超液体分析 API：智能资金和队列数据详解

Hyperliquid 的未平仓合约在一小时内暴涨 5 亿美元。BTC 正在横盘整理。您想知道，这究竟是鲸鱼在为方向性波动加注，还是 50,000 名散户交易者在参与同一笔拥挤的交易。这两种情况下的总数是相同的。交易理论则完全不同。

原始交易所数据无法回答这个问题。你需要在数据之上再加一层，告诉你哪些人在进行交易，他们历史上的盈利情况如何，以及聪明的资金是与市场上的其他资金保持一致还是背道而驰。这就是行为队列分析所要解决的问题，Hyperliquid 完全透明的链上基础设施使其比任何集中式交易所都更容易实现。本指南将介绍数据如何工作、如何查询数据，以及使用 Python 检测智能货币分化的具体工作示例。HyperTracker 是我们在示例中使用的应用程序接口，但无论使用哪种工具，这些概念都是适用的。

为什么队列数据会改变你阅读超级流体的方式？

行为队列是按共同特征（通常是头寸大小和历史盈利能力）分组的钱包。交易所的每个钱包都会被归入一个 "桶 "中，而不是将特定地址贴上 "鲸鱼 "或 "聪明钱 "的标签，您可以使用每个 "桶 "的综合指标。这就是跟随三位著名交易员和按技能分层观察整个市场的区别。

未平仓合约总量无法告诉你谁在做多。5 亿美元的多头增持在图表上看起来是一样的，无论它来自一个钱包还是 5 万个钱包。对于你的交易理论和风险管理而言，这两者之间的差别非常重要。如果多头增持完全来自盈利能力最强的群体，那么你就有了来自那些正确率高于错误率的参与者的信念。如果它来自盈利能力最差的群体，那么你就拥有了历史上反转之前的拥挤散户交易。

当你对不同组群进行比较时，真正的力量就会显现出来。如果顶部 PnL 组群正在增加多头，而底部 PnL 组群正在放弃空头，那么市场双方就会达成一致，这就是汇合信号。如果顶部 PnL 组群做多，而底部 PnL 组群也大量做多，则交易拥挤，容易受到挤压。相同的总数，两种截然不同的设置。

**队列分歧是对超级流动性最清晰的解读。**当精英交易员和散户意见不一致时，历史上盈利的一方就值得更多权衡。当他们就同一方向达成一致时，每个人都已经上了船，优势也就不复存在了。

您需要的数据

这种分析需要三项数据。每个数据都能回答不同的问题，您需要所有三个数据来形成一幅完整的画面。

**群组分类。**Hyperliquid 上的每个钱包都会按照规模和历史盈利能力进行分类。这需要足够多的历史充值数据，才能为每个地址建立 PnL 跟踪记录，这也是为什么在没有回填的情况下，不能在原始实时数据的基础上进行分类的原因。HyperTracker 运行 16 个队列：8 个按仓位大小划分（从最小到最大），8 个按历史 PnL 划分（从持续亏损到表现最佳）。随着钱包积累更多历史记录，分类将持续运行。

**定位数据。**对于每个组群，您需要当前的多头名义总额、空头名义总额和钱包数量。这将告诉您该部分目前的分配情况，以及有多少参与者落后于该分配情况。我们的数据每 5 分钟刷新一次原始 Hyperliquid 状态。

**方向偏差。**单个时间点的总体定位只是一个快照。而滚动窗口中的方向偏差则能告诉您队列是否正在移动以及移动的方向。12 小时滚动净定位指标能捕捉到有意义的变化，而不会因短期剥头皮而产生过多噪音。

所有这些都来自 Hyperliquid 的原始数据：成交量、仓位、账户状态。如果你想操作摄取管道、对每个钱包进行分类并保持滚动指标的最新状态，你可以自己建立它。工程设计是可行的，但持续成本并不低。对于大多数团队来说，查询已经完成工作的应用程序接口会更快，而且可以把时间花在战略层而不是基础架构层。

工作实例：检测智能资金背离

让我们来具体分析一下。场景：Hyperliquid 上的比特币价格已经波动了几个小时。在投入资金之前，您想知道智能资金是否在移动之前进行了定位。以下是使用队列端点进行解读的方法。

步骤 1：查询 BTC 的队列指标

首先调用/cohort/metrics，传递您关心的币种。响应会返回每个群组段的总体定位。

import requests API_BASE = "https://ht-api.coinmarketman.com/api/external" headers = {"Authorization"："Bearer YOUR_JWT_TOKEN"} # 获取 BTC 上所有群组的定位 response = requests.get( f"{API_BASE}/cohort/metrics", headers=headers, params={"coin"："BTC"} ) cohorts = response.json()

第 2 步：分离 PnL 最高与最低队列

找出盈利能力频谱的两端：PnL 历史最好的钱包群和最差的钱包群。这些就是您的聪明资金和散户基准。

# 盈利能力最高的部分（精英交易者） top_pnl = [c for c in cohorts if c['segmentId'] == 'pnl_top'][0] # 盈利能力最低的部分（持续亏损者） bottom_pnl = [c for c in如果 c['segmentId'] == 'pnl_bottom'][0] top_long_ratio = top_pnl['longNotional'] / top_pnl['totalNotional'] bottom_long_ratio = bottom_pnl['longNotional'] / bottom_pnl['totalNotional'] # 获利能力最低的部分（持续亏损）。

每个比率都是介于 0 和 1 之间的数字。0.7 表示该组群 70% 的名义风险敞口为长期风险敞口。0.3 表示他们 70% 是空头。

第 3 步：检查分歧

用最高组群的多头比率减去最低组群的多头比率。大正数意味着精英交易者做多，而散户做空，这是典型的看涨汇合。大负数意味着精英交易者做空，而散户做多，这在历史上是下行的警告。

# 如果精英交易者多数看多，而亏损交易者多数看空，#这就是看涨背离。divergence = top_long_ratio - bottom_long_ratio if divergence > 0.3: print(f "Bullish divergence: elite {top_long_ratio:.0%} long vs retail {bottom_long_ratio:.0%} 多头"） elif 分歧 <-0.3： 打印（f "看跌分歧：精英{top_long_ratio:.0%} 多头 vs 散户{bottom_long_ratio:.0%} 多头"） else: 打印（"无明显分歧，同类对齐"） print("0.3")

0.3 临界值只是一个起点，并非福音。请根据您的时间框架和风险承受能力进行调整。阈值越小，信号越多，但噪音也越大。阈值越宽，读数越少，可信度越高。

第 4 步：确认 12 小时偏差趋势

单个快照是一个起点。通过检查/cohort/bias端点进行确认，该端点会返回每个队列的 12 小时滚动方向偏差。如果您刚刚发现的背离是新出现的，那可能是噪音。如果它在过去几个小时内一直存在，则是一个更强的读数。

bias_response = requests.get( f"{API_BASE}/cohort/bias", headers=headers, params={"coin"："BTC"} ) bias = bias_response.json()#为 bias 中的分段查找持续偏向一个方向的队列： if segment['segmentId'] in ('pnl_top', 'pnl_bottom'): print(f"{segment['segmentId']}：{segment['netBias']:+.2f} (12h rolling)")

当顶部 PnL 组群数小时内一直保持正偏置，而底部组群数小时内一直保持负偏置时，这种设置值得关注。当偏差刚刚出现，而一切都在过去 15 分钟内发生翻转时，请等待另一个数据点。

阅读同类订单流

群组告诉你谁在定位。订单流告诉你他们现在在做什么。将二者结合起来，你就能获得比任何一个单独数据更丰富的市场状态信息。

/orders/5m-snapshots端点会返回 Hyperliquid 上活跃订单的 5 分钟滚动窗口，并显示止损和止盈。您可以看到静止订单在特定价位的聚集情况，哪些价位的订单最集中，以及随着时间的推移聚集情况会发生怎样的变化。这不是实时订单流，而是定期快照，而这正是此类分析的正确节奏。

一个简单的解释框架：

• **散户在某一价位的大量止损：**在被突破时更有可能发生连锁反应，因为散户止损往往集中在明显的整数位和技术位。突破这些水平会引发一连串的强制卖出。
• **获利钱包在某一价位大幅获利：**预计价格接近时会有供应。如果精英群体将 BTC 的 TP 定在 7.2 万美元，那么价格就会遇到他们退出的阻力。
• **两个群体在某一区域的订单量都很低：**真空状态。价格可以快速穿过该区域，因为没有任何阻碍。这些区域经常出现在明显的技术水平之间，可以产生当天最快的走势。

框架不是水晶球。它为你提供了你已经在关注的水平的背景，并帮助你在这些水平出现之前优先考虑哪些值得关注。

真正的局限（诚实）

每个框架都有其崩溃的边缘。如果要利用这些数据进行交易，就应该知道这些边缘在哪里。

• **群组分类需要历史记录。**一个活跃了两天的钱包不可能被可靠地分类。新钱包在建立足够的历史记录之前，都属于未分类钱包。这意味着你总是会遗漏一部分最新的活动。
• **5 分钟的刷新频率并不高。**这种数据不是为分钟级剥头皮而构建的。如果您的优势存在于 2 分钟的窗口内，您需要的是另一种产品。队列分析在 5 分钟为合理刻度线的时间框架内效果最佳。
• **过去的 PnL 并不能保证未来的表现。**顶级 PnL 队列 "仍有可能在任何特定交易中出错。幸存者偏差、制度变化和均值回归都是真实存在的。将同类信号视为多个输入信号中的一个，而不是整个交易理论。
• **在较长的时间框架内，背离效果更好。**逐小时和逐日的背离信号比逐分钟的背离信号更清晰。极短时间框架内的噪音会压倒信号。
• **订单流显示当前的休息订单。**它并不显示未来的意图。在某一价位上的止损点群会告诉你如果价格到达该价位会发生什么，但不会告诉你价格是否会到达该价位。

这些限制并不是破坏交易的因素。这也是您将队列数据与其他输入数据相结合，而不是单独使用的原因。

更进一步

一旦您对/cohort/metrics、/cohort/bias 和/orders/5m-snapshots 感到满意，您还可以探索更多。

• /liquidation-risk（清算风险）对资产层面的清算风险进行评分，这样你就能在级联触发前看到杠杆仓位的聚集位置。
• /leaderboard按PnL在历史、月度、周度和日度时间框架内对顶级交易者进行排名，如果你想深入研究队列中的特定钱包的话。
• /builders/list（构建者/列表）返回对构建者代码的分析，如果您正在构建一个交易界面，并希望与其他构建者进行比较，该功能非常有用。
• /fills为您提供 6 个月以上的交易历史记录，用于根据真实队列行为对策略进行回溯测试。
• 流量层级（799 美元/月）的 Webhooks 向您推送警报，而不是让您进行轮询。在队列变化、清算阈值或背离事件时触发。

免费层级每天允许 100 个请求，这足以端到端创建本文中所有示例的原型。无需信用卡，如果使用量低于限额，还可以无限期使用。

获取免费 API 访问权限

结束语

分析层不会取代你的交易判断。它能为您提供更好的输入。队列数据能让你看到谁在市场中，订单流能显示他们在特定价位的交易情况，而聪明资金和散户之间的分歧是 Hyperliquid 透明的链上基础设施所能提供的最清晰的信号之一。顶级 PnL 队列仍有可能出错，而低级队列仍有可能做对交易，但通过足够多的观察，优势是真实的，数据就在那里，可供查询。从队列端点开始，在您偏好的时间框架内建立对分歧的直觉，并在您信任队列读数后，将订单流分层。