研究框架本文探讨了 DCAUT（波动性自适应 DCA）在不同周期和资产上的表现，并与买入并持有以及等额 DCA 进行了对比。

样本与关键数据来自同一量化产品的四个回测：

• BTC（约 5 个月）：实际回报+16.59%，最大回撤21.12%，夏普比率1.17，年化+42.55%，胜率100%，2,581笔交易。

• BTC（约 6 个月）： +29.43% / 10.52% / 2.38 / +76.95% / 99.04% / 2,630。

• BTC（约 18 个月）： +111.86% / 74.40% / 1.08 / +62.28% / 100% / 8,431。

• ETH（约 8 个月）： +28.67% / 9.70% / 1.43 / +44.06% / 99.09% / 3,364。
  横截面：平均年化回报率56.46%（中位数53.17%），中位数夏普比率1.30，中位数最大回撤15.82%。总交易量17,006。接近100%的胜率应结合入场/出场计数约定来理解。

视觉证据与观察
绿色的“已实现收益”曲线通常位于浅蓝色买入并持有盈亏曲线之上，并且更平滑。在单边下跌后，DCAUT 权益曲线更快地回到零以上并持续攀升，反映了“分层回撤加权 + 波动性适应”带来的成本降低。在最长的时间范围内，该策略显示出 −74.40% 最大回撤，但最终实现了 +111.86% 的已实现收益，表明“平均成本法”带来了递延收益，但需要更强的资金承受能力。

机制（为何有效）

• 波动性缩放： 根据 ATR/中位数-ATR 调整每次买入的规模；波动性越大 → 每美元购买的单位越多，反之亦然，从而形成一个反射性成本曲线。
• 回撤分层： 当价格相对于局部高点的回撤加深时，触发 1.2×/1.6× 规模以扩大在“成本优势”区域的敞口。
• 实现与平滑： 许多分散的入场点稳定了已实现盈亏；曲线对单点噪声的敏感度较低；在大多数窗口中夏普比率 >1。

风险与边界

• 微观结构： 高交易量意味着对费用/滑点的敏感性；高胜率不等于利润，而不考虑盈亏比和持有时间。
• 资金承受能力： 深度周期性回撤意味着，如果风险预算紧张，早期熊市的规模调整可能会放大账面波动性。
• 资产异质性： 应根据资产（比特币 vs. 以太坊）设置分层阈值和波动因子，而不是采用一刀切的规则。

平台实施
我们提供多风格模板——保守型（较低层级，较小乘数）、平衡型（基线）、激进型（较大乘数，更快响应）——并披露：窗口胜率、回撤分布、权益资本比 效率、费用敏感性压力测试，以及可复现的回测日志和脚本。

结论DCAUT 的优势不在于价格预测，而在于收割波动性：在应承受波动的地方分配更多，使成本曲线与波动性对齐，并将随机性转化为平均资本效率收益。对于寻求长期复利和透明数据的用户来说，DCAUT 是一条值得加入投资组合的“稳健进攻”曲线。