币贝研究院 · 2026 年 5 月 22 日

执行摘要

2025 年 1 月 17 日，TRUMP 代币在 Solana 上线。上线之初，10 亿枚总供应中的 8 亿枚 — — 即 80% — — 集中在两个与特朗普相关联的实体手中：CIC Digital LLC 与 Fight Fight Fight LLC[1]。上线后 36 小时内，该代币于 2025 年 1 月 19 日触及历史最高 74.27 美元[2]。截至本报告 2026 年 5 月 22 日的快照日，TRUMP 自该峰值已回撤约 97%[2]。上线序列期间，小时收盘 RSI 深入超买区间，MACD 柱状图在拐点处翻正 — — 两个指标都触发了其作者在 1970 年代为商品与股票市场定义的规范读数。但它们所应用的这条价格序列，按照快照日所有现存的监管与学术定义，背后并不存在一个让”超买”有意义指涉的底层资产。

美国证券交易委员会企业财务部于 2025 年 2 月 27 日发布《Meme 币员工声明》，将 Meme 资产定性为用途或功能有限乃至不存在、价值由投机驱动，并据此得出结论：此类代币的交易不构成证券法意义上的发售[3]。Crenshaw 委员同期的反对意见对该法律结论提出了质疑，但并未挑战”该资产类别缺乏基本面”这一经验观察本身[4]。Solidus Labs 在 2025 年 5 月记录：2024 年 1 月至 2025 年 3 月期间，部署到 Pump.fun 的代币累计超过 700 万枚，其中 98.6% 跌破 1,000 美元的池子流动性门槛，仅约 97,000 枚维持到这一门槛之上[5]。Pump.fun 邦定曲线到标准自动做市商（AMM）的毕业率，按 Step Data 数据，2025 年第二季度平均为 0.78%[6]，并在 2025 年 7 月与 8 月维持在 0.7%–0.8% 区间（来源为 Cointelegraph 关于平台机制的报道）[7]。

本报告展开三项主张，并具体规定检验这些主张的方法学框架。

主张一。经典动量震荡指标族 — — Wilder 的相对强弱指数[8]、Appel 的异同移动平均[9][10]、Lane 的随机指标[11][12] — — 是在 1957 至 1979 年的美国商品与股票数据集上校准的。横截面动量进入同行评审文献的标志，是 Jegadeesh 与 Titman 1993 年发表于《Journal of Finance》的论文，该文使用了 1965–1989 年美国股票样本[13]。上述任一校准都未在缺乏基本面估值的资产上得到检验。Park 与 Irwin 2007 年对 95 项技术分析研究的元综述记录了一个事实：技术交易策略在外汇与期货市场上产生经济利润，在股票市场上不产生[14]。这一不对称性本身就与”普适性”的隐含承诺不一致，即便在指标被开发出来的资产类别内部也是如此。

主张二。Meme 资产的价格形成与经典指标设计针对的市场存在结构差异。Liu 与 Tsyvinski 2021 年发表于《Review of Financial Studies》的论文证明：主要加密货币对绝大多数常见股票市场与宏观经济因子均无敞口，对货币与商品收益亦无敞口[15]。最大的几种加密货币尚且不具备对传统资产类别的因子敞口，处于该分布尾部的 Meme 资产更不可能具备。Meme 资产的价格生成由注意力反身性驱动，借由 Pump.fun 这类邦定曲线发射台实现机械化，并经 Raydium、PumpSwap、Uniswap 上的自动做市商微观结构传播。BIS Bulletin №69 把由此产生的市场结构刻画为”凸显了加密作为一个资产类别的高度自我指涉性质”[16]。

主张三。任何对指标窗口或阈值的选择，都无法把”为读取信息驱动型价格行为而设计的数学”转换为”等价读取注意力驱动型价格行为的数学”。输入空间已经改变，而指标看不见自己的输入空间。这就是”参数调优在结构上不够”的正式陈述。

本报告为诚实的 Meme 资产观察框架提出三项偏离：以横截面排名取代固定阈值[17]；把注意力代理变量[18][19]与持仓集中度变量纳入与价格指标同等地位；把输出定义为观察，而非预测。实证协议 — — 样本宇宙、区制窗口、统计检验、对照资产 — — 在第三章详细规定。数据管线产出贯穿参数网格的统计可定论结果之后，数字发现会作为本文的更新发布。

可证伪结构性失灵主张的四项条件，列于第七章。

第一章 · 经典指标及其历史适用域

经典动量震荡指标族至今仍是零售看盘软件的标准配置，其源头是 1957 至 1993 年间发表的四项工作，每一项都基于一组美国商品或股票价格数据进行校准。历史记录一致且文档化充分：上述任一校准都未在缺乏基本面估值的资产上得到检验。

1.1 Lane（1957）与随机指标

George C. Lane 是芝加哥的商品交易员，与 Investment Educators Inc. 有关联。他撰写的《随机过程》（The Stochastic Process）作为 1957 年版权登记的内部课程材料[12]。该方法的源头是对芝加哥期货交易所商品期货 — — 玉米、大豆、小麦 — — 价格行为的观察。Lane 与同事记录到一个规律：价格往往在一段上行动作即将耗尽、动作即将反转之前，向其近 N 日价格区间的上端或下端聚拢。震荡指标的公式 %K = 100 ×（close − low_n）/（high_n − low_n），把本期收盘价对近 N 日价格区间作归一化，并假设盘中区间分布承载机构吸筹与派发的信息。这一假设根植于场内交易的商品交易池，那里的池边观察者从盘口活动中尚可合理地读出派发模式[11][20]。

1.2 Wilder（1978）与相对强弱指数

J. Welles Wilder 在 1978 年出版《技术交易系统的新概念》（New Concepts in Technical Trading Systems）。此前他已用手工计算的震荡指标做了数年商品期货交易[8]。书中工作示例所用的数据集，是 1972 至 1977 年的可可、大豆、铜、猪肉、白银期货日收盘价。RSI 默认的 14 日平滑参数，是商品期货 — — 周度合约换月特性下 — — 响应速度与信号稳定性之间的经验折衷。Wilder 明确把自己的工作定位为商品向；书中不含股票校准。

RSI 假设三件事。其一，价格围绕近 N 日波动率均值回归，极端读数因此可诊断行为过度反应。其二，超买与超卖阈值 — — Wilder 原始校准下的 70 与 30 — — 在不同时间与不同资产上保持稳定。其三，趋势与盘整的状态可被辨识，且持续时长足够让指标窗口捕捉到转折点。这三项假设中没有任何一项在缺乏基本面估值的资产上得到过检验。

1.3 Appel（1979）与异同移动平均

Gerald Appel 自 1970 年代中期开始，通过 Signalert Corp 的简报传播 MACD 方法，1979 年在一本自费出版的手册中将其形式化，并在《Technical Analysis: Power Tools for Active Investors》中进一步展开[9][10]。经典的 (12, 26, 9) 参数三元组反映当时通行的六日交易周惯例：约两周、一个月、约一周半的交易时长[21]。Appel 起初提出的是非对称参数组 — — (8, 17, 9) 用于买入、(12, 25, 9) 用于卖出 — — 但这套非对称形式没能在流行制图软件的传播过程中留存，软件最终标准化到了对称的 (12, 26, 9)。

Appel 所用数据集是 1970 年代的纽交所综合指数与精选纳斯达克股票 — — 那是一个由通胀驱动高波动、但企业基本面仍可识别的年代。Maitah 及合作者在 2021 年的参数优化研究中记录到，经典 (12, 26, 9) 在 2011–2019 年的日经 225 期货上产生负收益[21]。这说明参数本身承载市场特定的校准，即便在两个发达股票交易场所之间也无法直接迁移。

1.4 Jegadeesh 与 Titman（1993）：学术动量锚点

横截面动量进入同行评审文献，始于 Jegadeesh 与 Titman 1993 年发表于《Journal of Finance》的论文。该文记录了一个事实：过去 3 至 12 个月有正收益的美国股票，会在相近的前向期上持续跑赢[13]。这一发现的数据基础是 CRSP 数据库中纽约证券交易所与美国证券交易所的股票（1965–1989 年），此后成为学术资产定价中现代动量因子的基础。该效应是在具有现金流基本面的资产上记录到的；后续文献把它延伸到多个资产类别，但每一次延伸都要求独立的实证验证。

1.5 Park 与 Irwin（2007）：综述层面的判决

Park 与 Irwin 2007 年发表于《Journal of Economic Surveys》的论文，至今仍是对经典技术分析最具承重力的评估[14]。论文综述了 95 项现代研究 — — 56 项报告正业绩、20 项报告负业绩、19 项报告混合结果 — — 一致的发现是：技术交易策略在外汇与期货市场上产生经济利润，在股票市场上不产生。这一格局已经与 1957–1979 年文献隐含的”普适承诺”不一致。它提示一个判断：即便在指标被开发出来的资产类别内部，绩效也以市场结构为前提，并非由指标的数学本身保证。

由这套经典文献遗留下的隐含假设有三条：价格折现或部分折现基本面信息；均值回归是默认倾向；趋势状态的特征长度可与指标参数窗口相比。这三条假设都依赖一个底层价值参照物的存在，价格围绕它震荡。这样的参照物在 Meme 市场上是否存在，是第二章要展开的问题。

第二章 · Meme资产的价格生成器

2025 年 1 月 17 日的 TRUMP 上线序列，是公共监管记录中文档化最充分的 Meme 资产事件[1][2][3]。此次上线把总供应的 80% 集中在两个关联实体手中，产生了 36 小时攀升至 74.27 美元、随后持续回撤的轨迹 — — 经典 RSI 与 MACD 读数机械地追踪了这条轨迹，对任何”底层资产”均无信息参照。TRUMP 案例并非异常类型，而是一个最干净的可用案例，用以呈现一种与经典指标校准所针对市场不同的价格生成区制。这种区制沿三个可测量维度展开：基本面锚点缺失、注意力反身性作为主导价格生成变量、供给与持仓的极端集中。

2.1 基本面锚点的缺失

美国证券交易委员会企业财务部 2025 年 2 月 27 日发布的《Meme 币员工声明》把 Meme 资产定性为用途或功能有限乃至不存在，其价值由投机驱动而非来自经济权利或现金流[3]。声明得出的结论 — — 此类代币的交易不构成联邦法意义上的证券发售 — — 其前提是一项更基本的经验观察：不存在现金流、不存在对企业价值的权利主张、不存在任何可以在标准资产定价框架内被估值的经济权利。Crenshaw 委员同期的反对意见并不质疑这一经验观察；它质疑的是从该观察推出的法律结论[4]。

基本面缺失不仅适用于 Meme 这一子类。Liu 与 Tsyvinski 2021 年发表于《Review of Financial Studies》的论文证明：主要加密货币 — — 比特币、以太坊、瑞波 — — 对绝大多数常见股票市场与宏观经济因子均无敞口，对货币与商品收益亦无敞口[15]。最大的几种加密货币尚且不具备对传统资产类别的因子敞口，处于该分布尾部的 Meme 资产更不可能具备。经典动量指标设计于”价格围绕缓动基本面价值震荡”的市场；Meme 市场没有这样的价值可供围绕。

2.2 注意力作为主导变量

替代基本面充任价格生成变量的，是注意力 — — 可通过搜索量指数、社交媒体提及次数，以及 Meme 资产创建平台可触达的潜在用户基数来度量。Da、Engelberg、Gao 在 2011 年《Journal of Finance》论文中引入 Google 搜索量指数（SVI）作为一项直接的散户注意力代理变量。他们对 Russell 3000 股票 2004–2008 年样本的研究表明：异常搜索量预示着随后两周的价格上行，并在同一年度内回吐[18]。Liu 与 Tsyvinski（2021）在加密货币市场上对 Da 等人记录到的”注意力驱动的过冲 — 回吐”图样作了再现，他们报告投资者注意力的代理变量在其 2011–2018 年样本上对加密货币收益具有预测力[15]。

Barber 与 Odean 2008 年发表于《Review of Financial Studies》的论文提供了行为基础：个人投资者是引起注意力资产的净买入者，因为他们的搜索问题是不对称的[22] — — 他们无法搜遍可投资标的全集，只能对触达他们的资产作出反应。Meme 市场上，这种不对称被选择集本身的规模进一步放大。Pump.fun 是 2024 年 1 月 19 日上线至本快照日之间 Solana 上主导的 Meme 资产创建平台，截至 2025 年第三季度，该平台上发行的代币累计超过 1,190 万枚[23][24]。在这种规模下，对单只 Meme 资产的买入决策，本质上是对”捕获了最多注意力的那只资产”的买入决策 — — 系统性搜索该选择集在计算上不可能。

2.3 缺乏锚点的反身性

Soros（1987）把反身性形式化为参与者认知与底层基本面之间的双向因果 — — 每一方都向对方反馈[25]。常规市场上，反身性循环受基本面锚的约束：认知可以暂时把价格推离价值，但均值回归终将复位。Meme 市场上，反身性循环没有锚。注意力驱动的价格变动吸引更多注意力，更多注意力催生更多价格变动，直到循环耗尽 — — 耗尽的方式不是回归价值，而是注意力本身的崩塌。

Pump.fun 的邦定曲线机制把这种反身性从心理变成机械。新代币先在一条恒积型邦定曲线上交易，价格上行自动触发后续买家面对的更高价格；曲线按序销售约 8 亿枚代币，代币市值接近 69,000 美元时毕业到标准自动做市商[7][26]。这套机制把注意力直接转换为价格，期间没有信息发现过程介入。BIS Bulletin №69（作者 Cornelli、Doerr、Frost、Gambacorta）把由此产生的市场结构刻画为”凸显了加密作为一个资产类别的高度自我指涉性质”[16]。

2.4 持仓集中度

经典动量指标的前提是一个分散的持仓基础 — — 集合行为通过连续竞价聚合为价格序列，每一个个体决策都参与其中。Meme 资产的持仓结构系统性地违反这一前提。

最清晰的有据可查的案例仍然是 2025 年 1 月 17 日的 TRUMP 代币上线。10 亿枚总供应中的 8 亿枚 — — 即 80% — — 上线时由 CIC Digital LLC 与 Fight Fight Fight LLC 持有[1]。这一数量级的上线集中度，已经打破经典技术分析工具背后”分散持仓基础”的前提。无论 RSI 在 TRUMP 上线之后的几天内读出何种数字，底层价格序列都不是众多独立买卖方的总和所产生，而是两个关联实体的处置决策所产生。

TRUMP 是有据可查的上线集中度最极端的案例，但其结构类型并非异常。通过邦定曲线发射台部署的代币，通常在曲线阶段把大比例供应保留在部署者或关联钱包手中。在 Solana 主要邦定曲线发射台 — — Pump.fun、Letsbonk、Launchlab — — 的范围内，按 Step Data 2025 年第三季度的分析，约 89% 已部署代币的最终市值低于 50,000 美元[27]。曲线阶段任一时点的持仓中位分布都高度集中。本报告的实证更新会直接基于 Solscan 与 Etherscan 计算全市场范围的持仓集中度分布；结构性论证仅需一个观察 — — “分散持仓基础”的前提在众数 Meme 资产上被违反，而不仅在 TRUMP 这类极端个案上被违反。

2.5 自动做市商微观结构

经典指标的验证场景是订单簿市场 — — 市场参与方持续作双边报价，报价响应信息。Meme 资产主要在自动做市商上交易 — — Solana 上的 Raydium 与 PumpSwap、Ethereum 上的 Uniswap — — 盘口买卖盘被恒积曲线取代。价格不再是最新订单的边际估值，而是给定池子库存状态下、曲线的代数输出。滑点随订单规模相对池子深度按非线性放大，意味着同一笔买单在不同日子可以产生不同价格，取决于池子当时的流动性状态。

自动做市商的价格序列本身并不承载关于信息聚合的理论主张。它是恒积数学的机械结果。Solidus Labs 在 2025 年 5 月记录到：2024 年 1 月至 2025 年 3 月部署到 Pump.fun 的代币累计超过 700 万枚，其中仅约 97,000 枚维持了 1,000 美元以上的池子流动性，留下 98.6% 的已部署宇宙池子深度过浅，不足以支持有意义的价格发现[5]。SolanaFloor 另外报告：从 Pump.fun 毕业并迁移至 Raydium 的流动性池中，74.6% 在随后处于不活跃状态[28]。Wilder 的 RSI 应用于这样的序列，所计算的是近乎空池上由库存力学生成的价格的区间分布，而不是深度订单簿上由聚合信念生成的价格的区间分布。

第三章 ·实证协议

第二章的结构性论证确立了一点：Meme 资产价格生成与经典指标设计针对的市场之间存在差异。这一差异在指标读数上如何显化，是一个实证问题。本章具体规定币贝研究院用以回应该问题的方法学；本章的实证发现，会在数据管线产出统计可定论结果之后，作为本文的更新发布。

3.1 样本宇宙构造

样本宇宙取自 CoinGecko”meme”分类标签下按市值排名前 200 的代币，并限定在 Ethereum 与 Solana 这两个截至快照日的主导 Meme 资产交易场所。每个再平衡日上施加三项过滤：过去 7 日去中心化与中心化交易所合并平均成交量高于 100 万美元；观察日之前至少 30 日的价格历史；主交易场所池子深度不低于 100,000 美元。

这些阈值排除了 Pump.fun 代币宇宙的绝大部分。Solidus Labs 记录到：2024 年 1 月至 2025 年 3 月部署到 Pump.fun、至少有 5 笔交易的代币累计超过 700 万枚，其中仅约 97,000 枚维持了 1,000 美元的流动性下限[5]。Pump.fun 邦定曲线到标准自动做市商的毕业率，2025 年第二季度平均为 0.78%[6]，2025 年 7 月与 8 月维持在 0.7%–0.8% 区间[7]。本研究的样本宇宙捕获的是流动性下限之上的存活可交易子集；被排除的庞大部分，仅通过下文讨论的存活偏差修正进入分析。

3.2 存活偏差修正

任何在 2026 年 5 月 22 日快照日抽取的回测，都只包含存活到该日的代币。这些幸存者按定义是一条厚尾收益分布的右尾。Solidus Labs 给出的 98.6% Pump.fun 失败率，就是朴素回测系统性高估指标效力的标题理由[5]。

缓解方法是按时点重建宇宙。每个周度再平衡日上，把宇宙按照那一天本应呈现的样子重建，包括随后失败的代币。CoinGecko 与 CoinMarketCap 的历史快照 API 支持周度频率的重建；Kaiko 在更高频率上提供按时点的订单簿与池子状态数据。若不作按时点重建，任何报告出来的指标命中率都被周期失败率的量级向上偏置。

3.3 回测窗口

研究把三个区制分开检验，分别对应第二章记录的 Meme 资产微观结构的结构性变化。

Pre-Pump.fun Meme 资产季，覆盖 2023 年 1 月至 2024 年 1 月，跨越 BONK 上线（2022 年 12 月 25 日）、PEPE 上线（2023 年 4 月）、WIF 上线（2023 年 11 月 20 日）。这一期间的市场结构特征是直接去中心化交易所挂牌、无邦定曲线中介；持仓集中度数据更稀疏，但可通过 Etherscan 与 Solscan 历史档案获得。

Pump.fun 时代，覆盖 2024 年 1 月至 2025 年 1 月，始于 Pump.fun 2024 年 1 月 19 日上线[24]。这一期间见证了 Meme 资产创建经由邦定曲线发射台的工业化、2024 年 10 月至 11 月由 GOAT 引领的 AI Meme 子周期，以及到顶时长中位数从数周向数日的迁移。

政治 Meme 时代，覆盖 2025 年 1 月至 2026 年 5 月，始于 2025 年 1 月 17 日的 TRUMP 上线[1]与 2025 年 1 月 19 日的 MELANIA 上线。这一期间的特征是极端的上线阶段集中度、SEC 通过 2025 年 2 月 27 日员工声明给出的正式监管口径[3]，以及永续合约（Perpetual Futures）交易场所上单代币平均杠杆的持续抬升。

3.4 指标参数

采用默认的经典参数、不作优化：RSI 14 周期、MACD (12, 26, 9)、随机指标 (14, 3, 3)、动量指标 10 周期。本研究检验的问题是：经典参数下的指标在 Meme 资产上的行为，与它们被校准过的资产上的行为是否一致。优化会按 Park 与 Irwin 所警示的方式引入数据窥探偏差[14]；Meme 资产特定的重新校准并不是本研究关心的问题 — — 本研究关心的是：读取信息驱动型价格行为的同一套工具，是否也以等价方式读取注意力驱动型价格行为。

3.5 统计检验

对每个回测窗口、每只资产、每次指标信号触发，计算如下统计：N 日（N = 1、3、7、14）方向准确率，对照同一资产同一窗口的无条件 N 日方向概率；扣除交易成本之后的累计超额收益，成本设定为去中心化交易所每笔交换 30 个基点、中心化交易所每笔交易 10 个基点，再叠加 Meme 资产 50 个基点的滑点扣除以反映 AMM 曲率；按 Da、Engelberg、Gao 方法构造的 Google Trends 异常搜索量指数[18]与价格变动之间，在 1 日与 1 小时聚合上的 Granger 因果检验；White（2000）现实检验，用以控制贯穿整个参数网格的数据窥探偏差[29]。

3.6 对照资产

同一指标族在相同窗口内应用于比特币、以太坊、Solana。Park 与 Irwin 所记录的不对称 — — 技术分析在股票上表现不佳、在外汇与期货上跑赢[14] — — 提示加密主流币应在这条谱线上占据居中位置。本研究的实证假设是：Meme 资产占据该谱线上第四个独立的点 — — 不是随机游走式的纯噪声，而是以一种经典指标从未被设计去读取的、结构化的”信息贫乏”。

3.7 已发表文献的基线

Detzel、Liu、Strauss、Zhou、Zhu（2021）是与本研究最接近的已发表对照[30]。该文记录到，价格对移动平均的比率在样本内和样本外都能预测比特币收益，并在纳斯达克互联网时代股票及低分析师覆盖度股票上观察到类似的预测效应。理论基础是一个均衡学习模型：行为人对难以估值的基本面缓慢学习，技术分析聚合了这一缓慢学习的过程。同样的理论结构是否适用于”完全没有基本面”的资产，正是币贝研究院的实证工作意图回应的缺口。

Liu、Tsyvinski、Wu 在《Journal of Financial and Quantitative Analysis》上即将发表的论文，为加密货币收益的横截面建立了一个趋势因子，证明时间序列动量在更广义的加密货币宇宙中持续存在[31]。该文明确排除交易稀薄的代币，把 Meme 资产尾部留为未研究区域。检验 Meme 资产技术指标的正确横截面 — — 这是方法学缺口，本文的实证工作意图填补。

3.8 实证更新

按上文方法学计算、并经多重比较偏差修正之后、贯穿三个区制窗口的实证结果，会在与 Detzel 等[30]和 Liu、Tsyvinski、Wu[31]已发表基线对照验证之后，作为本文的更新发布。把本文先作为方法学框架发布、再补实证数字，反映一种分析上的优先级：结构性论证在没有数字时仍可被解读，没有结构性论证的数字会含混、易被误读。

第四章 · 为什么参数调优无法修复这一错位

任何市场上记录到指标欠佳，自然反应都是优化参数。动量指标延伸的历史 — — 从股票到商品到外汇再到比特币 — — 很大程度上就是一部参数重新校准的历史。下面四种机制解释为什么这一思路对 Meme 资产不够。

4.1 价格作为信息容器，对，价格作为注意力容器

1978 年美国股票上的 RSI 读到 70，是一种关于”价格相对基本面锚点偏离”的陈述：价格上行已经远到足以让均值回归成为中心倾向预期。同样的读数 2026 年读在 Meme 资产上，则是一种关于”注意力偏离”的陈述：价格上行已经远到足以让注意力进入局部峰值。两个读数携带相同的数字，但描述不同的潜在现象。

参数优化 — — 选择不同的平滑窗口、不同的阈值 — — 无法弥合这一差异，因为底层信号由不同的过程生成。一个 14 日的 RSI 窗口作用在由注意力反身性生成的序列上，返回的数字是注意力过程的函数，不是”价格作为信息”过程的函数。把窗口改成 7 日或 21 日，改变的是有多少注意力过程被平滑掉，不改变被平滑的那个过程本身。

4.2 反身性循环没有外部锚

Soros 所形式化的常规市场反身性循环，受基本面约束[25]。信念与价格可以背离，但背离最终受”价格回归价值”的约束。每一个超买 — 超卖指标的均值回归前提都建立在这种约束之上。

Meme 市场上，反身性循环没有外部约束。注意力驱动价格，价格驱动注意力，注意力又驱动价格。该循环不通过回归终止，而通过耗尽终止：注意力的供给有限，耗尽之时价格便崩塌。这不是指标被设计去检测的均值回归。这是状态切换，而那些假设统计状态连续的震荡指标，无法从内部诊断状态切换。

4.3 指标的数学看不见自己的输入空间

一个 RSI 不知道它被作用在玉米期货、纳斯达克股票、还是 Solana 上的 Meme 资产。其数学是同一套：比较近 N 日上行收盘与下行收盘，归一化到 0–100，平滑。指标数学看不见的是产生输入序列的数据生成过程。参数调优作用于平滑窗口与阈值；它不作用于输入空间。

如果输入空间已经改变 — — 如果价格序列由指标校准从未训练过的过程生成 — — 任何参数选择都无法恢复原始校准的相关性。这就是”参数调优不够”的正式陈述。也是第五章建议另一种偏离的原因：不是重新调参，而是改变对指标的提问方式。

4.4 自动做市商带来的失真

第四种机制放大上述结构性错位。自动做市商交易场所上，价格序列由”给定池子库存状态下的恒积方程”生成。一笔大买单产生的价格冲击，与订单规模相对池子深度按非线性放大。经典指标的验证场景是订单簿撮合产生的价格序列 — — 那里的价格变动反映对价值的聚合信念。

一只池子流动性为 100 万美元的 Meme 资产上，单笔 20,000 美元的买单仅凭曲线力学就可以把价格推动约 2%，这还在对后续交易者产生任何信息效应之前。RSI 应用于这样的序列，所计算的动量统计来自一条”流动性力学噪声”占比相对”信念聚合信号”过高的价格轨迹。这是经典指标在 Meme 资产上读数不同的另一个独立原因，它与注意力反身性问题相互作用，而非将其取代。

第五章 · 一套三原则的观察框架

第二章与第四章的结构性诊断已经表明：任何对经典指标的重新校准，都无法产出一个适合 Meme 市场的工具。前路不是”用不同参数应用同样的工具”，而是”应用知道自身输入空间的不同工具”。币贝研究院为此提出三项原则。

5.1 以横截面排名取代固定阈值

第一项偏离是放弃把固定指标阈值 — — RSI 的 70 与 30、MACD 的零线 — — 作为原语。这些阈值的校准对象是统计状态稳定的资产；Meme 市场没有类比物，因为其横截面收益本身就是分析单元。

方法学先例由 Asness、Moskowitz、Pedersen 2013 年发表于《Journal of Finance》的论文《Value and Momentum Everywhere》确立。该文跨越 8 类资产记录到横截面动量效应，把资产在横截面内排名，而不是与绝对阈值比较[17]。Liu、Tsyvinski、Wu（2022）确证横截面方法在加密货币上同样工作，他们提出的动量因子作用于横截面排名而不是固定水平[32]。

对 Meme 资产观察框架而言，这意味着在每个再平衡日上为每个指标计算读数、按指标值在符合资格的宇宙内排名，并报告其五分位归属、而不是超买或超卖标签。位于 Meme 资产宇宙内 14 日 RSI 读数顶部 1/5 的资产，并不是 Wilder 意义上的”超买”；它是”注意力 — 动量空间内 200 中的 1 到 40"。措辞重要，因为它准确描述了正在被测量的对象。

5.2 注意力代理变量与持仓集中度变量进入同等地位

第二项偏离是不再把基于价格的经典指标视作动量的完整状态空间。相反，把动量在三个变量族上同等度量：源自价格的（经典指标）、源自注意力的（搜索量异常、社交提及量异常）、源自持仓的（前十大持有者份额，以及该份额在再平衡窗口内的变化）。

实证依据来自三项发现的组合。Da、Engelberg、Gao 证明异常搜索量预示股票收益的过冲与回吐[18]。Liu 与 Tsyvinski 确证注意力代理变量预测加密货币收益[15]。Shen、Urquhart、Wang 记录到推文量 Granger 引起比特币交易量与波动率，但不直接引起比特币收益[19]。Kraaijeveld 与 De Smedt 把分析扩展到 9 种加密货币，发现 Twitter 情绪 Granger 引起比特币、比特币现金、莱特币的收益，但不引起 Cardano、Stellar、瑞波或以太坊的收益[33]。格局一致：注意力度量普遍领先活动量，选择性地领先收益。一个不纳入注意力度量的框架，会缺失一个常先于收益尖峰的活动量激增的领先指标。

持仓集中度进入框架的原因，2.4 节已述：Meme 资产的持仓结构违反经典指标的分散持仓前提。前十大持有者份额在再平衡窗口内的变化，捕捉的是控股方在吸筹 — — 可能先于一波注意力推送 — — 还是在派发 — — 可能先于一次崩塌。把这三个变量族合成为一个复合横截面排名，所产生的观察分数反映的是 Meme 市场的实际价格形成过程，而不是 1970 年代商品期货的价格形成过程。

5.3 输出是观察，不是预测

第三项偏离是输出的措辞。一只资产在 Meme 资产宇宙内某个再平衡日上的横截面排名，是关于”该资产此刻在注意力 — 动量 — 集中度分布上所处位置”的陈述。它不是对下期收益的预测。

这一区分并非咬文嚼字。Park 与 Irwin 在他们对 95 项技术分析研究的元综述中，反复指认数据窥探偏差与幸存者选择是已发表技术分析研究中假阳性的主要来源[14]。Meme 市场上，对任何横截面排名最诚实的措辞 — — 考虑到 Solidus Labs 记录的 98.6% Pump.fun 失败率[5] — — 是：该排名描述的是快照日上的存活横截面。它对”排名内的哪些资产能存活到下周”、对”那些存活下来的资产未来收益如何”，未作任何陈述。

框架的输出在操作层面上是：每个再平衡日上、对合格 Meme 资产宇宙的五分位分类，每只资产的五分位归属由复合排名计算予以说明，并附带”过往再平衡窗口内的存活率”的明示文档。该输出的使用者自行形成对该排名的理解，框架不强加解读。

5.4 边界声明

本框架描述的是：在每份输出指定的再平衡日上，Meme 资产宇宙内哪些资产在注意力动量、价格动量、集中度动量这几个维度上排名靠前，依据是上述方法学的计算。它不描述哪些资产应被买入、卖出、持有或回避。横截面排名对未来价格的方向或幅度不作出任何主张。Meme 资产市场在最大的创建平台上记录的存活率不足 2%[5]；某一时点上”在存活横截面内的排名位置”并不修改这一基础率。任何忽略存活基础率而应用本框架的方式，都是对本框架的误用。

第六章 ·反向自我审视

本分析建立在一项特定的结构性主张之上 — — Meme 资产的价格形成是注意力反身性的，而不是信息折现的 — — 以及支撑该主张的实证文献。最有力的反对意见值得直接陈述。

第一项反对意见：结构性主张夸大了 Meme 资产与其他无基本面资产的差异，比如收藏品、困境股票认股权证，或在散户极端注意力下交易而后或恢复或失败的投机性首次公开发行股票。如果 Meme 资产只是”无基本面投机长链”中的最新一环，那么经典指标在 Meme 资产上的欠佳表现，可能与它们在互联网时代股票上的欠佳表现同型 — — 是一种有记录的效应，但并未产生本分析所提议的那种范畴性断裂。回应：自动做市商的微观结构、工业化的注意力发射台机制 — — 这两者都始于 2024 年 — — 产生的是一种数量上不同的状态。可交易 Meme 资产的供给，不像收藏品或首次公开发行那样受承销或发行人资产负债表的约束；截至 2026 年 5 月 22 日快照日观察到的新 Meme 资产供给量，没有历史类比。

第二项反对意见：本文呈现了方法学框架，但没有附上来自币贝研究院自有回测管线的实证结果。一个怀疑的读者可以合理地反对：方法学基础缺少实证确证是不完整的。回应：结构性论证独立于实证确证而成立，把实证结果发表在方法学基础之前会颠倒合理的证据序列。对本文的实证更新是分析序列中的下一步，不是它的反驳。

第三项反对意见：三原则框架 — — 尤其是横截面排名思路 — — 与经典指标具有相同的结构风险：它告诉使用者关于分布内位置的事情，不告诉关于未来收益的事情。这是正确的，而且这就是框架的明确边界声明，并非隐藏的瑕疵。本框架是一项观察工具，不是一项预测工具。把它当作预测工具来用的人是在误用它；框架的文档应当让这种误用难以在使用者不知情时发生。

第四项反对意见：”诚实观察框架”读起来像是”我们愿意在法庭上为之辩护、但不愿意在交易中为之辩护”的信号的稻草人。直接回答：本框架的设计思路是通过描述性、而不是预测性获得可辩护性。描述性的措辞不是法律规避，而是对”在 2026 年 5 月 22 日快照日上、关于 Meme 市场什么可知什么不可知”的实质性承认。如果未来的实证文献在这一领域确立可预测的结构，本框架可被修订。已发表文献的现状 — — 包括币贝研究院自身预期的实证工作在内 — — 不支持这样的结构。

第七章 ·反向信号

本文的核心主张是可证伪的。若以下任一发现来自实证文献或币贝研究院自身的回测，币贝研究院将重审框架。

若一项同行评审研究、或币贝研究院自身对至少 50 只 Meme 资产的回测，证明经典参数下的 14 周期 RSI 与 (12, 26, 9) MACD 在 Meme 资产价格序列上的方向准确率，与同一窗口内它们在比特币、以太坊、Solana 上的方向准确率之差小于 5 个百分点、且统计显著性达到 1%，那么结构性失灵主张被推翻。

若发表了某种 Meme 资产特化的参数重新校准，能在样本外检验中产生稳定的、扣除交易成本的、风险调整后的超额收益，并已经完成幸存者偏差修正与 White（2000）现实检验[29]，那么”参数调优无法修复错位”的主张被推翻。

若实证工作证明 Meme 资产收益可由 Fama–French 因子结构的延伸所解释，且解释力的 R 方高于 30%，那么”基本面缺失”主张被推翻。

若对本研究样本宇宙的 Granger 因果检验证明，异常搜索量与社交提及量异常在 10% 显著性下不领先于 Meme 资产价格变动，那么本观察框架的第二项原则失去实证依据。

这些条件被明示出来，是为了方便证伪，不是为了使分析免于批评。

第八章 ·方法学与披露声明

8.1 研究范围与局限

本文为 Meme 市场提供一套观察方法学框架，立论基础是经典动量指标、行为金融、加密货币市场的已发表文献。实证章节给出了所规定的回测协议；数字发现会作为本文的更新发布。本文分析的资产宇宙是截至 2026 年 5 月 22 日快照日在 Ethereum 与 Solana 上交易的 Meme 资产；结论不延伸到 NFT、稳定币、治理代币，或 BSC、Base、Tron 等未覆盖交易场所上的 Meme 资产。

8.2 数据时效性

所有市场数据、价格报价、持仓集中度数字、引用时间戳，统一锚定到 2026 年 5 月 22 日快照日。当数据点早于本快照日，该数据点自身的时间戳被明示。当引用涉及工作论文或即将发表论文，所引文献截至本快照日的状态被明示。本版本不反映被引文献的后续修订。

8.3 研究独立性

本研究由币贝研究院（Bitbase Research）独立撰写，没有外部商业赞助。资产类别、指标族、方法学优先级的选择，反映研究团队的编辑独立性。

8.4 利益冲突披露

币贝（Bitbase）运营一家中心化加密货币交易所，平台支持多种数字资产的现货交易与永续合约（Perpetual Futures）交易。本文讨论的部分资产 — — 包括但不限于 DOGE、SHIB、PEPE、BONK、WIF、TRUMP — — 在币贝上线或未来可能在币贝上线。本披露不改变本文的任何结论。

8.5 工具与生成辅助

本文在起草阶段使用了 AI 辅助的文献检索与提纲构建。参考文献列表中的每一条引用都已经人工对照一手来源验证。每一项数字主张都已经追溯到其一手来源。论证结构、反向自我审视章、反向信号章、三原则观察框架，反映币贝研究院团队的编辑判断。

8.6 非投资建议声明

本文是出于教育与分析目的的研究。其中任何内容均不构成投资建议、对任何数字资产的买入或卖出建议、招揽或要约。币贝研究院不预测未来价格走势。加密资产 — — 尤其是 Meme 资产 — — 展现的波动率与存活率，本文已有记录。读者在作出投资决定之前，应咨询合格的金融与法律顾问。

8.7 前瞻性陈述

本文包含对第三章所述方法学的实证更新的前瞻性提及。该更新的发表已在规划中；其时间、范围与最终形态，取决于数据管线进度与质量保证审查。除本文已确立的方法学框架之外，对实证更新的结论不作任何承诺。

参考文献

[1] Wikipedia, “$Trump (cryptocurrency),” accessed May 22, 2026, citing Axios reporting January 18, 2025 on CIC Digital LLC and Fight Fight Fight LLC concentration. https://en.wikipedia.org/wiki/%24Trump

[2] Coinbase, “OFFICIAL TRUMP price page” (live snapshot accessed May 22, 2026; all-time high $74.27 on January 19, 2025). https://www.coinbase.com/price/official-trump

[3] SEC Division of Corporation Finance, “Staff Statement on Meme Coins,” February 27, 2025. https://www.sec.gov/newsroom/speeches-statements/staff-statement-meme-coins

[4] Crenshaw, Caroline A., “Response to Staff Statement on Meme Coins: What Does it Meme?,” U.S. Securities and Exchange Commission, February 27, 2025. https://www.sec.gov/newsroom/speeches-statements/crenshaw-response-staff-statement-meme-coins-022725

[5] Solidus Labs, The 2025 Rug Pull Report: Rug Pulls and Pump-and-Dumps on Solana, May 2025 (7,050,000 Pump.fun tokens with ≥5 trades January 2024 — March 2025; ~97,000 maintained ≥$1,000 liquidity; 98.6% failure rate; 388,000 Raydium pools examined, 93% soft-rug pattern). https://www.soliduslabs.com/reports/solana-rug-pulls-pump-dumps-crypto-compliance

[6] Step Data, “Letsbonk Claims 82% of Bonding Curve Volume: How It Won the Solana Launchpad War,” 2025 (Pump.fun average graduation rate 0.78% 2025-Q2; ~89% of bonding-curve tokens reach final market cap below $50,000). https://stepdata.substack.com/p/letsbonk-claims-82-of-bonding-curve

[7] Cointelegraph, “How Pump.fun captured 80% of Solana memecoins, and can it last?,” 2025 (graduation rate 0.7%–0.8% July–August 2025; ~$69K market-cap graduation threshold; ~800M token bonding-curve sequence). Republished via TradingView. https://tr.tradingview.com/news/cointelegraph:9c3a24b10094b:0-how-pump-fun-captured-80-of-solana-memecoins-and-can-it-last

[8] Wilder, J. W., New Concepts in Technical Trading Systems, Greensboro, NC: Trend Research, 1978.

[9] Appel, G., The Moving Average Convergence Divergence Trading Method, Great Neck, NY: Signalert Corp, 1979.

[10] Appel, G., Technical Analysis: Power Tools for Active Investors, Upper Saddle River, NJ: Financial Times Prentice Hall, 2005.

[11] Lane, G. C., The Stochastic Process, Chicago: Investment Educators Inc., 1957 (internal course material).

[12] Lane, G. C., “Lane’s Stochastics,” Technical Analysis of Stocks & Commodities, 2(3), May/June 1984, 87–90.

[13] Jegadeesh, N., and Titman, S., “Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency,” Journal of Finance, 48(1), 65–91, 1993. https://doi.org/10.1111/j.1540-6261.1993.tb04702.x

[14] Park, C.-H., and Irwin, S. H., “What Do We Know About the Profitability of Technical Analysis?,” Journal of Economic Surveys, 21(4), 786–826, 2007. https://doi.org/10.1111/j.1467-6419.2007.00519.x

[15] Liu, Y., and Tsyvinski, A., “Risks and Returns of Cryptocurrency,” Review of Financial Studies, 34(6), 2689–2727, 2021. https://doi.org/10.1093/rfs/hhaa113

[16] Cornelli, G., Doerr, S., Frost, J., and Gambacorta, L., “Crypto shocks and retail losses,” BIS Bulletin №69, Bank for International Settlements, February 20, 2023. https://www.bis.org/publ/bisbull69.htm

[17] Asness, C. S., Moskowitz, T. J., and Pedersen, L. H., “Value and Momentum Everywhere,” Journal of Finance, 68(3), 929–985, 2013. https://doi.org/10.1111/jofi.12021

[18] Da, Z., Engelberg, J., and Gao, P., “In Search of Attention,” Journal of Finance, 66(5), 1461–1499, 2011. https://doi.org/10.1111/j.1540-6261.2011.01679.x

[19] Shen, D., Urquhart, A., and Wang, P., “Does Twitter predict Bitcoin?,” Economics Letters, 174, 118–122, 2019. https://doi.org/10.1016/j.econlet.2018.11.007

[20] Schade, G. A. Jr., CMT, “The Origins of the Stochastic Oscillator,” CMT Association Technically Speaking, May 2011.

[21] Maitah, M., Procházka, P., Cermak, M., and Šrédl, K., “Improving MACD Technical Analysis by Optimizing Parameters and Modifying Trading Rules: Evidence from the Japanese Nikkei 225 Futures Market,” Journal of Risk and Financial Management, 14(1), 37, MDPI, 2021. https://doi.org/10.3390/jrfm14010037

[22] Barber, B. M., and Odean, T., “All That Glitters: The Effect of Attention and News on the Buying Behavior of Individual and Institutional Investors,” Review of Financial Studies, 21(2), 785–818, 2008. https://doi.org/10.1093/rfs/hhm079

[23] Decrypt (Phillips, D.), “Pump.fun Token Tops $2 Billion in Market Cap Following Massive ICO,” July 2025 (citing Dune Analytics on cumulative token deployment count). https://decrypt.co

[24] Wikipedia, “pump.fun,” accessed May 22, 2026 (platform launch January 19, 2024). https://en.wikipedia.org/wiki/Pump.fun

[25] Soros, G., The Alchemy of Finance, New York: Simon & Schuster, 1987.

[26] Block Magnates (Patel, P.), “Bonding Curves in Solana,” November 2025 (Pump.fun bonding-curve graduation threshold ~$69K market cap; 800M tokens in curve sequence; mathematics of constant-product mechanics). https://blog.blockmagnates.com/bonding-curves-in-solana-58082354b17d

[27] Step Data, 2025-Q3 platform-comparison analysis: across Pump.fun, Letsbonk, and Launchlab, approximately 89% of deployed tokens reach final market capitalization below $50,000. https://stepdata.substack.com/p/letsbonk-claims-82-of-bonding-curve

[28] SolanaFloor, “Over $287M in SOL Removed from Circulation via Pump.fun’s Graduated Token Mechanism,” February 11, 2025 (74.6% of liquidity pools migrated from Pump.fun to Raydium upon graduation subsequently inactive; ~93,500 tokens graduated by date of report). https://solanafloor.com/news/over-287-m-in-sol-removed-from-circulation-via-pump-fun-s-graduated-token-mechanism

[29] White, H., “A Reality Check for Data Snooping,” Econometrica, 68(5), 1097–1126, 2000. https://doi.org/10.1111/1468-0262.00152

[30] Detzel, A., Liu, H., Strauss, J., Zhou, G., and Zhu, Y., “Learning and predictability via technical analysis: Evidence from bitcoin and stocks with hard-to-value fundamentals,” Financial Management, 50(1), 107–137, 2021. https://doi.org/10.1111/fima.12310

[31] Liu, Y., Tsyvinski, A., and Wu, X., “A Trend Factor for the Cross Section of Cryptocurrency Returns,” forthcoming, Journal of Financial and Quantitative Analysis.

[32] Liu, Y., Tsyvinski, A., and Wu, X., “Common Risk Factors in Cryptocurrency,” Journal of Finance, 77(2), 1133–1177, 2022. https://doi.org/10.1111/jofi.13119

[33] Kraaijeveld, O., and De Smedt, J., “The predictive power of public Twitter sentiment for forecasting cryptocurrency prices,” Journal of International Financial Markets, Institutions and Money, 65, 101188, 2020. https://doi.org/10.1016/j.intfin.2020.101188

[34] CoinDesk, “Most Influential 2025: Pump.fun” (profile feature documenting Pump.fun’s role in 2025 memecoin cycle), December 10, 2025. https://www.coindesk.com/most-influential/2025/pump-fun

[35] Cointelegraph (republished via MEXC News), “Pump.fun’s 80% Grip on Solana Memecoins” (peak Pump.fun share 75%–80%; LP-token-burn graduation mechanics; 0.015 SOL graduation fee). https://www.mexc.com/news/121383

[36] FSB (Financial Stability Board), “Global Regulatory Framework for Crypto-asset Activities” and “Revised Recommendations for Global Stablecoin Arrangements,” July 17, 2023. https://www.fsb.org/2023/07/fsb-global-regulatory-framework-for-crypto-asset-activities/

[37] IOSCO (International Organization of Securities Commissions), Policy Recommendations for Crypto and Digital Asset Markets — Final Report, FR/11/2023, IOSCOPD747, November 16, 2023. https://www.iosco.org/library/pubdocs/pdf/IOSCOPD747.pdf

[38] IOSCO, Thematic Review: Assessing the Implementation of IOSCO Recommendations for Crypto and Digital Asset Markets, FR/13/2025, IOSCOPD801, October 16, 2025. https://www.iosco.org/library/pubdocs/pdf/IOSCOPD801.pdf

[39] Regulation (EU) 2023/1114 of the European Parliament and of the Council of 31 May 2023 on markets in crypto-assets (MiCA), Official Journal of the European Union, June 9, 2023. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32023R1114

[40] European Securities and Markets Authority, “Q&A 2552 on Regulation (EU) 2023/1114 (MiCA),” ESMA Interactive Single Rulebook, February 18, 2026.