← 返回 Quant Digests · 站点首页

别把这份 HyperData Terminal 只读成鲸鱼看板：对 short-cycle desk，更该先测的是「recent-trader whale-position imbalance × short-horizon follow」这条 raw alpha

• 时间：2026-04-13 18:37 UTC
• 类型：2026 GitHub repo source audit（README.md + src/data_layer/position_scanner.py + src/strategies/examples/whale_follow.py + src/strategies/base.py）+ Hyperliquid public API live probe
• 主题标签：raw-alpha/event-driven/positioning/whale/open-position-imbalance/recent-trader-discovery/hyperliquid/public-wallets/liquidation-distance/state/direction-follow/short-horizon/1m/3m/5m/15m/repo/public-data/cost/risk
• 证据类型：源码规则 + 公共接口 live sample + desk-level strategy reframing

• 主题类型：raw alpha
• 基础 alpha：最近活跃的大额公开地址，如果在同一标的上出现明显的净持仓方向失衡（尤其是“刚成交过的地址”而不是静态鲸鱼榜），其后续 1m/3m/5m/15m 更可能沿该方向继续重定价；liquidation distance 更像状态变量，不是 alpha 本体。
• 是否可独立复现：是
• 是否可直接落地完整策略（entry/exit/sizing/risk/cost）：是

1. 先把一句话说清楚：这篇东西的 base alpha 是什么？

> base alpha = recently-active public-whale position imbalance → short-horizon continuation。

不是“看见鲸鱼就跟”。 也不是“看见 liquidation map 就猜一定要爆仓”。

这份 repo 里真正适合 desk 拿来做最小实验的，不是 whale_follow.py 那个教学版“盯最大一笔仓位、方向一致就下单”，而是它背后的更有用结构：

1. 先用 recentTrades 找到刚刚还在市场里活跃的地址；
2. 再用 clearinghouseState 把这些地址的 open positions 拉出来；
3. 对单个标的做“净多/净空 notional 失衡”聚合；
4. 把 distance-to-liquidation 当成状态变量，判断这是“从容持仓的方向信息”，还是“临近清算的挤压燃料”。

翻成人话：

• 这不是传统 order-flow；
• 也不是 funding/basis/pairs；
• 它更像一条 公开地址持仓定位数据驱动的 event/positioning raw alpha；
• alpha 本体是 方向失衡本身，不是 liq distance；
• liq distance 主要决定你更该做 follow、squeeze chase，还是干脆不做。

2. 这次看了什么

主来源（repo）

• Author / Owner： GitHub owner Co-Messi
• Year： 2026
• Title： *HyperData Terminal*
• Venue： GitHub repository
• DOI： N/A
• Readable URL： <https://github.com/Co-Messi/HyperData-Terminal>
• Repo URL： <https://github.com/Co-Messi/HyperData-Terminal>
• GitHub metadata：
• created: 2026-04-08T14:45:20Z
• pushed: 2026-04-09T11:50:53Z
• updated: 2026-04-10T15:14:01Z
• stars: 1
• description: open-source crypto trading terminal ... whale tracking, liquidation cascades, and paper-traded strategies

本轮直接审的关键文件

• README.md
• src/data_layer/position_scanner.py
• src/strategies/examples/whale_follow.py
• src/strategies/base.py

本轮自建 probe 产物

• 脚本：reports/artifacts/quant_digests/2026-04-13_hyperliquid_recenttrader_position_probe.py
• 汇总：reports/artifacts/quant_digests/hyperliquid_recenttrader_position_probe_summary_2026-04-13.json
• 明细：reports/artifacts/quant_digests/hyperliquid_recenttrader_position_probe_detail_2026-04-13.csv

3. 一句话核心结论 + 一句话证明方式

一句话核心结论

> repo 表面上给的是一个很幼稚的“largest whale 跟单示例”，但真正值得 desk 收下的，是“recent-trader address discovery → open-position imbalance → liquidation-distance state split” 这条可独立复现的 raw alpha 壳。

一句话证明方式

> 证明不靠 README 口号，而是靠源码路径本身：recentTrades 发现地址、clearinghouseState 拉仓位、distance_pct 算清算距离；我再用公共接口 live probe 复核后发现，仅从 BTC/ETH/SOL/DOGE 最近成交地址就能映射出 40 个活跃地址、633 个 open positions，其中 BTC 单标的已能聚出 ~2191 万美元 gross notional，且净暴露明显偏空。

4. 为什么这轮值得写，而不是继续做 funding / basis / pairs / 又一个 order-flow 题

因为它补的是当前 digest 池里相对缺的一类素材：

1. 这不是 funding/basis/pairs 的重复变体。

• 收益来源不是 carry、basis 压缩或 spread 回归；
• 而是 公开地址持仓方向失衡带来的后续价格跟随/重定价。

1. 它不是单纯“看板数据”。

• repo 真正有用的地方，是把公共地址发现和持仓聚合都写成了可复用组件；
• 这意味着我们可以不依赖私有链上标签，不依赖 Coinglass 付费面板，也能先做最小实验。

1. 它和现有 short-cycle 主线有直接关系。

• 可以服务 1m/3m/5m/15m 的 event-driven directional alpha；
• 也能和现有 microstructure / liquidation / trend 书架拼接成 confirmation 或 veto；
• 但它本身依然是可以独立测的 raw alpha，不只是 overlay。

5. repo 真正提供了什么

5.1 position_scanner.py 才是核心，不是示例策略本身

src/data_layer/position_scanner.py 这份文件比 whale_follow.py 更重要。

它做了 4 件关键事：

1. 地址发现

• 从 recentTrades 抓最近活跃地址；
• 默认扫 BTC / ETH / SOL / DOGE / ARB / SUI / WIF / PEPE。

1. 仓位抓取

• 对每个地址调用 clearinghouseState；
• 拉到 coin / side / size_usd / entry / liq / leverage / upnl。

1. 清算距离状态化

• 直接算出 distance_pct = |current - liq| / current；
• 还能给出 within_1pct / within_2pct / within_5pct 的分层摘要。

1. 最近成交地址 + 当前持仓 的连接

• 这点比“静态鲸鱼榜”更重要；
• 因为我们要找的是 刚刚还在交易、且当前仍有仓位的参与者，而不是沉睡大户。

这条链路已经足够形成一个完整 research shell。

5.2 whale_follow.py 本身太幼稚，但正因为幼稚，反而好拆

教学版示例逻辑非常直接：

• 找某个 symbol 最大的一笔公开仓位；
• 如果 notional 超过阈值（默认 $500k）；
• 多就买，空就卖。

源码自己都写了： > Educational example — not real trading alpha.

但这不是坏事。 它反而明确告诉我们：

• repo 并没有假装“已经把 alpha 做完”；
• 它只是把 数据 plumbing 和最粗的策略接口交出来；
• desk 真正该做的是把 largest whale follow 升级成 basket imbalance follow。

5.3 base.py 把落地接口定义得够清楚

Signal(symbol, action, size_usd, confidence, reason) 这种接口很朴素，但已经足够对应 desk 口径：

• signal 本体：方向（BUY / SELL）
• size：仓位大小
• confidence：可映射到杠杆或 budget
• reason：方便日志 / 复盘 / 质检

所以这不是只能做 dashboard 的 repo； 而是 已经可以很快挂上 paper trading / replay / execution simulator 的研究底座。

6. 我做的 Hyperliquid public API live probe：最关键的数字

6.1 数据与口径

• 数据源： Hyperliquid public /info
• recentTrades
• clearinghouseState
• allMids
• meta
• 公开性： 完全公开，无需 key
• 更新频率： 近实时（交易与持仓状态级）
• 本轮最小实验口径：

1. 从 BTC / ETH / SOL / DOGE 的最近成交里发现地址
2. 截断到最近 40 个活跃地址
3. 拉这些地址当前 open positions
4. 聚合单标的 gross / net notional 与 liquidation-distance 分层

6.2 先记最重要的 6 个数

数 1：只用 4 个种子市场，就发现了 40 个最近活跃地址

• BTC: 10 recent trades
• ETH: 10
• SOL: 10
• DOGE: 10

这说明最小实验的数据入口并不稀缺，公开接口本身就足够先做研究。

数 2：这 40 个地址映射出了 633 个 open positions

这点很关键： 我们抓到的不是“几条零碎地址标签”， 而是一层可以持续扫描的 公开持仓图谱。

数 3：BTC 单标的就有 21 笔仓位、$21.91m gross notional

具体到 BTC：

• long notional：$5.91m
• short notional：$16.00m
• gross：$21.91m
• net long-minus-short：约 -$10.10m

翻成人话： > 这一刻的“最近活跃公开地址”样本里，BTC 明显是净偏空的。

数 4：最大单笔 BTC 仓位就是一笔 ~$15.69m 的空单

probe 里最大的 BTC 仓位是：

• side：short
• size：$15.69m
• leverage：20x
• liquidation distance：151.76%

这说明两件事：

1. repo 那种“直接跟最大一笔”的逻辑，样本上确实会得到很强的单边信号；
2. 但这笔仓位离 liquidation 很远，它更像 conviction position，不像 imminent squeeze fuel。

数 5：BTC 的 within_5pct notional 只有 ~$3.15m

• within 1%：$0
• within 2%：$80
• within 5%：$3.15m

也就是说： > 这个时间点上，BTC 的公开活跃地址样本并不是“马上要爆的大拥挤仓位”，而更像“方向偏空、但离清算还远”的持仓状态。

这恰好支持前面的拆分：

• alpha 本体 是 position imbalance；
• liq distance 是状态变量。

数 6：不只 BTC，ETH / SOL 也同样出现明显净空暴露

probe 前几大标的摘要：

• ETH: gross ~$24.52m，net ~-$15.30m
• BTC: gross ~$21.91m，net ~-$10.10m
• SOL: gross ~$6.85m，net ~-$6.29m
• DOGE: gross ~$3.43m，net ~-$2.65m

这意味着更值得测的不是“单地址神话”，而是： > 同一批最近活跃地址，是否会在多个大币上同步形成方向性持仓失衡，并对后续 5m/15m 产生可交易的 drift。

7. 这条线对 short-cycle desk 的正确读法

7.1 它是 raw alpha，不是 overlay

原因很简单：

• base alpha 清楚；
• entry / exit / sizing / risk / cost 都能定义；
• 不需要先挂到已有 breakout / mean-reversion / basis 书架上才能存在。

所以它应归类为： > event-driven / positioning raw alpha。

7.2 但不要照抄“largest whale blindly follow”

repo 自带示例太粗：

• 单地址噪声太大；
• 容易被偶然的大仓位绑架；
• 不区分新开仓、老持仓、减仓后残留仓；
• 不区分“离 liquidation 远的 conviction”与“离 liquidation 近的 squeeze fuel”。

更合理的 desk 版，至少要升级为：

• 单标的 basket net exposure，不是单地址；
• active-address refresh，不是静态白名单；
• liq-distance split，不是一锅炖；
• time stop + decay，不是无限持有。

7.3 更像哪类完整策略？

更像下面这条壳：

1. 发现地址： 每 1m 更新最近活跃地址池
2. 聚合方向： 对每个币算 net_notional = long - short
3. 做 admission： 只做 gross notional 足够大、地址数足够多的币
4. 做状态划分：

• 若 within_5pct / gross_notional 很低：按 directional follow 处理
• 若该比值很高：按 squeeze continuation / exhaustion 另立分支

1. 执行： 在 Binance / Hyperliquid 自己的 1m/3m/5m/15m 上做子执行

8. 下一步怎么测（必须项）

8.1 先做最小可复现实验，不要先做复杂回测系统

第一步不是上生产框架，而是先回答一个最基本的问题：

> recent-trader basket 的净持仓失衡，到底能不能预测后续 5m / 15m 收益方向？

最小实验建议：

1. 每分钟抓一次：

• 活跃地址池
• 当前 open positions
• 每个 symbol 的 gross / net / within_5pct

1. 对每个 symbol 生成 3 个主特征：

• net_notional / gross_notional
• address_count
• within_5pct / gross_notional

1. 预测 future returns：

• t+1m
• t+3m
• t+5m
• t+15m

1. 先只看最朴素分桶：

• top decile 净多 vs top decile 净空
• high-liq-risk vs low-liq-risk split

8.2 第一版策略壳

如果最小实验有方向性，就先做最简单版本：

• entry：
• |net/gross| >= q80
• gross_notional >= symbol-specific floor
• active_address_count >= min_n
• direction：
• net > 0 做多
• net < 0 做空
• exit：
• 固定 5m / 15m time stop
• 或 net/gross 回到中性区间
• risk：
• 单币 notional cap
• 同向 cluster cap
• liquidation-risk 高时降杠杆
• cost：
• 先按 taker bps 压一次
• 再测 maker-improved 版本

8.3 第二版再考虑与现有书架拼接

如果 raw alpha 本体成立，再去做这些增强：

• 与现有 microstructure flow 做同向确认
• 与 liquidation surge 做 branch split
• 与 funding / basis crowding 做 veto
• 与 trend book 做 regime router

顺序别反。 先确认 raw alpha 本体，再谈 overlay。

9. 当前 verdict

> 值得进研究池，而且应该按 raw alpha 立项。

但要非常明确：

• 不是照抄 repo 的 largest whale follow；
• 而是把它升级成 recent-trader position imbalance；
• 并把 liquidation distance 从“信号本体”降级成“状态分层器”。

如果这条线后续成立，它会给 desk 补上一块目前还不算拥挤的素材：

• 不是 funding/basis
• 不是 pairs
• 不是纯 order-flow
• 而是 公开地址持仓定位 → 短周期方向漂移

这对 1m / 3m / 5m / 15m 的 short-cycle 研究，是真正值得补的一条新 raw alpha 线。

10. 来源

• Co-Messi (2026), *HyperData Terminal*, GitHub repo: <https://github.com/Co-Messi/HyperData-Terminal>
• Repo raw files:
• <https://raw.githubusercontent.com/Co-Messi/HyperData-Terminal/main/src/data_layer/position_scanner.py>
• <https://raw.githubusercontent.com/Co-Messi/HyperData-Terminal/main/src/strategies/examples/whale_follow.py>
• <https://raw.githubusercontent.com/Co-Messi/HyperData-Terminal/main/src/strategies/base.py>
• <https://raw.githubusercontent.com/Co-Messi/HyperData-Terminal/main/README.md>
• Hyperliquid public API root used in probe: <https://api.hyperliquid.xyz/info>