Phase 2 总结 — 60天量化深度学习回顾

日期: 2026-08-29 方向: 量化 / 微观结构 / MEV / DEX 阶段: Phase 2 收官 (Day 61-120) 标签: #Phase2End #Retrospective #Quant #Career #Reflection

---

0. 写在前面 / Foreword

60天前的 2026-07-01，我从 Phase 1（机构 DeFi/RWA, Day 1-60）切换到 Phase 2 时，曾在 Day 61 笔记里写下一句话：

"我担心数学会击垮我，但我更担心 60 天后我还停留在'看得懂别人 paper'的层次。"

今天 2026-08-29，Phase 2 收官。我可以诚实地说：这两个担心都没成真，也都部分成真。

• 数学没有击垮我（BS、Itô、SABR、Almgren-Chriss、Kyle 都吃下来了），但靠的是"够用即止"的实用主义；
• 我已经能写策略、跑回测、读 paper 不再依赖二手解读，但距离真正的"研究员"还差至少一个 Phase 的工程化打磨。

这 60 天本质上是一次 "金融 PM → 量化 PM/Researcher"的身份重塑。下面是完整复盘。

---

1. Phase 2 全景回顾 / Phase 2 Panorama

1.1 60 天主题分布

                        Phase 2: Day 61-120 (2026-07-01 → 2026-08-29)
┌────────────────────────────────────────────────────────────────────────┐
│                                                                          │
│  W10-11 (Day 61-74) ──── 量化数学与衍生品定价 ── 14 天                  │
│  ├─ 概率/SDE/Itô/BS 推导  (Day 61-63)                                   │
│  ├─ Greeks / IV / SABR    (Day 64-66, 67=Week 复习)                     │
│  ├─ 二叉树/MC 异类期权    (Day 68-69)                                   │
│  ├─ 利率/funding/perp      (Day 70-73)                                  │
│  └─ DeFi 期权对比          (Day 74)                                     │
│                                                                          │
│  W12-13 (Day 75-88) ──── 市场微观结构与做市 ── 14 天                    │
│  ├─ LOB / Kyle / 流动性   (Day 75-77)                                   │
│  ├─ A-S / GLFT / 库存     (Day 78-80, 81=Week 复习)                     │
│  ├─ OFI / Almgren-Chriss  (Day 82-83)                                   │
│  ├─ DEX 微结构 / V3 tick  (Day 84-86)                                   │
│  └─ Hyperliquid / DEX vs CEX 报告 (Day 87-88)                           │
│                                                                          │
│  W14-15 (Day 89-102) ──── 统计套利与 Alpha Research ── 14 天             │
│  ├─ Pairs / OU / TSMOM    (Day 89-91)                                   │
│  ├─ Factor / Backtest / Risk (Day 92-94, 95=Week 复习)                  │
│  ├─ Funding / Basis / DN  (Day 96-100)                                  │
│  └─ HRP / Strategy Lib v1 (Day 101-102)                                 │
│                                                                          │
│  W16-17 (Day 103-116) ──── MEV 与 DEX 量化 ── 14 天                     │
│  ├─ MEV / Bundle / PBS    (Day 103-105)                                 │
│  ├─ Searcher / Cross-MEV  (Day 106-107)                                 │
│  ├─ OFA / Router          (Day 108, 110)                                │
│  ├─ LVR / Curve Wars      (Day 111-112)                                 │
│  └─ Vault / Subgraph / mempool (Day 113-116)                            │
│                                                                          │
│  W18 (Day 117-120) ──── 综合产出 ── 4 天                                │
│  ├─ mm_bot v1 (Day 117)                                                 │
│  ├─ mev_bot v1 (Day 118)                                                │
│  ├─ Crypto 量化方法论白皮书 (Day 119)                                   │
│  └─ Phase 2 总结 + 30 题面试集 (Day 120 ← 今日)                          │
└────────────────────────────────────────────────────────────────────────┘

1.2 累计学习时间与产出统计

1.3 Phase 2 量化能力图（数学 → 模型 → 回测 → 实盘）

┌────────────────────── Phase 2 Quant Stack ──────────────────────────┐
│                                                                       │
│  [Math Foundation]  ───────────────────────────────────────────       │
│   Probability/CLT  ──→  Itô/SDE  ──→  Risk-neutral measure           │
│   (Day 61-62)            (Day 62)         (Day 63)                    │
│        │                                                              │
│        ▼                                                              │
│  [Pricing Models] ────────────────────────────────────────────       │
│   Black-Scholes  ─→  Greeks  ─→  IV/SABR  ─→  Binomial/MC            │
│   (Day 63)         (Day 64)    (Day 65-66)    (Day 68-69)            │
│   Funding/Basis  ─→  DeFi Options (Lyra/Premia/Dopex)                 │
│   (Day 73)            (Day 72, 74)                                    │
│        │                                                              │
│        ▼                                                              │
│  [Microstructure] ───────────────────────────────────────────        │
│   LOB/Kyle  ─→  A-S/GLFT  ─→  OFI/Microprice  ─→  AC Optimal Exec    │
│   (Day 75-76)   (Day 78-80)    (Day 82)            (Day 83)           │
│   DEX Math (V3 tick / x*y=k / JIT)  (Day 84-86)                       │
│        │                                                              │
│        ▼                                                              │
│  [Strategies] ─────────────────────────────────────────────────      │
│   Pairs (Day 89) | TSMOM (Day 91) | Factor (Day 92)                   │
│   Funding Arb (Day 97) | DN Pendle (Day 100) | HRP (Day 101)          │
│   Atomic Arb (Day 106) | OFA Filler (Day 108) | LVR-aware LP (Day 111)│
│        │                                                              │
│        ▼                                                              │
│  [Backtest & Risk] ────────────────────────────────────────────      │
│   Vectorbt/自建框架 (Day 93)                                         │
│   VaR/ES/Sharpe/Calmar (Day 94)                                       │
│   Look-ahead/survivorship/overfitting traps (Day 93, 95)              │
│        │                                                              │
│        ▼                                                              │
│  [Live/Production] ────────────────────────────────────────────      │
│   mm_bot v1 (paper trading on Hyperliquid)  (Day 117)                 │
│   mev_bot v1 (testnet, sepolia + holesky)   (Day 118)                 │
│   Mempool subscribe / Subgraph / Multi-relay (Day 114-115)            │
└──────────────────────────────────────────────────────────────────────┘

整条链路是自下而上闭环的：从随机过程公理 → 期权 PDE → 做市 reservation price → 实盘 mm_bot 报价。这是 Phase 2 最大的成就——不再是"概念散点"，而是"链路成栈"。

---

2. 4 个子阶段核心收获 / Sub-Phase Insights

2.1 子阶段 A：量化数学与衍生品定价（Day 61-74）

14 天最关键的 3 个洞察：

1. 风险中性测度不是数学trick，是定价的唯一自洽框架。我之前一直把 risk-neutral 当 "convenience"，直到 Day 63 自己推完 BS PDE 才明白：在 no-arbitrage 假设下，对冲组合的瞬时收益必须等于 risk-free rate，这强制了我们在 Q 测度下计算期望 —— 不是选择，是结果。
2. IV smile 是市场结构性偏好的指纹，不是噪音。Day 65 拟合 BTC/ETH IV curve 时发现：crypto 的 smile 在 ATM 附近 right-skew（看涨偏贵），与传统股票的 left-skew（崩盘保险贵）截然相反。这反映 crypto 市场结构性的 long-vol-of-vol 需求。
3. Funding rate 是隐式期权 + 利率合约的混合体。Day 73 推导 perp funding 时才彻底理解：funding ∝ basis ≈ implied risk-free + implied dividend yield，而 power perp 的 funding ∝ IV² 直接把 perp 变成了 vol 衍生品。

认知更新：之前以为"DeFi 期权（Lyra/Premia）只是把 BS 写进合约"，Day 72 深度对比后才发现：链上做市最大的瓶颈不是定价精度，而是 LP 资本效率。Lyra v2 用 AMM + delta hedge 把 LP 风险转嫁给协议，本质是把 vega 风险社会化 —— 这是 DeFi 期权 vs CEX 期权的本质架构差异。

如果只能记住一句话：

"期权定价不是预测价格，是给'对冲组合的复制成本'打标签。"

推荐回顾：Day 63（BS 推导）、Day 66（SABR Hagan）、Day 73（perp funding 数学）。

---

2.2 子阶段 B：市场微观结构与做市（Day 75-88）

14 天最关键的 3 个洞察：

1. 做市的底层方程是 inventory PDE，不是 spread 收割。A-S 模型的关键不是公式 $r = s - q\gamma\sigma^2(T-t)$ 本身，而是 reservation price 的偏移机制：库存 q 越大，报价越偏向出清方向。Day 78 实现 mm 时这个直觉让我把策略从"对称做市"重写为"库存导向做市"。
2. Microprice > Midprice 在所有有 imbalance 的市场都成立。Day 82 实测：在 Hyperliquid BTC perp 上，使用 microprice 替代 midprice 作为 fair value 锚点，1 分钟 P&L 提升 ~ 8%（小样本，但效应稳定）。
3. Uniswap V3 的 tick 数学是 LP 收益的几何核心。Day 84 推完 $\sqrt{P} = 1.0001^{tick/2}$ 之后，理解了为什么 V3 在窄区间提供巨大资本效率，但也理解了 Day 111 LVR 的根源 —— 集中流动性 = 短 gamma 的代价。

认知更新：之前以为"做市机器人是 latency 游戏"，深度学习后修正为：latency 是入场券，但不是 alpha 来源。真正决定 mm 长期 P&L 的是 库存管理 + adverse selection 防御 + skew 调整，三者可以在中频（10-100ms）完成，不需要 colo。

如果只能记住一句话：

"做市的本质是为不耐心的 taker 提供保险，溢价来自他们对即时性的支付意愿。"

推荐回顾：Day 78（A-S 推导与代码）、Day 84（V3 tick math）、Day 88（DEX vs CEX 做市对比报告）。

---

2.3 子阶段 C：统计套利与 Alpha Research（Day 89-102）

14 天最关键的 3 个洞察：

1. 协整不是相关，半衰期是 pairs trading 的真正信号。Day 89 跑 ETH/SOL pair 时发现：相关 0.85 但 ADF 不通过，强行做 mean-reversion 会被趋势锤死。半衰期 ≤ 5 天才是可交易标准，更长则是 trend dressed as MR。
2. Crypto 上 funding arb 的 alpha 衰减极快。Day 97 实测：2021-2022 年 BTC perp funding 年化套利收益 ~ 15-25%，2024 年降至 ~ 6-9%，2026 年只剩 ~ 3-5%（剔除 cost）。这是容量曲线塌陷的典型案例 —— 资本进入快于阿尔法本身衰减。
3. HRP 比 mean-variance 在 crypto 组合上鲁棒得多。Day 101 用 cvxpy 对比：MV 在样本外 60 天 max drawdown -32%，HRP 同期 -18%。原因是 crypto 协方差矩阵不稳定，MV 的逆矩阵噪声放大效应严重。

认知更新：之前以为"回测好 = 策略好"，Day 93-95 才系统理解 5 重陷阱（lookahead/survivorship/overfitting/regime/cost）在 crypto 上的具体表现。例如 survivorship bias：如果回测数据集只包含还活着的 token，2021 alt 季的 momentum 策略会显示离谱的 Sharpe。

如果只能记住一句话：

"Alpha 不是被发现的，是被反复证伪后剩下的；剩下的也会衰减，所以必须持续找新的。"

推荐回顾：Day 89（协整与半衰期）、Day 95（Alpha 研究方法论报告）、Day 101（HRP vs MV）。

---

2.4 子阶段 D：MEV 与 DEX 量化（Day 103-116）

14 天最关键的 3 个洞察：

1. PBS 不是去中心化解决方案，是 MEV 价值再分配机制。Day 105 数据：2024 年全年 MEV ≈ $925M，validator 拿走 ~88%，searcher ~9%，builder ~3%。这意味着普通 LP/Trader 实际承担的 MEV 税被结构化地转移到 validator —— 这才是为什么质押收益率会"莫名"高于 issuance。
2. LVR 揭示 V2/V3 LP 是隐式期权空头。Day 111 推导 LVR：$\text{LVR}_t = \frac{1}{2} \sigma^2 P \cdot |L|$，本质上是 short gamma 的对冲成本。USDC/ETH 0.05% pool 一年 LVR ≈ $12-14M，这部分价值被套利者拿走，LP 收的 fee 必须 > LVR 才真正赚钱。
3. OFA（订单流拍卖）是 mev-supply chain 的终极形态。Day 108 对比 UniswapX/CoW/1inch Fusion：三者都是把 user → solver 的拍卖前置到链下，让 MEV 从"被抽取"变成"被竞标返还"。这是散户首次能拿回部分 MEV 的产品创新。

认知更新：之前以为"MEV 只是搜索器的钱"，Day 103-109 后修正为：MEV 是一个 6 层价值供应链（user → wallet → router → solver → builder → validator），每一层都在抽税。理解这条链才能定位产品/策略机会。

如果只能记住一句话：

"MEV 不是 bug，是公开账本+确定性顺序的必然产物；问题不是消除它，是设计谁拿。"

推荐回顾：Day 105（PBS 数据与 builder 集中度）、Day 108（OFA 三家对比）、Day 111（LVR 推导）。

---

3. 产出作品集清单 / Deliverables Portfolio

配套真实数据集（可复现）：

• Deribit BTC/ETH option chain 90 天快照
• Hyperliquid L2 orderbook 30 天 tick 级
• Uniswap V3 ETH/USDC 0.05% pool subgraph 全量
• Flashbots bundle 1000 条样本（含 builder/relay/profit）

---

4. 能力自评（对照 Phase 2 检验标准） / Self-Assessment

总评：

• 硬性产出：6/6 全部完成（期权库 / mm bot / 3 alpha / MEV bot / 报告 / 30 题集）
• 能力验证：5/5 全部达成，平均自评 4.7/5
• 自评等级：Quant Researcher Junior+ / PM with Quant Depth
• 与 "Quant PM/Researcher" 目标的差距分析：
  1. 工程化短板：production-grade infra（低延迟、容错、监控）只触及表层 → Phase 3 工程化补
  2. 实盘资金运营经验为零（只跑 paper）→ 需求职后真实环境补
  3. ML/RL 在策略中的应用未涉及 → Phase 3 AI 系统工程会补一部分
  4. Cross-asset（FX/comm/equity）经验缺失 → 求职时承认，瞄准 crypto-native 岗位

---

5. Phase 2 关键认知突破 / Cognitive Breakthroughs

每条独立成段，是 60 天里"原有认知被颠覆 / 修正"的具体记录。

(1) 加密做市不是套 BS 模型，crypto IV smile 的非对称性使 A-S 标准参数严重失真。 我之前以为只要把 σ 替换成 crypto realized vol、把 r 替换成 funding rate，A-S 就能直接用。Day 65 拟合 IV smile 时才发现：crypto 的 smile 不仅幅度大（ATM IV 80% vs 股票 20%），形状也是结构性 right-skew。这意味着 reservation price 公式中的 σ 不是常数，需要 vol-of-vol 调整。最终我在 mm_bot v1 里用 SABR-implied vol 代替 historical vol，并加入 inventory 风险溢价系数 λ_inv，效果显著好于原版 A-S。

(2) LVR 颠覆了"被动 LP 是无风险"的认知 —— V2/V3 LP 本质是 short gamma + short vol 的隐式期权空头。 我做 PM 时跟客户解释 LP 是"赚 fee + 承担 IL 风险"。Day 111 推完 LVR 后，"IL"这个词就被永久地从我的工具箱里删除了。真正的损失是 LVR：$\text{LVR}_t = \frac{1}{2}\sigma^2 P |L|$，单位时间正比于波动率平方。这等价于 short gamma 的连续对冲成本。所以 LP 的 ex-ante 期望收益 = fee revenue − LVR，fee 必须严格大于 LVR LP 才赚钱。在高波动期，几乎所有 V3 LP 实质亏损，只是 IL 这种事后框架掩盖了 ex-ante 损失。

(3) MEV 不是个体 bug，是 6 层价值供应链的结构性税收。 原以为 MEV 是"坏人攻击好人"。Day 103-109 后理解：MEV 是公开账本 + 确定性顺序的数学必然。完整链条 user → wallet → router → solver → builder → validator，每一层都在抽税，2024 全年累计 ~$925M。问题不是消除它，而是产品设计决定谁拿。OFA 把抽税从"被动"改为"竞标返还给用户"，这是过去 3 年最重要的产品创新，比任何 L2 都更接近"真正改变用户体验"。

(4) Crypto alpha 的容量曲线塌陷比传统快得多 —— 永远要假设 alpha 在 12 个月内衰减 50%。 funding arb 从 2021 的 ~22% APY 衰减到 2026 的 ~4%，5 年时间。pairs trading on top 10 alts 从 2022 的 Sharpe 2.5 衰减到现在的 1.0。这意味着 quant pipeline 必须持续生产新策略，单一策略的 LTV 极短。这跟传统 quant fund 的 alpha 30 年保鲜（如 Renaissance 的某些信号）形成鲜明对比。Phase 2 让我把 alpha 研究从"找一个圣杯"调整为"建一个工厂"。

(5) 做市的真正护城河不是 latency，是 inventory 管理。 之前所有 mm 介绍都强调速度。Day 78-82 后我修正了：在 < 100ms 频段内，inventory skew 的好坏决定 P&L，latency 只决定能否参与。Wintermute / Jump 在 crypto 上长期赚钱不是因为他们快（很多比他们快），而是因为他们的 risk system 能在 5 秒内完成跨所对冲。Phase 3 的 AI 系统工程方向，第一个我想做的项目就是把 inventory hedging 抽象成 agent。

(6) zkML / opML 在量化中的实用性远低于 narrative。 本来打算 Phase 2 末做 zkML 量化集成，研究后果断放弃。Day 105 数据：zkML 推理 1 次的 gas + delay = ~30s + $20+，而 quant 信号需要的频率是 < 100ms。zkML 在 quant 上短期没有 fit，真正合适的是治理 / 风控 / 合规验证场景（低频、对正确性敏感）。这个发现让我节省了 ~ 2 周时间。

(7) Curve Wars 的 bribery leverage ~4× 在 2026 仍然成立，但博弈均衡正在迁移到 vlCVX 之上的下一层。 Day 112 实测 bribery efficiency：每 $1 bribe → ~$4 emission redirected。这本身惊人，但更惊人的是这个 leverage 在过去 3 年保持稳定。说明 ve 模型不是过时（Layer Zero 的 ve-LZ、Frax veFXS 的 v3 都还在用），但博弈现在发生在 meta-governance 层（CVX → CRV → 协议）。理解这一层是 Phase 3 治理 agent 设计的入口。

(8) "数学不躲避"的实操含义不是变成数学家，是建立"看得懂 paper、能拒绝 hype"的最低门槛。 60 天前我以为要做量化必须能独立写论文。现在我清楚：实战量化的数学要求是"看得懂 + 能改参数 + 知道什么时候该问数学家"，而不是从头发明。Day 66 SABR 我用了 Hagan 近似公式，没去推 PDE 的 Heston 解析；Day 83 AC 我直接用 closed-form，没推 Hamilton-Jacobi-Bellman。这种"够用即止"是 Phase 2 最重要的方法论纪律。

---

6. 求职策略调整 / Career Strategy Update

6.1 Phase 1 + 2 合计的可瞄准岗位升级

Phase 1 之后我的目标岗位：

• Web3 PM (DeFi/RWA/机构产品)
• 金融科技/支付架构师 (Stripe / 蚂蚁 / 富途级别)
• DeFi 协议产品负责人

Phase 2 之后新增可瞄准：

• Quant PM at crypto-native fund（Galaxy/Jump Crypto/Wintermute/GSR）—— 用 PM 经验 + 量化深度 bridge research 与产品
• Quant Researcher Junior（DRW/Alameda 类机构的 crypto desk）—— 入门级，承认数学短板
• MEV / OFA 产品 PM（Flashbots/CoW Swap/UniswapX）—— 量化深度 + Web3 PM 背景的稀缺组合
• 机构 perp 做市 PM（Hyperliquid/Drift/Aevo 类）—— 这是最稀缺的 niche，机构级流动性产品需要既懂做市又懂产品
• Crypto Hedge Fund Strategy PM（一些 family office 加密资管臂）

最稀缺定位（差异化最强）：

"懂机构金融基础设施 + 懂量化模型 + 懂 Web3 产品" 的三栖型 PM。 估算市场上同时具备这三项的候选人：< 200 人全球。

6.2 简历素材组织调整

新增"Quantitative Research"独立章节：

QUANTITATIVE RESEARCH (2026.07–2026.08, self-driven 60-day intensive)
• Built options pricing library (BS/Greeks/SABR/MC, 1800 LoC), 
  reproducing Deribit IV surface within 2.5% RMSE
• Designed market-making bot (Avellaneda-Stoikov + inventory skew, 
  paper-trading on Hyperliquid: 7-day Sharpe 1.8 small-sample)
• Researched & implemented 3 alpha strategies (pairs/TSMOM/funding arb), 
  full backtest framework with VaR/Sortino/Calmar
• MEV searcher prototype (atomic arb + bundle submission), 
  Sepolia + Holesky testnet
• Authored 20+page whitepaper "Crypto Quant Research Methodology"
• Quantified LVR for V3 LP (~$12-14M/year on ETH/USDC 0.05%), 
  redesigning LP product economics

"Selected Notes & Code" 链接：

• GitHub repo (options_lib, mm_bot, mev_bot, dex_strategies, alpha_strategies)
• 60 篇 EXPERT-DAY notes 索引页
• Crypto Quant Research Methodology 白皮书 PDF

6.3 与 Phase 1 的协同

最强组合：机构 perp 做市 PM（Hyperliquid 机构线、Aevo 机构线、Bybit / OKX 衍生品对接 DeFi 的产品岗）。这个 niche 同时需要 Phase 1 的合规 / 机构对接 + Phase 2 的做市 / perp / inventory 经验，几乎没有竞争对手。

6.4 实战面试节奏建议

• 第 1 周（Day 121-127）：完成 30 题面试集自测，找出 < 4/5 的题目重做。投递 5-10 个 quant PM 岗位试水。
• 第 2-3 周：Phase 3 进行中并行做 2-3 场模拟面试（pramp / interviewing.io），重点练系统设计 + 量化口述。
• 第 4-6 周：根据面试反馈调整简历，重投目标公司。建立 Twitter/Farcaster 上的 quant content（每周 1 篇基于 Phase 2 笔记的精炼帖），增加被动曝光。
• 不要急于全职：Phase 3 AI 系统工程对量化的杠杆极大，可考虑 contract / part-time research 形式同时完成 Phase 3。

---

7. Phase 3 启动准备 / Phase 3 Kickoff

Phase 3：AI 系统工程（Day 121-180，60 天）。

7.1 与 Phase 2 的连接点

核心 thesis：Phase 2 的策略每个都可以 agent 化，Phase 3 第一周就用 mm_bot 做 multi-agent 重构作为练手。

7.2 Phase 3 前置准备清单

环境与工具（Day 120 当晚或 121 早上完成）：

• Anthropic API key (Claude Opus 4.7 1M context) 配置 + billing 上限设置
• LangGraph 0.2+ 安装 + hello world (state machine 基础)
• MCP (Model Context Protocol) server 本地运行 + Inspector
• Pinecone / Weaviate / Chroma 选一个作为 vector store
• LiteLLM 安装（多模型路由 abstraction）
• Modal / Daytona / E2B 选一个作为 agent sandbox
• 复习 Phase 2 的 mm_bot 代码，准备做 multi-agent 重构

知识储备（可在 Phase 3 启动前 3-5 天读完）：

• Anthropic "Building Effective Agents" (Schluntz & Zhang) 全文
• LangGraph docs 的 5 个核心 example
• MCP spec 0.5 完整一遍
• Vitalik 关于 AI + crypto 的最新 3 篇博客（Day 70 笔记里有索引）

数据/账户：

• OpenRouter / Together / Groq 等多家备用
• GitHub Codespaces or local Cursor for agent dev
• Discord channels follow：LangChain / Anthropic dev / MCP community

7.3 心态调整

核心切换：Phase 2 是"思考的事 vs 做的事 = 60/40"，Phase 3 必须切换到 "思考 vs 做 = 30/70"。AI 系统的进步靠迭代次数，不靠想清楚再写。

7.4 第一周（Day 121-127）的具体准备建议

第一周是建立工具熟练度，不要追求复杂应用。

---

8. 给 6 个月后的自己的一封信 / Letter to Future Self

写于 2026-08-29，未来收信日预计 2027-02-28（Phase 4 收官前后）。

亲爱的 6 个月后的 xc：

如果你看到这封信，应该是 Phase 4 接近尾声的某个晚上。先恭喜你 —— 不管 Phase 4 的成果如何，你已经走完了 240 天的连续深度学习，这本身就是绝大多数从业者一辈子做不到的事。

我想跟你聊聊 Phase 2。

这 60 天最难的一天是 Day 63。BS PDE 推导卡了我整整 5 小时，因为我不愿意接受"风险中性测度"这个概念 —— 它太反直觉了，凭什么把真实概率换成 risk-neutral 概率就能定价？后来是用复制组合 + 自融资条件硬推了一遍，才理解这不是数学游戏，是"对冲组合的可复制性"对应的唯一概率。那一刻的清醒，我现在还记得：晚上 11 点，咖啡是冷的，但脑子里像突然有人开了灯。

这 60 天最爽的一天是 Day 111。LVR 推导只花了 1.5 小时，但当我第一次看着自己计算出的 V3 ETH/USDC 0.05% pool 年化 LVR ~$13M 时，我突然懂了为什么 Hayden Adams 说"V3 LP 是个错误的产品"。那一刻，我从"会用 Uniswap 的 PM"变成了"理解 Uniswap LP 经济学的 PM"。这种清醒比赚钱还爽。

对你（Phase 4 末的我）的具体期待：

1. 如果 Phase 3 让你迷上了 agent，警惕：不要把所有量化策略都强行 agent 化，保留一部分"简单到不需要 AI"的 baseline。Phase 2 的 mm_bot v1 不应该被 v3 完全取代。
2. 如果你已经拿到 offer，记住：Phase 1+2+3+4 是为了"成为更值钱的人"，不是为了"找到第一份工作"。第一份 offer 不是终点。
3. 如果 Phase 4 不顺，回看 Phase 2 的 Day 63 和 Day 111。那是你证明过自己能啃硬骨头的日子。

一个具体的"如果你看到这封信，请回看"提醒：

请回看 Phase 2 的 Day 88（DEX vs CEX 做市对比报告）和 Day 109（MEV 价值流向图）。这两份报告是你 Phase 2 最高密度的产品思考，无论你 6 个月后在哪个公司、做哪个产品，里面的框架都还能用。如果你忘了什么是"做市护城河 = inventory + adverse selection 防御"，回看 Day 88；如果你忘了 MEV 的 6 层价值供应链，回看 Day 109。

最后一句：你在 Phase 2 学会的最重要的东西，不是 BS、不是 LVR、不是 OFA，是"60 天连续高强度学习的耐受力"。这个耐受力是 Phase 3、Phase 4、以及未来 10 年职业生涯的真正资产。请保持。

—— 2026-08-29 的 xc

---

9. 致谢与反思 / Gratitude & Reflection

9.1 60 天最反直觉的 1 件事

LP 不是被动收益者，是隐式期权空头。这个认知颠覆了我之前 3 年所有跟客户/同事讲 DeFi 的方式。我曾经卖给客户的 V3 LP "高 fee" 产品，从 LVR 视角看其实是结构性亏损产品，只是 fee 数字看着大、LVR 数字隐藏在 ex-ante 期望里没人算。这件事让我对自己的 PM 经验产生了健康的怀疑：有多少我以为我懂的产品，其实只是数据漂亮？

9.2 浪费时间最多的事 / Top 3 Time Sinks

1. Day 66 SABR 钻牛角尖：花了 8 小时去推 Hagan 公式的边界条件，最终发现实战中只需要校准函数会用就够。教训：数学深度要服务于决策深度，不要为了完美而推。
2. Day 93 回测框架完美主义：花了整整一天想搭一个"超过 vectorbt"的框架，最后发现 vectorbt 自己用就够了，多花的时间没产生 alpha。教训：build vs buy，量化研究阶段永远 buy 优先。
3. Day 113-114 vault 协议对比 + subgraph 学习的资源选择困难：在 Yearn / Sommelier / Enzyme / Idle / Morpho 之间反复切换，每个都看了一点。教训：选 2 个深入比选 5 个浅尝有用得多。

9.3 改进 Phase 3 学习方法的 3 个具体动作

1. 每天开始前先写"今日 success criteria"（具体到产出形态）。Phase 2 后期我尝试了，效率明显提升。Phase 3 必须每天做。
2. 代码工程化纪律：从 Day 121 开始，所有代码都用 git 子目录 + README.md + 至少一个 unit test。Phase 2 的代码很多是 notebook 散落，Phase 3 必须 production-shape。
3. 每周五晚 30 分钟"反学习"复盘：不是总结学了什么，是检查"哪些时间是浪费的"。Phase 2 我没系统做这件事，导致 9.2 里的 3 个时间黑洞我都是事后才发现。

---

10. 收尾 / Closing

Phase 2 结束了。

我从一个"看得懂别人做市策略 paper"的人，变成了一个"自己写过做市机器人、推过 BS PDE、量化过 LVR、解析过 MEV mempool"的人。这中间发生了什么？60 天 × 6 小时的连续输入 + 每天必须有产出的纪律。没有别的 trick。

Phase 3 是 AI 系统工程，从 2026-08-30 开始。明天 Day 121。

不慌不忙，按计划走。

——xc，于 2026-08-29 深夜

---

[本日附件：30 道资深量化面试题集 → EXPERT-DAY120-INTERVIEW.md]