1.5.1 A 模型 vs B 模型口径分工（v1.5 关键变化）

1.5.2 三类产品 trade_volume_usd 与 fee_usd 上报口径

A 模型不再依赖 fee_usd，所以 v1.4 引入的 cfd_spread_ratio 仅在 B 模型范围内发挥作用，不影响 A 模型计算。

1.5.3 关键边界

v1.5 关键变化：CFD 0 点差期用户做交易就能拿积分，跟"用户做了交易必有反馈"的产品哲学一致；v1.4 之前"0 点差期有体验金但无积分"的反直觉行为消除。

1.5.4 工程实现要点

• A 模型计算服务接收 trade_volume_usd，不需要 fee_usd
• B 模型计算服务仍接收 fee_usd + loss_abs，逻辑保持不变
• cfd_spread_ratio 由 CFD 业务侧在上报 fee_usd 前应用（仅影响 B 模型）；变更需 PM + 财务 + CFD 业务侧三签
• 财务 monthly accrual 对账拆账：A 模型按 source = TRADE_REBATE + 产品类型标签；B 模型按 source = SHIZHISHA_REBATE
• 交易引擎上报字段需扩展：原 fee_usd 字段不变，新增 trade_volume_usd 字段（NTP 同步时点为完全平仓时）

1.5.5 待业务对齐的 Open Item

2.7.1 前提与问题

前提：用户视角积分只展示整数（不展示小数）。

核心约束（v1.5 升级）：

1. 小仓位用户友好度：用户做了交易必须有 ≥ 1 积分的可见反馈；不能出现"做了 0 积分"的扭曲体感
2. 套利护城河：哪怕用户故意做交易量极小的微型仓刷分，单仓套利 ROI 必须 ≤ -90%
3. 工程极简：ceil 取整算法在数据库层面无状态
4. CFD 0 点差 / 0 fee 不再影响积分（v1.5 按交易量后自然消除）

v1.5 vs v1.2 方向调整：v1.2 防套利靠 max_points_per_fee_ratio（每 fee 最多 X 积分）。v1.5 A 模型不再用 fee，改用 trade_volume_usd，防套利改为 min_trade_volume_for_grant（最小交易量门槛，低于不发）+ 反作弊钩子双层护城河。

2.7.2 取整规则（ceil + 交易量门槛 + 零保护）

Step 1: 最小交易量门槛（防套利第一道闸）
  if trade_volume_usd < min_trade_volume_for_grant:
      grant = 0
      不写流水（小于 100 USD 交易量的微型套利仓直接拦截）
      return

Step 2: 计算原始积分
  raw_points = trade_volume_usd × base_coef
             × m_vip × m_activity × m_audience × m_coldstart

Step 3: 零保护判定
  if raw_points <= 0:
      grant = 0
      不写流水（反作弊 BLOCK 即 m_audience = 0 / 异常 trade_volume 等场景自然过滤）
      return

Step 4: 向上取整 + 写流水
  grant = ceil(raw_points)
  L1 grant(amount = grant, source = TRADE_REBATE,
           trade_volume_usd = ..., trigger_at = ..., season_id = ..., antisybil_decision = ...)

算法无状态；幂等键沿用 position_id。

2.7.3 参数取值

2.7.4 防套利护城河（v1.5 重新论证 · 基于 1 积分 = 0.0015 USD）

v1.5 护城河变化：v1.2 靠"低汇率 + max_points_per_fee_ratio"；v1.5 靠"低汇率 + min_trade_volume_for_grant + 反作弊"。本质护城河更厚——交易量门槛是绝对硬约束，根本进不来。

最坏情形：用户开最小交易量仓位（刚过门槛）刷分套利

护城河厚度（含反作弊冗余）：

• 单仓套利 ROI ≤ -97%（最坏情形）
• 反作弊 95% 拦截 → 漏网攻击期望 ROI ≤ -97% × 5% = -99.85%
• 加上时间 / 机器人 / 滑点 / 市场风险，理性攻击者绝对不划算

汇率灰度安全边际：

• 当前汇率 0.0015 USD/积分 → 最坏 ROI -97%
• 汇率上调到 0.05 USD/积分（V2 商城）→ ROI 仍 -10% 量级
• 汇率破 5 USD/积分（理论临界）才有套利空间—— 比 V2 商城 SKU 定价高 ~3000 倍，业务上不可能

v1.5 护城河比 v1.2 厚 ~10 倍，主要靠 min_trade_volume_for_grant 把微型仓套利路径直接堵死。

2.7.5 单仓体感示例（ceil 后用户实际拿到的积分）

本节以中位场景示意。所有"实发积分"是用户在 APP 上一笔交易完成后立即看到的数字。

新手 VIP1 / 月活 5 天 / 默认人群（综合乘数 = 0.0001 × 1.0 × 1.0 × 1.0 × 1.0 = 0.0001）

中度 VIP3 / 月活 20 天 / 默认人群（综合乘数 = 0.0001 × 1.5 × 1.25 = 0.000188）

永恒 VIP8 / 月活 30 天 / VIP 重点维护（综合乘数 = 0.0001 × 3.0 × 1.5 × 1.3 = 0.000585）

与 v1.2 对比：v1.5 没有 max_points_per_fee_ratio 硬上限了，因为按交易量算积分本来就不会爆——交易量越大积分越多是合理设计。

2.7.6 §2.6 各场景的实际发放整数对照

v1.5 关键改进：CFD 0 点差期用户正常发积分，与永续合约用户一视同仁。

2.7.7 月度发放总量与财务 accrual 缓冲

ceil 取整长期多发的量级估算（按 100K MAU 平台规模，v1.5 重算）：

⚠️ 轻度用户多发率高（+210%）是因为单仓积分常 < 1 全部 ceil 到 1。但总量级仍然很小（年成本 < 2K USD），可接受。
v1.5 总多发成本比 v1.2 低 25 倍（v1.2 是 1.8M USD/年 vs v1.5 是 72K USD/年），原因：base_coef 按交易量校准后，重度用户的"多发率"显著下降。

财务 accrual 要点：

• 月度 monthly accrual 按 ceil 实发积分总量 × 内部参考汇率 × 兑换率 0.8 计提
• 多发量自然反映在 accrual 中，不需要单独"准备金"
• §13 异常发放阈值 / §16 季度预算 按 ceil 实发量监控

2.7.8 数据模型与工程实现要点

v1.2 移除 v1.1 引入的尾差账本表（user_points_fraction_ledger）。

ceil 算法无状态：

• A 模型 grant 计算时只读取本仓输入（fee / vip / activity / audience / coldstart）
• 不需要查询任何用户级历史状态
• L1 grant 调用与现有接口一致（不需要新增字段）
• 幂等键沿用 position_id
• 单点写入，不需要跨表事务

对 V1-E01 / V1-E02 的影响：

• V1-E01 §9 数据模型：不需要新增 user_points_fraction_ledger 表
• V1-E02 §4.2 取整步骤：从 6 步简化为 4 步（见 §2.7.2）

B 模型不受影响：B 模型输出 USD 等值体验金（最小单位 cent），非积分整数，沿用 DECIMAL(20, 4) 精度，不需要取整规则。

2.7.9 用户体感与对客说明

用户体感跃升：从 v1.1 的"做了 0 积分要解释" → v1.2 的"做了就有 1 积分起步"，对私域代理获客 / KOL 社群裂变场景尤其重要。

2.7.10 实施 PRD

• V1-E02 §4.2 A 模型计算：取整逻辑按本节 §2.7.2 4 步实施
• V1-E01 §9 数据模型：不新增 user_points_fraction_ledger 表（v1.1 计划已废止）
• V1-E04 段位计算：使用实发整数积分余额（与 v1.1 一致）
• V1-E06 后台调权：作用于整数余额（与 v1.1 一致）
• V1-E04 / V1-E05 对客文案：按 §2.7.9 表述

3.5.1 为什么不用"胜率"作为判定变量

胜率（盈利单数 / 总单数）有三个致命问题：

胜率维度无法表达"用户每出 1 USD 手续费最终赚 / 亏多少"——这才是经济意义上的"长期战绩"。

3.5.2 历史战绩比定义

直观语义："用户每出 1 USD 手续费，最终净赚/净亏多少 USD"。

3.5.3 五档判定区间

3.5.4 边界处理（覆盖所有特殊样本）

样本门槛 30 笔的依据：行业惯用窗口（参考 Bybit / Bitget 跟单交易统计）；小于 30 笔时单笔波动占比过大，画像不稳定，强制按"中位"处理。

3.5.5 数据更新时机

3.6.1 损益强度定义

直观语义："这笔亏损吃掉用户该仓本金的百分之多少"。

3.6.2 四档判定区间

3.6.3 边界处理

场景 3.8.1 — 新手 KYC 后首单小盈利（边界：新用户 + 盈利单 + 0 笔历史）

新手盈利单返还偏低（4 分钱），符合"先建立段位再放大"的设计意图。配套 A 模型按交易量算（fee 1 USD ≈ 交易量 ~1,667 USD → 0.17 积分计算精度，ceil 取整后 1 积分），整体新手单仓激励仍弱但有 ≥ 1 积分起步保底。

场景 3.8.2 — 新手中亏（边界：新用户 + 亏损单 + 2 笔历史 / 小样本强制默认）

关键演示：90 天只交易了 2 笔即使全亏，也强制按"平衡"画像处理 —— 不因小样本噪音被误打成重亏，防止"新人输 2 笔反而被强补偿"的扭曲激励。

场景 3.8.3 — 刚跨过样本门槛的重亏用户（边界：30 笔恰好达标 + 重亏画像）

跨过 30 笔门槛后，长期亏损画像激活，同等单仓 loss 下补偿比同画像但小样本场景高 8 倍以上。

场景 3.8.4 — 高胜率但低盈亏比的"长亏者"（边界：胜率 55% 但总亏）

关键演示：虽然胜率 55%（看似健康），但盈亏比 1:3 导致总净亏 -800 USD，history_ratio = -1.6 → 进重亏档。这就是为什么不能用胜率判定—— 胜率 55% 在此场景下其实是"长期被市场打击"的画像。

场景 3.8.5 — 低胜率但高盈亏比的"高赔率玩家"（边界：胜率 30% 但总盈）

关键演示：胜率 30%（看似差）但赢得多输得少，总净盈 +5750 USD，history_ratio = +7.2 → 进重盈档（赢家）。即使这次单仓亏 50 USD，补偿被压到 3.76 USD，符合"赢家少返"逻辑。同一仓位下三种历史画像的对比详见场景 3.8.10。

场景 3.8.6 — 中度活跃 baseline（平衡画像，无大盈无大亏）

这是公式设计的"中位坐标"——大多数用户落在这档，单仓返还约该仓亏损的 10.3%。

场景 3.8.7 — 高段位大亏长仓触发 capping

算到 83.77 USD 但被全局 20% 上限拍死到 64 USD。做市商账面赚 300 USD 让出 64 USD（20%），净留 80%。

场景 3.8.8 — 永恒鲸鱼超大爆仓（边界：极端组合 + 强 capping）

极端鲸鱼场景：raw_bonus 算到 1128 USD 但被砍到 410 USD。做市商赚 2000 USD 让出 410 USD（20%），净留 80%。

场景 3.8.9 — 高频赢家小亏（边界：重盈画像 + 小回撤）

高频赢家小亏单：m_history 0.70（赢家削减）+ m_loss_pct 1.00（小回撤不放大）→ 体验金约该仓亏损的 11.1%，不触 capping。

场景 3.8.10 — 中度用户三种历史画像对比（同一仓位）

固定仓位：fee 5 USD / pnl -50 USD / 占用保证金 150 USD → loss_pct 33% / 持仓 4h
固定画像：VIP3 / 金沙 / 积分余额 5000 / 默认人群

赢家 vs 长亏者单仓返还差 1.74 倍（3.76 vs 6.53）— 显著但不夸张，给重亏用户清晰的"被照顾"信号，又不至于让赢家觉得"被惩罚"。比 v1.2（4.69 vs 8.15 = 1.74x）量级整体下降 ~20%，源于砍 m_balance 后整体放大缩水，但画像差异化比例完全保持。

3.10.1 段位外显的内容边界

3.10.2 8 档段位与技能等级对应

阈值取自公式清单 v1.5 §4 PM 推荐 baseline。v1.5 段位外显后阈值仍不公示，仅 PM/精算/财务/风控内部知晓。

3.10.3 用户视角的对客文案设计

首页 / 个人中心 显式展示：

┌─────────────────────────────┐
│ 🏆 LV3 流沙                 │
│ 当前时之砂：1,847           │
│ [沙漏视觉]                  │
└─────────────────────────────┘

跨段位升级推送（APP push + 首页 banner）：

恭喜！您的技能等级提升到 LV3 流沙！🎉

您的时之砂变得更值钱了，每次交易的体验金返还
会有正向影响。

[查看我的沙漏]

关键叙事规则（v1.5 锁定）：

1. 不公示具体加成倍数（如"返还提升 21%"是禁用文案）
2. 不公示阈值进度（如"距离 LV4 金沙还差 1,153 积分"是禁用文案）
3. 仅用"更值钱 / 有正向影响 / 倍数提升"等模糊表述
4. 沙漏视觉随段位变化（材质从尘土质感 → 钻石材质 + 时光冻结）作为隐式锚点

3.10.4 与防反算组合拳的协同

v1.5 段位外显本身不破坏防反算策略：

结论：v1.5 段位外显 = 心智锚点强化 + 防反算策略不变。

3.10.5 影响范围（联动文档清单）

4.1.1 三条路径对比

4.1.2 V1 vs V2 期汇率角色

4.2.1 反算逻辑

V1 期积分本身的成本为 0（纯累积，不消耗）—— 但形成"未消耗负债"。负债的真实成本由 V2 商城兑换时点决定：

其中：

• 商城 SKU 面额 = V2 商城上线时 SKU 标定的 USD 价值（如 10 USD 体验金券）
• 估算兑换率 = 1 - breakage 率 = 0.8（V1 目标 breakage 20%，公式 §15）
• SKU 积分价格 = V2 商城上线时定的积分价格（PM 预设区间 1000-1500 积分 / 10 USD 券）

4.2.2 V1 期内部参考汇率预设初值（v1.2 重算）

v1.2 升级：v1.1 给的 0.005-0.01 USD/积分 是按"10 USD 体验金券 = 1200 积分"反推。v1.2 用 5 个约束多维度推算后，收敛到 1 积分 = 0.0015 USD（即 1 USDT ≈ 670 积分）。

第一性原理 5 约束推算：

约束交集中位数：1 积分 = 0.0015 USD（即 1 USDT ≈ 670 积分）

⚠️ 本汇率值仅用于 V1 期内部精算，不对客披露。V2 商城上线前 3 个月按真实数据反向校准（见 §4.3）。

4.2.3 §13 / §16 USD ↔ 积分换算表（v1.2 重算）

按"1 积分 = 0.0015 USD"统一口径换算（V1 精算用，可灰度后调整）：

4.2.4 汇率调整流程与护城河联动

v1.2 新增章节。

任何汇率上调动作（如商城 SKU 锚点调整、breakage 实际值偏离等）必须按以下流程：

4.3.1 校验步骤

Step 1: 拉 V1 末期数据
  - 中位用户积分余额（P50）
  - 高段位用户积分余额（P90）
  - 平台总积分流通量

Step 2: 反推商城最低 SKU 价格
  - 最低 SKU 价格 = 中位用户半年累计积分 × 70-90%
  - 保证半年活跃用户能在商城至少换到一个最低价 SKU

Step 3: SKU 阶梯定价
  - 体验金券：10 USD / 50 USD / 100 USD 三档面额
  - 手续费折扣券：24h / 7d 两档
  - VIP 体验券：7 天 / 30 天 两档
  - 0 费率卡：24h
  - 仓位券：按平均赔付成本 × 2-3 倍

Step 4: 反向校准内部参考汇率
  - 1 积分 USD 等值 = SKU 面额 × 0.8 ÷ SKU 积分价格
  - 内部精算系统更新参考汇率

4.3.2 校验通过标准