Кожен Гаманець Має Свій Нахил: Як Запитувати Cohort Bias на Hyperliquid

Кожен гаманець на Hyperliquid має певний нахил. Одні тримають нетто-лонг, інші нетто-шорт, і сукупний напрямок цих нахилів тисяч гаманців говорить вам те, чого жоден свічковий графік не покаже. Питання в тому, чи ви це читаєте, і чи читаєте за когортами.

HyperTracker класифікує кожен активний гаманець в одну з 16 поведінкових когорт: 8 за розміром рахунку (від Shrimp до Leviathan) і 8 за всіма часами PnL (від Money Printer до Giga-Rekt). Кожна когорта має показник bias: одне число, яке говорить, чи ця група трейдерів у сукупності позиціонована в лонг чи в шорт. Коли Money Printer нахиляються в один бік, а Giga-Rekt — в інший, ви отримуєте сигнал розбіжності, на який варто звернути увагу. Цей посібник покаже, як його запитувати, інтерпретувати та будувати на його основі.

Що Насправді Вимірює Cohort Bias

Bias — це нормалізований показник. Від'ємне значення означає, що когорта в нетто-шорт. Позитивне — в нетто-лонг. Нуль означає збалансоване сукупне позиціонування. Це не долара сума і не відсоток від відкритого інтересу. Це напрямкове зчитування, що відображає нахил кожного гаманця, класифікованого в цей сегмент.

Уявіть це як нахилометр на будівлі. Будівля — це всі гаманці в когорті. Якщо 70% капіталу розгорнуто в лонг, стрілка відхиляється в позитивний бік. Якщо більшість гаманців у шорті — у від'ємний. Величина показує силу нахилу, а зміна з часом — чи переконаність зростає або слабшає.

Ключова відмінність: Bias вимірює сукупний напрямковий нахил усіх гаманців у когорті. Він не говорить, що робить окремий гаманець. Він говорить, що робить група — і саме це є сигналом, важливим для аналізу ринкової структури.

Це важливо, бо окремі гаманці можуть вводити в оману. Один гаманець може хеджуватися, торгувати базисом або тримати капітал у напрямку, що не відображає справжню переконаність. Але коли сотні гаманців, класифікованих як Money Printer (всіма часами PnL вище $1M), у сукупності нахиляються в лонг — це закономірність, а не випадковість.

Три Ендпоінти, Три Погляди на Одне Питання

API HyperTracker надає доступ до cohort bias через три пов'язані ендпоінти. Кожен відповідає на дещо іншу версію одного й того самого питання: куди нахилена ця когорта?

1. Bias History (Ковзне 12-Годинне Вікно)

Ендпоінт /segments/{segmentId}/bias-history повертає часовий ряд значень bias за ковзне 12-годинне вікно. Кожна точка даних — це знімок сукупного нахилу когорти в певний момент.

import requests

BASE_URL = "https://ht-api.coinmarketman.com/api/external"
HEADERS = {"Authorization": "Bearer YOUR_API_KEY"}

def fetch_bias_history(segment_id, recency="all"):
    resp = requests.get(
        f"{BASE_URL}/segments/{segment_id}/bias-history",
        headers=HEADERS,
        params={"positionRecencyTimeframe": recency}
    )
    resp.raise_for_status()
    return resp.json()

# Money Printer bias за останні 12 годин
bias = fetch_bias_history(segment_id=8)
for point in bias[:5]:
    print(f"{point['timestamp']}: {point['bias']}")

Параметр positionRecencyTimeframe фільтрує за давністю позиції: 24h, 7d, 30d або all (за замовчуванням). Значення 24h показує bias лише нещодавно відкритих позицій, що дозволяє виділити свіжу переконаність із застарілих позицій, які могли бути відкриті тижнями.

Обмеження глибини: Цей ендпоінт повертає ковзне 12-годинне вікно. Він призначений для внутрішньоденного аналізу настроїв, а не для багатоденного бектестингу. Якщо вам потрібні історичні трендові дані, використовуйте натомість ендпоінт position-metrics (розглянутий нижче).

2. Segment Summary (Поточний Знімок)

Ендпоінт /segments/{segmentId}/summary дає поточний сукупний стан когорти: кількість трейдерів, загальна умовна експозиція, розбивка лонг/шорт і топ-10 відкритих позицій.

def fetch_segment_summary(segment_id, position_age="all"):
    resp = requests.get(
        f"{BASE_URL}/segments/{segment_id}/summary",
        headers=HEADERS,
        params={"positionAge": position_age}
    )
    resp.raise_for_status()
    return resp.json()

# Leviathan summary (гаманці $5M+)
summary = fetch_segment_summary(segment_id=7)
print(f"Traders: {summary['traderCount']}")
print(f"Long: ${summary['longNotional']:,.0f}")
print(f"Short: ${summary['shortNotional']:,.0f}")
print(f"Bias: {'LONG' if summary['longNotional'] > summary['shortNotional'] else 'SHORT'}")

Цей ендпоінт не повертає часовий ряд. Це одиничний знімок у часі. Цінність — у сирих числах: ви можете обчислити власне співвідношення лонг/шорт, порівняти його між когортами й побачити, в яких активах сконцентровані топ-10 позицій. Фільтр positionAge працює так само, як і в ендпоінті bias, дозволяючи ізолювати свіжу активність.

3. Position Metrics за Монетою та Сегментом (Багатотижнева Історія)

Ендпоінт /position-metrics/coin/{coin}/segment/{segmentId} використовується для трендового аналізу. Він повертає історичні значення лонг/шорт, OI та кількість трейдерів для конкретної комбінації монети та когорти — приблизно за останні 4 тижні.

from datetime import datetime, timedelta

def fetch_cohort_position_metrics(coin, segment_id, days_back=14):
    start = (datetime.utcnow() - timedelta(days=days_back)).strftime(
        "%Y-%m-%dT00:00:00.000Z"
    )
    resp = requests.get(
        f"{BASE_URL}/position-metrics/coin/{coin}/segment/{segment_id}",
        headers=HEADERS,
        params={"start": start}
    )
    resp.raise_for_status()
    return resp.json()

# Smart Money позиціонування BTC за останні 14 днів
metrics = fetch_cohort_position_metrics("BTC", segment_id=9, days_back=14)
for entry in metrics[:3]:
    long_pct = entry["longValue"] / max(entry["longValue"] + entry["shortValue"], 1)
    print(f"{entry['timestamp']}: {long_pct:.1%} long")

Цей ендпоінт вимагає параметр start у форматі ISO 8601. Максимальна глибина — приблизно 4 тижні. Далі дані недоступні. Для більш глибокого історичного аналізу використовуйте ендпоінт індивідуальних позицій (/positions), який охоплює приблизно 10 місяців.

Побудова Дашборду Розбіжності Когорт

Найбільш дієвий сигнал із cohort bias — не нахил окремої когорти, а розрив між двома. Коли когорта Money Printer (segment ID 8) позиціонована в лонг, а когорта Giga-Rekt (segment ID 15) — в шорт, ця розбіжність говорить про ринок те, чого сукупний OI або ставки фінансування самі по собі не скажуть.

Ось скрипт, який опитує обидві когорти та обчислює показник розбіжності:

import time

def compute_divergence():
    mp_bias = fetch_bias_history(segment_id=8)  # Money Printer
    gr_bias = fetch_bias_history(segment_id=15)  # Giga-Rekt

    if not mp_bias or not gr_bias:
        return None

    # Найсвіжіше значення bias для кожного
    mp_latest = mp_bias[0]["bias"]
    gr_latest = gr_bias[0]["bias"]

    divergence = mp_latest - gr_latest

    return {
        "money_printer_bias": mp_latest,
        "giga_rekt_bias": gr_latest,
        "divergence": round(divergence, 4),
        "interpretation": interpret_divergence(divergence)
    }

def interpret_divergence(div):
    # Приклад порогів — калібруйте на основі власного бектестингу
    if div > 0.3:
        return "Strong bullish divergence: winners long, losers short"
    elif div > 0.15:
        return "Moderate bullish divergence"
    elif div < -0.3:
        return "Strong bearish divergence: winners short, losers long"
    elif div < -0.15:
        return "Moderate bearish divergence"
    return "Low divergence: cohorts roughly aligned"

Пороги інтерпретації тут є ілюстративними відправними точками. Реальне калібрування залежить від активів, за якими ви стежите, і від того, як часто розбіжність зазвичай вирішується. Логуйте значення кілька днів, перш ніж довіряти будь-якому фіксованому порогу як тригеру.

Комбінування Bias із Position Metrics для Підтвердження

Bias сам по собі показує напрямок. Position metrics показують масштаб. Саме в їх поєднанні живе аналіз переконаності.

Уявіть, що когорта Money Printer показує bias +0.35 по BTC. Це чіткий нахил у лонг. Але який капітал за цим стоїть? Ендпоінт position-metrics відповідає на це питання реальними умовними значеннями, і ви можете побачити, чи цей нахил представляє мільйони в експозиції або жменьку дрібних позицій, що випадково вказують в один бік.

def full_cohort_picture(coin, segment_id):
    # Поточний напрямок bias
    bias = fetch_bias_history(segment_id)
    latest_bias = bias[0]["bias"] if bias else None

    # Поточна умовна експозиція
    summary = fetch_segment_summary(segment_id)
    long_val = summary.get("longNotional", 0)
    short_val = summary.get("shortNotional", 0)

    # Історичний тренд (2 тижні)
    metrics = fetch_cohort_position_metrics(coin, segment_id, days_back=14)
    trend = []
    for m in metrics[-5:]:
        total = m["longValue"] + m["shortValue"]
        trend.append(m["longValue"] / total if total > 0 else 0.5)

    avg_trend = sum(trend) / len(trend) if trend else 0.5

    return {
        "segment_id": segment_id,
        "coin": coin,
        "current_bias": latest_bias,
        "long_notional": long_val,
        "short_notional": short_val,
        "trend_avg_long_pct": round(avg_trend, 3),
        # Приклад порогів для ілюстрації
        "conviction": "HIGH" if abs(latest_bias or 0) > 0.25
                      and abs(avg_trend - 0.5) > 0.1 else "MODERATE"
    }

# Порівняння двох когорт по BTC
mp_picture = full_cohort_picture("BTC", 8)   # Money Printer
gr_picture = full_cohort_picture("BTC", 15)  # Giga-Rekt
print(f"Money Printer: bias={mp_picture['current_bias']}, "
      f"${mp_picture['long_notional']:,.0f} long")
print(f"Giga-Rekt: bias={gr_picture['current_bias']}, "
      f"${gr_picture['short_notional']:,.0f} short")

Цей комбінований погляд дає вам три речі одночасно: напрямок (bias), капітал за ним (summary) і те, чи поточне позиціонування відповідає нещодавньому тренду (position-metrics). Коли всі три узгоджуються — це більш надійний сигнал, ніж кожен окремо.

Ліміти Запитів і Стратегія Опитування

Кожен виклик bias-history — це один API-запит на сегмент. При 16 когортах повне охоплення коштує 16 запитів. Додайте summaries сегментів (ще 16) і position-metrics для топ-3 монет за 4 ключовими когортами (ще 12), і повне оновлення дашборду займе близько 44 запитів.

На безкоштовному тарифі зі 100 запитами на день ви можете запускати повне оновлення на 44 запити двічі на день із запасом для разових запитів. Цього достатньо для щоденної перевірки bias вранці та ввечері. Для безперервного моніторингу з інтервалом 5 хвилин тариф Pulse за $179/міс дає 50,000 запитів на місяць. При 44 запитах за цикл і 288 циклах на день це 12,672 запити на день — в межах місячного бюджету приблизно 1,600 на день. Якщо звузити охоплення до 4 найважливіших когорт і 2 монет, вартість одного циклу впаде приблизно до 12 запитів, і ви без проблем працюєте 24/7.

Порада щодо опитування: Наші дані оновлюються приблизно кожні 5 хвилин для більшості ендпоінтів, а агреговані аналітичні дані оновлюються кожні 12-15 хвилин. Опитування частіше ніж раз на 5 хвилин повертає той самий знімок і марно витрачає ваш бюджет запитів.

Що Bias Не Може Вам Розповісти

Cohort bias — потужна лінза, але вона має межі. Кілька важливих моментів, які варто пам'ятати:

• Немає атрибуції за окремим гаманцем. Bias є сукупним. Якщо вам потрібно знати, що робить конкретний кит, використовуйте ендпоінт /positions із фільтром за адресою.
• 12-годинне ковзне вікно для bias-history. Ви не можете бектестувати стратегію на основі bias за допомогою лише цього ендпоінту. Використовуйте /position-metrics/coin/{coin}/segment/{segmentId} для багатоденної глибини (приблизно 4 тижні) або /positions для більш глибокого історичного аналізу (приблизно 10 місяців).
• Bias не передбачає напрямок. Він показує, де розташований позиціонований капітал. Чи правий цей капітал — окреме питання. Історичний аналіз точності когорт можливий через ендпоінт position-metrics, але само по собі значення bias є описовим, а не прогностичним.
• Хеджування та торгівля базисом замутнюють сигнал. Гаманець, який тримає лонг спот і шорт перп, відображається як шортовий у розрахунку bias, хоча його реальна напрямкова експозиція є нейтральною. Агрегація за когортою згладжує цей шум, але не усуває його повністю.

Починайте Запитувати Cohort Bias Вже Сьогодні

Безкоштовний тариф дає вам 100 API-дзвінків на день. Достатньо, щоб отримати знімки bias для кожної когорти двічі на день і почати будувати свій дашборд розбіжностей.

Отримайте Безкоштовний API-Ключ

Cohort bias — це найкоротший шлях від сирих даних позиціонування до думки про ринкову структуру. Три ендпоінти, кілька рядків Python, і ви бачите, чи гаманці, які історично виграють, нахилені в той самий бік, що й гаманці, які історично програють. Коли вони збігаються — ринок має консенсус. Коли розходяться — щось ось-ось вирішиться. Ваше завдання — спостерігати в цей момент.