超过一半的 Hyperliquid 仓位处于亏损状态。这意味着什么？

打开 HyperTracker 的统计页面，在总持仓数量和活跃交易者数量之间，有一个数字格外醒目：盈利仓位占比。10 月 13 日，该数值为 46.39%，较前 24 小时下降了 1.22 个百分点。这意味着 Hyperliquid 上 414,703 个未平仓仓位中，超过一半处于亏损状态。

大多数交易者扫一眼这个数字，看看是高于还是低于 50%，然后就略过了。这是个错误。盈利仓位占比是目前任何永续合约交易所中最清晰的拥挤度和情绪指标之一。由于 Hyperliquid 完全在链上结算，这个数字真实反映了真实钱包持有的真实仓位。没有不透明的交易所报告，没有样本偏差。

本文将深入解析这一指标的含义、它为何以特定方式波动、在市场极端状态下的表现规律，以及如何将其与 Cohort 分析结合，从一个百分比中读出市场的完整状况：谁在承压，谁还游刃有余。

"盈利仓位"究竟衡量的是什么

计算方式很直接：取 Hyperliquid 上所有未平仓永续合约仓位，将入场价格与当前标记价格进行比较，统计处于盈利状态的仓位数量，再除以总持仓数量。这个比率就是 HyperTracker 统计页面上显示的数值。

关于其计算机制，有几点值得注意。每个仓位计为一个单位，与规模无关。一个 Fish 级别 $500 的多单与一个 Leviathan 级别 $3,000 万的空单权重相同。这意味着该指标反映的是市场盈利的广度，更接近情绪指标，而非按资金量加权的指标。当数值跌破 50% 时，大多数仓位处于亏损，Hyperliquid 上的典型交易者正在承受痛苦。

该数值还涵盖所有币种和所有仓位类型。BTC 多单、ETH 空单、HIP-3 商品永续合约、预测市场：一切都纳入同一分母。由于 Hyperliquid 的链上架构透明记录每一个仓位，该数字覆盖的是整个交易所，而非某个抽样子集。

为何占比随价格波动

盈利仓位占比，本质上是价格相对于未平仓仓位入场分布变动的函数。当市场上涨时，在较低价格开仓的多单进入盈利，在较高价格开仓的空单亏损加深，占比上升。当市场下跌时，反之亦然。

但这种关系并非完全线性，因为新仓位在不断开立，旧仓位也在持续平仓。一轮急涨可能将占比推至 55%，但如果数千名交易者在高位附近开立新多仓，这些新仓位的未实现盈亏接近于零。随后的小幅回调会瞬间将这些仓位统统推入亏损，占比的下跌速度会比价格下跌幅度更快。

这创造了一种值得关注的不对称性。经过一段持续的单向行情后，占比在反转时往往十分脆弱，因为迟来的入场者集中在极端位置附近。一轮 15% 的涨幅之后，2% 的回调就可能在单次状态更新中将大量仓位从盈利翻为亏损。

对永续合约交易者的启示： 持续上涨之后盈利仓位占比较高（超过 55%），往往意味着新入场者已在高位大量涌入。占比看起来健康，但入场分布顶部过重。即便是温和的回调也可能引发快速翻转，迟到的仓位转为亏损，早期持仓者开始获利了结。

极端读数及其信号含义

盈利仓位占比在极端值处最具参考价值。当读数跌破 40%，市场整体承压。大多数未平仓仓位处于亏损，亏损方的资金费率压力高企，空头轧空或多头踩踏的条件正在积聚，具体取决于痛苦集中在多方还是空方。

低读数（低于 40%）：痛苦蔓延全场

在这一水平，大多数交易者账面亏损。这并不自动意味着反转即将到来，但通常预示着两种结果之一：要么亏损仓位被强制平仓（清除过剩筹码），要么价格反转足以缓解压力。单凭这一指标无法判断哪种结果更可能发生，但它标志着市场正处于抉择时刻。

将低读数与持仓量数据结合，能增添更多清晰度。若盈利占比下滑的同时 OI 也在萎缩，仓位正因强制平仓或主动止损而关闭，这是一次洗盘过程。若 OI 持平或上升而占比下降，则说明交易者正在对亏损仓位加仓，或新入场者立刻陷入亏损。这是拥挤度问题，痛苦阈值尚未触及。

高读数（高于 55%）：舒适催生自满

当大多数仓位盈利，市场感觉轻松。交易者信心高涨，杠杆倾向于扩大，入场分布集中在近期价格附近。这正是回调杀伤力最大的时候。广泛的盈利基础听起来很健康，但也意味着大量仓位的盈利空间极为有限，2-3% 的波动就足以将其抹平。

各 Cohort 的盈利仓位占比：真正有趣的地方

全市场盈利仓位占比是一个粗糙的工具。它告诉你市场的整体情绪，却将 Shrimp（永续权益 $0-$250）和 Leviathan（$500 万以上）同等对待。这正是 HyperTracker 的 Cohort 体系所弥补的。原始交易所数据无法提供这一层次的分析。

我们的数据将 Hyperliquid 上每一个活跃钱包分类到 16 个行为 Cohort 中：8 个按账户规模（永续权益）划分，8 个按历史总盈亏表现划分。Cohort 摘要接口会为每个细分群体返回 countTradersInProfit，这意味着你可以分别计算 Money Printer（历史总盈亏 $100 万以上）、Smart Money（$10 万-$100 万）、Exit Liquidity（$-1 万至 $0）以及其他每个层级的盈利仓位占比。

分歧之处，正是信号所在。假设全市场占比为 46%，但 Money Printer Cohort 的盈利占比为 62%，而 Exit Liquidity 仅为 38%。这个汇总数字掩盖了一个重要分裂：经验丰富的盈利钱包仓位合理，而历史亏损钱包则集中在错误的方向。这种分歧，即谁在盈利、谁在亏损，是比头条数字本身更强的信号。

解读 Cohort 分歧： 当高盈亏 Cohort（Money Printer、Smart Money）的盈利占比高于低盈亏 Cohort（Exit Liquidity、Full Rekt）时，市场上"聪明"的一方仓位正确。当分歧反转，亏损 Cohort 的盈利占比更高时，须极度谨慎：历史上惯于亏损的一方站对了方向，通常意味着趋势已经成熟且进入尾声。

获取数据：API 与仪表盘

盈利仓位占比显示在 HyperTracker 统计页面，与总持仓数量和活跃交易者数量并列展示。24 小时变化以差值形式呈现，无需拉取历史数据即可直观判断市场盈利广度是在扩张还是收窄。

通过程序化访问，/position-metrics/general 接口会在每次快照中返回 countInProfit 字段以及总持仓 count。两者相除即可得到相同的比率，通过传入 start 参数还可追踪其历史变化。每次快照约每 10 分钟刷新一次。

在 Cohort 层面，/segments/{segmentId}/summary 会返回每个 Cohort 的 countTradersInProfit，支持上文描述的分歧分析。你可以查询全部 16 个细分群体，比较各盈亏层级之间的盈利占比差异。

| 数据点 | 来源 | 访问方式 | | --- | --- | --- | | 全市场盈利仓位占比 | 统计页面 / /position-metrics/general | 仪表盘 + API（所有方案） | | 各 Cohort 盈利交易者数量 | /segments/{segmentId}/summary | API（所有方案） | | 历史时间序列（countInProfit） | /position-metrics/general?start=... | API（所有方案） | | 与盈利占比并列的持仓量 | /position-metrics/general | API（所有方案） |

实战解读：三种典型场景

盈利仓位占比与其他数据点结合时最具参考价值。以下是三种反复出现的情形，在这些情形中该指标能提供额外优势。

场景一：盈利占比下滑而 OI 上升

价格下跌，但持仓量持续攀升。交易者在开立新空仓，或对亏损多仓进行加仓，而非止损离场。盈利仓位占比下降，因为新仓位一开立便立于亏损之中。这种模式往往预示着踩踏式多头清算（若多头是加仓一方）或空头轧空（若空头在底部附近激进建仓）。关注强制平仓的骤增，那将是解局的关键信号。

场景二：盈利占比上升而资金费率转负

大多数仓位盈利，但资金费率转为负值。这意味着空头在向多头支付资金费，尽管大多数仓位处于盈利状态。合理的解释是：盈利仓位以低位入场的多头为主，而空头正在上涨中建仓。资金费率信号表明，即便现有仓位普遍盈利，市场已在定价一次回调。当盈利占比高企而资金费率翻转时，市场正在提前消化回调，而非事后反应。

场景三：极端情况下的 Cohort 分歧

假设全市场占比为 48%，但 Cohort 数据显示 Money Printer 超过 60%，而 Exit Liquidity 和 Giga-Rekt 低于 35%。汇总数字看似平平无奇，但分布严重倾斜：经验丰富的交易者仓位正确，历史表现差的一方站错了方向。若经验丰富的 Cohort 开始减仓而占比维持不变，这是盈利仓位的早期撤退，这类信号往往领先于价格一两次状态更新。

值得了解的局限性

没有单一指标能讲述完整的故事，盈利仓位占比也有其特定的盲区，值得正视。

等权重掩盖集中度。 一千个 Shrimp 仓位和一个 Leviathan 仓位各计为一。即便这头巨鲸控制的名义价值超过全部千个散户仓位的总和，盈利占比依然对它们一视同仁。搭配 OI 数据和 /positions/heatmap 接口可以弥补这一不足，因为热力图按 Cohort 和币种拆解了名义价值。

该指标具有滞后性。 它反映的是当前仓位的未实现盈亏，是过去入场决策与今日价格相遇的结果。它告诉你此刻痛苦所在，这对于预判强制平仓和情绪转变确实有价值。但它不预测方向。想象一个 40% 的读数：若价格横盘震荡，它可能维持 40% 数日不变。

仓位换手产生噪音。 当仓位频繁开立和关闭（低周期剥头皮常见）时，每次快照间隔内盈利仓位数量会出现波动。对于持仓超过若干次状态更新的仓位，该比率最为稳定，参考价值最高。在 Cohort 接口上使用 positionRecencyTimeframe 参数按仓位持有时长筛选，有助于将高确信度的长期仓位与噪音区分开来。

跨全部 16 个 Cohort 追踪盈利仓位

HyperTracker 按规模和绩效将每一个 Hyperliquid 钱包归类到行为 Cohort 中。查看谁在盈利、谁在亏损，以及 Smart Money 在哪里与大众出现分歧。

探索 HyperTracker

一个数字，三种读法

盈利仓位占比看似简单。一个百分比，高于或低于 50% 的分界线，上升或下降。

但将其叠加至持仓量、资金费率和 Cohort 层面的细分，它便成为解读市场结构健康状况的工具。它告诉你市场有多少痛苦、痛苦集中在何处，以及那些处于盈利状态的钱包是否真的有过被证明的判断力。

下次你打开 HyperTracker 统计页面看到这个数字时，不要只是记录它。想一想：谁在水下？他们是扛单型还是止损型？当他们最终做出决定时，价格会如何反应？