N1 · Crypto Research & Investment
从自己取数到自己定价，最后交出一份别人能复核的赛道研究。这条 Track 教方法，不给买卖建议。
这条 Track 的对象是想以研究或投资为职业的人。
先说清楚它不做什么：它不告诉你买什么，也不会出现任何形式的仓位建议。 这条 Track 教的是怎样自己得出一个判断、怎样知道这个判断有多不可靠、以及怎样把它写成别人可以复核的东西。买不买、买多少，是你自己的决定，也是你自己的后果。
这条 Track 适合谁
不看岗位名称，看你现在卡在哪里。下面四种状态里只要中了一种，这条 Track 就是为你写的。
你读得懂研报，写不出研报。 别人的分析你看着都有道理，轮到自己动手，第一段就卡住——不知道从哪个数字开始，也不知道写到什么程度算完。
你在写研究，但每一条都是转述。 你的报告结构完整、引用齐全，可是里面没有一个数字是你自己取的。别人问一句「这个数你在哪看的」，你只能回到另一篇文章。
你在做决策，但说不清判断和运气的边界。 赚了讲不出为什么，亏了只能归给市场。这意味着你既学不到东西，也无法改进方法——因为从来没有一个可以被证伪的判断被写下来过。
你想进研究或投资岗位，手上没有可检验的东西。 简历写着「关注 DeFi 三年」，但拿不出一件别人能打开、能复现、能反驳的作品。
有一种情况这条 Track 帮不上忙：如果你想要的是一个「现在该买什么」的答案，这里没有。
前置
进这条 Track 之前，Part A 有九章必须读完，而且其中两章的 Lab 必须真的做过。
| 必读章节 | 它在这条 Track 里承担什么 | 缺了它会怎样 |
|---|---|---|
| 第 15 章 · 流动性 | 区分「账面市值」和「能拿回来的钱」 | 估值模型算出来的数字没有兑现路径 |
| 第 17 章 · 收益从哪里来 | 看到收益先问谁在付钱 | 把补贴当成商业模式 |
| 第 19 章 · 一个 Token 值多少钱 | 供应、解锁、稀释的算法 | 引用估值口径时自己都说不清是哪一个 |
| 第 20 章 · Tokenomics | 价值捕获那根连线在不在 | 给一个捕获不到价值的代币建模 |
| 第 21 章 · 周期 | 流动性、杠杆、叙事的反馈结构 | 把周期位置误读成项目质量 |
| 第 23 章 · 链上数据 | 口径六问与交叉验证 | 所有数字都是转述来的 |
| 第 24 章 · 归零与攻击 | 十类风险与「未评估」 | 风险清单变成通用免责声明 |
| 第 25 章 · 30 分钟读懂一个项目 | 十三格与来源等级 | 横向比较时格式不统一，没法比 |
| 第 26 章 · Protocol 靠什么赚钱 | 损益表五行与实际抽成率 | 把规模指标当成盈利指标 |
为什么是这九章而不是别的。 一份研究报告的每一段，都落在这九章之一上：数据段落靠第 23 章，估值段落靠第 19、20 章，商业模式段落靠第 17、26 章，风险段落靠第 24 章，横向比较靠第 25 章，宏观段落靠第 15、21 章。少读一章，报告里就会多一段没有地基的话。
另外强烈建议先读第 31 章 · AI 如何改变 Crypto Research。它给的证据等级和结论卡格式，是这条 Track 全程都在用的记账方式。
两个 Lab 必须真的做过：第 23 章的「做出你自己的第一张链上数据图」和第 25 章的「30 分钟填十三格」。没做过就往下走，后面每一步都会变成纸上谈兵。
你会学什么
九个主题，分成六组。顺序是有意的：先看水位，再看船，最后才谈价格。
- 宏观与流动性
- 基本面与链上
- 估值
- 赛道
- 组合与风控
- 研究写作
| 分组 | 包含的主题 | 这一组要解决的问题 | 从哪一章接上 |
|---|---|---|---|
| 宏观与流动性 | Macro、Liquidity | 现在是什么环境，钱从哪进来、往哪去 | 第 13、15、21 章 |
| 基本面与链上 | Fundamental Research、Onchain Research | 这个协议实际在发生什么，我怎么自己验证 | 第 23、26 章 |
| 估值 | Token Valuation | 在什么假设下它值多少，哪个假设最脆弱 | 第 19、20 章 |
| 赛道 | Sector Research | 同一类里的几个，凭什么是这一个 | 第 25 章 |
| 组合与风控 | Portfolio、Risk Management | 判断对了，怎样不因为别的原因出局 | 第 18、24 章 |
| 研究写作 | Research Writing | 怎样让别人能复核、能反驳、能用 | 第 31 章 |
这六组里最难的三件事
估值这一组的重点不是算出一个数。 Core 教了怎么把供应量放进价格里，这条 Track 要往前走一步：把一个协议的现金流、抽成率、供应变化和折现假设摆成一张可以改参数的表，然后做三件事——列出三种情景、找出最敏感的那个参数、写清楚在什么条件下这个模型整个失效。一个只能输出单一数字的模型没有用，一个能告诉你「哪个假设错了会最贵」的模型才有用。
组合与风控这一组，重点是把风险从「资产层」抬到「组合层」。 第 24 章教的是单个协议的十类风险，这一组要问的是另一类问题：我持有的这几项，会不会在同一个事件里同时出问题；我的判断出错时，损失有没有上限；我的退出路径在市场最差的时候还剩多少（第 15 章的深度问题，在这里变成一个你自己的问题）。
研究写作这一组，是这条 Track 里最被低估的一组。 第 31 章给过一条硬规则：只有模型说过、你没核对的结论不能进入结论段。这条 Track 把它扩展成一整套交付规范——每条结论一张结论卡、每个数字一个口径、每一节末尾一段「我不确定什么」。这一组做好了，你的报告会变短，而且第一次变得可以被别人使用。
不是把一个赛道里的项目逐个介绍一遍，而是先定义这个赛道的边界与成败条件，再用同一套口径把里面的项目放进同一张表。
它和单项目研究的区别在于：单项目研究问「它好不好」，赛道研究问「在这个结构里，什么样的项目会活下来」。前者的结论随情绪波动，后者的结论只在结构变化时才需要改。
边界怎么定是这类研究最花时间的一步。把哪些项目排除在外、以及为什么排除，必须写进报告——排除标准本身就是你对这个赛道的理解。
给每一条结论标注它的可信度来源，第 31 章给了四档：已验证、二手一致、模型输出、推断。
在这条 Track 里它是交付规范的一部分，不是可选的讲究。原因很实际：一份不标等级的报告，价值等于其中最弱的那一条，而读的人没有办法知道最弱的是哪一条。
标注的副作用是报告会变短。这是它在起作用的标志。
毕业作品
一份可以直接投给基金的赛道研究报告，含估值模型与风险清单。
「可以直接投」这四个字是硬标准，它的含义是：一个每天读研究的人拿到它，不需要问你任何问题就能判断该信多少。
和毕业项目的区别要说清楚。 毕业项目 Crypto Research OS 是对一个项目的纵向研究，它是 Core 的收尾，证明你把 36 章串起来了。这条 Track 的作品是对一个赛道的横向研究，它是职业方向的证明，多出三样东西：统一口径下的横向比较、一个可以改参数的估值模型、以及一份写给会反驳你的读者的结论。
验收标准五条，每一条都可判断：
赛道边界有定义，排除清单公开。
写清楚这个赛道包含什么、不包含什么，并且列出你考察过但排除掉的项目及排除理由。只有入选名单没有排除名单的报告，读者无法判断你的样本是怎么来的。
每一个数字带口径、取数时间和来源；链上部分附可复现的查询。
第 23 章那六问的答案要写进附录。别人拿着你的查询原样跑一遍，应该得到同一个数量级。做不到复现的数字，从报告里删掉，或者降级成「据某来源」。
估值模型是一张可改参数的表，含三种情景与一项敏感度结论。
至少给出悲观、基准、乐观三组假设，并明确指出哪一个参数的变化对结果影响最大。另外单独写一句：在什么条件下这个模型整个不适用。
风险清单按十类逐条写，未评估的明确标注。
用分析工具箱里的统一风险模型。十项一项不能少，评估不了的写「未评估」并说明为什么评估不了。十项全部写满而且全部看起来可控的清单，通常说明写的人没有认真评估。
每条结论标证据等级，结论段里不出现未核对的内容。
报告末尾附一段自检：如果把所有未核对的内容删掉，这份报告还剩什么。剩得太少，说明你做的是编辑工作，不是研究工作。
另外有一条格式要求：报告里不出现任何形式的操作建议。你的产出是一个结构化的判断和它的依据，不是一个动作。
怎样判断自己达标了
每一条先自己回答，再展开对照。
达标的表现是：你能说出具体到章节、页面或合约地址的位置，能说出取数时间，并且能当场把查询再跑一遍。
不达标的三种典型表现：只能回到另一篇二手文章；记得结论但找不到出处；给得出链接，但链接打开之后并没有这句话。
这一条是整条 Track 的地基。 第 31 章那个思想实验里，乙的报告有一多半结论是对的，但他自己不知道是哪一半——做不到定位的研究，正确率再高也无法被使用。
达标的表现是：你能立刻说出那个参数是什么，能说出它变化之后结论往哪个方向走，并且知道在什么区间内你的结论会翻转。
不达标的表现是：模型给出一个数，但你说不出这个数对哪个输入最敏感。这种模型的问题不在于精度不够，而在于它给了一个它无权给的确定感。
一个好用的自检：把模型里每个参数轮流改动百分之十，看结论排序变不变。如果任何一个参数的小幅变动都能改变排序，那你的结论其实是在报告参数选择，不是在报告研究。
达标的表现是：这类标注集中出现在钱和权限相关的地方，而且每一处都说明了是「待查」「未披露」还是「说不清」——第 25 章分过这三种。
零处标注几乎一定意味着有内容是用推测补上的。这是第 25 章那份「格子全满的研报」的成因：它没有造假，它只是没有区分事实和推断，而这个区分一旦缺失，读者就失去了打折扣的能力。
一个经验值：一份认真做的赛道报告，标注「未评估」或「查不到」的地方通常不少，而且它们的分布本身就是一条结论。
达标的表现是：你能指出具体的一步——可能是某个数据口径、某个假设、某个你没覆盖到的链、或者某个你无法验证的链下信息。而且你知道这一步错了会波及哪几节。
这就是结论卡里「如果它错了」那一行的用途。有些结论错了无关紧要，有些错了整份报告作废，它们不该被同等对待。
答不上来通常说明一件事：你还没有把自己的推理链拆开看过。一个说不出自己最可能错在哪里的研究者，也说不出自己为什么对。
没有标准答案，检查这几件事：
- 你有没有在报告里主动写出最强的反方论证，而不是只写自己的论证？
- 反方最可能攻击的那个假设，你标了证据等级吗？它是哪一级？
- 你的赛道边界定义，会不会被质疑成「为了让结论成立而选的样本」？排除理由写清楚了吗？
- 风险清单里，有没有一条是如果发生，你的核心结论就不成立的？这一条你标出来了吗？
- 你的模型假设里，有几条是从行业共识里拿来的、而你自己没有验证过的？
一个很实用的做法：找一个和你结论相反的人，只请他做一件事——指出他会从哪一段开始不同意。他指的那一段，通常就是你证据等级最弱的那一段。
常见误区
误区一：把研究做成结论收集。
具体表现是读十份研报，取交集写成自己的报告。它错在两处：交集不等于事实，只等于共识；而共识出错的时候，所有人一起错，你完全没有独立的判断来源。
正确的做法是把二手材料限定在两个用途上：帮你列出要查什么，以及在你自己取完数之后做交叉验证。 第 23 章说得很清楚：交叉验证的价值不在于确认数字一样，而在于当它们不一样时去解释为什么。
误区二：以为估值模型的价值在精度。
于是把折现率算到小数点后三位，把未来五年的现金流逐季度拆开。而模型的输入全是假设，精度再高也只是把假设算得更细。
正确的做法是反过来：把模型做简单，把假设做透明，把力气花在敏感度上。 一个只有五个参数、但每个参数都标了来源和区间的模型，比一个三十行的精密模型有用得多——因为前者可以被别人拿去换掉一个假设再算一遍。
误区三：把风险管理理解成选标的的一部分。
表现是「我选的都是好项目，所以风险已经控制了」。这句话把两件事混成了一件：判断对不对，和判断错了会怎样，是两个独立的问题。
正确的做法是把它们分开处理。研究负责回答第一个，风控负责回答第二个：你的判断错了，损失有没有上限；几个判断同时错的概率是不是被你低估了（它们可能依赖同一个假设）；最差的市场状态下你的退出路径还剩多少。第三点在这个行业尤其要紧，因为流动性会在你最需要它的时候消失。
误区四：只研究活下来的项目。
行业记忆很短，出事的项目会迅速从讨论里消失。于是你读到的材料天然偏向幸存者，你总结出的「成功要素」也就天然带偏。
正确的做法是主动把失败案例纳入样本：一个赛道研究里，至少要有一节写这个赛道死过什么、怎么死的、当时有没有可以提前看到的信号。第 24 章那套十类风险的复盘方法在这里可以直接用。这一节通常是整份报告里最有信息量的一节，也是最少有人写的一节。
接下来
先回去做这三件事：第 23 章的链上数据 Lab、第 25 章的十三格 Lab、第 31 章的结论卡格式。三件做完，你就有了这条 Track 全部工作的操作底座。
再把毕业项目的 Crypto Research OS 完成一遍。 先纵向做透一个项目，再横向铺开一个赛道。顺序反过来，你的横向比较会缺深度。
长期要维护的两件事：如何跟上最新的 Crypto 知识里的信息源分层和监控流程，以及 AI 在 Crypto OS 中的位置里那条「模型提案、你验证」的分工线。研究是一项会过期的工作，这两页负责让它不过期。
可以组合的其他 Track：
| 组合 | 为什么合得来 |
|---|---|
| N5 · Crypto Founder | 研究的终点是判断一个项目值不值得做，创业的起点也是。两条 Track 的问题清单有大半重合 |
| N4 · Crypto BD & Ecosystem | 研究看得清资源网络，BD 负责去连。做过 BD 的研究员，对「合作公告」这类信息的折扣率会准得多 |
| N3 · Crypto Growth & Operations | 增长那套留存与去补贴化的测量方法，就是研究里判断真实需求的方法 |
如果你想把取数这一步自己做到底，不再依赖第三方数据平台，那么 T3 · Onchain Data Engineer 是自然的延伸——它的作品是一条可重放的索引管道，正好补上研究里最脆弱的那一环。