Can the Dual Currency Win Strategy Really Weather Bull and Bear Markets? A 6-Year Backtest Provides the Answer

marsbitDipublikasikan tanggal 2026-02-27Terakhir diperbarui pada 2026-02-27

Abstrak

"Can the Dual Currency Win (Wheel Strategy) truly weather bull and bear markets? A 6-year backtest (2020-2026) on Bitcoin and Ethereum provides the answer. The study compared two approaches: the 'Standard Rolling Strike' method, which dynamically sells covered calls at 105% of the current spot price, and the 'Fixed Anchor' method, which stubbornly sells calls at the original, higher cost basis after a drop, refusing to sell at a loss. Key findings reveal a significant performance gap. The Standard method, while sacrificing some upside, demonstrated superior risk-adjusted returns. For a 50/50 BTC/ETH portfolio, it achieved a +1347.32% total return with a -49.9% max drawdown and a Sharpe Ratio of 0.983, outperforming both Buy & Hold (+1665.52%, -77.8% drawdown, 0.85 Sharpe) on risk metrics and crushing the Fixed Anchor method (+592.77%, -61.8% drawdown, 0.766 Sharpe). The data shows the Standard strategy's strength lies in its dynamic adjustment mechanism, continuously resetting its strike price to balance income generation with participation in bullish trends. Conversely, the Fixed Anchor strategy's poor performance highlights the costly pitfall of the 'anchoring bias'—the human tendency to fixate on the entry price. This psychological trap cripples the ability to collect meaningful premium during bear markets and causes investors to miss subsequent bull runs when positions are called away at breakeven. The conclusion is clear: discipline and adaptability are far more valua...

Author: Michel Athayde

Can the Dual Currency Win Strategy Really Weather Bull and Bear Markets?

Using real market data from 2020-2026 for backtesting, we discovered:

Even with the same Dual Currency Win strategy, just by changing how the Calls are sold, the final profit difference can be nearly double.

The data tells us the problem isn't the strategy, it's human nature.

In the crypto market, the "Dual Currency Win" (Wheel Strategy) is often seen as a tool for collecting rent through bull and bear markets. But how do different underlying execution logics reshape long-term profit distribution?

To find the truth, we backtested Bitcoin and Ethereum over a complete bull-bear cycle from 2020-2026. In this sample, which includes crashes and an epic bull market, we compared two截然不同的双币赢玩法:

  • Standard Dual Currency Win (Rolling Strike): Follows the market. After taking delivery of the spot asset, each time a Covered Call is sold dynamically at 105% of the current price.

  • Break-even Type Dual Currency Win (Fixed Anchor): Anchors to cost. Once taking delivery at a high price, no matter how far the price falls, it stubbornly sells Calls at the "last delivery strike price," refusing to give up the chips until breaking even.

This is no longer a simple contest of "selling strategy vs. holding spot," but a deep test of "how trading psychology changes long-term profit distribution."

Core Data: Re-evaluating Risk and Return

(Note: Backtest span 2020-2026, Puts priced at 30% annualized, Calls at 25% annualized, 7-day cycles)

Investment Strategy Total Return Annualized (CAGR) Max Drawdown Sharpe Ratio
BTC HODL (Buy & Hold) +1133.73% 51.95% 0.83
BTC Standard (Rolling) +859.43% 45.72% -42.74% 0.929
BTC Break-even (Fixed) +558.81% 36.88% -61.19% 0.783
--- --- --- --- ---
ETH HODL (Buy & Hold) +2197.31% 68.52% -79.30% 0.87
ETH Standard (Rolling) +1835.21% 63.78% -54.27% 0.971
ETH Break-even (Fixed) +626.74% 39.13% -64.87% 0.724
--- --- --- --- ---
50/50 HODL Portfolio +1665.52% 61.30% <极速赛车开奖网em data-index-in-node="0" data-path-to-node="11,9,3,0">-77.80% 0.85
50/50 Standard Portfolio +1347.32% 56.05% -49.90% 0.983
50/50 Break-even Portfolio +592.77% 38.03% -61.80% 0.766

Faced with this real data, we need to re-examine two core propositions in trading.

The Risk-Return Balancing Act of the Standard Dual Currency Win

Many mistakenly believed the standard strategy would severely underperform in bull markets, but the data proves that with just a 5% upside buffer (spot price * 1.05), it exhibits极强的 risk-return balancing ability over a full cycle.

In the 50/50 portfolio, its Sharpe Ratio (0.983) thoroughly crushed buy-and-hold (0.85) and drastically compressed the nearly -78% abysmal drawdown to -49.9%.

Its advantage doesn't come from predicting the market, but from the mechanism of "continuously dynamically raising the strike price."

With every price change, the standard version relentlessly adjusts its target. Rolling本质上是在牛市中不断“重置成本”,而 Fixed Anchor 却是在不断“确认错误”. The standard version sacrifices a极小部分 of potential暴利上限,换取来了平滑资金曲线的巨大战略纵深.

"Anchoring to Cost" is the Most Expensive Psychological Placebo

The most thought-provoking part of the data is the comprehensive failure of the "Break-even (Fixed Anchor)" type. It fell far short of the standard version in both return and drawdown control.

This exposes the most common weakness in human trading psychology: Anchoring Effect. If you took delivery at a high of 60k, and stubbornly hang a Call at 60k when the price drops to 30k, you not only lose the "bleeding stop" ability of option premiums during the long bear market, but also risk having your chips called away at 60k during a V-shaped market reversal, completely missing the subsequent main upward浪.

The break-even strategy seems conservative, but it's actually using time to fight the trend. And in a trend-driven market, time is often on the side of the trend. Obsessing over "not selling at a loss" is ironically the fastest way to perfectly miss out on major cycle红利.

Conclusion

Markets are full of volatility, but data doesn't lie.

In trending assets like Bitcoin and Ethereum, the real risk is not drawdown, but being limited on the upside by your own psychological anchor.

The standard Dual Currency Win tells us:

As long as you keep adjusting dynamically and rolling continuously, a selling strategy can also coexist with the trend.

And the break-even strategy reminds us:

The market won't change direction because of your cost basis.

Discipline is far more important than breaking even.

Pertanyaan Terkait

QWhat is the main finding of the 6-year backtest (2020-2026) comparing the two versions of the Wheel Strategy?

AThe backtest revealed that the standard 'Rolling Strike' version significantly outperformed the 'Fixed Anchor' version, with the performance gap being nearly double in some cases. The key difference lies not in the strategy itself, but in the human psychology of anchoring to a cost basis.

QHow does the 'Rolling Strike' (Standard) version of the Wheel Strategy manage risk and return compared to simply holding the asset (Buy & Hold)?

AThe 'Rolling Strike' version demonstrated superior risk-adjusted returns. For the 50/50 portfolio, it achieved a higher Sharpe Ratio (0.983 vs 0.85 for Buy & Hold) and significantly reduced the maximum drawdown (-49.9% vs -77.8% for Buy & Hold), while still capturing substantial upside.

QWhy did the 'Fixed Anchor' version of the strategy perform poorly in the backtest?

AThe 'Fixed Anchor' strategy performed poorly because it falls victim to the 'anchoring effect' in behavioral finance. By stubbornly selling calls at the original, higher cost basis during a bear market, it loses the ability to collect meaningful premium ('stop the bleeding') and risks having the asset called away at the break-even point, missing out on a subsequent major bull run.

QAccording to the article, what is the most significant risk when investing in trend assets like Bitcoin and Ethereum using such strategies?

AThe most significant risk is not the price drawdown itself, but the psychological limitation of one's upside potential by being anchored to a specific cost price, which can cause an investor to miss out on major market trends.

QWhat is the core lesson about discipline from the article's conclusion?

AThe core lesson is that maintaining discipline by dynamically adjusting and rolling positions (as in the standard version) is far more important than the psychological desire to simply 'break even' on a trade. The market will not change direction based on an individual's cost basis.

Bacaan Terkait

GensynAI : Jangan Biarkan AI Mengulangi Kesalahan Internet

Beberapa bulan terakhir, banyak talenta dari industri kripto beralih ke AI karena pesatnya perkembangan industri kecerdasan buatan. Para peneliti yang bergerak di kedua bidang ini terus mengeksplorasi satu pertanyaan yang belum terjawab: **Bisakah blockchain menjadi bagian dari infrastruktur AI?** Proyek yang menggabungkan AI dan Crypto, seperti AI Agent, on-chain reasoning, pasar data, dan penyewaan daya komputasi, telah banyak bermunculan. Namun, sebagian besar masih berada di "lapisan aplikasi AI" dan belum membentuk closed-loop bisnis yang nyata. Berbeda dengan itu, **Gensyn** justru menyasar lapisan paling inti dan mahal dalam industri AI: **pelatihan model**. Gensyn bertujuan untuk mengorganisir sumber daya GPU yang tersebar secara global menjadi jaringan pelatihan AI terbuka. Pengembang dapat mengirimkan tugas pelatihan, node menyediakan daya komputasi, dan jaringan bertugas memverifikasi hasil pelatihan serta mendistribusikan insentif. Nilai utama di balik ini bukan semata-mata "desentralisasi", melainkan solusi atas masalah mendesak dalam industri AI: **sumber daya komputasi (GPU) yang semakin terkonsentrasi di tangan segelintir raksasa teknologi.** Kelangkaan pasokan H100, kenaikan harga layanan cloud, dan persaingan ketat untuk mengunci sumber daya komputasi menunjukkan bahwa kepemilikan GPU kini menjadi penentu kecepatan pengembangan AI, terutama di era model besar (large models). **Mengapa Gensyn Menarik Perhatian?** 1. **Menyasar Lapisan Infrastruktur Inti AI:** Gensyn langsung masuk ke dalam proses pelatihan model, bagian yang paling menantang secara teknis dan paling banyak mengonsumsi sumber daya. Ini adalah lapisan yang mudah membentuk hambatan platform (platform壁垒). Jika jaringan pelatihannya mencapai skala, ia berpotensi menjadi pintu masuk penting bagi pengembangan AI di masa depan. 2. **Menawarkan Model Kolaborasi Komputasi yang Lebih Terbuka:** Berbeda dengan ketergantungan pada platform cloud terpusat yang biayanya terus naik, Gensyn mengusung model yang memanfaatkan GPU menganggur dan menjadwalkan sumber daya komputasi secara dinamis. Ini dapat meningkatkan efisiensi penggunaan daya komputasi secara keseluruhan dan mengurangi hambatan inovasi bagi tim AI kecil-menengah. 3. **Tingkat Kesulitan Teknis sebagai Keunggulan:** Tantangan sebenarnya bukan sekadar menghubungkan GPU, tetapi **cara memverifikasi hasil pelatihan, memastikan kejujuran node, dan menjaga keandalan pelatihan di lingkungan terdistribusi.** Gensyn fokus pada solusi teknis ini (seperti mekanisme verifikasi probabilistik, model distribusi tugas), menjadikannya lebih mirip perusahaan infrastruktur teknologi mendalam (deep tech). 4. **Memiliki Closed-Loop Bisnis Nyata:** Kebutuhan akan pelatihan AI adalah pasar nyata yang terus berkembang, dengan celah pasokan GPU yang berkelanjutan. Gensyn tidak sekadar menambahkan blockchain untuk kepentingannya sendiri, tetapi menjawab kebutuhan industri akan sistem penjadwalan sumber daya yang lebih fleksibel dan terbuka. Singkatnya, batas antara Crypto (sistem finansial) dan AI (sistem teknologi) semakin kabur. AI membutuhkan koordinasi sumber daya, mekanisme insentif, dan kolaborasi global—hal-hal yang menjadi keahlian Crypto. Gensyn mewakili upaya untuk membuka akses kemampuan pelatihan, yang selama ini dikuasai sedikit perusahaan besar, menjadi sistem yang lebih terbuka dan dapat dikolaborasikan. Inisiatif ini tidak lagi sekadar cerita konsep, tetapi berkembang menuju infrastruktur AI nyata, di mana perusahaan paling bernilai di era AI sering kali lahir dari lapisan infrastruktur.

marsbit11j yang lalu

GensynAI : Jangan Biarkan AI Mengulangi Kesalahan Internet

marsbit11j yang lalu

Mengapa AI China Berkembang Begitu Cepat? Jawabannya Tersembunyi di Dalam Laboratorium

Pengarang mencatat bahwa laboratorium AI China telah menjadi kekuatan yang semakin sulit diabaikan dalam kompetisi model besar global. Keunggulannya tidak hanya terletak pada banyaknya talenta, kemampuan rekayasa yang kuat, dan iterasi cepat, tetapi juga berasal dari cara organisasi yang sangat realistis: lebih banyak fokus pada pembuatan model daripada konsep, lebih menekankan eksekusi tim daripada individu bintang, dan lebih memilih menguasai tumpukan teknologi inti sendiri daripada bergantung pada layanan eksternal. Dari kunjungan ke sejumlah laboratorium AI terkemuka China, penulis menemukan ekosistem AI China tidak sepenuhnya sama dengan AS. AS lebih menekankan orisinalitas, investasi modal, dan pengaruh ilmuwan puncak, sedangkan China lebih mahir dalam mengejar cepat arah yang sudah ada. Melalui sumber terbuka, optimasi rekayasa, dan kontribusi banyak peneliti muda, China mendorong kemampuan model ke garis depan dengan cepat. Yang paling menarik untuk diperhatikan bukanlah apakah AI China telah melampaui AS, melainkan dua jalur pengembangan berbeda yang terbentuk: AS lebih seperti kompetisi garis depan yang digerakkan modal dan laboratorium bintang, sedangkan China lebih seperti kompetisi industri yang didorong oleh kemampuan rekayasa, ekosistem sumber terbuka, dan kesadaran penguasaan teknologi mandiri. Ini berarti kompetisi AI di masa depan tidak hanya soal peringkat model, tetapi juga kemampuan organisasi, ekosistem pengembang, dan eksekusi industri. Perubahan nyata AI China terletak pada cara mereka berpartisipasi dalam garis depan global dengan caranya sendiri, bukan hanya meniru Silicon Valley. Penulis juga menyoroti beberapa perbedaan utama dalam ekosistem AI China: permintaan AI domestik mulai muncul, banyak pengembang terpengaruh Claude, perusahaan memiliki mentalitas kepemilikan teknologi, ada dukungan pemerintah meski skalanya belum jelas, industri data kurang berkembang dibanding Barat, dan ada kebutuhan kuat akan chip NVIDIA lebih banyak. Penutupnya menekankan pentingnya ekosistem global yang terbuka dan kolaboratif untuk menciptakan AI yang lebih aman, mudah diakses, dan bermanfaat bagi dunia.

marsbit13j yang lalu

Mengapa AI China Berkembang Begitu Cepat? Jawabannya Tersembunyi di Dalam Laboratorium

marsbit13j yang lalu

3 Tahun 5 Kali Lipat, Pabrik Kaca Berusia Satu Abad Dibangkitkan Kembali

Menurut CRU, permintaan serat optik untuk pusat data AI meningkat 75.9% per tahun, dan kesenjangan pasokan-meningkat dari 6% menjadi 15%. Harga serat optik melonjak lebih dari 3 kali lipat dalam beberapa bulan, dan kapasitas produksi tidak dapat mengimbangi. Inilah alasan NVIDIA berinvestasi di Corning dan mempercepat ekspansi kapasitas serat optik, dengan total investasi $45 miliar dalam tiga perusahaan di seluruh rantai optik. Corning, perusahaan kaca berusia 175 tahun dari New York, melihat sahamnya naik 316.81% dalam setahun terakhir, mencapai kapitalisasi pasar $160 miliar. NVIDIA memilih Corning karena keahliannya dalam serat optik khusus berkinerja tinggi yang penting untuk pusat data AI, seperti serat dengan kehilangan sinyal ultra-rendah (0.15 dB/km), kepadatan tinggi, dan ketahanan tekuk yang baik. Penghasilan Corning dari segmen komunikasi optik untuk perusahaan (Enterprise) melonjak dari $1.3 miliar pada 2023 menjadi lebih dari $3 miliar pada 2025. Perusahaan telah mengamankan kontrak pasokan jangka panjang bernilai miliaran dolar dari klien seperti Meta dan NVIDIA. Meskipun bukan produsen serat optik terbesar secara global, keunggulan teknis Corning di pasar serat canggih untuk AI, ditambah dengan investasi R&D tahunan sebesar $1 miliar, memberinya posisi unik. Percepatan adopsi teknologi **CPO (Co-Packaged Optics)** oleh NVIDIA, yang dijadwalkan mulai produksi massal pada paruh kedua 2026, menjadi katalis penting bagi permintaan serat optik premium Corning. Namun, valuasi sahamnya yang telah melonjak pesat dan potensi keterlambatan dalam eksekusi pesanan menjadi faktor risiko yang perlu diperhatikan.

marsbit13j yang lalu

3 Tahun 5 Kali Lipat, Pabrik Kaca Berusia Satu Abad Dibangkitkan Kembali

marsbit13j yang lalu

Trading

Spot
Futures
活动图片