用任何人都说得清的输入，做最朴素的算术
本站每一个数字，都能用仓库里的脚本从公开数据重新算出来。不依赖我们自己的模型，也不需要策略的代码。
0 · Hyperliquid 钱包
钱包检验的算法写在钱包页面底部「怎么读一个钱包」：周收益率来自盈亏（充值提现不算收益），t 按记录的有效自由度做小样本校正，门槛按挑选范围用下面第 3 节的 Bonferroni 公式抬高。
出入金怎么处理。每周收益率 = 这一周 Hyperliquid 为账户记录的盈亏变化 ÷ 周初的账户价值。Hyperliquid 的盈亏记录不含充值和提现，所以资金进出只改变账户价值，永远不会被算成盈利或亏损；但它会改变之后几周的分母，收益率总是相对于当周开始时账户里的钱来算。周初账户不足 $1,000 的周不计入，因为本金太小，普通的金额波动会变成极端的收益率；大部分盈亏落在这些周里时，页面会标出来。
门槛的两种算法。Bonferroni 门槛把榜上所有账户当作相互独立；交易方式相近的账户其实是更少的独立下注，门槛会因此降低（Hyperliquid 按我们的粗估约 2.6，是数量级，不是测量）。两种我们都列出。
不是 Deflated Sharpe Ratio。Bailey 与 López de Prado 的 DSR 用各次尝试之间夏普比率的离散程度来折算尝试次数，并校正偏度和厚尾。我们做的更简单：小样本 t 加上 best-of-N 的 Bonferroni 门槛，只需要知道 N，在尝试之间相关时偏保守。名字里的 Deflator 指给证据打折，不表示实现了 DSR。
回撤读数。钱包页在 t 旁边显示记录比自己的峰值低多少（峰值以来周收益率之和），以及周均值 m、周方差 s² 与它相同的记录，有多少比例的时间至少处在这么深的回撤里：回撤为 d 时是 exp(−2m(d + 0.5826 s)/s²)。这是带漂移随机游走的平稳回撤分布，加上 Siegmund 针对每周采样一次的修正；不修正的话，夏普为 3 时比例会高估到 1.6 倍。优势是在同一份记录上量的，所以这个读数偏向把回撤判为少见。
0.5 · 这把尺子会说「过」吗？
一个从来不说「过」的检验是坏的。下面说明每一档结论对应运气的什么水平，以及真实的优势要多少记录才能过线。
单靠运气会出现什么。一个没有实力、随手挑中的钱包，t ≥ 2 大约 44 次里出现 1 次（2.3%），这一档叫「有希望，未证实」。一池 N 份全都没有实力的记录，其中任何一个过 bar(N) 的概率也约是 2.3%，这一档叫「证据充分」。在按利润排名的榜单上，靠运气到 t = 2 的远不止 44 个里 1 个，因为按利润排名本身偏爱运气好的连胜；审计 012 做了模拟：在全期 PnL 榜上，单靠运气前 100 名就有约 15% 到 t ≥ 2，比真实榜单还多，所以那里的「有希望」就是运气；在 30 日 ROI 榜上，运气约 4%，真实榜单有 15–18%。
真实的优势需要什么。按 t ≈ 夏普 × √年数 加上噪声，真实年化夏普为 S 的交易者，过 Hyperliquid 榜单门槛 4.90 的概率：
| 真实夏普 | 1 年 | 2 年 | 3 年 | 5 年 |
|---|---|---|---|---|
| 夏普 2 | <1% | 2% | 8% | 33% |
| 夏普 3 | 3% | 26% | 62% | 96% |
| 夏普 4 | 18% | 78% | 98% | >99% |
| 夏普 5 | 54% | 99% | >99% | >99% |
所以夏普 3（很少有基金能长期保持）大约要 2.7 年记录才有一半把握，夏普 2 要约 6.0 年。Hyperliquid PnL 前 100 的记录长度中位数是 1.5 年。假如这些记录每一份的真实夏普都是 3，到现在应该约有 20 个过线；实际是 0 个。没有人过线，是记录短、又没有被证实的实力时的样子，不说明这道门槛永远过不了。
用赔率表示运气。页面上的运气同时写成赔率和百分比：一份正态分数为 t 的记录，如果是从一池 N 份全都没有实力的记录里挑出来的，池里任何一个至少走到这么强的概率是 1 − (1 − (1 − Φ(t)))^N。N = 1 时就是普通的单侧尾部概率，t = 2 时是 44 次里 1 次。让 47,248 个人各猜 10 次抛硬币，平均约有 46 个人 10 次全对。放到排行榜上，他们就排在最前面。
你的挑选范围，决定你的门槛。钱包页会问你是怎么找到这个钱包的：随手挑中（门槛 2.00）、从 10 个左右的名单里（2.84）、从某个前 100 名里（3.51），还是从整个榜单里（4.90）。只有你知道答案；默认按整个榜单算，因为大多数钱包是这样被找到的。
0.6 · 拿名人战绩校准
同一把尺子，量一量没人会说是运气的记录。扣掉一个月国债收益后的年收益，对同样扣过的标普 500（含股息）做回归，alpha 的 t 换算成和钱包 t 同一个正态尺度。
| 记录 | 年份 | alpha 的 z | β | 按 Hyperliquid 门槛（4.90）的判决 |
|---|---|---|---|---|
| 文艺复兴大奖章基金，扣费后 | 1988–2018 | 6.93 | -0.59 | 证据充分 |
| 伯克希尔·哈撒韦（巴菲特），每股市值 | 1965–2025 | 3.15 | 0.81 | 随手挑中有证据；未过 4.7 万选 1 的门槛 |
| 伯克希尔·哈撒韦，2001 年以后 | 2001–2025 | 1.65 | 0.59 | 像运气 |
所以记录足够出色、足够长的时候，这把尺子会说「过」：大奖章轻松过了「4.7 万选 1」的门槛。随手挑中时，巴菲特的记录是很强的证据：单靠运气做到这样，大约是 1,200 次里 1 次。六十年还没过「4.7 万选 1」的门槛，说明需要的记录有多长；只看最近 25 年，相对指数的超额收益在运气能解释的范围内。被证明本来就需要很长的记录；Hyperliquid 上最老的记录从 2023 年 5 月才开始。
为什么要对比大盘。如果对零检验，标普 500 指数自己在 1965–2025 年就能到 4.94，过得了门槛：只看绝对收益，会把大盘上涨算成本事。来源：伯克希尔 2025 年致股东信附表；Cornell (2019) 表 1，源自 Zuckerman (2019)，是估计值，不是审计数。脚本：tools/masters_calibration.py。
0.7 · 钱包对比 BTC
同样的道理，钱包页也显示扣掉 BTC 涨跌之后的 t：每段周收益拟合成 alpha × 周数 + β × 同期 BTC 收益，按区间长度加权，报告 alpha 的 t 和 β。BTC 价格取 Hyperliquid 的日 K 线。判决暂时仍按未扣的 t，因为冻结队列的读数是按它预先登记的；正式切换会作为一次带日期的方法变更在本页公布。名人「证据排名」一律用对比大盘的版本。
0.8 · 和聪明钱工具有什么不同
Hyperdash 的 Copy Score、HyprSwarm 的 ELO、Hashdive 的 Smart Score、Nansen 的标签，回答的是「谁在赚钱、他持有什么」。没有一家报告分数里有多少能用运气解释，也没有一家考虑分数是从几万人里挑出来的。Hyperdash 自己的教程里，一个 30 天记录的钱包 Copy Score 是 96/100；不到 8 周的记录，本站根本不打分。它们告诉你谁在赚钱，我们告诉你那能不能复制。跟单平台按跟单量赚钱，一个说「头部是运气」的分数和它们的生意相反；我们不收被评方的钱。
0.9 · 为什么是现在
AI 让一份好看的战绩几乎不花钱就能造出来：一个 agent 一分钟能试 50 组参数、留下最好看的那条曲线；AI 交易 agent、AI 金库、AI 荐股号发布战绩的速度，已经快过任何人核查的速度。这套方法最早量的是 17 篇 LLM 交易论文，没有一篇的干净样本够 48 个月。AI 交易比赛用同一把尺子重新打分（Alpha Arena、Recall、Liquidity Arena 和 AI-Trader）；替人挑交易员、挑金库的 agent，可以先通过 HTTP 接口和 MCP 服务查证据。
1 · 开卷月数
在模型官方公布的训练截止日把回测窗口切开。截止日当月及之前的月份，无法排除被模型见过：模型可能已经知道当时发生了什么。截止日之后的月份才是干净的。
截止日只采用模型提供方自己的文档。没有公布的，我们直说没有，不替它估。截止日越早，结果看起来越好，所以它是最需要出处的那个输入。
2 · 需要多少干净月份
年化夏普为 S 的结果，经过 T 年达到 t = 2，其中 t ≈ S × √T（Lo, 2002）：
如果干净的那段比这个短，这次回测就是检验力不足：它没有被证明失败，只是没有被证明有效。独立同分布假设让这个数成为下限；收益有自相关时需要更久。
3 · 挑选之后的门槛
从 N 次尝试里挑出最好的那个结果，就是 N 次抽签的最大值。我们用单侧 Bonferroni 校正抬高门槛，并让只试一次时的门槛正好保持在 t = 2：
Bonferroni 假设各次尝试相互独立。相关的变体（同一个人调的参数网格、用同一个模型的不同队伍）会让它偏保守。我们把这一点写明，而不是换成一个读者无法核对假设的校正；如果测得了有效尝试次数，程序库也接受直接传入。
4 · 排行榜
每个参赛者取其公开的净值历史，每天保留最后一个值，算日收益率。加密货币榜按一年 365 天年化，股票日历按 252 天。
单说「没有人显著」意义不大，所以每个榜单还会给一个日期：如果榜首的真实夏普是 S，它需要多少个月干净的前向记录才能过「N 选 1」的门槛。
我们给出 S = 5、S = 2 以及最接近门槛那个参赛者实测夏普下的结果。这些是条件陈述，不是预测。
原则
- 来源公开，并注明抓取日期。数字重新计算，不照抄。
- 对模型训练数据，我们最强的说法是「无法排除被见过」，从不说「被污染」。
- 缺少某个输入本身就是发现，不是对项目的判决。
- 结论写明数字能支持什么、不能支持什么。不判断动机，不给投资建议。
- 每个榜单、每个说法用同一条规则，不按曲线打分。
- 更正会公开。你觉得哪个数字错了，请提 issue。
这套方法不做什么
- 它不说任何策略或模型没有实力，只说现有证据还分不清实力和运气。
- 它不检测模型内部的泄漏，只划出无法排除泄漏的范围。
- 它只用项目或榜单自己公开的东西。
- Hyperliquid 钱包检验统计的是 Hyperliquid 为账户记录的内容：永续和现货，包括 HIP-4 结果合约。HyperEVM 上的活动不在其中。
- 钱包检验衡量的是记录里的证据，不是跟单能拿到的回报。跟单者下单更晚、规模不同；持仓越短，延迟的代价越大（一位基金经理举的例子：延迟 15 分钟就损失 20% 盈亏的策略，来源）。
- 尾部提示看的是过去各周的形状。卖尾部风险、又按近期波动率调整仓位的策略，可以在大亏之前、以及缩小仓位后的大亏前后，一直保持正常的形状。
延伸阅读
Lo, “The Statistics of Sharpe Ratios” (2002). Bailey & López de Prado, “The Deflated Sharpe Ratio” (2014). Zhang & Stadie, “Temporal Leakage in LLM Backtesting” (arXiv 2608.02985).