没有清算评分，你的风险引擎等于瞎子摸象

7月4日，Hyperliquid上的黄金永续合约在不到一分钟内下跌约100美元，随后套利机器人将价格拉回。在那60秒窗口内持有杠杆多仓的交易者，眨眼间就被清算出局。合约最终自我修正，但损失已成定局。

闪崩从不提前打招呼。它们发生在节假日周末、流动性稀薄的窗口期，以及预言机价格偏差之时。如果你的风险引擎只盯着价格和保证金，那它对水面下积聚的压力完全视而不见。清算风险评分填补了这个缺口：它告诉你某个资产有多少未平仓合约接近强制平仓，并按持仓的行为 cohort 细分。

本文将带你把 HyperTracker 的清算风险端点接入一个实用的风险引擎。读完之后，你将拥有一段 Python 代码，能够轮询风险评分、按 cohort 过滤，并在级联清算发生之前触发告警。

清算风险评分究竟衡量什么

大多数风险仪表盘追踪保证金比率。这对你自己的仓位有用，但对更广泛的市场毫无参考价值。清算风险评分反转了这个问题：它不问"我快被清算了吗"，而是问"市场上有多少仓位快要被清算了？"

我们的清算风险端点针对给定 cohort 中的每个资产返回三个字段：

• totalValue：该 cohort 中该资产的总未平仓合约量
• riskValue：距清算阈值75%以内的仓位美元金额
• percentRisk：风险仓位价值与总敞口的比率

Whale cohort 中 ETH 的 percentRisk 为18%，意味着近五分之一的 Whale 持有的 ETH 仓位接近强制平仓。这是一个领先指标。当高杠杆的大仓位集中于清算线附近时，相对较小的价格波动就能触发级联：强制卖出压低价格，引发更多清算，价格进一步下跌。

端点：一次调用，覆盖所有资产

清算风险端点地址如下：

GET /api/external/{segmentId}/assets/liquidation-risk

将某个 cohort 的 segment ID 作为路径参数传入，即可获得按风险敞口排序的资产列表。响应包含 totalCount（该 cohort 中有仓位的资产数量）以及每个资产风险明细的 items 数组。

以下是可查询的完整 cohort ID 列表：

| Cohort | 类型 | ID | |---|---|---| | Shrimp ($0-$250) | 规模 | 16 | | Fish ($250-$10K) | 规模 | 1 | | Dolphin ($10K-$50K) | 规模 | 2 | | Apex Predator ($50K-$100K) | 规模 | 3 | | Small Whale ($100K-$500K) | 规模 | 4 | | Whale ($500K-$1M) | 规模 | 5 | | Tidal Whale ($1M-$5M) | 规模 | 6 | | Leviathan ($5M+) | 规模 | 7 | | Money Printer (+$1M+) | PnL | 8 | | Smart Money (+$100K-$1M) | PnL | 9 | | Consistent Grinder (+$10K-$100K) | PnL | 10 | | Humble Earner ($0-$10K) | PnL | 11 | | Exit Liquidity (-$10K-$0) | PnL | 12 | | Semi-Rekt (-$100K to -$10K) | PnL | 13 | | Full Rekt (-$1M to -$100K) | PnL | 14 | | Giga-Rekt (below -$1M) | PnL | 15 |

信号质量取决于你查询的 cohort。Whale 和 Leviathan 的清算会撼动市场，因为强制平仓的体量足以影响价格。Shrimp 的清算只是噪音。因此，你的风险引擎应当据此对评分加权。

接入实战：不到50行的 Python 风险监控器

下面是一个可运行的风险监控器，不到50行代码。它轮询最关键 cohort（Whale、Tidal Whale、Leviathan、Smart Money、Money Printer）的清算风险端点，计算加权评分，并在综合评分超过你设定的阈值时触发告警。

import requests, time, json

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

# Cohorts that move markets, with relative weights
WATCHED_COHORTS = {
    5: {"name": "Whale", "weight": 1.0},
    6: {"name": "Tidal Whale", "weight": 1.5},
    7: {"name": "Leviathan", "weight": 2.0},
    9: {"name": "Smart Money", "weight": 1.2},
    8: {"name": "Money Printer", "weight": 1.3},
}

ALERT_THRESHOLD = 15.0  # weighted percentRisk to trigger alert
POLL_INTERVAL = 300     # 5 minutes, matches API refresh

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 compute_weighted_risk(coin):
    """Compute weighted risk score for a single asset across cohorts."""
    total_weight = 0
    weighted_sum = 0
    for seg_id, meta in WATCHED_COHORTS.items():
        assets = get_risk(seg_id)
        match = next((a for a in assets if a["coin"] == coin), None)
        if match:
            weighted_sum += match["percentRisk"] * meta["weight"]
            total_weight += meta["weight"]
    return weighted_sum / total_weight if total_weight else 0

def scan_and_alert():
    # Pull one cohort to get the asset list
    all_assets = get_risk(5)
    for asset in all_assets:
        score = compute_weighted_risk(asset["coin"])
        if score >= ALERT_THRESHOLD:
            print(f"ALERT: {asset['coin']} weighted risk = {score:.1f}%")
            # Replace with your webhook, Telegram bot, or Slack call
            fire_alert(asset["coin"], score)

while True:
    scan_and_alert()
    time.sleep(POLL_INTERVAL)

关于上述阈值和权重的说明。 ALERT_THRESHOLD 的15.0以及各 cohort 权重仅为示例起点。你应当根据自己的回测结果和风险偏好对两者进行校准。HyperTracker 负责将钱包分类到各个 cohort，不规定具体的风险阈值或仓位规模规则。

按 Cohort 过滤：为什么至关重要

粗暴的做法是查询全部16个 cohort 并对风险评分取平均值。这不仅没用，反而会稀释信号。Shrimp 仓位堆积到清算线附近时，市场几乎感知不到。而 Leviathan 面临风险时，强制平仓的体量足以制造级联清算，进而引发闪崩。

上面的代码通过给大余额 cohort 分配更高权重来处理这个问题。你也可以构建分级告警体系：

• 一级（紧急）： Leviathan、Tidal Whale、Money Printer。这些仓位代表最大的名义敞口，风险升高时立即触发。
• 二级（预警）： Whale、Small Whale、Smart Money。体量可观，但对市场的冲击相对较小。
• 三级（参考）： 其余所有 cohort。记录日志供研究和回测使用，生产环境不发告警。

这种分级结构能保持告警通道的清晰。一个对所有事情都告警的风险引擎，等于对任何事情都不告警，因为操作者迟早会视而不见。

从评分到决策：你的机器人该怎么做

原始风险评分是观察，决策才是监控仪表盘和风险引擎的分水岭。以下是将清算风险升高转化为自动化操作的方法：

在级联来临前降低敞口

如果你的机器人持有 ETH 多仓，而 ETH 的加权清算风险评分突破阈值，这就是一个信号，提示你减少仓位或扩大止损距离。逻辑很简单：风险评分升高意味着大量杠杆仓位接近强制平仓，而大仓位的强制平仓会对你不利地推动价格。你不需要预测方向，只需要把仓位缩小。

在清算洗盘后捕捉反弹机会

级联清算往往会超调。洗盘结束后，清算风险评分会急剧下降，因为风险仓位已经被强制平仓关闭。这通常正是均值回归开始的时候。如果你的机器人持续追踪风险评分，从高位到低位的骤降往往意味着强制卖压已经结束，反弹即将到来。

与 cohort 偏向交叉验证

清算风险告诉你压力正在积聚，cohort 偏向告诉你方向在哪里。如果 Leviathan 普遍持有多仓，且其清算风险持续攀升，这就是一个方向性信号：一旦强制平仓发生，卖压将来自多头方向。将 /assets/liquidation-risk 端点与 /bias 端点结合使用，可以获得更完整的市场图景。

现实背景：为什么这件事现在尤为重要

Hyperliquid 的总未平仓合约量在7月13日达到110.7亿美元，创2026年以来新高。更多的未平仓合约意味着更多的仓位、更高的杠杆，以及更大的潜在清算体量。随着平台规模扩大，"监控自己的保证金"与"监控整个市场的保证金"之间的差距也在持续扩大。

7月4日的黄金闪崩是一个典型案例。黄金永续合约在不到一分钟内下跌约100美元，由节假日流动性不足和预言机价格偏差共同驱动。合约随后迅速恢复，但在那60秒窗口内持有杠杆多仓的人，来不及反应就已被清算出局。一个持续追踪黄金清算风险评分的风险引擎，本可以在闪崩发生前就标记出风险仓位的异常集中。

这种模式反复出现。2026年5月下旬，由于预言机数据异常，Hyperliquid 上的 SpaceX 上市前永续合约在约30分钟内暴跌约45%，导致1,393个仓位共计151万美元被清算。资产不同，机制相同：杠杆仓位集中于清算阈值附近，触发事件一来，级联便开始。唯一的变量，是你的风险引擎是否提前看到了这一切。

部署到生产环境

上面的简易监控器适合原型验证。在生产环境中，你还需要做几项补充：

• 持久化状态： 将历史风险评分存入时序数据库（InfluxDB、TimescaleDB，甚至 CSV 文件也行）。这样你可以回测阈值校准结果，并发现趋势。
• Webhook 推送： 如果你使用 Flow（$799/月）或 Stream（$1,999/月）套餐，可以通过 webhook 接收推送更新，无需轮询。这消除了5分钟的轮询延迟，让你在数据刷新的第一时间获取风险数据。
• 多资产相关性： 当多个资产在同一 cohort 中同时出现清算风险飙升，这意味着更大范围的去杠杆事件正在发生。你的风险引擎应当检测相关性飙升，并对聚合信号作出响应，因为相关性飙升比孤立的单资产飙升更加危险。
• 可视化层： 将我们的清算风险数据接入 Grafana、Retool 或自定义前端。将风险评分叠加在价格走势上进行可视化，比逐行阅读日志输出能更快识别规律。

自建与购买的成本对比： 从 Hyperliquid 原始数据自行构建等效的清算风险评分系统，需要摄取所有仓位数据、计算距清算阈值的距离、将钱包分类到行为细分群体，并按 cohort 聚合。这是一条需要数月时间搭建、每月运营成本超过10,000美元的数据管道。HyperTracker API 从$179/月起，通过一次 REST 调用即可提供同等水平的智能分析。

将清算风险评分加入你的风险引擎

16个行为 cohort。资产级风险敞口。一次 API 调用。从免费套餐开始构建。

获取你的 API Key

你的风险引擎已经在追踪保证金和 PnL。清算风险评分补上了它一直缺失的那一层：市场上的其他参与者即将被迫做什么。在闪崩可以在60秒内完成的市场里，这种预见性，就是提前减仓与沦为 Exit Liquidity 之间的差距。