Коли одна ліквідація запускає тисячу: ефект каскаду на Hyperliquid

10 жовтня 2025 року одне оголошення перетворило звичайну п'ятницю на найбільшу подію ліквідації в історії криптовалют. Протягом трьох годин Bitcoin впав з $123,000 до $102,000. На всіх біржах понад $19 мільярдів у leveraged-позиціях було знищено. Лише на Hyperliquid було ліквідовано $10.3 мільярда у позиціях, знищено $1.23 мільярда капіталу трейдерів і ліквідовано 6,300 гаманців.

Це не було випадковим насильством. Це був каскад: ланцюгова реакція, де кожне примусове закриття тиснуло на ціну далі, запускаючи наступну хвилю ліквідацій, яка тиснула на ціну ще більше. Розуміння того, як ці каскади поширюються через різні сегменти трейдерів, відрізняє тих, хто пережив подію волатильності, від тих, хто став Exit Liquidity для когось іншого.

Механіка каскаду

Каскад ліквідацій — це петля зворотного зв'язку. Він починається, коли різкий рух ціни змушує кластер трейдерів із високим кредитним плечем опуститися нижче maintenance margin. Рушій ліквідацій Hyperliquid оцінює кожну позицію в кожному блоці, використовуючи mark price — медіану трьох зовнішніх оракульних потоків плюс власну mid-price Hyperliquid. Коли margin ratio трейдера падає нижче 1.0, рушій починає закривати його позицію.

У режимі cross-margin Hyperliquid спочатку намагається зробити часткову ліквідацію, закриваючи частину найбільшої збиткової позиції, щоб повернути рахунок вище maintenance. Але під час каскаду часткові заходи рідко що стабілізують. Примусові ордери на продаж від цих початкових ліквідацій потрапляють до книги ордерів, знижуючи mark price, порушуючи maintenance margin для наступного рівня трейдерів, і цикл прискорюється.

Три умови перетворюють звичайний розпродаж на каскад: концентрація кредитного плеча (забагато трейдерів на одній стороні на схожих рівнях), тонка ліквідність (недостатньо рестинг-ордерів для поглинання примусових продажів) і швидкість (автоматизовані рушії ліквідацій виконуються швидше, ніж людські трейдери можуть відреагувати).

Каскад 10 жовтня: розбір знищення на рівні когорт

Оголошення президента Трампа про 100% тарифи проти Китаю стало іскрою. Але паливо накопичувалося тижнями: переповнені лонги, агресивне кредитне плече і ринок, який закладав у ціну подальший ріст, не враховуючи геополітичні хвостові ризики.

Цифри розповідають, як каскади вдаряють по різних групах трейдерів нерівномірно. Bitcoin та Ethereum очолили збитки з $5.38 мільярда та $4.43 мільярда ліквідацій відповідно, за ними Solana з $2.01 мільярда та XRP з $708 мільйонів. Лонги поглинули 87% збитків: $16.83 мільярда у лонг-позиціях знищено проти $2.49 мільярда у шортах.

Серед 6,300 гаманців, які були повністю ліквідовані, 205 втратили понад $1 мільйон кожен. Понад 1,000 рахунків зазнали збитків щонайменше $100,000. Тим часом топ-100 трейдерів-переможців разом заробили $1.69 мільярда, а чистий прибуток сконцентрувався серед шорт-селерів — $951 мільйон.

Які когорти ламаються першими

Каскади не вдаряють по всіх трейдерах однаково. Вони рухаються хвилями, і наші дані по когортах виявляють стійку закономірність у тому, як різні сегменти зазнають впливу.

Хвиля 1: Роздрібні трейдери з високим кредитним плечем

Когорти Shrimp (perp equity $0-$250) та Fish ($250-$10K) ламаються першими. Це найбільші когорти за кількістю гаманців, і вони, як правило, несуть найвище ефективне кредитне плече. Трейдеру з $500 капіталу на позиції з 20x потрібен лише 5% несприятливий рух, щоб опуститися нижче maintenance margin. Під час каскаду такий рух відбувається за хвилини.

Їхні окремі позиції невеликі, але сам обсяг одночасних ліквідацій створює відчутний тиск продажів. Хвиля 1 — це те, що перетворює різкий рух на щось самовідтворювальне.

Хвиля 2: Трейдери середнього розміру

Dolphin ($10K-$50K) та Apex Predator ($50K-$100K) мають більші позиції з помірнішим кредитним плечем. Вони переживають початковий шок, але потрапляють у пастку, коли каскад поглиблюється. Їхні ліквідації більш значущі на кожен гаманець, оскільки кожне примусове закриття скидає більшу номінальну вартість у вже тонкі книги ордерів.

Саме тут каскад або стабілізується, або прискорюється. Якщо ліквідації Хвилі 2 знаходять достатньо рестинг-бідів для поглинання продажів, рух може сповільнитись. Якщо ні, цінова дія починає нагадувати водоспад.

Хвиля 3: Кити під тиском

Small Whale ($100K-$500K), Whale ($500K-$1M) та Tidal Whale ($1M-$5M) використовують нижче кредитне плече та ширші стоп-буфери. Вони ліквідуються останніми, але коли це відбувається, вплив колосальний. Одна ліквідація Tidal Whale може рухати mark price більше, ніж сотня ліквідацій Fish разом узятих.

Leviathan ($5M+) та когорта Money Printer (гаманці з понад $1M довічного прибутку) під час каскадів майже ніколи не ліквідуються. Наші дані показують, що вони, як правило, роблять протилежне: додають до позицій під час паніки, купуючи за цінами, які каскад і створив. Топ-100 трейдерів 10 жовтня разом заробили $1.69 мільярда, і більша частина цього прийшла від досвідчених гаманців, які позиціонувалися проти переповненої лонг-угоди.

Читання попереджувальних сигналів до каскаду

Каскади здаються раптовими, але умови, що їх породжують, накопичуються поступово. Кілька індикаторів надійно сигналізують перед початком ланцюгової реакції.

Концентрація кредитного плеча

Коли непропорційно велика кількість гаманців у кількох когортах займає позиції на одній стороні угоди з підвищеним кредитним плечем, ринок стає крихким. Наші дані по когортному bias показують напрямковий нахил по всіх 16 сегментах. Якщо Shrimp, Fish, Dolphin та Apex Predator всі мають велику долю лонгів, тоді як Smart Money та Money Printer нейтральні або в шортах, дисбаланс є попереджувальним сигналом, на який варто звернути увагу.

Щільність кластерів ліквідацій

Оцінка ризику ліквідацій HyperTracker показує, скільки perp-вартості знаходиться в межах 25% від ціни ліквідації. Коли ця концентрація висока, це означає, що відносно невеликий рух може спровокувати великий обсяг примусових закриттів. Щільні кластери на теплокарті — це саме там, де накопичується паливо для каскаду.

Екстремальні ставки фінансування

Hyperliquid розраховує фінансування щогодини (на відміну від централізованих бірж, які використовують 8-годинні інтервали). Коли ставки фінансування різко зростають до екстремальних значень, це сигналізує про те, що одна сторона ринку переповнена і платить премію за збереження позиції. Історично екстремальне фінансування передувало каскадам, тому що переповнена сторона — та, яка ламається, коли ціни рухаються проти неї.

Дивергенція когорт

Найбільш дієвий сигнал — це дивергенція між когортами, заснованими на досвіді. Коли гаманці Exit Liquidity, Semi-Rekt та Full Rekt агресивно в лонгах, тоді як Money Printer та Smart Money скорочують позиції або йдуть у шорт, налаштування асиметричне. Когорти з найгіршим послужним списком беруть на себе найбільший ризик, а когорти з найкращим послужним списком відступають. Ця закономірність передувала кожній великій каскадній події на Hyperliquid.

Страховий механізм: Auto-Deleveraging

Коли каскад переповнює страховий фонд, Hyperliquid активує Auto-Deleveraging (ADL). Це крайній засіб: ADL примусово закриває прибуткові позиції контрагентів для покриття банкрутних. Контрагенти ранжуються за нереалізованим прибутком, помноженим на ефективне кредитне плече, тому трейдери, які найбільше отримали від каскаду, першими зазнають скорочення позицій.

Під час 10 жовтня у статті генерального директора Gauntlet Таруна Чітри було підраховано, що Hyperliquid провів auto-deleveraging на суму від $660 мільйонів симульованого до $2.1 мільярда реалізованого прибутку та збитку для трейдерів-переможців. Це прихована вартість каскадів: навіть якщо ви на правильній стороні угоди, ADL може урізати ваш прибуток.

Засновник Hyperliquid Джефф Янь стверджував, що прозорість платформи і зробила її головним числом у заголовках, адже видимість у блокчейні зробила збитки вимірюваними, тоді як централізовані біржі приховали порівнянні втрати за непрозорою інфраструктурою.

Будуємо захист від каскадного ризику за допомогою даних когорт

Розуміти механіку каскадів корисно. Діяти на основі цього розуміння потребує даних, до яких більшість трейдерів не має доступу. HyperTracker класифікує кожен гаманець на Hyperliquid у 16 поведінкових когорт: 8 за розміром рахунку та 8 за показниками всього PnL. Ця класифікація, що оновлюється кожні 5 хвилин, показує, які сегменти нарощують кредитне плече, а які відступають.

Для розробників це особливо цінно. Якщо ви розробляєте торгового бота, дашборд управління ризиками або інструмент аналітики портфеля, дані позиціонування на рівні когорт дозволяють вбудувати функції з урахуванням каскадів. Замість того, щоб покладатися лише на ціну для оцінки ризику, ви можете вимірювати, наскільки насправді крихка ринкова структура, дивлячись на те, хто під впливом і скільки їм потрібно втратити, перш ніж їхні позиції будуть примусово закриті.

Перегляньте, які когорти зараз під впливом

HyperTracker відстежує 16 поведінкових когорт на Hyperliquid. Оцінка ризику ліквідацій, аналіз когортного bias та аналітика позицій — все через єдиний API.

Дослідіть HyperTracker

Каскади структурні. Так само і перевага.

Каскади ліквідацій нікуди не дінуться. Це структурна особливість ринків із кредитним плечем. Поки трейдери концентруються на одній стороні з агресивним кредитним плечем, петля зворотного зв'язку спрацьовуватиме щоразу, коли ринок рухається достатньо різко, щоб пробити першу хвилю maintenance margin. Подія 10 жовтня довела, що навіть зрілий on-chain обмінник, як-от Hyperliquid, не має імунітету до цього.

Але каскади також читаються, а отже, для тих, хто бачить їх формування, вони є торгованими. Умови, що їх створюють, включаючи концентрацію кредитного плеча, дивергенцію когорт і екстремальне фінансування, вимірювані. А дані, що розкривають ці умови, а саме хто де позиціонується і який ризик несе, доступні через нашу аналітику когорт.

Трейдери, які пережили 10 жовтня і отримали від цього прибуток, не просто пощастило. Вони бачили переповнену лонг-угоду, помітили дивергенцію між позиціонуванням роздрібних інвесторів та поведінкою smart money і відповідно позиціонувалися. Каскад був механізмом. Дані когорт були попередженням.