我在真正相信“X倍資本效率”之前，總會先問一個問題：這個效率是按正常情景計算的，還是按最壞情景計算的。
不是最大槓桿在官網上寫得多漂亮。不是演示裏開倉速度有多順滑。也不是某個賬戶能從交易市場裏拿到多少“市場數據”數量。
更簡單的問題是——如果同時有多個倉位朝相反方向運行，保證金機制會把它們視爲彼此獨立的風險，還是會考慮它們之間的相關性，從而不要低估總體虧損水平？
這是所有跨保證金（cross margin）系統的根本問題，也是當你在推廣統一保證金（unified margin）時，需要用清晰答案回答的句子 @grvt_io 。
宣傳資本效率很容易，因爲在正常情況下，這個數字總是好看的。只有在市場劇烈波動時，正確定價相關風險纔會變難——就在那時，看似不相關的資產會開始同向移動，而模型基於正常數據的評估方式可能會低估這種情況。
這兩種做法之間的差異，通常在市場平靜時看不出來——只會在大幅波動時顯現，恰好也是用戶反應時間最少的時候。如果 GRVT 想服務機構資金，系統在處理“最壞相關情景”時的方式，比在正常情況下看起來多麼“資本效率高”的數字更重要。
自我反駁：我還沒有具體數據說明 GRVT 在保證金中如何對相關風險建模——但這是所有跨保證金系統都必須回答的通用技術問題，不是用來證明 GRVT 一定做錯了什麼。
不過，這確實是一個值得直接通過資料或 GRVT 團隊去詢問的問題，而不是隻憑“被宣傳的資本效率數字”就相信——因爲保證金只有在市場困難的時候才真正經得起檢驗。
#grvt $LAB $AA $VELVET
不是最大槓桿在官網上寫得多漂亮。不是演示裏開倉速度有多順滑。也不是某個賬戶能從交易市場裏拿到多少“市場數據”數量。
更簡單的問題是——如果同時有多個倉位朝相反方向運行，保證金機制會把它們視爲彼此獨立的風險，還是會考慮它們之間的相關性，從而不要低估總體虧損水平？
這是所有跨保證金（cross margin）系統的根本問題，也是當你在推廣統一保證金（unified margin）時，需要用清晰答案回答的句子 @grvt_io 。
宣傳資本效率很容易，因爲在正常情況下，這個數字總是好看的。只有在市場劇烈波動時，正確定價相關風險纔會變難——就在那時，看似不相關的資產會開始同向移動，而模型基於正常數據的評估方式可能會低估這種情況。
這兩種做法之間的差異，通常在市場平靜時看不出來——只會在大幅波動時顯現，恰好也是用戶反應時間最少的時候。如果 GRVT 想服務機構資金，系統在處理“最壞相關情景”時的方式，比在正常情況下看起來多麼“資本效率高”的數字更重要。
自我反駁：我還沒有具體數據說明 GRVT 在保證金中如何對相關風險建模——但這是所有跨保證金系統都必須回答的通用技術問題，不是用來證明 GRVT 一定做錯了什麼。
不過，這確實是一個值得直接通過資料或 GRVT 團隊去詢問的問題，而不是隻憑“被宣傳的資本效率數字”就相信——因爲保證金只有在市場困難的時候才真正經得起檢驗。
#grvt $LAB $AA $VELVET