研究框架本筆記探討了 DCAUT（波動性自適應 DCA）在不同時間範圍和資產上的表現，並與買入持有和等額 DCA 進行了對比。

樣本與關鍵數據來自同一量化產品的四個回測：

• BTC (約 5 個月)：實際回報 +16.59%，最大回撤 21.12%，夏普比率 1.17，年化 +42.55%，勝率 100%，2,581 筆交易。

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

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

• ETH (約 8 個月)： +28.67% / 9.70% / 1.43 / +44.06% / 99.09% / 3,364。
  橫截面：平均年化回報 56.46% (中位數 53.17%)，中位數夏普比率 1.30，中位數最大回撤 15.82%。總交易量 17,006。接近100%的勝率應結合進出場計數慣例來解釋。

視覺證據與觀察
綠色的「已實現報酬」曲線通常位於淺藍色買入並持有損益之上，且更為平滑。在單向下跌之後，DCAUT 權益曲線更快地回到零以上並持續攀升，反映了「回撤分級權重 + 波動性適應」帶來的成本降低。在最長的時間範圍內，該策略顯示出−74.40%最大回撤，但最終實現了+111.86%的已實現報酬，這表明「平均成本法」帶來了遞延收益，同時需要更強的資本容忍度。

機制（運作原理）

• 波動性調整：根據 ATR/中位數 ATR 調整每次買入的規模；波動性越大 → 每美元單位越多，反之亦然，形成一個反射性成本曲線。
• 回撤分級：當價格相對於局部高點的回撤加深時，觸發1.2倍/1.6倍規模調整以擴大在「成本優勢」區域的曝險。
• 實現與平滑：許多分散的進場穩定已實現損益；曲線對單點雜訊的敏感度較低；在大多數時間窗口中夏普比率 >1。

風險與限制

• 微觀結構：高交易量意味著對費用/滑點的敏感性；高勝率不等於利潤，而不考慮報酬率和持有時間。
• 資本容忍度：深度週期性回撤意味著，如果風險預算緊張，早期熊市的規模調整可能會放大帳面波動性。
• 資產異質性：應根據資產（比特幣與以太幣）設定分級閾值和波動性因子，而不是採用一刀切的規則。

平台實施
我們提供多種風格模板——保守型（較低分級、較小乘數）、平衡型（基準）、激進型（較大乘數、更快反應）——並公開：窗口勝率、回撤分佈、權益資本比效率，以及費用敏感性壓力測試，以及可重現的回測日誌和腳本。

結論DCAUT 的優勢不在於價格預測，而在於收割波動性：在應承受波動性的地方分配更多，使成本曲線與波動性保持一致，並將隨機性轉化為平均資本效率收益。對於尋求長期複利且數據透明的用戶來說，這是一條值得納入組合的「穩健進攻」曲線。