上一篇我说"没找到那个散户,可能永远找不到"。这篇是我真把数据跑完了的结论:零存活。但比"没找到"更值钱的一句话是——数据里真有统计显著的交易 edge,可它全活在多币系统性策略里,没有一个是"集中在少数品种上做方向判断的人"。真实的 edge 存在,只是它不在人身上。

一、怎么跑的

上一篇挖到两个数据集:Hyperliquid 的 Info API(逐笔成交 + 资金费全在链上原生记录,无需认证),和 CoinLobster 的 60 个预筛选钱包(它自己有个"日均 <30 笔"的过滤,正好把高频机器人排掉)。这次我拿这 60 个钱包当地址入口,逐个回 Hyperliquid 全量拉数据:逐笔成交(含 closedPnl、fee、crossed、币种、时间戳)、逐笔资金费现金流、出入金账本。

我把它写成了一套能复用的 Python:客户端带分页 + 限流 + 429 退避,纯函数做画像和门槛判定,9 个单测验把"净盈利的符号数学"和"门槛逻辑"焊死。净盈利我只信自己重算的那个:sum(closedPnl) - sum(fee) + sum(funding),不信任何榜单的 headline——因为榜单都排除 funding,而永续的 funding 是大头。

二、7 门槛,零存活

上一篇我设了 7 道门槛,全过才算"能抄的散户":超过 2 年、扣 funding 后净盈利、日均 <30 笔、账户 <100 万、不是做市(maker<30%)、币种集中(≤10 个)、人类节奏(成交间隔>10 秒)。60 个钱包全过一遍:0 个全过。

两道最狠。人类节奏只有 1/60 过——连那些"低频"的钱包,成交也是亚秒级的 burst,典型的机器节奏,不是人点鼠标。币种集中只有 10/60 过——50 个钱包跨 11 到 204 个币种下单,多币机器人/套利的指纹。超过 2 年只有 26/60——Hyperliquid 2023 年才上线,平台年轻本身就是一道硬墙。

最戳人的一条:活得最久的三个钱包(3.0 到 3.4 年,唯一真正跨过 2 年这道墙的)全死在币种散(151 到 198 个币)或做市重(maker 0.38 到 0.58)上。活最久的恰好是多币做市商——这把上一篇的论点坐实了:它们都死在 HFT/做市指纹上。

三、资金费重算的意外

49/60 含 funding 后是真净盈利,CoinLobster 的榜大多数没骗人。但有 11 个被 funding 翻成净亏:一个方向性亏 -308 万、收 funding 才 +4 万,净 -307 万;另一个方向性小亏 -5.7k,但付了 -39k 的 funding,净 -54k。所以"榜单排除 funding"这个坑是真坑,而且它咬的是输家——方向性本来就在亏钱的人,还要持续付 funding。

这一条直接关系我自己的 MacdCross 回测:资金费成本必须实算,不能图省事忽略,否则回测出来的盈利和实盘对不上。

四、剥离:方向性 alpha vs funding carry

我拿 21 个"老 + 净盈利"候选(放宽机器检测,只看这两道)做剥离:净盈利拆成两块——“方向性(closedPnl 减 fee)“和"funding carry”。

结果颠覆了我一开始的猜想。我原以为这些赢家是 funding 收割机,靠收资金费显示"盈利”。数据正好相反:21/21 全是方向性主导,利润来自 closedPnl,不是 funding carry;0/21 是 funding 主导。funding 对赢家只是个小成本——净盈利 +50 万的钱包,funding 才付 -3k 到 -39k。

五、edge 是真的,但全在机器身上

我对每个候选的逐笔平仓 PnL 做了符号排列检验:把每笔盈亏的符号随机打乱 2000 次,看真实的均值是不是显著超出"没 edge 的随机基准"。16/21 统计显著(p<0.05)——不是纯运气、不是幸存者偏差,真有可重复的正期望。胜率 ~50%,赔率 1.2 到 2.9,一致性是机器级别的。

但是——这 16 个有显著 edge 的钱包,每一个都交易 84 到 204 个币种(基本是 Hyperliquid 的整个币种宇宙),胜率 50% 上下,赔率机器般一致。这是跨币统计套利、横截面动量、跨宇宙做市,机器规模的打法。其中 3 个 maker 重(做市),13 个是激进 taker 跨全宇宙下单。

0/21 是"集中在 ≤10 个币 + 统计显著"——零售方向性人类的原型,一个都没出现。

六、方法论踩坑(整篇最该记的一条)

逐笔显著性检验会把任何正期望交易都判成"skill",包括做市商吃点差。所以单看"16/21 有 skill"会被骗——它把"做市 edge"和"方向性 alpha"混在一起了。必须再 cross 钱包的 maker 比例和币集中度才分得清:cross 完,显著的 16 个全是多币机器人,归零。

这一条对我自己也是提醒:别把机器的系统性 edge,当成"一个散户的 skill"去抄——那是抄错了对象。edge 要诚实归因。

七、模式提取:edge 到底是什么

上几节留下一个开放问题:这 16 个多币机器的 edge,到底是横截面动量、资金费套利、还是均值回归?我把每个钱包的成交结构再拆了一层,三件事都查了。

**先排除资金费套利。**16 个里 16 个都是 funding 的净付款方(negative carry),0 个系统性持有"收 funding 那一边"的仓位。funding 对它们是成本,不是 edge。这把"靠收资金费显示盈利"的猜想彻底否掉。

再排除"亚秒级做市"和"同时调仓的横截面套利"。16 个的中位数持仓时间是 35.6 小时(几小时到几天),不是做市商那种秒级翻转;16 个里只有 1 个是多数-maker(maker 0.78,另外 2 个 0.3–0.5 的 hybrid 算激进偏做市),其余是激进 taker(maker 中位数 12%)。更关键的是跨币同时性只有 3.4%——它们是一个币一个币地顺序下单,不是同时把整个宇宙一起调仓。所以不是"组合再平衡机器人"那种打法。

edge 是:多币、激进 taker、趋势跟随/动量,在 swing 尺度上跑。 14/16 的逐笔盈亏分布是动量形状(11 个是教科书级的趋势跟随:赔率 1.5–2.9、胜率<55%、右偏——频繁小亏、偶尔大赚;另有 3 个"双高",胜率和赔率都高但极度右偏,是被几笔超额盈利拉起来的)。只有 1 个是均值回归形状(胜率 57%、赔率 1.22)。它们扫整个币种宇宙(中位数 127 个币),一个币一个币地用 taker 进场,持仓约 1–2 天,PnL 分布是教科书级的趋势跟随指纹。

**直接测量(把动量从指纹升级成测量):**我用全部 60 个钱包的成交 px 重建每个币的链上价格序列(无 CEX、无 candles——Hyperliquid 的 candles REST 全格式 422,官方只给 AWS 批量导出),对每个钱包的每笔开仓算它进场前该币的收益(1h/4h/24h/48h 四个窗口),测"开仓方向"和"进场前收益"的相关性:+ =动量(涨了开多、跌了开空),− =均值回归(跌了开多、涨了开空)。92% 的开仓能在 24h 内找到同币的前序成交做参考价,覆盖率近乎全宇宙。

**结果比指纹更诚实,也部分推翻了我从形状做的推断。**进场信号是分裂的,不是清一色动量:在每个钱包最强的窗口上,约 9/16 动量对齐(正相关)、7/16 均值回归对齐(负相关),中位数相关只有 +0.05 左右(48h 最强窗口)——效应是真的(p<0.05)但不大。最戳人的是:好几个"动量形状 PnL"(右偏、赔率>1.3)的钱包实际进场是均值回归(跌了才开多),比如 0xb99b 强负相关 −0.46、0x0533 −0.31;而那个做市商 0xf8e6 是最强的均值回归进场(−0.56,符合做市吃点差、被动成交)。

这 reconcile 了形状和测量的分歧:右偏的 PnL(频繁小亏、偶尔大赚)并不等于动量进场——它主要来自出场管理(让盈利奔跑、止损截亏),动量进场和均值回归进场都能配出这种 PnL。所以我上一节从"PnL 形状"读成"edge=动量"是过度解读了,形状决定不了进场信号。统一的 edge 不是进场信号(它分裂),而是非对称出场:不管进场是动量还是均值回归,赢家都靠"让赢家跑、砍输家"把 PnL 做成右偏。

**对 MacdCross 的硬启示:**MacdCross 是 MACD 金叉死叉(动量进场),但数据显示"动量进场"不是这些赢家统一的 edge——出场管理才是。所以我策略的 edge 更依赖出场/止损纪律,而不是进场信号本身;进场是动量还是均值回归,不如"砍得快、让得久"重要。

和我整个项目的方向一致:别信暴利神话,先把成本和资金费算清楚,把可证伪的系统建起来,让它在历史数据上先死给我看。