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
