在重新审视自己的加密货币投资组合后，我决定剔除部分相对弱势的资产，并把仓位转向我认为更有韧性的标的。下面这份名单，主要用于说明哪些加密货币在当前阶段更值得提高警惕。
我重新检查了自己的持仓，也同步回看了过去一段时间的加密市场表现，最终的结论是：投资组合中确实存在一些应该被清理掉的代币。
亏损本身就令人难受，而在牛市环境里承受亏损，感受往往会更强烈。市场情绪高涨时，落后于大盘的持仓尤其容易放大挫败感。
当社交平台上不断出现各种“精准判断”和“高收益故事”时，这种落差会更加明显，也更容易让人对自己的持仓判断产生怀疑。
但从投资组合管理的角度看，及时削减冗余资产、重新评估配置方向，依然是可以采取的现实动作。
接下来，我会说明自己准备减持、并转向其他相对更强势加密资产的一些代币。
黑名单的筛选标准
整理这份黑名单并不轻松，因为符合条件的代币并不少。不过，我还是尽量用相对明确的标准，来判断哪些加密货币不适合继续留在一个更均衡的投资组合中。
第一条规则是：只纳入 2023 年之前就已经存在的币种。
原因在于，新币在牛市阶段往往会出现剧烈波动，短时间内走出极端行情并不罕见。对于尚未完成市场验证的新项目，市场给出的定价往往带有更强的情绪色彩。
过去一年，整个加密资产市场的整体价值大约增长了 120%。
同期，比特币上涨 147%，ETH 上涨 68%，SOL 上涨 603%，BNB 上涨 183%。
因此，第二条规则是：如果一种加密货币在过去一年中的涨幅连 31% 都没有达到，那么它在当前框架下就不属于我理想中的配置对象。
换句话说，如果某个代币在过去一轮明显偏强的市场环境中，连整个加密资产大类表现的 25% 都未能达到，那么继续持有它，至少需要更充分的理由。
之所以把观察起点放在一年前，也是因为加密市场自 2023 年 10 月起明显提速，这一时间段更便于观察资产在牛市环境下的相对强弱。
这份表现落后的名单包括哪些币
当我按照市值回看前 100 大加密货币时，筛选出的结果以及各自过去 1 年的回报率如下：
XRP -11.5%；DOT -14.2%；LTC -9.8%；XMR -3.5%；ETC -27.2%；XLM -10.9%；POL（原 MATIC）-30.2%；OKB -6%；FIL -16.2%；HBAR -14%；ATOM -33%；MKR -8.9%；ALGO -30%；BSV -28.2%；LDO -30.5%；QNT -24.5%；FLOW -23.7%。
整理名单后的几个意外发现
共有 17 种加密货币进入这份名单，这一点本身就让我有些意外。更让我在意的是，市值前 100 名中竟然有 7 个项目在过去一年里表现明显落后。
其中，我个人最失望的一项持仓是 LDO。它依然在我的投资组合中，而这也恰好印证了这份黑名单的意义：即便项目本身具备一定基本面，也未必能在价格表现上得到市场认可。
最终，我还是选择接受损失，相关仓位的亏损幅度已经超过 50%。
卖出之后，我把资金转向了哪里
在卖出 LDO 后，我把这部分资金转到了 APT。相较之下，我其实更偏好 SUI，但因为自己已经持有较多 SUI，所以我判断 APT 可能存在一定的补涨空间，并有机会缩小与 SUI 在市值上的差距。
除此之外，我也在关注一些市场热度较高的赛道，比如 Meme、人工智能和游戏。相比继续持有一篮子自己已经判断失误的弱势资产，我更倾向于在受关注的叙事中选择相对更核心的加密货币。
我越来越倾向于认为，加密市场在很大程度上仍然是“注意力驱动”的市场，基本面很多时候会被叙事和情绪压制。以 LDO 为例，假设它对应的是一个具备盈利能力的 DeFi 项目，并且从 TVL 角度看也属于头部，但过去一年的回报率仍然为负 30%。这说明市场并不一定会因为项目盈利能力而给出更高估值。
类似的情况也出现在 MKR（现 SKY）身上。尽管它拥有很高的每用户收入，但过去一年依然录得 8.9% 的负回报。
核心结论
从我的观察来看，主流山寨币的全面行情大概率还没有完全展开，这也意味着，持仓结构依然存在调整空间。
如果你持有上述这些资产，并且希望在尽量少做复杂研究的前提下优化配置，那么把资金分散到 BTC、ETH、SOL 或 BNB 这类更主流的资产中，至少是一个更容易理解的思路。
当然，另一种观点同样成立：如果你依然认可这些进入黑名单的项目，也可以继续持有，并等待其后续逆势修复。前文提到的 LDO 和 MKR，从基本面角度看并非毫无亮点；XRP、FIL、POL 也仍然可能有支持者。不过，名单中的其他一些项目，后续更可能只是被短线杠杆资金反复利用，或者逐步掉出前 100 名。
无论如何，这类复盘更适合被视为持仓管理层面的观察，而不是简单的买卖结论。
我目前持有 SUI、APT、BTC、SOL 和 BNB。
以上内容不构成投资建议。加密货币、NFT 等数字资产具有较高风险，市场波动明显，参与前仍需结合自身情况做好独立研究与风险评估。
