Balangkas ng PananaliksikSinusuri ng tala na ito ang DCAUT (volatility-adaptive DCA) sa iba't ibang horizons at asset, na kinokontra sa buy-and-hold at equal-amount DCA.

Sample at Pangunahing DataApat na backtest mula sa parehong quantitative product:

• BTC (≈5 buwan): natanto na kita +16.59%, pinakamataas na drawdown 21.12%, Sharpe 1.17, taunang +42.55%, win rate 100%, 2,581 na trade.

• BTC (≈6 buwan): +29.43% / 10.52% / 2.38 / +76.95% / 99.04% / 2,630.

• BTC (≈18 buwan): +111.86% / 74.40% / 1.08 / +62.28% / 100% / 8,431.

• ETH (≈8 buwan): +28.67% / 9.70% / 1.43 / +44.06% / 99.09% / 3,364.
  Cross-section: average na taunang kita 56.46% (median 53.17%), median Sharpe 1.30, median pinakamataas na drawdown 15.82%. Kabuuang trade 17,006. Ang halos 100% na win rate ay dapat bigyang-kahulugan sa kumbensyon ng pagbibilang ng entry/exit.

Biswal na Ebidensya at Obserbasyon
Ang berdeng curve ng “realized return” ay karaniwang nasa itaas—at mas makinis kaysa—sa light-blue na buy-and-hold PnL. Pagkatapos ng one-way na pagbaba, ang DCAUT equity curve ay tumatawid pabalik sa itaas ng zero nang mas maaga at patuloy na umaakyat, na sumasalamin sa pagbawas ng gastos mula sa “drawdown-tiered weighting + volatility adaptation.” Sa pinakamahabang horizon, ang diskarte ay nagpapakita ng −74.40% pinakamataas na drawdown ngunit nagtatapos sa +111.86% realized return, na nagpapahiwatig ng naantalang kita mula sa “averaging-down,” habang nangangailangan ng mas malakas na pagpapaubaya sa kapital.

Mekanika (Bakit Ito Gumagana)

• Pag-scale ng volatility: sukatin ang bawat pagbili sa pamamagitan ng ATR/median-ATR; mas malaking volatility → mas maraming unit bawat dolyar, at vice versa, na humuhubog sa isang reflexive cost curve.
• Mga antas ng drawdown: kapag lumalim ang pagbaba ng presyo kumpara sa isang lokal na mataas, mag-trigger ng 1.2×/1.6× na pag-sizing upang palawakin ang exposure sa “cost-advantage” zone.
• Realization at pagpapakinis: maraming nakakalat na entry ang nagpapatatag ng realized PnL; ang curve ay hindi gaanong sensitibo sa single-point noise; Sharpe >1 sa karamihan ng mga bintana.

Mga Panganib at Hangganan

• Microstructure: ang mataas na bilang ng trade ay nangangahulugang pagiging sensitibo sa mga bayarin/slippage; ang mataas na win rate ≠ kita nang hindi isinasaalang-alang ang payoff ratios at holding time.
• Pagpapaubaya sa kapital: ang malalim na cyclical drawdowns ay nagpapahiwatig na ang early-bear scaling ay maaaring magpalaki ng paper volatility kung mahigpit ang risk budget.
• Heterogeneity ng asset: itakda ang mga threshold ng tier at vol factors ayon sa asset (BTC vs. ETH) sa halip na isang one-size-fits-all na panuntunan.

Pagpapatupad ng Platform
Nagbibigay kami ng multi-style na template—Conservative (mas mababang tier, mas maliit na multiplier), Balanced (baseline), Aggressive (mas malaking multiplier, mas mabilis na tugon)—at ibinubunyag: window win rate, drawdown distribution, equity-to-capital efficiency, at fee-sensitivity stress tests, kasama ang reproducible backtest logs at script.

KonklusyonAng bentahe ng DCAUT ay hindi paghula ng presyo kundi pag-ani ng pagkasumpungin: maglaan ng higit pa kung saan dapat pasanin ang pagkasumpungin, iayon ang cost curve sa pagkasumpungin, at i-convert ang randomness sa average na kahusayan ng kapital na mga pakinabang. Para sa mga user na naghahanap ng pangmatagalang compounding na may transparent na numero, ito ay isang "steady-offense" curve na karapat-dapat idagdag sa halo.