我在真正相信“X倍资本效率”之前，总会先问一个问题：这个效率是按正常情景计算的，还是按最坏情景计算的。
不是最大杠杆在官网上写得多漂亮。不是演示里开仓速度有多顺滑。也不是某个账户能从交易市场里拿到多少“市场数据”数量。
更简单的问题是——如果同时有多个仓位朝相反方向运行，保证金机制会把它们视为彼此独立的风险，还是会考虑它们之间的相关性，从而不要低估总体亏损水平？
这是所有跨保证金（cross margin）系统的根本问题，也是当你在推广统一保证金（unified margin）时，需要用清晰答案回答的句子 @grvt_io 。
宣传资本效率很容易，因为在正常情况下，这个数字总是好看的。只有在市场剧烈波动时，正确定价相关风险才会变难——就在那时，看似不相关的资产会开始同向移动，而模型基于正常数据的评估方式可能会低估这种情况。
这两种做法之间的差异，通常在市场平静时看不出来——只会在大幅波动时显现，恰好也是用户反应时间最少的时候。如果 GRVT 想服务机构资金，系统在处理“最坏相关情景”时的方式，比在正常情况下看起来多么“资本效率高”的数字更重要。
自我反驳：我还没有具体数据说明 GRVT 在保证金中如何对相关风险建模——但这是所有跨保证金系统都必须回答的通用技术问题，不是用来证明 GRVT 一定做错了什么。
不过，这确实是一个值得直接通过资料或 GRVT 团队去询问的问题，而不是只凭“被宣传的资本效率数字”就相信——因为保证金只有在市场困难的时候才真正经得起检验。
#grvt $LAB $AA $VELVET
不是最大杠杆在官网上写得多漂亮。不是演示里开仓速度有多顺滑。也不是某个账户能从交易市场里拿到多少“市场数据”数量。
更简单的问题是——如果同时有多个仓位朝相反方向运行，保证金机制会把它们视为彼此独立的风险，还是会考虑它们之间的相关性，从而不要低估总体亏损水平？
这是所有跨保证金（cross margin）系统的根本问题，也是当你在推广统一保证金（unified margin）时，需要用清晰答案回答的句子 @grvt_io 。
宣传资本效率很容易，因为在正常情况下，这个数字总是好看的。只有在市场剧烈波动时，正确定价相关风险才会变难——就在那时，看似不相关的资产会开始同向移动，而模型基于正常数据的评估方式可能会低估这种情况。
这两种做法之间的差异，通常在市场平静时看不出来——只会在大幅波动时显现，恰好也是用户反应时间最少的时候。如果 GRVT 想服务机构资金，系统在处理“最坏相关情景”时的方式，比在正常情况下看起来多么“资本效率高”的数字更重要。
自我反驳：我还没有具体数据说明 GRVT 在保证金中如何对相关风险建模——但这是所有跨保证金系统都必须回答的通用技术问题，不是用来证明 GRVT 一定做错了什么。
不过，这确实是一个值得直接通过资料或 GRVT 团队去询问的问题，而不是只凭“被宣传的资本效率数字”就相信——因为保证金只有在市场困难的时候才真正经得起检验。
#grvt $LAB $AA $VELVET