KuProfit

為什麼 AI 代理人需要同時設定單筆交易限額和總支出限額？

對自主 AI 代理人來說，$10 的預算聽起來像是足夠的安全規則。但它只回答了一個問題：代理人總共可以花多少錢？

它沒有回答代理人單次操作可以花多少錢。

想像代理人收到 $10 的支出預算。若沒有單筆交易限額，一次 API 請求就可能花掉 $8。總預算雖然沒有超支，但單一決策就用掉了可用資金的 80%。

現在來看相反的情況。代理人每筆交易最多只能花 $2，但沒有累計支出限額。它可以進行多筆小額付款，每筆都在允許範圍內，而總支出卻持續增加。

這是兩種不同的風險。Kite Passport 透過分別設定 Spending Session 參數來因應這些風險：

- `max_amount_per_tx` 限制單筆交易的金額。
- `max_total_amount` 限制整個工作階段的累計支出。

文件中的範例結合了 $2 的單筆交易限額、$10 的總預算，以及 24 小時的工作階段。

另外還有兩項值得注意的界線：工作階段到期時間和執行範圍。工作階段可以限制代理人能在哪些地方發出付費請求。如果付款超出設定限額或違反允許的範圍，後端就會拒絕。代理人必須先取得使用者明確核准，才能要求更廣泛的權限。

這項區別很重要，因為 AI 代理人要具備自主性，並不需要無限制的財務權限。

它需要足夠的權限來獨立完成任務，但不能多到讓一次錯誤決策演變成一連串失控的支出。

這就是交給代理人一個錢包，與賦予它受限的金錢支配權之間的差別。

你會如何界定代理人的自主性與使用者財務控制權之間的界線？

$KITE #KiteBBW

你猜中了市場的方向。那爲什麼你仍然可能虧錢？

看起來邏輯很簡單：

你覺得某個資產會漲 → 你買入 → 它上漲 → 你賺錢。

但正確的預測並不能保證交易一定盈利。

想象一下：

你以 100 美元買入某個資產，期待它漲到 110。

資產確實開始上漲了——但只漲到了 103。

隨後它掉頭下跌，一路跌到 95。

你方向判斷得沒錯，但漲跌幅度不足以讓你的交易達到預期結果。

還有一個關鍵點——時間。

你可能正確預測資產會漲，但如果它是在你已經關閉倉位之後纔開始上漲，或者在工具到期之後才發生，那麼你的預測就幫不上忙。

所以，“我準確預測了價格會往哪裏走”

和“我的交易賺到了錢”

兩者是有區別的。

結果不僅受方向影響，還取決於：

移動幅度；
入場與出場的時機；
倉位大小；
該工具本身的條件；
以及佣金和其他費用。

猜對方向只是交易的一部分。

你可以對市場判斷正確，卻把自己的倉位構建得不對。

#Trading #RiskManagement

買入哪個更好：一次性買入還是把購買分成幾部分？

你有 1 000 美元，並決定買入一個資產。

有兩種選擇：

一次性投入 1 000 美元
或者
現在投入 200 美元 + 之後再投入 200 美元 + 再投入 200 美元，依此類推。

📈 如果該資產一開始就開始上漲，那麼一開始就用整筆資金買入，可以在行情波動中獲得完整的敞口。

📉 如果價格下跌，分批買入會讓一部分資金留到後續，以便在更低的價格進行下一次買入。

但重要的是：

分批買入並不會自動讓投資變得更有盈利。

你只是改變了進入倉位的方式。

一次性全部投入 → 現在獲得更高的敞口。

分批投入 → 現在敞口更低，但爲後續的買入留出更多資金。

所以問題不在於哪種方式永遠更好。

問題在於：

你想要立刻獲得全部敞口，還是想給自己留出資金，用於後續的入場點？

這纔是兩種做法之間的主要區別。

#Trading #Investing

如果一隻股票下跌20%，它需要上漲多少才能回到原來的水平？

乍一看，答案——20% 。

但不是。

假設這隻股票原本價值100美元。

它下跌20% → 變成80美元。

要讓80美元重新回到100美元，就需要上漲25%。

也就是說：

100 → -20% → 80 → +25% → 100

爲什麼會這樣？

因爲百分比是從新的、更低的價值開始計算的。

跌得越厲害，要恢復所需的上漲就越多：

-10% → +11,1%
-20% → +25%
-50% → +100%
-70% → +233%

所以，下跌50% 根本不是一個可以用“上漲50%”就能輕易修復的情況。

在我看來，這是評估風險時最重要的事情之一：

下跌和上漲的百分比並不對稱。

#Trading #Investing

定期購買股票真的就是“更便宜地買入”嗎？

Binance 最近新增了 Stock Recurring Buy（股票定投買入）——一種功能，允許按照預設時間表自動購買選定的股票和 ETF。

乍一看一切都很簡單：

選擇資產 → 設置日程 → 系統會自動替你買入。

但這裏有一個很容易忽略的點。

Binance 提醒：每次自動執行時的價格，可能會與創建計劃時的價格不同。

也就是說，假如我今天設置每週一用 100 美元買入 AAPL，並不意味着下一個週一我會用“今天的價格”買入。

我會按計劃的金額買入，但在執行當下按市場價格成交。

對我來說，這裏有意思的區別在於：

“我在進行定期投資”

和

“我在用划算的價格進行定期買入”。

前者 Recurring Buy 確實可以實現自動化。

後者——沒有人能保證。

訂單會在沒有額外確認的情況下自動執行，因此在下一次購買之前，價格可能會發生變化。

所以我把 Recurring Buy 不當作一種猜中理想價格的方式，而更像是：

“現在買還是等一等？”

這類問題不需要每次都手動決定。

自動化確實減少了部分手動操作。

但它並不能消除市場風險。

#TradFi

爲什麼兩份針對同一股票的永續合約可能具有不同的定價機制？

我注意到 TradFi 永續合約中的一個細節。

Binance 提供 USDT 計價（USDT-Priced）和 Quanto 兩種合約格式。

乍一看，如果標的資產相同，差別只是名字。

但機制不同。

在 USDT-Priced 合約中，指數價格的形成基於該股票在其主要交易所的股票價格，並結合匯率進行計算。

對於港股而言，這意味着：HKEX 的價格 + HKD/USD 匯率。

而 Quanto 採用另一種方式：合約以本地貨幣計價，但保證金和盈虧（P&L）的計算以 USDT 爲單位完成，不經過 FX 匯率換算。

這就帶來了一個有趣的差異。

如果股票本身沒有變化，但 HKD/USD 發生波動，那麼 USDT-Priced 合約的結果可能與 Quanto 不同。

也就是說，兩份合約可能追蹤同一個 underlying，但對匯率因素的敏感度不同。

對我來說，這是一個很好的例子，說明在選擇衍生品時，僅看標的資產是不夠的。

還需要看清楚價格如何形成，以及 P&L 如何計算。

有時，風險的關鍵部分不在資產本身，而在合約機制之中。

#TradFi

如果 Stock Perpetuals 每天 24/7 交易，爲什麼 Stock Options 只在常規交易時間？

我習慣了在 Binance 上，傳統資產已經可以以完全不同的交易模式出現。

例如，Stock Perpetuals 是 24/7 交易的。

所以我開始好奇 Stock Options 會發生什麼。

Binance 推出了美國股票和 ETF 的期權，但它們並沒有切換到全天候模式。對於大多數這類期權，交易發生在美國市場的常規交易時段，不包含盤前和盤後。

如果在同一平臺上提供了兩個 TradFi 工具，爲什麼一個可以 24/7 交易，而另一個仍然綁定在傳統市場的交易時間上？

這對我來說是一個很好的例子：加密基礎設施 ≠ 加密市場結構。

把金融工具遷移到新的環境，並不意味着會自動改變其所有運作規則。

金融工具本身的邏輯，可能在某種程度上仍然是傳統的。

因此現在我對 Binance 上 TradFi 的發展，會用更不一樣的視角來看：

當傳統金融工具進入 crypto-native（加密原生）環境時，究竟會改變什麼——而什麼仍然與舊的市場模式綁定？

#TradFi #StockOptions

罰金通常聽起來像是失敗的代價。

但如果這筆代價中的一部分會給到負責處理該頭寸的行爲者，那麼它真的是單純的罰金嗎？

在 TermMax 中，清算會基於被清算債務價值施加 10% 的罰金。該罰金從借款人的抵押品中扣除。

但它最終流向哪裏，纔是更有意思的部分。

其中 5% 會作爲獎勵分配給清算者。
5% 進入協議儲備。

TermMax 將清算者的獎勵描述爲對及時清算的激勵。

因此，這項罰金做的不只是給失敗頭寸分配一個成本。

它其中一部分會爲執行清算的行爲者創造經濟激勵。

這會改變我們的心智模型：

清算罰金 ≠ 純粹的懲罰性成本。

它同樣也是清算激勵架構的一部分。

所以在考察清算罰金時，也許更好的問題不只是：它要花多少錢？

而是：

這筆成本會激勵誰——以及它在清算流程中扮演什麼角色？

#termmax @TermMax

TermMax 的一個持倉有兩個不同的 LTV 邊界，這樣設計是有原因的。

一個邊界限制該持倉最多可以開到多遠。

另一個邊界標記清算何時可以開始。

很容易把 LTV 當作一個數字來理解——用它告訴你這個持倉有多麼風險。

但 TermMax 將其拆分爲兩個閾值：

MLTV 用來設定初始持倉的最大借款能力。

LLTV 定義 LTV 閾值，在達到該閾值時清算就可以開始。

它們之間的差值屬於協議設計的一部分：在借款上限和清算邊界之間設置緩衝區。

這並不意味着存在一個保證的安全裕度，或是清算邊界前固定比例的抵押品波動空間。

更有用的看法是：

一個持倉有一條邊界決定它最多能開到多遠；還有另一條邊界決定清算何時會開始。

因此在對比 TermMax 市場時，僅看“LTV”可能會掩蓋一個重要差異。

更好的問題是：

這個持倉可以從哪裏開始——而清算邊界又位於哪裏？

兩個 LTV 數值。

一個持倉。

不同的任務。

#termmax @TermMax

當清算無法完全清償貸款時，真正有趣的部分可能纔開始。

通常的思維模型很簡單：

抵押品 → 清算 → 債務被清償。

但這並不總是流程的終點。

如果貸款在到期時仍未還清，它會進入一個爲期兩小時的清算窗口。若在該窗口結束後貸款仍未清償或僅被部分清算，實物交割（Physical Delivery）將開始。

這會改變回收路徑。

TermMax 並不會把剩餘頭寸僅僅當作“抵押品”。它會創建一個贖回池，其中包含基礎資產與抵押品代幣。

FT 持有者隨後可以通過該贖回池進行贖回，並基於其 FT 份額相對於市場中未償還總 FT 的佔比，獲得按比例分配。

這並不意味着保底回收。

也不意味着出借方就會直接拿走抵押品。

不過，這會引出另一個問題：當清算無法完全解決該頭寸時，剩餘資產價值會發生什麼？

實物交割並不會消除這種風險。它只是定義了下一步的解決機制。

#termmax @TermMax

爲什麼 TSLAB 在 Venus 上有 60% 的抵押品系數（collateral factor），卻有 70% 的清算閾值（liquidation threshold）？

起初，這兩個數字看起來像是在用兩種方式表達同一件事。

如果 Venus 在借款時認可該資產價值的 60%，那爲什麼清算閾值是 70%？

後來我意識到，我把兩個不同的風險參數混在一起了。

抵押品系數回答的是一個問題：

“所提供的抵押資產價值中，多少可以計入借款能力？”

而清算閾值回答的是另一個問題：

“在什麼程度上，該頭寸將有資格被清算？”

對於 TSLAB 和 NVDAB，Venus 初始設置爲：

60% 抵押品系數
70% 清算閾值

對於 SPCXB：

50% 抵押品系數
65% 清算閾值。

還有一個重要細節：在上線時借款被暫停了，借款上限被設爲零。

所以這些數字並不是證據表明用戶已經在用 bStocks 進行借款。它們只是這些市場將如何被對待的初始風險參數。

這也讓我用不同的方式看待這兩個百分比。

抵押品系數限制的是：抵押品最多能創造多少借款能力。

清算閾值則定義：頭寸在何時會跨入清算風險區域。

因此，它們之間的差距並不構成矛盾。

它是一個緩衝，用於回答：

“這份抵押品最多能支撐多少？”

以及

“在清算變得可能之前，頭寸還能惡化到什麼程度？”

對我來說，這也是把代幣化股票引入 DeFi 時最有意思的地方之一。

代幣可能代表的是相同的底層敞口。

但一旦另一個協議將其接受爲抵押資產，這個資產就會被置於完全不同的風險框架之下。

#bstockscis @BinanceCIS

固定利率告訴你價格。

到期時間告訴你該價格會存在多久。

在瀏覽 TermMax 市場時，這一區分很容易被忽略。

目前，應用會展示到期日差異很大的市場——有些離現在只有幾周，有些則遠得多。

所以你可以想象兩個市場：

同一資產。

同樣 10% 年化收益率（APY）。

不同的到期時間。

它們不一定是同一種機會。

較短的到期時間可能意味着你在該倉位上的暴露時間更少。

較長的到期時間會讓你在鎖定利率下獲得更多時間，但同時也會讓你的資金更久地被佔用。

因此，我不會只按 APY 來對固定利率市場進行排序。

我會關注：

→ 利率
→ 到期時間
→ 流動性
→ 規模
→ 退出條件

利率是重點信息。

到期時間則是其背後的時間線。

#termmax @TermMax

並非 DeFi 中的每一種固定利率都必須是單一數字。

TermMax 採用了不同的流動性方式。

它的區間訂單允許市場使用一條定價曲線：隨着流動性被消耗，利率會發生變化。

因此你不必是：

→ 整個市場只有一個利率

而是可以是：

→ 第一個流動性區間一個利率
→ 下一個區間另一個利率
→ 在曲線更深處採用不同條件

單個市場可以包含多個區間訂單，而 TermMax 同時支持借貸曲線（借出與借入的兩種曲線）。

此外，還有一種“雙向區間訂單”：可以在同一個訂單中配置借貸雙方的流動性。

對我來說，這是 TermMax 中更有意思的部分之一：固定利率市場會變成可編程的流動性市場，而不是簡單的“固定 APR”產品。

#termmax @TermMax

爲什麼一次代幣轉賬會同時有原始數量（raw amount）和界面數量（UI amount）？

我以前以爲代幣轉賬只有一個數量：鏈上記錄的那個。

但 BEP-677 又增加了一層：原始數量和界面數量不一定相同。

那我看到的到底是哪個數字？

原始數量是區塊鏈層面的數量。

界面數量是面向用戶的展示方式，會使用一個 UI 倍數進行計算：

原始數量 × UI 倍數 ÷ 1e18 = 界面數量（UI amount）

例如，2.0× 的倍數可以讓 100 個原始單位看起來變成 200 個界面單位——同時不會改變原始餘額。

而 BEP-677 還更進一步。

它定義了 TransferWithUIAmount，該事件在常規的 BEP-20 轉賬事件之外，同時攜帶原始數量和經過 UI 調整後的數量。

這聽起來可能只是一個小小的技術細節。

但它解決的是代幣化 RWA 的真實問題：資產的經濟表示方式可能需要變化，而無需在鏈上移動代幣。

這也是我在關注 bStocks 時注意到這一點的原因。

Binance 將 bStocks 描述爲 BNB Smart Chain 上的 BEP-20 代幣，並表示他們集成了 BEP-677 / Scaled UI Amount，適用於 RWA 用例。

所以你需要關注的其實有兩層：

區塊鏈記錄了什麼

與

用戶應該看到什麼。

當你查看代幣餘額時，你實際在看的是哪一層？

#bstockscis @BinanceCIS

如果一枚 bStock 運行在公共區塊鏈上，那麼究竟還是什麼決定轉賬是否被允許？

一開始，我以爲在 BNB Smart Chain 上的 BEP-20 代幣會像任何其他鏈上資產一樣運行：

錢包 → 交易 → 轉賬。

但 bStocks 又增加了一層。

你可以將一枚 bStock 提現到兼容的 BNB Smart Chain 錢包中，以實現自託管。

然而，即使如此，提現仍然要受到轉賬限制、智能合約控制、制裁篩查以及適用法律的約束。

還有一個更有意思的細節：

發行方保留在涉及適用法律、智能合約控制或制裁的情況下，將錢包地址列入黑名單的權利。

所以，處於鏈上並不意味着該金融產品的所有規則都會消失。

區塊鏈提供的是“通行通道”（rails）。

金融產品仍然有規則。

自託管改變的是我在哪裏持有該代幣——而不是該產品適用哪些規則。

這種區別改變了我對 bStocks 的思考方式。

我不再只問：

“這個代幣是不是上鍊了？”

我還會問：

“究竟是什麼決定轉賬是否被允許？”

#bstockscis @BinanceCIS

低相關性並不自動意味着低風險。

我過去一直以爲，把股票加入一個以加密資產爲主的投資組合，幾乎總是一個“分散化”的動作。

所以我做了一個簡單的30天檢驗。

我把BTC的每日收益率，與幾隻Binance的bStocks進行對比，包括NVDAB、TSLAB和MUB。

結果比我預想得更有意思。

在我的樣本里，MUB與BTC的關係最弱——相關係數大約是0.35。

但MUB的每日波動幅度也遠遠最大：每日波動率約爲7%，而BTC大約只有1.5%。

這讓我對通過bStocks進行分散化的思路發生了改變。

相關性告訴我兩種資產的運動方式有多不同。

它並不告訴我每一種資產的波動幅度有多大。

所以我不會僅僅因爲某個資產不像BTC那樣完全同步波動，就稱它爲“分散化”。

我會問兩個獨立的問題：

它的運動有多不同？

以及它的波動有多大？

對我而言，這纔是更好的理解投資組合分散化的方法。

#bstockscis @BinanceCIS

4–21×是一個很大的數字。但它到底告訴我們什麼？

Binance Research發現，bStocks在每單位已上市供給上產生的週轉率比其底層股票高出4–21×。

我第一反應是：

這是否意味着需求高出4–21×？

並不完全是。

這個數值是按每單位已上市供給來表示的。

因此，4–21×這個比例不能被解讀爲“總需求高出4–21×”。

它說明的是：bStocks與其底層股票相比，其週轉率相對於可用的已上市供給呈現出非常不同的情況。

這也是我覺得這個數字有趣的原因。

標題說的是4–21×。

但更好的問題是：

相對於什麼，4–21×？

因爲當你比較市場活躍度時，分母變化帶來的影響就能像分子一樣改變故事。

不要只看週轉率。要看它是與什麼進行衡量的。

#bstockscis @BinanceCIS

購買一隻美國股票到底從什麼時候開始？

當我想象自己在買一隻美國股票時，我通常從同一個地方開始：

找代碼。

看價格。

點“買入”。

但這會跳過過程裏一個容易被忽視的環節。

首先，獲得對該資產的訪問權限。

其中一部分可能就是：在你能夠進入該股票之前，需要先完成所要求的證券文件。

這讓我重新思考，當我說：

“我想買這隻股票。”

我到底是什麼意思。

下單本身只是這個過程中的一個瞬間。

在我還沒進入下單界面之前，可能已經存在一些要求。

正是 bStocks 讓我以不同的方式看待整個過程。

標的股票本身並沒有變化。

但通向對它進行持倉/交易的路徑可能會不一樣。

所以我開始追問：

“在我點下‘買入’按鈕之前，買一隻美國股票要經歷多少步驟？”

對我來說，這是投資裏一個很容易被忽略的部分。

我們往往只關注交易，因爲它是看得見的部分。

但訪問權限是在交易之前就開始的。

#bstockscis @BinanceCIS

爲什麼轉換本身需要遵循市場時鐘？

我理解爲什麼股票交易歷來遵循交易時段。

因爲基礎市場有開盤時間。也有收盤時間。

而且圍繞股票的絕大多數基礎設施都是按這個時間表建立的。

但後來我看到關於 bStocks 的一些信息，讓我停下來思考：

轉換在任何時間都可用。

起初，我以爲轉換是一種會自然地遵循與標的股票相同時鐘的東西。

但如果我能夠在傳統交易時段之外，在直接股票和 bStock 之間進行切換，那麼這個假設就沒那麼顯而易見了。

有意思的部分不只是“轉換在任何時間都可用”。

而是它改變了什麼。

基礎市場可能有自己的交易日程，而兩種格式之間的轉換卻可以在任何時間進行。

這讓我產生疑問：

爲什麼轉換本身需要遵循市場時鐘？

對我來說，這正是傳統市場基礎設施與代幣化格式之間更有意思的差異之一。

市場可能仍然有自己的時間。

但連接這兩種格式的“橋樑”不一定需要遵循。

#bstockscis @BinanceCIS

如果特斯拉99.65%的交易在“交易筆數”層面都是零股（fractional），那麼零股持有真的是一種“僅僅提供接入”的功能嗎？

當我第一次想到零股持有時，我主要把它視爲一種無障礙功能。

一種讓你在不需要足夠資金買到整股的情況下，也能獲得對一隻昂貴股票的敞口。

後來我接觸到了TSLAB的早期數據。

大約99.65%的特斯拉交易在筆數上是零股。

而零股交易的成交量佔TSLAB總成交價值的88.5%。

這讓我開始以不同的方式看待零股持有。

如果零股交易幾乎佔據了交易筆數的全部活動，同時又代表了絕大多數的成交價值，它看起來就不像只是爲小型投資者設計的功能。

我開始思考：

如果零股持有不僅僅是在改變“誰能接觸到一隻股票”，而是改變了“這種敞口究竟是如何被交易”的方式呢？

整股模式會讓投資單位非常直觀。

零股交易則把持倉規模與“一整股的價格”分離開來。

你可以先決定你想要多少敞口，而不必在一開始就先問自己能不能買得起一整股。

而我認爲，更有意思的是這一點。

問題不只是：

“我能不能買特斯拉的一部分？”

而是：

“當這份‘分數’成爲交易的正常單位時，會發生什麼？”

對我來說，這比僅僅把零股持有稱作接入功能，更能引發關於零股持有的思考。

#bstockscis @BinanceCIS