在投入资本之前请完整阅读本文

本声明提供有关 Algotoria Limited 所管理的系统化投资策略 —— 即 Algotoria Diversified、Algotoria Stable 与自定义抵押品(Custom-Collateral)配置,以及在公司验证协议下部署的任何后继策略世代 —— 相关风险的关键信息。

1.一般投资风险

投资数字资产与期货带有高度风险,可能并不适合所有投资者。

• 全损的可能:存在损失全部配置资产的重大可能。
• 审慎配置:建议投资者配置于这些高风险策略的资金不超过其总储蓄的 10%。
• 不作保证:过往业绩,无论基于实际交易还是历史回测,均不预示未来结果。
• 无补偿或存款保护计划:客户资产并非银行存款,不受英属维尔京群岛或其他任何地区的任何存款保障、投资者补偿或保险计划的保障。
• 费用降低回报:除非另有说明,公司公布的业绩数字均为费前(毛)口径;季度业绩费会降低投资者实际获得的回报。
• 投资期限:这些策略设计为以最短一年的期限进行评估;第 4 节中的概率估计以三年期陈述。较短的持有期会显著增加在回撤之中退出的可能。

2.数字资产与市场波动

这些策略主要涉及「虚拟资产」与永续合约,二者均受极端价格波动的影响。

• 市场风险:虚拟资产突然而剧烈的价格波动可能在短期内造成重大损失,包括跳空穿越保护性止损价位。
• 流动性风险:在极端市场压力期,某些工具可能变得难以估值或交易,从而可能妨碍执行,并使滑点扩大至超出模型预估的水平。
• 7×24 小时市场运作:数字资产市场连续运作。账户价值的快速变化可能在任何时候发生,包括周末与节假日。
• 永续合约机制:永续合约带有工具特有的风险:周期性的资金费用(可能是一项持续成本)、期货与现货价格之间的背离、交易所对保证金不足头寸的强制平仓,以及可在极端事件期间不经通知即平掉盈利头寸的自动减仓(ADL)协议。
• 不利市场状态:这些策略最艰难的环境是长时间、宽幅、横盘(「震荡」)的价格行情,趋势跟踪系统会在其中反复遭受拉锯式损失。持续的震荡状态曾造成、且理应预期会造成长达数月的回撤。

3.杠杆与风险预算

Algotoria 运用杠杆来实施其策略,这会放大潜在收益与损失。每个账户都配置到以风险预算表示的风险档位(此前称为账户的「目标风险」或「风险设定」):Algotoria Stable 为 10%、20% 或 30%,Algotoria Diversified 为 15%、25% 或 35%。

• 杠杆限额:视所选风险档位而定,最大杠杆可达账户价值的 300%(×3.0);满档位下典型的平均毛敞口为 0.8–1.0×,并随现行波动率自动反向缩放。
• 预算是什么:风险预算是所选配置经工程设计力求不予超出的账户毛值最大峰谷跌幅,并对照账户自身的历史峰值持续衡量。它是一个由下述各项控制措施加以防御的工程包络 —— 并非对典型损失的预测,也非合同保证。
• 如何防御 —— 自动层:持续且自动的降险作用于单笔交易层面:仓位规模随波动率上升而缩减,且每笔交易均附带止损。这些仓位规模与止损规则可将组合当前的波动率及其相对于预算的回撤纳入考量。它们持续运行,无需人工介入。
• 预算如何被监控 —— 以及在这些水平上不会发生什么:一套独立的监控系统持续测量相对于预算的回撤,并在预算的 60%、80% 与 100% 处实时向运营中心与交易团队告警。公司的交易软件中并未实现任何由回撤触发的敞口削减,默认亦不施加任何此类操作。在预算的三分之二处,投资委员会将审议该账户,并逐案决定是否降低风险;在既定预算下继续交易是该审议的正当结果。在满额预算处,客户将收到通知并自行选择:继续、下调风险预算,或停止交易 —— 公司不代客户作此选择。Algotoria 的研究已多次检验由回撤或市场状态触发的降险措施,未发现其改善收益风险比,原因是回升往往在回撤最差点之后立即开始。如客户需要在指定水平设置自动硬性止损,应于入职时提出,以便为其账户配置并留存记录。
• 预算不是什么:由于标准框架中没有任何机制会随回撤加深自动削减敞口,预算可能被直接超出 —— 参见第 4 节的概率。极端价格跳空、交易所或稳定币故障,或交易模型之外的其他事件,可能将回撤推至远超预算。理论上的最大损失仍为配置资本的 100%。
• 酌情降险:Algotoria 投资委员会可因应市场条件酌情将策略的运行风险降至所选预算以下,并可在其后予以恢复。客户账户随此类变更同步缩放。在降险期间,已实现回报理应预期会按比例低于公布的目标以及历史业绩记录。
• 毛口径与净口径:预算及公司所有风险限额均在费前的交易账户毛曲线上强制执行。从交易账户结算业绩费会使已实现的净回撤略微加深;而从外部为费用注资则可使二者保持一致。

4.回撤预期与突破概率

已实现经验。Algotoria Stable 在满额预算下的典型年度毛回撤一般观察到在 20–25% 区间。自 2024 年 1 月 1 日正式业绩起始以来,Stable 参考账户最深的毛回撤为 −23.6%(2026 年上半年)—— 处于其 30% 预算之内;2025 年一次相仿的 −23.5% 回撤耗时约五个月恢复;最差的单一日历月为 −14.4%(2025 年 12 月)。Algotoria Diversified 参考账户 —— 其另外承担受管理的比特币抵押品敞口 —— 在同一 2026 年上半年状态下录得 −27.4% 的最深毛回撤,截至 2026 年 6 月 30 日仍在持续,约为 −27%,处于其 35% 预算之内。客户应在财务与心理上为这种量级与持续时间的回撤做好准备,将其视为策略运行的正常组成部分。

超出特定回撤深度的概率。为使预算具体化,公司估计:处于各产品满额风险预算(30% Stable · 35% Diversified)下的账户,在三年投资期限内至少一次经历超过特定深度的毛回撤的概率:

三年期内模拟的最差回撤中位数约为 −24%(Stable)与 −29%(Diversified);每十条模拟路径中有一条分别达到 −35% / −41% 或更深。在一年期限内,超出全额预算的估计概率约为 5%(Stable)与 6%(Diversified)。处于较低风险预算的账户,其回撤按比例更浅 —— 10% 预算在敞口与回撤深度上均为 30% 预算的三分之一。然而,它们用尽满额预算的概率略高而非更低,原因是百分比损失以次线性方式复合:较小账本的回撤会占用较小预算中略大的一部分。

方法与局限。估计来自对各策略自起始以来的实盘每日毛回报进行的平稳分块自助法蒙特卡洛模拟(50,000 条三年路径),并归一化至账户当前的风险配置,截至 2026 年 6 月 30 日。该模拟未对任何由回撤触发的降险进行建模,因为并不施加此类操作(第 3 节)。因此上述数字是未经缓释的分布,也正是应据以规划的数字。对于 Algotoria Diversified,该估计亦未对 2026 年引入的抵押品叠加规则进行建模 —— 这是一条在持续下行趋势中移除策略比特币抵押品敞口的系统化慢趋势规则 —— 预计相对于数据所反映的历史配置,它会减少由抵押品驱动的回撤。这些数字是统计估计,而非限额或承诺:它们假设未来市场行为在统计上与有限的(2.5 年)实盘历史相似,以每日收盘值衡量(日内回撤会略深一些),并且不包括交易所对手方、稳定币与运营尾部事件(第 5–6 节),而这些是额外的损失来源。当业绩记录或风险配置发生重大变化时,这些估计会被重新计算。

5.运营与技术风险

资产管理依赖于自研技术与第三方基础设施。

• API 与软件故障:用于交易执行的应用程序接口(API)在开发故障、缺陷或技术错误方面存在固有风险。
• 网络安全:虚拟资产与虚拟资产服务提供商(VASP)是欺诈、市场操纵与网络安全入侵的常见目标。尽管公司拥有符合 ISO 27001 的控制措施与仅限交易的 API 权限,交易所凭证或交易基础设施遭到入侵仍可能导致损失。
• 基础设施可靠性:电子通信可能因互联网不稳定或硬件故障而延迟、被拦截或失效。信号生成与执行依赖于数据中心、市场数据与连通性提供商。
• 关键人员:这些策略依赖一支精干的资深团队进行研究、风险监督与运营。关键人员的流失可能对该程序的管理与发展造成不利影响。
• 容量:策略容量是有限的。管理资产规模的增长可能加大执行滑点;公司监控容量与流动性限额(第 8 节),但容量风险无法被消除。

6.第三方对手方风险

客户资产存放于第三方 VASP(例如 Binance、OKX、Bybit)的分离管理账户(SMA)中。

• VASP 破产:存放于交易所的资产面临该交易所破产、作为或不作为的风险。Algotoria 不对因任何第三方交易所的破产、作为或不作为而产生的损失负责。
• 监管干预:主管机关针对某 VASP 的行动可能使 Algotoria 无法履行其管理义务,或使客户无法访问资产。
• 稳定币脱锚与发行人风险:Algotoria 所管理的策略可能将组合资产的最多 100% 持有于稳定币 —— 具体为 USDT 或 USDC —— 作为主要抵押品或流动性。这些工具受「脱锚」风险影响,即稳定币可能失去其与底层法币的 1:1 价值平价。这种脱锚可能因发行人破产、底层储备损失、监管干预或该币智能合约的技术故障而发生。在发行人违约或流通受限的情况下,这些资产的市场价值可能崩溃,导致持有于这些工具中的资本完全损失,无论底层交易算法表现如何。

7.系统化、模型与机器学习风险

这些策略是 100% 系统化且自动化的。

• 模型局限:策略参数基于历史数据。未来的市场状态可能与过去显著不同,从而使模型的有效性下降,或在较长时期内无法盈利。
• 回测与模拟的局限:回测与模拟结果具有固有局限:它们是借助事后视角构建的,受参数选择与优化偏差影响,并且不能完全反映实盘执行、流动性与运营摩擦的影响。实盘结果通常不同于 —— 且可能显著劣于 —— 模拟结果。公司公布的概率估计(第 4 节)承继了这些局限。
• 算法故障:自动化系统可能因执行信号故障、软件缺陷,或子策略之间不可预见的相互作用而未按预期运行。
• 机器学习策略风险:Algotoria 研究并可能部署作为后继策略世代的机器学习(神经网络)信号引擎,前提是通过样本外前推验证、预先登记的前瞻窗口闸门、与在役生产策略并行的影子运行以及投资委员会批准。机器学习模型带有特定的附加风险:其决策逻辑相较确定性规则更难解释;在与其训练历史不同的市场条件下可能表现异常;并且周期性的再训练会随时间改变模型行为(模型刷新风险)。
• 策略演进与过渡风险:生产组合的构成每季度修订一次,公司可能以经验证的后继者替换或混合生产策略世代。过渡可能暂时改变客户账户的回报与相关性特征。风险预算框架、监控与降险控制(第 3 节)在各策略世代之间保持不变地适用。

8.流动性与赎回风险

• 组合流动性:组合以算法加以约束,使其可在 24 小时内全部平仓,而对底层工具最多消耗其 30 日平均日成交量的 33%。在极端市场压力下,平仓仍可能耗时更长或产生显著更高的成本。
• 赎回:不设锁定期;赎回按 5 天通知标准运作。非常规的市场或交易所状况(交易暂停、某 VASP 的提现暂停)可能使资产返还延迟,即便已满足通知标准。

9.监管与法律风险

• 司法管辖限制:「受限地区」(Restricted States)的居民或实体禁止参与(参见公司以引用方式并入的《禁止司法管辖区》登记册)。
• 专业投资者要求:这些服务严格仅面向英属维尔京群岛法律及客户当地司法管辖区所定义的「专业投资者」。
• 有限的监管保护:Algotoria Limited 是根据《投资业务(核准经理人)条例》获批的英属维尔京群岛核准投资经理人。该制度不提供与零售基金监管相关的投资者保护;客户无权诉诸法定申诉专员或补偿计划。
• 监管变化:数字资产、稳定币与衍生品的监管处理正在迅速演变(例如欧盟的 MiCA 及其他地区的等效制度)。未来的监管变化可能限制公司运营这些策略的能力、客户参与的能力,或特定工具或交易场所的可用性。
• 税务责任:客户对因交易活动产生的所有税务义务与申报要求负全部责任。

10.利益冲突

• 业绩费激励:公司仅通过季度业绩费获得报酬,这可能激励其承担风险。此点通过滚动高水位线(在此前的损失被收回之前不收取费用)、风险预算框架,以及投资委员会对所有风险档位决策的监督而得到缓解。
• 多个账户:公司通过自动化的按比例执行以同等条件(pari passu)管理多个 SMA;各账户之间在时机与规模上残余的差异仍可能出现。
• 政策:公司维持董事会批准的利益冲突政策与个人交易政策,可应客户要求提供。