 1INCH 的价格风险
六、实操踩坑提醒：
刚刚因为调整区间时拉错线，直接被套利机器人吃掉仓位约 6%。
目前 Aqua 的交互体验确实存在几个明显问题：
1/ 开仓价格没有直接输入数值的入口，只能靠拉线
2/ 价格区间无法像主流 DEX 那样快速加减，只能手动拉或改数字
3/ 点 Reset 会连带重置手续费等级，容易导致开仓错误
另外我自己也忽略了开仓价格的偏离提示，签名确认后就来不及了。
血的教训，大家操作时一定要慢、且多确认。
七、我的决策：
第一层风险（无常损失 + 1INCH 价格波动）本身就难以消除，加上第二层、第三层风险目前也没有明显优势去应对，所以这笔操作只能落在中圈，进不了内圈。
按照风险实验账户的规则，我只拿非常小的一部分资金参与，当作一次中圈训练。
————————
本文是我在构建「风险识别与博弈分析」能力方向上的内容输出。
分析框架来源于我正在搭建的「基于能力圈的 IP 成长闭环体系」。
以上仅为信息分享，不构成任何投资建议！
持续进化中的 BitHappy
顯示更多
看起来很多人都对这个 1inch 的激励活动感兴趣，我给大家说一说怎么去卷吧
大家添加流动性的时候把区间放窄(1%以内)，然后swap fee设置成0.001%
还有就是可以看看其他的地址怎么玩的，我教你怎么找这些地址
看图，右侧有个Latest swaps，这里面找1inch的交易对，看看都是那些地址吃掉了，我画横线标出来的就是这笔交易走的是哪个地址提供的流动性
然后就是看排行榜，你会看到一些new的字样，这表示这些地址是刚刚进入的排行榜，但你看他们的排名却比较靠前，而且完成的交易量也不低，你可以炒他们的流动性怎么提供的
你多看看，看完你就会发现，这些地址提供的流动性，swap fee都设置成了0.001%，然后就是区间尽可能的窄
顯示更多
思维模型解析：承诺与一致原理
用投资视角提炼《影响力》中的承诺与一致原理。
这次以「承诺锁定」作为核心关键词来整理承诺与一致原理，因为它和风险识别、决策调整与博弈分析结合得比较紧密。
核心定义：
一旦我们做出某个承诺（尤其是公开的、主动的或付出过成本的），就会产生强烈的压力，让后续行为和判断与之保持一致，即使情况已经发生变化。
核心机制：
承诺锁定的运作机制是「承诺 → 一致压力 → 行为固化」。
当一个人公开表态、投入时间金钱或完成初步行动后，大脑会为了维护自我形象和减少认知失调，倾向于坚持原有方向。
结果是，新的负面信息被低估，调整或退出的阻力显著增加，决策从灵活评估转向「必须与之前的承诺一致」。
常见表现形式（以承诺锁定视角）：
1/ 公开承诺锁定：发推特、在群里表态看好后，即使出现风险信号也难以及时改口或减仓。
2/ 行动承诺锁定：先完成小额交互、测试网或小资金投入后，更容易追加更大资金。
3/ 成本承诺锁定：已经花费的时间、精力或金钱，成为继续坚持的理由。
4/ 立场承诺锁定：站队某个叙事或项目后，对反对证据选择性忽视。
5/ 逐步升级锁定：从微小承诺开始，一步步被引导到更大投入。
心理触发点：
1/ 自我形象维护：不想被自己或他人视为「前后矛盾」的人。
2/ 认知失调回避：新信息与原有承诺冲突时，优先合理化而非修正。
3/ 沉没成本放大：已付出的成本被赋予过高权重，影响当前决策。
4/ 责任连贯需求：希望自己的行为看起来有逻辑、有延续性。
实际应用边界/注意事项：
1/ 承诺可被主动引导：项目方常通过小任务、公开支持、早期参与等方式，逐步锁定用户的更大承诺。
2/ 一致不等于正确：坚持与之前承诺一致，并不代表当前判断依然成立。
3/ 风险识别盲区：当强烈感觉「我都已经表态/投入了」时，最容易拒绝承认风险或及时止损。
4/ 博弈中的武器：在加密市场，承诺锁定是降低用户退出意愿、推动持续投入的常用工具。
5/ 防御关键点：当发现自己因「之前说过/做过」而难以调整决策时，强制问自己：「如果我现在是第一次看到这个项目，仅凭当前信息和我的能力圈，我还会做出同样的选择吗？」
————————
本文是我在构建「思维模型解析」能力方向上的内容输出。
分析框架来源于我正在搭建的「基于能力圈的 IP 成长闭环体系」。
以上仅为信息分享，不构成任何投资建议。
持续进化中的 BitHappy
顯示更多
关于阅读：从知识点到知识体系
我启动阅读计划的初衷是：通过阅读构建属于自己的知识体系！
但真正开始之后才发现，虽然提前做了书单，阅读依旧是瞎看：什么出名看什么，什么热门看什么。
最初的书单分为四类：自我重构、投资理财、人物传记、中国。
方向本身没有问题，但在一个月读完五本之后，我意识到一个关键问题：这些书之间没有形成连接。
它们提供的是知识点，而不是知识体系。
这也是为什么我认为《穷查理宝典》非常重要的原因之一，具体原因在引用推文和文末。
这段阅读的这段时间里，我和不少朋友讨论 "如何有效阅读" 和 "为什么阅读"。
关于有效阅读，有三种 AI 辅助方式：
1/ 快速阅读：让 AI 在 3 分钟内解释一本书的主旨、核心观点、局限与一句话总结；
2/ 知识图谱：用 Obsidian + AI 把知识从点变成面，建立连接；
3/ 思维蒸馏：让 AI 提炼聪明人的模型与思维方式。
其中后两种我已经在用，但它们只是辅助，而不是主力。
原因也很简单：AI 能给结构，但不能给深度。
更关键的是，我的记忆力本来就不算好。
如果采用速成鸡的方式，最终我得到的只是孤立的观点，无法形成真正的连接。
发生的情况会和刷短视频里的 "大道理" 一样，三天就忘。
所以，我采用的是古法阅读，这大概也是认可查理·芒格思维的关键因素（自己费劲读的，也更加认可自己的总结）。
关于古法阅读，有三个不可替代的优势：
1/ 重要观点会反复出现，加深记忆；
2/ 作者会给出论点与论证，而不是只给结论；
3/ 阅读过程中会自然产生思考与个人总结（不走神的花）。
这些都是 AI 无法替代的深度加工过程。
这里得再提一下《穷查理宝典》的重要性！
因为查理·芒格在书中的重复论证，让我系统性地理解：
1/ 如何打造自己的思维方式；
2/ 如何构建跨学科的知识体系；
3/ 为什么知识必须通过 "学以致用" 才能真正记住；
4/ 为什么能力圈可以扩张，但必须谨慎，不要假装自己懂不懂的领域；
5/ 芒格强调的不是 "多读书"，而是 "多建立模型"；
6/ 模型之间的连接，才是知识体系的真正基础。
我现在所理解的有效阅读是：筛选出能通过实践去验证的知识，并构建出结构。
最后，再次向大家推荐《穷查理宝典》！
如果大家使用微信读书，可以搜到我建立的学习查理芒格三阶段书单，并且在评论区可找到配套的实践方案。
搜索关键字：学习查理芒格
顯示更多
思维模型解析：稀缺原理
用投资视角提炼《影响力》中的稀缺原理。
这次以「错失恐惧」作为核心关键词来整理稀缺原理，因为它和风险识别、冲动决策与博弈分析结合得比较紧密。
核心定义：
当某个机会变得有限、即将消失或只有少数人能获得时，人们会强烈感觉「现在不抓住就会永远失去」，从而产生强烈的行动冲动。
核心机制：
错失恐惧的运作机制是「稀缺 → 价值上升 → 行动加速」。
当机会被限定（数量有限、时间有限、资格有限）时，大脑会迅速提高对该机会的主观价值，并压缩思考时间。
结果是，风险审查被明显削弱，决策从「值不值得做」转向「绝不能错过」。
常见表现形式（以错失恐惧视角）：
1/ 限量错失：名额有限、配额紧张，暗示「晚了就没有了」。
2/ 限时错失：倒计时、即将结束的活动窗口，制造时间压力。
3/ 资格错失：白名单、早鸟、专属条件，暗示只有少数人能参与。
4/ 收益错失：强调「现在不参与就赚不到这些收益」。
5/ 虚假稀缺：故意制造紧张感或夸大稀缺程度，诱导快速决策。
心理触发点：
1/ 损失厌恶放大：失去一个潜在机会的痛苦，被主观放大。
2/ 自由被限制：当选择自由受到威胁时，占有欲反而增强。
3/ 后悔预演：提前想象「如果错过会有多后悔」，推动立即行动。
4/ 认知狭窄：紧迫感让注意力集中在「抓住机会」，忽略风险细节。
实际应用边界/注意事项：
1/ 错失恐惧可被主动制造：项目方常通过限量、倒计时、白名单紧张感等方式，刻意激发错失恐惧。
2/ 稀缺不等于价值：机会有限，并不自动代表它值得参与或风险可控。
3/ 风险识别盲区：当强烈感觉「绝不能错过」时，独立风险审查最容易被关闭。
4/ 博弈中的武器：在加密市场，错失恐惧是推动快速入金、降低质疑、完成收割的常用工具。
5/ 防御关键点：当发现自己因「快没了」「晚了就没机会」而产生强烈行动冲动时，强制问自己：「如果这个机会没有时间或名额限制，仅凭项目本身和我的能力圈，我还会参与吗？」
————————
本文是我在构建「思维模型解析」能力方向上的内容输出。
分析框架来源于我正在搭建的「基于能力圈的 IP 成长闭环体系」。
以上仅为信息分享，不构成任何投资建议！
持续进化中的 BitHappy
顯示更多
关于阅读：从知识点到知识体系
我启动阅读计划的初衷是：通过阅读构建属于自己的知识体系！
但真正开始之后才发现，虽然提前做了书单，阅读依旧是瞎看：什么出名看什么，什么热门看什么。
最初的书单分为四类：自我重构、投资理财、人物传记、中国。
方向本身没有问题，但在一个月读完五本之后，我意识到一个关键问题：这些书之间没有形成连接。
它们提供的是知识点，而不是知识体系。
这也是为什么我认为《穷查理宝典》非常重要的原因之一，具体原因在引用推文和文末。
这段阅读的这段时间里，我和不少朋友讨论 "如何有效阅读" 和 "为什么阅读"。
关于有效阅读，有三种 AI 辅助方式：
1/ 快速阅读：让 AI 在 3 分钟内解释一本书的主旨、核心观点、局限与一句话总结；
2/ 知识图谱：用 Obsidian + AI 把知识从点变成面，建立连接；
3/ 思维蒸馏：让 AI 提炼聪明人的模型与思维方式。
其中后两种我已经在用，但它们只是辅助，而不是主力。
原因也很简单：AI 能给结构，但不能给深度。
更关键的是，我的记忆力本来就不算好。
如果采用速成鸡的方式，最终我得到的只是孤立的观点，无法形成真正的连接。
发生的情况会和刷短视频里的 "大道理" 一样，三天就忘。
所以，我采用的是古法阅读，这大概也是认可查理·芒格思维的关键因素（自己费劲读的，也更加认可自己的总结）。
关于古法阅读，有三个不可替代的优势：
1/ 重要观点会反复出现，加深记忆；
2/ 作者会给出论点与论证，而不是只给结论；
3/ 阅读过程中会自然产生思考与个人总结（不走神的花）。
这些都是 AI 无法替代的深度加工过程。
这里得再提一下《穷查理宝典》的重要性！
因为查理·芒格在书中的重复论证，让我系统性地理解：
1/ 如何打造自己的思维方式；
2/ 如何构建跨学科的知识体系；
3/ 为什么知识必须通过 "学以致用" 才能真正记住；
4/ 为什么能力圈可以扩张，但必须谨慎，不要假装自己懂不懂的领域；
5/ 芒格强调的不是 "多读书"，而是 "多建立模型"；
6/ 模型之间的连接，才是知识体系的真正基础。
我现在所理解的有效阅读是：筛选出能通过实践去验证的知识，并构建出结构。
最后，再次向大家推荐《穷查理宝典》！
如果大家使用微信读书，可以搜到我建立的学习查理芒格三阶段书单，并且在评论区可找到配套的实践方案。
搜索关键字：学习查理芒格
顯示更多
思维模型解析：权威原理
用投资视角提炼《影响力》中的权威原理。
这次以「服从」作为核心关键词来整理权威原理，因为它和风险识别、决策独立性与博弈分析结合得比较紧密。
核心定义：
人们倾向于服从权威人物的意见、建议或指令，即使这些意见与自己的独立判断相冲突。权威的象征会显著降低我们的质疑和审查。
核心机制：
服从的运作机制是「权威信号 → 降低独立判断」。
当一个人或信息源展现出权威象征（头衔、地位、过往成功、专业形象、粉丝量等）时，大脑会自动减少批判性思考，转而倾向于接受其观点。
权威感越强，个体越容易放弃自己的风险审查，直接选择服从。
常见表现形式（以服从视角）：
1/ 头衔服从：因为对方有「专家」「OG」「成功交易员」等标签，就直接采信。
2/ 战绩服从：看到过往盈利记录或成功案例，就降低对当前判断的质疑。
3/ 地位服从：粉丝量、影响力、合作方背景带来的权威感，促使跟随。
4/ 形象服从：专业措辞、自信表达、正式包装强化服从意愿。
5/ 关联服从：与知名人物或成功项目产生关联，借此获得权威光环。
心理触发点：
1/ 正确性外包：把判断权交给「更专业的人」，以减少自己的决策压力。
2/ 责任转移：服从权威后，失败时更容易归因于权威而非自己。
3/ 认知节省：权威提供了现成的答案，省去深入分析的精力。
4/ 社会学习：从小被教育要尊重和听从权威，形成自动化反应。
实际应用边界/注意事项：
1/ 权威可被主动制造：项目方和 CT 常通过包装战绩、制造头衔、绑定成功案例等方式，刻意建立权威感。
2/ 权威不等于正确：过往成功或外部标签，不能保证当前判断的准确性。
3/ 风险识别盲区：当强烈感觉「这个人很权威」时，独立风险审查最容易被关闭。
4/ 博弈中的武器：在加密市场，权威是推动信任、降低质疑、引导资金流向的常用工具。
5/ 防御关键点：当发现自己因对方的权威身份而产生采信冲动时，强制问自己：「如果去掉这个人的头衔和光环，仅凭信息和我的能力圈，我还会做出同样的判断吗？」
————————
本文是我在构建「思维模型解析」能力方向上的内容输出。
分析框架来源于我正在搭建的「基于能力圈的 IP 成长闭环体系」。
以上仅为信息分享，不构成任何投资建议。
持续进化中的 BitHappy
顯示更多
关于阅读：从知识点到知识体系
我启动阅读计划的初衷是：通过阅读构建属于自己的知识体系！
但真正开始之后才发现，虽然提前做了书单，阅读依旧是瞎看：什么出名看什么，什么热门看什么。
最初的书单分为四类：自我重构、投资理财、人物传记、中国。
方向本身没有问题，但在一个月读完五本之后，我意识到一个关键问题：这些书之间没有形成连接。
它们提供的是知识点，而不是知识体系。
这也是为什么我认为《穷查理宝典》非常重要的原因之一，具体原因在引用推文和文末。
这段阅读的这段时间里，我和不少朋友讨论 "如何有效阅读" 和 "为什么阅读"。
关于有效阅读，有三种 AI 辅助方式：
1/ 快速阅读：让 AI 在 3 分钟内解释一本书的主旨、核心观点、局限与一句话总结；
2/ 知识图谱：用 Obsidian + AI 把知识从点变成面，建立连接；
3/ 思维蒸馏：让 AI 提炼聪明人的模型与思维方式。
其中后两种我已经在用，但它们只是辅助，而不是主力。
原因也很简单：AI 能给结构，但不能给深度。
更关键的是，我的记忆力本来就不算好。
如果采用速成鸡的方式，最终我得到的只是孤立的观点，无法形成真正的连接。
发生的情况会和刷短视频里的 "大道理" 一样，三天就忘。
所以，我采用的是古法阅读，这大概也是认可查理·芒格思维的关键因素（自己费劲读的，也更加认可自己的总结）。
关于古法阅读，有三个不可替代的优势：
1/ 重要观点会反复出现，加深记忆；
2/ 作者会给出论点与论证，而不是只给结论；
3/ 阅读过程中会自然产生思考与个人总结（不走神的花）。
这些都是 AI 无法替代的深度加工过程。
这里得再提一下《穷查理宝典》的重要性！
因为查理·芒格在书中的重复论证，让我系统性地理解：
1/ 如何打造自己的思维方式；
2/ 如何构建跨学科的知识体系；
3/ 为什么知识必须通过 "学以致用" 才能真正记住；
4/ 为什么能力圈可以扩张，但必须谨慎，不要假装自己懂不懂的领域；
5/ 芒格强调的不是 "多读书"，而是 "多建立模型"；
6/ 模型之间的连接，才是知识体系的真正基础。
我现在所理解的有效阅读是：筛选出能通过实践去验证的知识，并构建出结构。
最后，再次向大家推荐《穷查理宝典》！
如果大家使用微信读书，可以搜到我建立的学习查理芒格三阶段书单，并且在评论区可找到配套的实践方案。
搜索关键字：学习查理芒格
顯示更多
思维模型解析：社会认同原理
用投资视角提炼《影响力》中的社会认同原理。
这次以「从众」作为核心关键词来整理社会认同原理，因为它和风险识别、群体博弈与决策偏差结合得比较紧密。
核心定义：
在不确定的情况下，人们会参考他人的行为来判断什么是正确的。当看到很多人在做同一件事时，会倾向于认为这件事是安全或正确的，并跟随行动。
核心机制：
从众的运作机制是「不确定性 → 观察他人 → 降低独立判断」。
当信息不足或风险难以评估时，大脑会自动把「多数人的行为」当作捷径。从众人数越多、越相似，这种影响就越强。
结果是，个体的风险审查和独立思考被明显削弱，决策从「我该不该做」转向「既然那么多人都在做，应该没问题」。
常见表现形式（以从众视角）：
1/ 数量从众：看到大量的人参与（交易量、持仓人数、讨论热度），就认为机会真实。
2/ 相似从众：与自己背景、观点相近的人在做，跟随意愿更强。
3/ 情绪从众：群体情绪（FOMO、恐慌、狂热）迅速传染，个体理性下降。
4/ 权威从众：有影响力的人（KOL、大户）带头行动，引发更大规模跟随。
5/ 虚假从众：通过刷量、控评、制造热搜等方式，人为制造「很多人都在参与」的假象。
心理触发点：
1/ 不确定性规避：在模糊情境下，跟随多数人能降低决策焦虑。
2/ 正确性假设：潜意识认为「这么多人不会错」。
3/ 归属需求：不想成为少数派，害怕错过或被孤立。
4/ 认知节省：用他人行为代替自己深入分析，节省精力。
实际应用边界/注意事项：
1/ 从众可被主动制造：项目方、KOL、庄家常通过刷量、控评、集中喊单、制造热度等方式，刻意营造从众氛围。
2/ 多数不等于正确：市场中最危险的时刻，往往是从众情绪最强的时候（顶部或底部极端）。
3/ 风险识别盲区：当强烈感觉「大家都在买/都在卖」时，独立风险审查最容易被关闭。
4/ 博弈中的武器：在加密市场，从众是推动价格、制造流动性、完成收割的常用工具。
5/ 防御关键点：当发现自己因「很多人在做」而产生行动冲动时，强制问自己：「如果没有这些人的行为作为参考，仅凭项目本身和我的能力圈，我还会做这个决定吗？」
————————
本文是我在构建「思维模型解析」能力方向上的内容输出。
分析框架来源于我正在搭建的「基于能力圈的 IP 成长闭环体系」。
以上仅为信息分享，不构成任何投资建议。
持续进化中的 BitHappy
顯示更多
关于阅读：从知识点到知识体系
我启动阅读计划的初衷是：通过阅读构建属于自己的知识体系！
但真正开始之后才发现，虽然提前做了书单，阅读依旧是瞎看：什么出名看什么，什么热门看什么。
最初的书单分为四类：自我重构、投资理财、人物传记、中国。
方向本身没有问题，但在一个月读完五本之后，我意识到一个关键问题：这些书之间没有形成连接。
它们提供的是知识点，而不是知识体系。
这也是为什么我认为《穷查理宝典》非常重要的原因之一，具体原因在引用推文和文末。
这段阅读的这段时间里，我和不少朋友讨论 "如何有效阅读" 和 "为什么阅读"。
关于有效阅读，有三种 AI 辅助方式：
1/ 快速阅读：让 AI 在 3 分钟内解释一本书的主旨、核心观点、局限与一句话总结；
2/ 知识图谱：用 Obsidian + AI 把知识从点变成面，建立连接；
3/ 思维蒸馏：让 AI 提炼聪明人的模型与思维方式。
其中后两种我已经在用，但它们只是辅助，而不是主力。
原因也很简单：AI 能给结构，但不能给深度。
更关键的是，我的记忆力本来就不算好。
如果采用速成鸡的方式，最终我得到的只是孤立的观点，无法形成真正的连接。
发生的情况会和刷短视频里的 "大道理" 一样，三天就忘。
所以，我采用的是古法阅读，这大概也是认可查理·芒格思维的关键因素（自己费劲读的，也更加认可自己的总结）。
关于古法阅读，有三个不可替代的优势：
1/ 重要观点会反复出现，加深记忆；
2/ 作者会给出论点与论证，而不是只给结论；
3/ 阅读过程中会自然产生思考与个人总结（不走神的花）。
这些都是 AI 无法替代的深度加工过程。
这里得再提一下《穷查理宝典》的重要性！
因为查理·芒格在书中的重复论证，让我系统性地理解：
1/ 如何打造自己的思维方式；
2/ 如何构建跨学科的知识体系；
3/ 为什么知识必须通过 "学以致用" 才能真正记住；
4/ 为什么能力圈可以扩张，但必须谨慎，不要假装自己懂不懂的领域；
5/ 芒格强调的不是 "多读书"，而是 "多建立模型"；
6/ 模型之间的连接，才是知识体系的真正基础。
我现在所理解的有效阅读是：筛选出能通过实践去验证的知识，并构建出结构。
最后，再次向大家推荐《穷查理宝典》！
如果大家使用微信读书，可以搜到我建立的学习查理芒格三阶段书单，并且在评论区可找到配套的实践方案。
搜索关键字：学习查理芒格
顯示更多
思维模型解析：喜好原理
用投资视角提炼《影响力》中的喜好原理。
这次以「相似性」作为核心关键词来整理喜好原理，因为它和风险识别、信任建立与博弈分析结合得比较紧密。
核心定义：
人们更容易对那些与自己相似的人、观点或项目产生好感，并因此更愿意给予信任、降低警惕，最终更容易说「是」。
核心机制：
喜好原理的运作机制是「相似性驱动好感 → 好感降低审查」。
当一个人或项目展现出与我们相似的背景、观点、身份、叙事或情绪时，大脑会快速产生好感。
这种好感会直接降低我们对风险的敏感度，使决策从理性评估转向「因为喜欢，所以相信」。
相似性越强，好感越容易建立，审查越容易被放松。
常见表现形式（以相似性视角）：
1/ 观点相似性：对方持有和我们相近的投资理念或叙事，迅速产生认同。
2/ 身份相似性：同圈子、同背景、同经历的人更容易获得信任。
3/ 情绪相似性：共同 FOMO、共同愤怒、共同信仰某个叙事时，好感快速升温。
4/ 关联相似性：项目主动绑定成功人物、成功案例或热门叙事，借由关联制造「相似感」。
5/ 语言相似性：使用相同的黑话、梗、价值观表达，快速拉近距离。
心理触发点：
1/ 内群体偏好：我们天然更信任「自己人」。
2/ 认知轻松感：相似的信息处理起来更省力，大脑因此产生好感。
3/自我验证需求：喜欢那些能验证我们已有观点的人与事物。
4/ 防御放松：好感一旦建立，风险审查本能会明显下降。
实际应用边界/注意事项：
1/ 相似性可被主动制造：项目方和 CT 很擅长刻意营造相似性（共同叙事、共同身份、共同情绪），以达到降低质疑的目的。
2/ 好感与能力无关：相似不等于专业，好感不等于判断力。
3/ 风险识别的盲区：当强烈感觉「这个人和我很像」时，往往是最容易放松风控的时候。
4/ 博弈中的武器：在加密市场，相似性常被用作获取信任、降低审查、推动决策的工具。
5/ 防御关键点：当产生强烈好感时，强制问自己：「这个相似感是真实的，还是被主动制造的？它是否让我降低了应有的风险审查？」
————————
本文是我在构建「思维模型解析」能力方向上的内容输出。
分析框架来源于我正在搭建的「基于能力圈的 IP 成长闭环体系」。
以上仅为信息分享，不构成任何投资建议。
持续进化中的 BitHappy
顯示更多
关于阅读：从知识点到知识体系
我启动阅读计划的初衷是：通过阅读构建属于自己的知识体系！
但真正开始之后才发现，虽然提前做了书单，阅读依旧是瞎看：什么出名看什么，什么热门看什么。
最初的书单分为四类：自我重构、投资理财、人物传记、中国。
方向本身没有问题，但在一个月读完五本之后，我意识到一个关键问题：这些书之间没有形成连接。
它们提供的是知识点，而不是知识体系。
这也是为什么我认为《穷查理宝典》非常重要的原因之一，具体原因在引用推文和文末。
这段阅读的这段时间里，我和不少朋友讨论 "如何有效阅读" 和 "为什么阅读"。
关于有效阅读，有三种 AI 辅助方式：
1/ 快速阅读：让 AI 在 3 分钟内解释一本书的主旨、核心观点、局限与一句话总结；
2/ 知识图谱：用 Obsidian + AI 把知识从点变成面，建立连接；
3/ 思维蒸馏：让 AI 提炼聪明人的模型与思维方式。
其中后两种我已经在用，但它们只是辅助，而不是主力。
原因也很简单：AI 能给结构，但不能给深度。
更关键的是，我的记忆力本来就不算好。
如果采用速成鸡的方式，最终我得到的只是孤立的观点，无法形成真正的连接。
发生的情况会和刷短视频里的 "大道理" 一样，三天就忘。
所以，我采用的是古法阅读，这大概也是认可查理·芒格思维的关键因素（自己费劲读的，也更加认可自己的总结）。
关于古法阅读，有三个不可替代的优势：
1/ 重要观点会反复出现，加深记忆；
2/ 作者会给出论点与论证，而不是只给结论；
3/ 阅读过程中会自然产生思考与个人总结（不走神的花）。
这些都是 AI 无法替代的深度加工过程。
这里得再提一下《穷查理宝典》的重要性！
因为查理·芒格在书中的重复论证，让我系统性地理解：
1/ 如何打造自己的思维方式；
2/ 如何构建跨学科的知识体系；
3/ 为什么知识必须通过 "学以致用" 才能真正记住；
4/ 为什么能力圈可以扩张，但必须谨慎，不要假装自己懂不懂的领域；
5/ 芒格强调的不是 "多读书"，而是 "多建立模型"；
6/ 模型之间的连接，才是知识体系的真正基础。
我现在所理解的有效阅读是：筛选出能通过实践去验证的知识，并构建出结构。
最后，再次向大家推荐《穷查理宝典》！
如果大家使用微信读书，可以搜到我建立的学习查理芒格三阶段书单，并且在评论区可找到配套的实践方案。
搜索关键字：学习查理芒格
顯示更多
思维模型解析：对比原理
用投资视角提炼《影响力》中的对比原理。
这次以「锚定」作为核心关键词来解析，因为对比原理与风险识别、博弈分析结合得较为紧密。
核心定义：
当人们对某个事物进行判断时，会不自觉地以首先接触到的信息或最突出的参照物作为锚点，后续判断会围绕该锚点进行调整，而不是基于事物的绝对价值。
核心机制：
对比原理的运作机制是 "锚定 + 调整不足"。
锚点一旦建立，大脑便以其为参照进行比较和判断，但这种调整往往不充分，最终判断会被锚点显著牵引。
锚点可以是价格、收益、风险水平、他人行为等任何可比较的信息。一旦锚点被设定，后续所有信息都会在与锚点的对比中被重新解读。
常见表现形式（以锚定视角）：
1/ 价格锚定：先看到较高价格，随后即使出现更合理的价格，也会觉得 "便宜"。
2/ 收益锚定：被高收益案例或历史高点锚定，导致低估当前风险。
3/ 价值锚定：将一个项目与另一个看起来类似的项目对比，从而高估或低估其真实价值。
4/ 风险锚定：通过展示更差的选项或更极端的情况，来降低对当前风险的感知。
5/ 预期锚定：通过制造 "别人已经赚了很多" 或项目给出的目标价来锚定参与者的预期。
心理触发点：
1/ 参照依赖：人类天生倾向于通过比较来判断价值，而不是独立评估。
2/ 调整不足：即使意识到锚点可能不准确，大脑也难以充分回到客观判断。
3/ 感知对比：两个事物并列比较时，差异会被放大或缩小，从而扭曲真实判断。
4/ 认知吝啬：大脑倾向于使用最容易获取的锚点来快速做出判断，以节省认知资源。
实际应用边界/注意事项：
1/ 锚点设置者的意图：当锚点由有利益相关方主动设置（例如项目方、核心团队、平台）时，需要高度警惕其操纵性。
2/ 锚点与自身经验的距离：锚点与自己过往经验或能力圈越远，越容易被其影响且难以察觉。
3/ 多锚点竞争：当存在多个冲突的锚点时，判断会变得更加不稳定，容易被情绪主导。
4/ 防御难点：单纯意识到锚定存在并不能完全消除其影响，需要通过建立明确的判断框架（如能力圈检查清单）来对抗。
5/ 投资场景中的风险：在加密市场中，锚定极易被利用来扭曲风险与收益的感知，例如通过历史最高点、别人赚了多少倍、项目给出的路线图来设置锚点，使参与者承担超出自身风险承受能力的仓位或杠杆。
————————
本文是我在构建「思维模型解析」能力方向上的内容输出。
分析框架来源于我正在搭建的「基于能力圈的 IP 成长闭环体系」。
以上仅为信息分享，不构成任何投资建议。
持续进化中的 BitHappy
顯示更多
又是周末，又是 $QQQB 的时间差套利机会～
币安钱包流动性挖矿官方数据：手续费 $3.49K ÷ TVL 1.81M ≈ 平均年化 0.2%。
但如果 LP 操作稍微熟练一点，而且在「非美股开盘」时间提供窄区间 LP，日化能轻松破 1%，也就是年化比平均高 5 倍以上。
至于为什么有那么多手续费，那肯定是币安 Alpha，具体逻辑见引用推文。
至于风险，基本都被「非美股开盘」所规避，具体逻辑也见引用推文。
钱包直达入口：发现 → 理财 → 流动性池 → bStocks
以上仅为信息分享，不构成任何投资建议！
持续进化中的 BitHappy
顯示更多
思维模型解析：互惠原理
用投资视角提炼《影响力》中的互惠原理。
这次核心关键词为「债务」，因为它和投资中的负债感、激励机制、风险传导结合比较紧密。
核心定义：
当一方主动给予另一方帮助、礼物、让步或好处时，就在对方心里制造了一种无形的债务。
这种债务虽然没有书面约定，但会让接受方产生必须回报的心理义务。
核心机制：
互惠的运作机制是 "负债感的产生与解除"。
当一个人接受了他人主动的给予后，会在心理上背负一种未偿还的债务。
这种负债感会带来持续的心理压力，直到通过回报行为将债务解除。
人们之所以倾向于还债，一方面源于内在的责任感，另一方面源于社会规范对 "忘恩负义" 的负面评价。
常见表现形式（以债务视角）：
主动制造债务：一方先给予小恩惠（礼物、帮助、信息、福利），在对方心里建立债务。
债务的转移与放大：通过先提出大请求被拒绝，再提出小请求的方式，让对方在 "拒绝后产生新债务" 的心理下更容易接受。
债务的预期管理：通过制造 "未来会获得更大回报" 的预期，让对方提前承担当前的风险或投入（例如空投预期）。
债务的累积与沉没：多次接受给予后，债务感累积，导致即使后续出现负面信号，也难以果断退出（沉没成本效应）。
心理触发点：
负债压力：欠人情带来的不舒服感和紧迫感。
社会形象压力：害怕被他人或自己视为 "忘恩负义"、"不讲信用" 的人。
债务解除的冲动：想尽快通过回报行为消除心理上的负债状态。
避免社死与关系破裂：担心不回报会损害人际关系或个人声誉。
实际应用边界/注意事项：
债务感知的真诚性：如果对方明显感受到给予带有强烈目的性，债务感会大幅减弱，甚至产生反感。
债务价值不对等：当给予和预期回报的价值差距过大时，容易引发不满和信任崩塌。
时间衰减效应：债务感会随着时间推移逐渐减弱，尤其是当给予和回报之间间隔较长时。
操纵痕迹暴露：一旦被发现对方是在刻意 "放债"，互惠效应会失效，甚至转为负面评价。
投资场景中的风险：在加密市场中，项目方或平台通过高收益、空投预期等方式主动 "放债"，容易让参与者因债务感而降低风险警惕，甚至产生感情，最终承担超出自己能力圈的杠杆或风险。
————————
本文是我在构建「思维模型解析」能力方向上的内容输出。
分析框架来源于我正在搭建的「基于能力圈的 IP 成长闭环体系」。
以上仅为信息分享，不构成任何投资建议。
持续进化中的 BitHappy
顯示更多
关于阅读：从知识点到知识体系
我启动阅读计划的初衷是：通过阅读构建属于自己的知识体系！
但真正开始之后才发现，虽然提前做了书单，阅读依旧是瞎看：什么出名看什么，什么热门看什么。
最初的书单分为四类：自我重构、投资理财、人物传记、中国。
方向本身没有问题，但在一个月读完五本之后，我意识到一个关键问题：这些书之间没有形成连接。
它们提供的是知识点，而不是知识体系。
这也是为什么我认为《穷查理宝典》非常重要的原因之一，具体原因在引用推文和文末。
这段阅读的这段时间里，我和不少朋友讨论 "如何有效阅读" 和 "为什么阅读"。
关于有效阅读，有三种 AI 辅助方式：
1/ 快速阅读：让 AI 在 3 分钟内解释一本书的主旨、核心观点、局限与一句话总结；
2/ 知识图谱：用 Obsidian + AI 把知识从点变成面，建立连接；
3/ 思维蒸馏：让 AI 提炼聪明人的模型与思维方式。
其中后两种我已经在用，但它们只是辅助，而不是主力。
原因也很简单：AI 能给结构，但不能给深度。
更关键的是，我的记忆力本来就不算好。
如果采用速成鸡的方式，最终我得到的只是孤立的观点，无法形成真正的连接。
发生的情况会和刷短视频里的 "大道理" 一样，三天就忘。
所以，我采用的是古法阅读，这大概也是认可查理·芒格思维的关键因素（自己费劲读的，也更加认可自己的总结）。
关于古法阅读，有三个不可替代的优势：
1/ 重要观点会反复出现，加深记忆；
2/ 作者会给出论点与论证，而不是只给结论；
3/ 阅读过程中会自然产生思考与个人总结（不走神的花）。
这些都是 AI 无法替代的深度加工过程。
这里得再提一下《穷查理宝典》的重要性！
因为查理·芒格在书中的重复论证，让我系统性地理解：
1/ 如何打造自己的思维方式；
2/ 如何构建跨学科的知识体系；
3/ 为什么知识必须通过 "学以致用" 才能真正记住；
4/ 为什么能力圈可以扩张，但必须谨慎，不要假装自己懂不懂的领域；
5/ 芒格强调的不是 "多读书"，而是 "多建立模型"；
6/ 模型之间的连接，才是知识体系的真正基础。
我现在所理解的有效阅读是：筛选出能通过实践去验证的知识，并构建出结构。
最后，再次向大家推荐《穷查理宝典》！
如果大家使用微信读书，可以搜到我建立的学习查理芒格三阶段书单，并且在评论区可找到配套的实践方案。
搜索关键字：学习查理芒格
顯示更多
想赚钱还是得跟着流动性走！
海力士阶段结束后，大家普遍觉得代币化股票在短期内缺少强势的热门标的。
但其实，机会从来不是靠标的本身，而是靠结构。
在引用推文里提到的「A = B」套利模型，就是针对这种结构性的脱锚。
海力士的出圈是因为大户赚太多钱，并且引起分享潮。
但主要还是因为永续与现货之间出现了经典的资金费率脱锚，而这只是模型中的一种表现形式。
永续合约的资金费率机制决定：
1/ 现货高于永续 → 资费为负 → 鼓励做多；
2/ 永续高于现货 → 资费为正 → 鼓励做空
所以只要两者之间出现偏差，就会产生套利空间。
也如半个月前在加密做美股日结的推文里也提到过，美股本身就有价差机会，而海力士这波是既有价差，又有资费的机会。
这也是加密的 RWA 红利。
在两个月之前：代币化股票的现货腿不在加密内部，套利无法形成闭环，而现在，随着交易所的推进，这个闭环正在补齐。
也如日结推文里以 Bitget 的 rToken 为例:
1/ 现在可以直接在 BG 买 rToken 股票现货；
2/ 也可以在 BG 做空股票永续；
3/ 还可以用 rToken 现货，作为抵押来降低保证金占用。
现在还想从加密美股中分一杯羹的小伙伴，可以去看这篇推文：
在加密做美股日结：
这篇推文里，除套利外，也有部分偏赌博的投机机会。
总之：
海力士是事件，但套利模型是结构。
事件会结束，但与「A = B」类似的结构不会。
以上仅为信息分享，不构成任何投资建议！
持续进化中的 BitHappy
顯示更多
对「A = B」脱锚套利模型解析～
这是我思维模型库里最基础的「原子模型」之一。
更复杂的连锁、多资产、带收益因子的套利，最终都可以拆解回这个最简单的等式。
核心数学关系只有一句话：A = B
只要 A 与 B 之间存在可验证的锚定、铸造/赎回或转换机制，两者的价值在理论上就应当相等。
任何暂时的价格偏离，都只是噪音，而非新常态。
在加密市场里，这个模型最常见的演化形态是加入收益因子：
只有 A 带收益时：A ≈ B × (1 + r)
A 与 B 都带收益时：A ≈ B × (1 + r_A) ÷ (1 + r_B)
但收益因子永远是「附加项」，不是模型成立的前提。
真正决定盈亏的，始终是「偏离是否会回归」。
为什么这个模型值得单独成文？
因为很多人在加密市场里套利犯的错误，不是看不懂复杂结构，而是忽略了最简单的 A = B。
所以大多数情况下，要么在脱锚时恐慌性砸盘，把回归利润拱手让给有纪律的人。
模型成立的四个硬前提（缺一不可）：
1/ A 与 B 之间必须有清晰、可验证的锚定/赎回机制。
2/ 价格偏离后，存在足够的套利力量推动回归。
3/ 你能承受偏离扩大期间的浮亏与流动性冲击。
4/ 你提前定义了「偏离多少进场、回归多少离场」的纪律。
收益来源只有两个层次：
1/ 核心层：锚定回归本身的价差/利差。
2/ 增强层：持有期间的收益因子差异（可选）。
风险传导路径（至少三层）：
1/ 锚定机制本身失效（最致命，直接从「可套利」变成「永久损失」）。
2/ 流动性枯竭导致执行成本吞噬全部利润。
3/ 市场情绪与资金集中行为改变回归速度，甚至短暂反向放大偏离。
与能力圈的匹配：
这个模型目前明确放在内圈。
它数学清晰、可设阈值、可反复验证，是训练风险识别与执行纪律的最佳基础场地。
只有当我对某个具体锚定机制的可靠性出现明显不确定性时，才会临时降为中圈观察。
————————
本文是我在构建「思维模型解析」能力方向上的内容输出。
分析框架来源于我正在搭建的「基于能力圈的 IP 成长闭环体系」。
再次提到查理·芒格！
他反复强调：先把最基本的数学关系搞清楚，再去谈机会。
A = B 就是那个最基本的关系。
把它吃透，后面所有 A = B = C、带收益因子、跨市场的复杂版本，才会真正有根。
以上仅为信息分享，不构成任何投资建议。
持续进化中的 BitHappy
顯示更多
对「A = B」脱锚套利模型解析～
这是我思维模型库里最基础的「原子模型」之一。
更复杂的连锁、多资产、带收益因子的套利，最终都可以拆解回这个最简单的等式。
核心数学关系只有一句话：A = B
只要 A 与 B 之间存在可验证的锚定、铸造/赎回或转换机制，两者的价值在理论上就应当相等。
任何暂时的价格偏离，都只是噪音，而非新常态。
在加密市场里，这个模型最常见的演化形态是加入收益因子：
只有 A 带收益时：A ≈ B × (1 + r)
A 与 B 都带收益时：A ≈ B × (1 + r_A) ÷ (1 + r_B)
但收益因子永远是「附加项」，不是模型成立的前提。
真正决定盈亏的，始终是「偏离是否会回归」。
为什么这个模型值得单独成文？
因为很多人在加密市场里套利犯的错误，不是看不懂复杂结构，而是忽略了最简单的 A = B。
所以大多数情况下，要么在脱锚时恐慌性砸盘，把回归利润拱手让给有纪律的人。
模型成立的四个硬前提（缺一不可）：
1/ A 与 B 之间必须有清晰、可验证的锚定/赎回机制。
2/ 价格偏离后，存在足够的套利力量推动回归。
3/ 你能承受偏离扩大期间的浮亏与流动性冲击。
4/ 你提前定义了「偏离多少进场、回归多少离场」的纪律。
收益来源只有两个层次：
1/ 核心层：锚定回归本身的价差/利差。
2/ 增强层：持有期间的收益因子差异（可选）。
风险传导路径（至少三层）：
1/ 锚定机制本身失效（最致命，直接从「可套利」变成「永久损失」）。
2/ 流动性枯竭导致执行成本吞噬全部利润。
3/ 市场情绪与资金集中行为改变回归速度，甚至短暂反向放大偏离。
与能力圈的匹配：
这个模型目前明确放在内圈。
它数学清晰、可设阈值、可反复验证，是训练风险识别与执行纪律的最佳基础场地。
只有当我对某个具体锚定机制的可靠性出现明显不确定性时，才会临时降为中圈观察。
————————
本文是我在构建「思维模型解析」能力方向上的内容输出。
分析框架来源于我正在搭建的「基于能力圈的 IP 成长闭环体系」。
再次提到查理·芒格！
他反复强调：先把最基本的数学关系搞清楚，再去谈机会。
A = B 就是那个最基本的关系。
把它吃透，后面所有 A = B = C、带收益因子、跨市场的复杂版本，才会真正有根。
以上仅为信息分享，不构成任何投资建议。
持续进化中的 BitHappy
顯示更多
套利模型（原子级）：
1/ A ≈ B
2/ A ≈ B × (1 + 收益因子)
3/ A ≈ B × (1 + 收益因子_A) ÷ (1 + 收益因子_B)
喜欢抄底股票的朋友，现在有新策略可用了～
OKX 已支持代币化股票的双币赢，因此也可以把双币/期权抄底比特币的逻辑，直接迁移到股票上来使用。
目前共支持 12 支股票。
不过，暂时还不支持 USDG 申购，也尚未开放期权功能，期待后续补齐。
支持 USDG，闲置的 U 还能以 4.1% 年化进行生息。
支持期权后，用卖 Put 收权利金的方式抄底会更灵活，同时，卖 Call 的方式进行抛售也不错。
还可以结合之前提到的统一代币化股票，把其他平台的股票资产转到 OKX 上来卖。
所以，是继续搞存储，还是搞宇宙之光？
之前写的期权贴：
1/ 理财型选手的期权入门贴：
2/ 卖看跌期权作为梯级抄底的策略（逻辑思考，以及评论区大佬回复）：
3/ 期权抄底决策树：
以上仅为信息分享，不构成任何投资建议！
持续进化中的 BitHappy
顯示更多
OKX 前天推出 RLUSD 的理财～
简单研究后，发现与 USDG 的福利基本一致。
1/ 普通年化 3.5%，VIP 年化 4.1%（官网没有说明，但官推有）；
2/ 可用作合约保证金；
3/ 可用作活期质押借币。
RLUSD 由 Ripple 发行，由现金等价物（美债、美元）100% 支持，并受纽约州金融服务部信托公司执照监管，并可通过官方 1:1 赎回为法币 USD。
因为可以赎回 USD，按照 A = B = C 套利模型：
RLUSD = USD，USDC = USD，那么 RLUSD = USDC。
不过 RLUSD 目前比 USDC 贵 0.0001，也就是说暂时没有价差可套。
而且也没有渠道可以无损铸造，相比 USDG，套利空间基本没有，可能就只能盯一下价格波动。
此外，USDG 在 OKX 还有两个优势：
1/ USDG 可以参与 双币赢；
2/ USDG 可以作为期权的 USD 本位结算代币。
整体看下来，OKX 的 RLUSD 理财，更适合本就持有 RLUSD 的用户。
哦，RLUSD 还有一个活动：前 2000 枚截止 8 月 20 日，有 10% 的年化。
OKX 官推：
以上仅为信息分享，不构成任何投资建议！
持续进化中的 BitHappy
顯示更多
对「A = B，B = C，因此 A = C」脱锚套利模型解析～
因为找不到类似模型的既有名称，所以我暂称其为：连锁锚定脱锚套利模型。
核心公式/数学关系：
基础模型：A = B，B = C，因此 A = C
这是模型最核心、最纯粹的数学关系：只要 A、B、C 之间存在稳定的锚定或可验证的转换机制，三者的价值理论上应保持一致。
带收益因子的演变形态：
在加密市场中，当资产具备收益属性时，模型会自然演化为以下形式：
1/ 只有 C 带有收益因子（生息代币）：
A ≈ B
C ≈ B × (1 + 收益因子)
因此：A × (1 + 收益因子) ≈ C
2/ A 和 C 同时带有收益因子（多个锚定同标的的生息代币）：
A ≈ B × (1 + r_A)
C ≈ B × (1 + r_C)
因此：A ≈ C × (1 + rA) ÷ (1 + rC)
其中 r_A 为 A 的收益因子，r_C 为 C 的收益因子。
重要说明：收益因子并非模型成立的必要条件，它只是该模型在加密市场中的一种常见演化形态。
模型最核心的驱动力仍然是 A 与 C 相对于 B 的暂时价格偏离，以及之后的回归收敛。
模型的成立前提与关键假设：
1/ A、B、C 之间必须存在可验证的锚定或转换机制。
2/ A 与 C 的价格能够相对于共同锚定点（B）产生暂时偏离，并具备回归倾向。
3/ 市场参与者对价格偏离的反应存在差异。
4/ 即使三类资产都没有收益因子，只要锚定关系存在且出现脱锚，模型依然有效；收益因子只是增强了模型在实际操作中的可观测性与吸引力。
模型在加密市场的典型表现：
通常表现为三类资产通过某种机制形成近似等价关系。
当市场波动出现时，A 与 C 的价格会相对于 B 产生短暂偏离，形成可交易的价差。
随后，随着套利者、项目方等力量介入，A 和 C 的价格重新向 B 收敛，完成一次脱锚与回归的循环。
这种结构在不同资产组合中都可能出现，具体取决于底层锚定机制的强度。
模型的收益来源拆解：
1/ 锚定回归收益（核心）：A 与 C 因暂时脱锚而产生的价差回归收益，这是模型最基础的收益来源。
2/ 收益因子带来的额外收益（可选）：当模型演化为带收益因子的形态时，持有具备收益因子的资产可获得额外收益。在 A 和 C 同时带收益因子的场景下，收益来自两者收益因子的相对差异。
模型的主要风险与失效场景：
1/ 锚定关系失效风险：A、B、C 之间的锚定或转换机制被破坏，价格无法有效回归。
2/ 流动性与执行风险：脱锚扩大时，市场流动性下降，套利执行成本上升。
3/ 机制传导风险：底层锚定机制出现问题时，风险会沿着 A-B-C 链条逐层传导。
4/ 参与者行为异化风险：大量套利资金集中介入可能改变价差回归的速度与特征。
5/ 其中，锚定关系的持续有效性是模型最核心的风险点。
与自己能力圈的匹配判断：
当前这个模型放在内圈进行系统性研究与执行。
理由：
1/ 模型的数学关系清晰，核心在于理解锚定与脱锚的逻辑。
2/ 可以通过设置明确的偏离阈值与纪律进行风险控制。
3/ 对模型前提条件的理解属于可积累、可验证的能力。
边界说明：
1/ 当对锚定机制的可靠性判断存在较大不确定性时，应视为中圈。
2/ 当底层锚定关系发生重大变化，导致 A、B、C 无法有效收敛时，应及时调整能力圈边界。
总结：
锚定回归是模型的核心驱动力。
收益因子是演变形态而非必要条件，无论是否存在收益因子，模型的有效性都取决于 A 与 C 是否会相对于 B 产生收敛。
这种“多资产通过共同锚定点形成连锁关系”的结构，在 资金费率套利、现货与永续基差交易、结构化产品定价 等场景中都能找到类似逻辑，可以作为通用工具进行迁移与组合使用。
A = B，B = C，因此 A = C 的脱锚套利模型，是一个基础且逻辑自洽的套利框架。
在使用这个模型之前，关键是先理解资产之间的锚定关系，再去捕捉暂时偏离带来的机会。
写在最后：
本文是我在构建「思维模型解析」能力方向上的内容输出。
分析框架来源于我正在搭建的「基于能力圈的 IP 成长闭环体系」。
通过拆解「A = B，B = C，因此 A = C」这一基础模型及其带收益因子的演变形态。
能更清晰地理解这类套利机会背后的数学关系、成立前提与风险传导路径，从而提升整体的判断力与框架思维。
查理·芒格也多次强调：要先理解事物的底层数学关系，再去判断机会与风险。
他在《穷查理宝典》中也提到过 A = B，B = C，因此 A = C 这个简单数学关系。
在对这一数学关系在加密中总结出的「连锁锚定脱锚套利模型」，刚好是对芒格思维的一次具体应用。
写完这篇文章后，我问了 AI 是否存在类似的模型名称，AI 的回答是：没有！
难道说，我获得了这个加密套利模型的命名权？哈哈哈～
以上仅为信息分享，不构成任何投资建议！
持续进化中的 BitHappy
顯示更多
思维模型解析：对比原理
用投资视角提炼《影响力》中的对比原理。
这次以「锚定」作为核心关键词来解析，因为对比原理与风险识别、博弈分析结合得较为紧密。
核心定义：
当人们对某个事物进行判断时，会不自觉地以首先接触到的信息或最突出的参照物作为锚点，后续判断会围绕该锚点进行调整，而不是基于事物的绝对价值。
核心机制：
对比原理的运作机制是 "锚定 + 调整不足"。
锚点一旦建立，大脑便以其为参照进行比较和判断，但这种调整往往不充分，最终判断会被锚点显著牵引。
锚点可以是价格、收益、风险水平、他人行为等任何可比较的信息。一旦锚点被设定，后续所有信息都会在与锚点的对比中被重新解读。
常见表现形式（以锚定视角）：
1/ 价格锚定：先看到较高价格，随后即使出现更合理的价格，也会觉得 "便宜"。
2/ 收益锚定：被高收益案例或历史高点锚定，导致低估当前风险。
3/ 价值锚定：将一个项目与另一个看起来类似的项目对比，从而高估或低估其真实价值。
4/ 风险锚定：通过展示更差的选项或更极端的情况，来降低对当前风险的感知。
5/ 预期锚定：通过制造 "别人已经赚了很多" 或项目给出的目标价来锚定参与者的预期。
心理触发点：
1/ 参照依赖：人类天生倾向于通过比较来判断价值，而不是独立评估。
2/ 调整不足：即使意识到锚点可能不准确，大脑也难以充分回到客观判断。
3/ 感知对比：两个事物并列比较时，差异会被放大或缩小，从而扭曲真实判断。
4/ 认知吝啬：大脑倾向于使用最容易获取的锚点来快速做出判断，以节省认知资源。
实际应用边界/注意事项：
1/ 锚点设置者的意图：当锚点由有利益相关方主动设置（例如项目方、核心团队、平台）时，需要高度警惕其操纵性。
2/ 锚点与自身经验的距离：锚点与自己过往经验或能力圈越远，越容易被其影响且难以察觉。
3/ 多锚点竞争：当存在多个冲突的锚点时，判断会变得更加不稳定，容易被情绪主导。
4/ 防御难点：单纯意识到锚定存在并不能完全消除其影响，需要通过建立明确的判断框架（如能力圈检查清单）来对抗。
5/ 投资场景中的风险：在加密市场中，锚定极易被利用来扭曲风险与收益的感知，例如通过历史最高点、别人赚了多少倍、项目给出的路线图来设置锚点，使参与者承担超出自身风险承受能力的仓位或杠杆。
————————
本文是我在构建「思维模型解析」能力方向上的内容输出。
分析框架来源于我正在搭建的「基于能力圈的 IP 成长闭环体系」。
以上仅为信息分享，不构成任何投资建议。
持续进化中的 BitHappy
顯示更多
STRC 还玩儿吗？玩儿！
经过几个月的洗礼，大家应该都对 STRC 有了更充分的理解。
列举一下还不错的方案：
1/ 继续吃 STRC 的股息：
承受过波动的大家，还是比较害怕被套的，所以，还是得套保！
那么方案就是：合约做空，买入现货。
对应到链上：就是买 sUSDat 做空 STRC。
但这个方案想要获得超过 15% 年化，还需要：
现货方向：除极端情况外，现货很难跌破 $50，可以考虑用抵押借贷拉高杠杆；
合约方向：由于 STRC 机制决定上限在 $100，做空时可以适当拉杠杆，降低资金占用。
两者叠加之下，15% 以上的年化还是比较轻松的。
另一方面，持有 sUSDat 虽然能拿到年化，但积分效率偏低。
也可以考虑 Mint PT & YT，不过 YT 因为 STRC 没有回水，没有利息。
当然，对冲持有 sUSDat 最好的方式，还是利用「A = B，B = C，因此 A = C」的脱锚套利模型来做套利。
2/ 无 STRC 风险敞口的玩法：
也就是大家常说的：持有 Saturn 的 USDat。
这两天他们刚上线 Monad，已经又一些激励活动开始，后续还有。
目前：
USDat 的 PT 年化在 9%；
YT 的积分倍率是 38，为当前最高倍率；
也可以考虑在 Pendle 组 LP，目前 LP 年化在 8.48% 左右，同时 LP 也有 19 倍的积分。
只从稳定币挖矿角度来看，这个回报也算相当不错。
除此之外，USDat 在 Monad 上还有补贴，比如 YT。
对 YT 感兴趣的可以移步 @BTCLIN 老师的推文：如何利用 Monad 專屬 YT 獎勵，挖「回報率 69%」的 Saturn 空投。
Lin 佬：
3/ USDat 循环贷：
另外，USDat 在 Morpho 上也会有 Monad 的借贷奖励，不过目前流动性还没添加，估计这两天就要上线了。
也就是说，USDat 的循环贷马上也可以玩儿起来了，利息透明、抵押物也透明。
——————
有一说一，USDat 应该是目前最好的无 STRC 风险敞口、还能享受 STRC 红利的标的。
USDat 也很透明，全部由 M0（美债） 和 USDC 背书，链上可以看到持仓抵押物情况，也是 STRC 相关标的稳定的基石了。
M0 合约地址：0x866A2BF4E572CbcF37D5071A7a58503Bfb36be1b，持仓第一的就是 Saturn。
不过呢，如果资金量不是很大，年化最高的方案是利用 sUSDat 做「A = B，B = C，因此 A = C」模型来套利。
以上仅为信息分享，不构成任何投资建议！
持续进化中的 BitHappy
顯示更多
对「A = B，B = C，因此 A = C」脱锚套利模型解析～
因为找不到类似模型的既有名称，所以我暂称其为：连锁锚定脱锚套利模型。
核心公式/数学关系：
基础模型：A = B，B = C，因此 A = C
这是模型最核心、最纯粹的数学关系：只要 A、B、C 之间存在稳定的锚定或可验证的转换机制，三者的价值理论上应保持一致。
带收益因子的演变形态：
在加密市场中，当资产具备收益属性时，模型会自然演化为以下形式：
1/ 只有 C 带有收益因子（生息代币）：
A ≈ B
C ≈ B × (1 + 收益因子)
因此：A × (1 + 收益因子) ≈ C
2/ A 和 C 同时带有收益因子（多个锚定同标的的生息代币）：
A ≈ B × (1 + r_A)
C ≈ B × (1 + r_C)
因此：A ≈ C × (1 + rA) ÷ (1 + rC)
其中 r_A 为 A 的收益因子，r_C 为 C 的收益因子。
重要说明：收益因子并非模型成立的必要条件，它只是该模型在加密市场中的一种常见演化形态。
模型最核心的驱动力仍然是 A 与 C 相对于 B 的暂时价格偏离，以及之后的回归收敛。
模型的成立前提与关键假设：
1/ A、B、C 之间必须存在可验证的锚定或转换机制。
2/ A 与 C 的价格能够相对于共同锚定点（B）产生暂时偏离，并具备回归倾向。
3/ 市场参与者对价格偏离的反应存在差异。
4/ 即使三类资产都没有收益因子，只要锚定关系存在且出现脱锚，模型依然有效；收益因子只是增强了模型在实际操作中的可观测性与吸引力。
模型在加密市场的典型表现：
通常表现为三类资产通过某种机制形成近似等价关系。
当市场波动出现时，A 与 C 的价格会相对于 B 产生短暂偏离，形成可交易的价差。
随后，随着套利者、项目方等力量介入，A 和 C 的价格重新向 B 收敛，完成一次脱锚与回归的循环。
这种结构在不同资产组合中都可能出现，具体取决于底层锚定机制的强度。
模型的收益来源拆解：
1/ 锚定回归收益（核心）：A 与 C 因暂时脱锚而产生的价差回归收益，这是模型最基础的收益来源。
2/ 收益因子带来的额外收益（可选）：当模型演化为带收益因子的形态时，持有具备收益因子的资产可获得额外收益。在 A 和 C 同时带收益因子的场景下，收益来自两者收益因子的相对差异。
模型的主要风险与失效场景：
1/ 锚定关系失效风险：A、B、C 之间的锚定或转换机制被破坏，价格无法有效回归。
2/ 流动性与执行风险：脱锚扩大时，市场流动性下降，套利执行成本上升。
3/ 机制传导风险：底层锚定机制出现问题时，风险会沿着 A-B-C 链条逐层传导。
4/ 参与者行为异化风险：大量套利资金集中介入可能改变价差回归的速度与特征。
5/ 其中，锚定关系的持续有效性是模型最核心的风险点。
与自己能力圈的匹配判断：
当前这个模型放在内圈进行系统性研究与执行。
理由：
1/ 模型的数学关系清晰，核心在于理解锚定与脱锚的逻辑。
2/ 可以通过设置明确的偏离阈值与纪律进行风险控制。
3/ 对模型前提条件的理解属于可积累、可验证的能力。
边界说明：
1/ 当对锚定机制的可靠性判断存在较大不确定性时，应视为中圈。
2/ 当底层锚定关系发生重大变化，导致 A、B、C 无法有效收敛时，应及时调整能力圈边界。
总结：
锚定回归是模型的核心驱动力。
收益因子是演变形态而非必要条件，无论是否存在收益因子，模型的有效性都取决于 A 与 C 是否会相对于 B 产生收敛。
这种“多资产通过共同锚定点形成连锁关系”的结构，在 资金费率套利、现货与永续基差交易、结构化产品定价 等场景中都能找到类似逻辑，可以作为通用工具进行迁移与组合使用。
A = B，B = C，因此 A = C 的脱锚套利模型，是一个基础且逻辑自洽的套利框架。
在使用这个模型之前，关键是先理解资产之间的锚定关系，再去捕捉暂时偏离带来的机会。
写在最后：
本文是我在构建「思维模型解析」能力方向上的内容输出。
分析框架来源于我正在搭建的「基于能力圈的 IP 成长闭环体系」。
通过拆解「A = B，B = C，因此 A = C」这一基础模型及其带收益因子的演变形态。
能更清晰地理解这类套利机会背后的数学关系、成立前提与风险传导路径，从而提升整体的判断力与框架思维。
查理·芒格也多次强调：要先理解事物的底层数学关系，再去判断机会与风险。
他在《穷查理宝典》中也提到过 A = B，B = C，因此 A = C 这个简单数学关系。
在对这一数学关系在加密中总结出的「连锁锚定脱锚套利模型」，刚好是对芒格思维的一次具体应用。
写完这篇文章后，我问了 AI 是否存在类似的模型名称，AI 的回答是：没有！
难道说，我获得了这个加密套利模型的命名权？哈哈哈～
以上仅为信息分享，不构成任何投资建议！
持续进化中的 BitHappy
顯示更多
