三行代码救了一个仓位：Hyperliquid 清算风险预警实战

8 月 27 日，HYPE 创下 $86.71 的历史新高，市值接近 189 亿美元。就在同一时间窗口内，Hyperliquid 多头清算在 24 小时内累计达到 2188 万美元——因为一路跟随行情做多的杠杆仓位，在当天一次剧烈的日内回撤中被大规模扫出。未平仓合约（OI）为 34.7 亿美元，对应 196.3 亿美元的市值，杠杆敞口约占市值的 17.7%。

这些数字传递出一个重要信号：在极度亢奋的高峰时刻，市场中相当大比例的未平仓合约正濒临被强制平仓的边缘。提前部署了清算风险预警的交易者，在大规模平仓发生数小时前就已感知到压力的积聚。没有部署的人，则是在仓位消失时才得到通知。

本文着重介绍使用 HyperTracker API 在 Hyperliquid 上构建清算风险预警的实操方法。你将获得可运行的 Python 代码、一套按 cohort 严重程度分级路由的预警架构，以及一个多资产相关性探测器——用于区分孤立的风险峰值与更大范围的去杠杆事件。

清算风险接口返回哪些数据

HyperTracker 的清算风险接口路径为 GET /api/external/{segmentId}/assets/liquidation-risk。传入 16 个 cohort 分段 ID 中的任意一个，接口将返回该 cohort 在所有持仓资产中按风险敞口排序的完整列表。每条数据包含三个字段：

• totalValue：该 cohort 在该资产上的未平仓合约总量
• riskValue：距清算阈值 75% 以内的仓位所对应的美元金额
• percentRisk：高风险仓位价值与总敞口的比率

16 个 cohort 按两个维度划分。八个按永续合约权益规模对钱包分类（从 Shrimp 到 Leviathan），八个按累计盈亏分类（从 Money Printer 到 Giga-Rekt）。当一条 Leviathan 的 percentRisk 在 ETH 上骤升时，其强制平仓的体量足以撼动市场价格。当 Shrimp cohort 出现峰值时，那只是噪音。这种不对称性正是为什么对所有 cohort 简单取平均毫无意义，也是为什么分级路由如此重要。

按 Cohort 影响力构建分级预警

最简单的清算风险监控器会对每个 cohort 一视同仁。这是错误的做法，因为 Leviathan 清算与 Fish 清算对市场的冲击相差几个数量级。更好的方案是根据每个 cohort 所代表的名义敞口分配级别，然后对不同级别采取不同的路由策略。

第一级：关键 cohort

Leviathan（分段 ID 7）、Tidal Whale（ID 6）和 Money Printer（ID 8）。这些代表平台上规模最大的钱包和盈利能力最强的交易者。当他们的仓位集中接近清算线时，强制抛售的体量可能引发连锁价格下跌。立即触发预警，并考虑自动缩减仓位。

第二级：警告 cohort

Whale（ID 5）、Small Whale（ID 4）和 Smart Money（ID 9）。资金体量可观，但单独引发连锁反应的可能性较低。预警用于人工复核和收紧止损管理。

第三级：信息参考

其余所有 cohort：Apex Predator（ID 3）、Dolphin（ID 2）、Fish（ID 1）、Shrimp（ID 16），以及剩余的盈亏 cohort（ID 10-15）。将这些数据记录到时序数据库用于回测和研究，但不要推送到预警频道。一个什么都触发的预警系统，最终会变成一个没人理会的系统。

以下是 Python 实现代码。它轮询每个级别的 cohort，计算加权分数，并路由到对应的预警频道：

import requests, time

API_BASE = "https://ht-api.coinmarketman.com/api/external"
TOKEN = "YOUR_JWT_TOKEN"
HEADERS = {"Authorization": f"Bearer {TOKEN}"}

# 级别定义：cohort_id -> (名称, 权重)
TIER_1 = {7: ("Leviathan", 2.0), 6: ("Tidal Whale", 1.5), 8: ("Money Printer", 1.3)}
TIER_2 = {5: ("Whale", 1.0), 4: ("Small Whale", 0.8), 9: ("Smart Money", 1.2)}
TIER_3_IDS = [3, 2, 1, 16, 10, 11, 12, 13, 14, 15]

def get_risk(segment_id):
    url = f"{API_BASE}/{segment_id}/assets/liquidation-risk"
    resp = requests.get(url, headers=HEADERS)
    resp.raise_for_status()
    return resp.json()["items"]

def weighted_score(coin, tier):
    total_w, w_sum = 0, 0
    for seg_id, (name, weight) in tier.items():
        assets = get_risk(seg_id)
        match = next((a for a in assets if a["coin"] == coin), None)
        if match:
            w_sum += match["percentRisk"] * weight
            total_w += weight
    return w_sum / total_w if total_w else 0

def scan():
    all_assets = get_risk(7)  # 以 Leviathan 作为资产索引
    for asset in all_assets:
        coin = asset["coin"]
        t1 = weighted_score(coin, TIER_1)
        t2 = weighted_score(coin, TIER_2)
        if t1 >= YOUR_CRITICAL_THRESHOLD:
            send_critical_alert(coin, t1)
        elif t2 >= YOUR_WARNING_THRESHOLD:
            send_warning_alert(coin, t2)

while True:
    scan()
    time.sleep(300)  # 5 分钟轮询，与 API 刷新频率一致

关于阈值与权重的说明。 上述级别划分和权重仅为参考起点。HyperTracker 负责将钱包分类到各个 cohort，并不规定具体的预警阈值、仓位管理规则或风险控制参数。请根据你自身的风险承受能力和回测结果，对阈值和权重进行校准。

探测多资产相关性峰值

单一资产上的孤立峰值是一回事。当 BTC、ETH 和 SOL 在同一 cohort 内的清算风险同步攀升时，这才是更大范围去杠杆的信号。两者的区别至关重要：相关性峰值意味着强制平仓将同时冲击投资组合中的多个仓位，放大损失幅度。

探测逻辑很直接。计算每个资产的加权风险分数后，统计同时超过阈值的资产数量。如果数量超过第二个阈值（例如，同时有三个或更多资产处于高风险状态），则提升预警级别：

def detect_correlation(tier, threshold):
    """统计给定级别中超过阈值的资产数量。"""
    all_assets = get_risk(list(tier.keys())[0])
    elevated = []
    for asset in all_assets:
        score = weighted_score(asset["coin"], tier)
        if score >= threshold:
            elevated.append((asset["coin"], score))
    return elevated

elevated = detect_correlation(TIER_1, YOUR_CRITICAL_THRESHOLD)
if len(elevated) >= 3:  # 示例阈值——请根据你的模型进行校准
    send_correlated_alert(elevated)  # 最高严重级别

为什么这很重要？回想 2026 年 8 月下旬的行情。HYPE 创下历史新高的同时，多头清算主导了所有时间周期。如果你的预警系统只监控单个资产，它可能分别对 BTC、ETH 和 HYPE 各自触发一次预警，每次都被归类为常规峰值。而相关性探测器则会识别出跨越三个资产的共同模式，并将其升级为一条高级别预警："整个投资组合范围内的多头清算压力正在积聚。"

将风险分数与 Cohort 偏向配合使用

清算风险告诉你压力正在积聚，但它不会告诉你方向。这正是偏向接口的用武之地。HyperTracker 的 GET /api/external/{segmentId}/bias 接口返回某个 cohort 在特定资产上的净多或净空状态。将两个接口结合使用，可以为你的预警系统提供方向性上下文：

• 高清算风险 + cohort 偏向多头 = 一旦强制平仓发生，卖压将压低价格
• 高清算风险 + cohort 偏向空头 = 强制买入（轧空）将推高价格

这一区别直接影响你的应对方式。如果你持有多头仓位，而 Leviathan cohort 同样重仓多头且清算风险偏高，那么你与潜在的连锁抛售站在同一侧，这是减仓的信号。但如果 Leviathan 是重仓空头且风险偏高，一次轧空实际上可能对你的多头仓位有利。

def get_bias(segment_id, coin):
    url = f"{API_BASE}/{segment_id}/bias"
    resp = requests.get(url, headers=HEADERS)
    data = resp.json()
    match = next((a for a in data["items"] if a["coin"] == coin), None)
    return match["bias"] if match else "neutral"

# 在你的预警处理器中：
coin, score = "ETH", weighted_score("ETH", TIER_1)
if score >= YOUR_CRITICAL_THRESHOLD:
    bias = get_bias(7, coin)  # Leviathan 偏向
    msg = f"预警：{coin} 风险={score:.1f}%，Leviathan 偏向={bias}"
    send_critical_alert(msg)

从轮询到 Webhook 的升级路径

以上代码示例均采用 5 分钟循环的 REST 轮询方式，与 HyperTracker 的数据刷新频率一致。对于 Pulse 档位账户（$179/月），这是合适的架构：拉取数据、打分、按需预警、休眠、重复。

但轮询存在一个结构性弱点：预警延迟等于轮询间隔加上计算时间。如果风险峰值恰好发生在你上次轮询结束之后，你最多需要等待 5 分钟才能发现。对于大多数风险管理场景，这是可以接受的。对于自动化仓位管理或高频策略，则不然。

升级路径是 Webhook 推送，在 Flow 档位（$799/月）及以上可用。有了 Webhook，HyperTracker 在数据刷新后会立即将风险数据推送到你的接口，完全消除轮询循环。你的代码因此更简洁（无需调度器和休眠周期），延迟也降低到网络传输时间。

对于 Stream 档位（$1,999/月），WebSocket 连接提供持续更新。模式从请求-响应转变为事件驱动：订阅风险变化，实时处理，近实时触发预警。

从轮询开始，等需求超出时再升级。 Pulse 档位 $179/月 提供构建完整预警管道所需的一切。每 5 分钟轮询一次，对大多数风险监控而言已经足够。只有当你需要更低延迟时，才需要迁移到 Webhook 或 WebSocket——通常意味着你在运行比人工操作更快的自动化仓位管理系统。

阈值校准：用历史数据回测

任何预警系统最难的部分不是代码，而是阈值。设得太低，你会淹没在误报中。设得太高，你会错过真正重要的连锁清算。

HyperTracker 提供约四周的历史 cohort 指标数据，足以让你在近期市场条件下回测阈值。方法是拉取历史风险分数，与价格数据叠加，识别出在重大价格波动前出现的 percentRisk 值。

实用的校准流程：

1. 拉取 BTC、ETH 及你最常交易的资产在第一级 cohort 中近四周的每日风险快照
2. 标记发生重大回撤的日期（24 小时内价格下跌 10% 以上）
3. 测量每次回撤前各轮询间隔的加权 percentRisk 值
4. 将预警阈值设定在能在大多数回撤前触发预警、同时不因日常波动每天误报的水平

这不是一次性的工作。市场结构会变化。随着市场情绪的转变，杠杆偏好也会随之改变。在 8 月初（HYPE 在 30 天内下跌近 20%）谨慎修复期有效的阈值，不一定适用于同月晚些时候将 HYPE 推至历史新高的亢奋行情。至少每月重新校准一次。

部署到生产环境

一套可运行的预警管道，除核心打分逻辑外，还需要以下几点：

• 持久化状态： 存储你计算的每一个风险分数，即使它低于阈值。历史分数是你的校准数据集。一个简单的时序数据库（InfluxDB、TimescaleDB，或用于原型开发的 SQLite）即可满足需求。
• 去重： 如果某个代币连续三次轮询都超过阈值，发送一条带有"持续偏高"标记的预警，而不是三条相同的消息。预警疲劳会彻底削弱任何监控系统的实用价值。
• 冷却逻辑： 预警触发且交易者采取行动后，在可配置的冷却期内对同一资产抑制重复预警。否则系统会就一个你已经处理过的风险反复提醒你。
• 仪表盘叠加： 将风险分数与价格数据一起导入 Grafana 或 Retool。视觉模式识别比阅读日志输出快得多，也让阈值校准更加直观。

构建你的清算风险预警管道

HyperTracker API 提供跨越 16 个行为 cohort 的预计算清算风险分数。每个 cohort 一次 REST 调用，每 5 分钟刷新一次。从免费档位开始探索，然后升级到 Pulse（$179/月）用于生产级预警。

获取你的 API 密钥

清算连锁从不提前发出日历邀请。它们发生在节假日周末、预言机偏差，以及杠杆恰好过度集中的那一刻。能够持续穿越其中的交易者有一个共同特点：在价格移动之前，他们就已经知道压力在积聚。几行代码轮询正确的接口，按正确的 cohort 加权，路由到正确的频道。这就是手机上一条预警与收件箱里一张清算回执之间的区别。