Smart Money 先行：解读 Hyperliquid 上的群体轮动

Hyperliquid 上的每一次重大行情都以同样的方式开始。历史战绩最佳的钱包悄然调整仓位，往往比价格图表追上来早几个小时。散户看到那根蜡烛才做出反应，而 Smart Money 早已完成调仓。

这就是群体轮动：头部盈利钱包改变方向，与其他人跟随之间，可量化的时间差。只要知道从哪里看，这一差距在数据中清晰可见，也是我们群体分析所呈现的最明确信号之一。本指南将带你了解如何解读、如何查询，以及如何借助 HyperTracker 的 API 在此基础上构建系统。

群体轮动的真实面貌

在 Hyperliquid 上，每个钱包都根据两个维度被划分进 16 个行为群体之一：账户规模（永续合约权益）与历史总盈亏表现。用于捕捉轮动信号的是盈亏群体，因为它们将历史盈利钱包与历史亏损钱包区分开来。

八个盈亏群体，按历史战绩从优到劣排列：

| 群体 | 历史总盈亏区间 | Segment ID | | --- | --- | --- | | Money Printer | +$1M 及以上 | 8 | | Smart Money | +$100K 至 +$1M | 9 | | Consistent Grinder | +$10K 至 +$100K | 10 | | Humble Earner | $0 至 +$10K | 11 | | Exit Liquidity | -$10K 至 $0 | 12 | | Semi-Rekt | -$100K 至 -$10K | 13 | | Full Rekt | -$1M 至 -$100K | 14 | | Giga-Rekt | -$1M 以下 | 15 |

轮动发生时，头部群体（Money Printer、Smart Money、Consistent Grinder）在某个资产上调整净仓位，这一变化在随后数小时内逐步向中低层群体传导。盈利钱包率先行动，亏损钱包随后跟进，而此时价格往往已经开始移动。

轮动信号的有效性原理

群体轮动是一种行为信号。它之所以有效，是因为被归类为 Money Printer 和 Smart Money 的钱包，是通过数百乃至数千笔交易的持续盈利赢得这一标签的。它们的集合仓位变化所携带的信息，是原始未平仓合约数字无法提供的。

当你查看某个资产的总 OI 时，你看到的只是一个数字。它无法告诉你谁在增加敞口，也无法告诉你为什么。群体层面的数据将这个总量拆解成各组成部分，让你能够区分"Smart Money 在做多而散户在做空"与"所有人一起做多"这两种截然不同的情形。这两种场景在总 OI 上看起来完全相同，但背后的含义大相径庭。

轮动信号专门捕捉的是群体之间的时间差。当 Money Printer 钱包开始在 ETH 上积累多头，而 Exit Liquidity 和 Semi-Rekt 钱包仍在加空时，这种背离本身就是信号。它告诉你，历史胜率最高的钱包正在与历史胜率最低的钱包对赌。

解读偏向背离

发现轮动最快的方法，是对比不同业绩层级的群体偏向。我们的 /cohort-bias 接口返回特定资产上每个群体的多空占比，让你清楚看到各组的倾向方向。

当头部盈亏群体与尾部盈亏群体站在同一笔交易的对立两侧时，轮动信号触发。以下是 BTC 上的一个假设场景：

Money Printer 和 Smart Money 双双偏向多头，而 Exit Liquidity、Semi-Rekt 和 Full Rekt 偏向空头。中间层群体（Consistent Grinder、Humble Earner）更接近中性。从顶部强多头到底部强空头的这种梯度分布，正是轮动进行中的典型特征。

偏向数据的时间窗口限制

有一个重要约束：我们的群体偏向数据覆盖滚动 12 小时窗口。你不会找到上周或上月的偏向数据。这使得该信号本质上是短期的。如果你想分析更长周期的轮动模式，可以将偏向快照与 /cohort-metrics 接口结合使用，后者保留了约四周的逐币历史数据。

通过 API 查询轮动信号

以编程方式检测轮动需要两次 API 调用：一次针对领先群体，一次针对滞后群体。然后对比结果，检验方向是否背离。

以下是逐步操作流程：

第一步：拉取领先群体的偏向数据

在目标资产上查询 Money Printer（segment_id=8）和 Smart Money（segment_id=9）的 /cohort-bias 接口：

GET /api/external/cohort-bias?coin=BTC&segment_id=8
GET /api/external/cohort-bias?coin=BTC&segment_id=9

响应包含该群体在该资产上当前的多头占比、空头占比及净偏向方向。

第二步：拉取滞后群体的偏向数据

对 Exit Liquidity（segment_id=12）和 Semi-Rekt（segment_id=13）执行相同查询：

GET /api/external/cohort-bias?coin=BTC&segment_id=12
GET /api/external/cohort-bias?coin=BTC&segment_id=13

第三步：对比并标记

如果领先群体双双偏向多头而滞后群体双双偏向空头（或反之），轮动信号成立。逻辑直截了当：

leaders_long = money_printer.net_bias == "long" and smart_money.net_bias == "long"
laggards_short = exit_liquidity.net_bias == "short" and semi_rekt.net_bias == "short"

if leaders_long and laggards_short:
    print("Rotation signal: leaders accumulating, laggards fading")

结合 OI 背景强化信号

单凭偏向方向只能告诉你谁在做多、谁在做空，却无法告诉你各群体仓位的激进程度。/cohort-metrics 接口弥补了这一空缺，提供每个群体在每个资产上的未平仓合约量、平均杠杆率和持仓数量。

一个强力轮动信号具备两个特征：方向背离（来自偏向数据）和信念增强（来自指标数据）。当 Money Printer 钱包在做多，同时其在该资产上的 OI 持续攀升，说明他们正在用真实资金支撑这一行动。如果偏向显示做多但 OI 持平甚至下降，信号就相对偏弱，因为这可能只是存量仓位的体现，而非新建头寸。

GET /api/external/cohort-metrics?coin=BTC&segment_id=8&start=2026-07-29T00:00:00.000Z

追踪领先群体和滞后群体的 OI 趋势。理想的轮动信号是：领先群体 OI 上升，滞后群体 OI 也在上升，但方向相反。两个群体都在加仓，只是对方向判断截然不同。这才是最大程度的背离。

规模群体提供第二层视角

盈亏群体反映历史战绩，规模群体反映资金实力。将两者结合，能构建出更完整的轮动图景。

八个规模群体，按永续合约权益排列：

| 群体 | 永续合约权益区间 | Segment ID | | --- | --- | --- | | Shrimp | $0 至 $250 | 16 | | Fish | $250 至 $10K | 1 | | Dolphin | $10K 至 $50K | 2 | | Apex Predator | $50K 至 $100K | 3 | | Small Whale | $100K 至 $500K | 4 | | Whale | $500K 至 $1M | 5 | | Tidal Whale | $1M 至 $5M | 6 | | Leviathan | $5M 及以上 | 7 |

当 Leviathan 和 Tidal Whale 钱包的方向与 Money Printer 和 Smart Money 钱包一致时，信号的分量更重。大规模、高盈利的钱包同向加仓，是你能观察到的最强群体共振形态。当规模群体与盈亏群体方向不一致时（大资金走一边，高盈利钱包走另一边），局面更加模糊，需要保持谨慎。

构建轮动监控系统

实用的轮动监控系统会按固定间隔轮询偏向和指标接口，并随时间记录背离分数。由于我们的群体数据大约每 15 至 20 分钟刷新一次，比这更频繁的轮询不会获得新数据。

基础实现如下：

import requests, time

API_BASE = "https://ht-api.coinmarketman.com/api/external"
HEADERS = {"Authorization": "Bearer YOUR_JWT_TOKEN"}
LEADERS = [8, 9]     # Money Printer, Smart Money
LAGGARDS = [12, 13]  # Exit Liquidity, Semi-Rekt

def get_bias(coin, segment_id):
    r = requests.get(f"{API_BASE}/cohort-bias",
                     params={"coin": coin, "segment_id": segment_id},
                     headers=HEADERS)
    return r.json()

def check_rotation(coin):
    leader_biases = [get_bias(coin, sid) for sid in LEADERS]
    laggard_biases = [get_bias(coin, sid) for sid in LAGGARDS]

    leaders_long = all(b.get("net_bias") == "long" for b in leader_biases)
    laggards_short = all(b.get("net_bias") == "short" for b in laggard_biases)

    if leaders_long and laggards_short:
        return "BULLISH_ROTATION"
    elif all(b.get("net_bias") == "short" for b in leader_biases) \
         and all(b.get("net_bias") == "long" for b in laggard_biases):
        return "BEARISH_ROTATION"
    return "NO_SIGNAL"

# Poll every 20 minutes
while True:
    signal = check_rotation("BTC")
    if signal != "NO_SIGNAL":
        print(f"[{time.strftime('%H:%M')}] {signal} detected on BTC")
    time.sleep(1200)

这只是一个起点。生产级实现可以叠加 OI 量级检查、多资产扫描，以及通过 webhook 或 Telegram 机器人推送提醒。

轮动信号的局限性

群体轮动是一种仓位信号。它不能确定性地预测方向，也无法精确到分钟级别的时机。Smart Money 有时也会判断失误。Money Printer 群体凭借整体表现获得这一标签，意味着其成员胜多负少，但任何单次操作仍可能是亏损的。

该信号还存在结构性局限。我们的偏向数据覆盖 12 小时滚动窗口，你看到的是当前信念的一个快照。如果 Smart Money 三小时前已完成调仓、此刻已归零，偏向接口可能不再反映最初的动作。将偏向与 /cohort-metrics 的 OI 趋势配合使用，有助于捕捉轮动的完整弧线，但这个窗口依然以小时而非天为单位来衡量。

轮动是更宏观分析中的一个输入变量，而非独立的交易信号。它与清算集群数据（来自我们的热力图）、资金费率走势以及传统技术位配合使用效果更佳。群体数据告诉你谁在做什么，至于他们的仓位是否与更宏观的市场结构相符，仍需你自己判断。

查询群体轮动数据

HyperTracker 的 API 让你能够访问 Hyperliquid 上全部 16 个行为群体的数据，包括逐币偏向、未平仓合约拆解以及持仓指标。免费版每天提供 100 次请求，可立即开始探索轮动模式。

免费开始查询

Smart Money 之所以先行，是因为顶尖交易者果断果决。他们在市场共识形成之前便已建仓完毕。群体数据无法告诉你接下来会发生什么，但它能告诉你信念此刻在哪里，以及谁的信念历史上值得跟随。