【免费下载链接】Hyper-Alpha-Arena
AI Trading platform for Hyperliquid & Binance Futures AI 自动交易平台,支持 Hyperliquid 和币安合约
Hyper-Alpha-Arena 是一款面向 Hyperliquid 和币安合约的 AI 自动交易平台,内置市场资金流信号监控能力:它持续采集链上合约的 CVD(主动买卖差)、OI(持仓量)与资金费率数据,按你设定的条件自动检测异动并触发交易或推送提醒,让你彻底告别 24 小时盯盘。本文带你从零理解三大资金流指标,并在 5 分钟内完成一套可用的信号监控配置。
一、先搞懂:CVD、OI、资金费率分别在监控什么
多数新手只看 K 线,但价格之外还有一条"资金流"信息链。Hyper-Alpha-Arena 把三类关键指标做成了开箱即用的信号源(完整变量清单见 PROMPT_VARIABLES_REFERENCE.md):
| 指标 | 含义 | 怎么看 |
|---|---|---|
| CVD(Cumulative Volume Delta) | 主动买入金额 − 主动卖出金额的累计值 | 正数 = 买方主导,负数 = 卖方主导 |
| OI(Open Interest) | 未平仓合约总量 | 快速增加说明有新资金进场,减少说明资金离场 |
| 资金费率(Funding Rate) | 多空双方定期互付的费用率 | 费率急剧上升 = 多头情绪过热,是常见的反向预警 |
这三者各有分工:CVD 告诉你"谁在主动砸钱",OI 告诉你"有多少筹码进场",资金费率告诉你"情绪有多贵"。单独看任何一个都容易被骗,组合起来判断力才强。
指标的计算逻辑集中在 market_flow_indicators.py 中,例如 CVD 按周期分桶累加主动买卖差(_get_cvd_data),资金费率还额外给出年化数值便于对比。支持1m、5m、15m、1h、4h等 10 档时间窗口,覆盖短线到波段的所有节奏。
二、5 分钟实战:搭建第一套资金流信号监控
步骤 1:确认数据采集已就绪
平台会自动采集行情、成交与持仓数据并按 15 秒粒度聚合入库(数据模型见 models.py 中的MarketTradesAggregated、MarketAssetMetrics表),无需手动导入。启动后在 K 线页下方即可看到 CVD、Taker 买卖量、OI、资金费率等独立指标面板(前端组件 MarketFlowIndicators.tsx),先肉眼熟悉一下曲线形态。
步骤 2:在信号管理器中创建信号
进入"信号"页面,新建一条信号,界面会列出全部可选指标,包括 OI Delta、CVD、Funding Rate Change、Depth Ratio、Taker Ratio 等(指标定义见 SignalManager.tsx):
- 选择指标:如
cvd - 选择时间窗口:如
15m - 设置比较符与阈值:如
> +2,000,000(15 分钟内主动净流入超 200 万刀) - 界面还提供激进 / 适中 / 保守三档阈值参考,新手可直接采用"适中"起步
后端信号定义存储为trigger_condition(含metric、operator、threshold、time_window四个字段,结构见 models.py)。
步骤 3:把信号组合成信号池
单条信号容易误触发,把 2~3 条信号放入同一个信号池并选择逻辑:
- OR(或):任一条件满足即触发——适合"只要大资金异动就想被提醒"
- AND(与):全部满足才触发——适合"价格突破 + 资金确认"这类严格场景(池结构见 models.py)
步骤 4:让信号真正"干活"
信号池创建后有两种用法:绑定到 Trader 实现自动触发交易,或只开启Bot 推送(Telegram / Discord)实现"异动提醒但不自动下单"。检测服务采用边沿触发机制——只有条件从"未满足"变为"满足"的瞬间才触发一次,不会连续轰炸(实现见 signal_detection_service.py)。每次触发都会记录日志并附带当时的市场状态,方便事后复盘。
三、实战场景:三大指标如何组合出高价值信号
场景 1:CVD 背离预警假突破 ⚡
价格创新高,但 CVD 走平甚至转负——说明上涨主要靠挂单而非主动买入,突破可能是"陷阱"。可以建两条信号:price_change > 2%ANDcvd < 0,组合成 AND 池后触发提醒减仓或跳过做多。
场景 2:OI 激增 + 价格上涨确认趋势 📊
价格上涨的同时 OI 明显增加,说明是新资金开仓推动,趋势含金量高;反之 OI 减少的上涨多为空头回补,持续性差。监控指标选oi_delta(持仓量变化百分比),配合price_change组成确认池。
场景 3:资金费率极端值的反向预警 🎯
当费率持续飙高时,多头持仓成本极贵,市场往往临近回调。信号选funding(费率变化量,单位 bps),阈值设为负值方向即可在"费率回落拐点"被提醒。注意该指标触发的是费率变化而非绝对值(详见 PROMPT_VARIABLES_REFERENCE.md)。
| 场景 | 信号组合 | 逻辑 | 目的 |
|---|---|---|---|
| 假突破预警 | price_change + cvd 背离 | AND | 规避诱多 |
| 趋势确认 | oi_delta + price_change | AND | 确认新资金进场 |
| 情绪过热 | funding 变化 | OR | 反向风险提醒 |
四、进阶玩法:把资金流数据喂给 AI Trader
如果你不想写死阈值,Hyper AI 还能把实时资金流指标直接注入 AI 决策提示词。只需在 Prompt 中写入变量(完整变量表见 PROMPT_VARIABLES_REFERENCE.md):
{BTC_CVD_15m}—— 输出当前值、近 5 期变化与累计值{BTC_OI_1h}/{BTC_OI_DELTA_15m}—— 持仓量绝对值与变化百分比{BTC_FUNDING_1h}—— 费率、变化量与年化值
AI 每次决策前都会看到真实数据段落(如CVD (15m): +$2.34M),由它结合趋势、订单簿深度等综合判断;也可以通过 Hyper AI 对话式生成器(/prompt技能)让 AI 帮你从零写出包含资金流分析的提示词,无需编程基础。
五、避坑指南:让信号"准而不闹"的 4 个技巧 💡
- 从"提醒"开始,再放开"自动交易":先把信号池只接 Bot 推送,跑 1~2 周观察触发频率,确认质量后再绑定 Trader 自动下单。
- 阈值参考真实百分位:界面基于历史数据提供激进/适中/保守档位,不要凭感觉拍一个数字;适中档通常对应历史数据的 P90 附近。
- 短窗口看噪音,长窗口看结构:
5m的 CVD 信号多为高频噪音,15m~1h更稳;资金费率建议用1h以上窗口观察。 - 分清交易所口径:每条信号、信号池都独立指定
hyperliquid或binance数据源,跨所信号不要混在一个池里。
六、核心模块速查
| 模块 | 路径 | 作用 |
|---|---|---|
| 指标计算 | backend/services/market_flow_indicators.py | CVD/OI/资金费率等指标聚合算法 |
| 指标 API | backend/api/market_flow_routes.py | /api/market-flow/indicators等图表数据接口 |
| 信号检测 | backend/services/signal_detection_service.py | 边沿触发、AND/OR 池逻辑 |
| 信号管理界面 | frontend/app/components/signal/SignalManager.tsx | 创建/编辑信号与信号池 |
| 指标图表 | frontend/app/components/klines/MarketFlowIndicators.tsx | K 线下方资金流指标面板 |
| 变量参考文档 | backend/config/PROMPT_VARIABLES_REFERENCE.md | AI 提示词可用的全部数据变量 |
写在最后
市场资金流监控的本质,是把"大资金的行为"翻译成机器能执行的规则。用 Hyper-Alpha-Arena 的信号系统,你只需要回答三个问题——监控哪个指标、什么条件算异动、异动后做什么,剩下的采集、计算、触发、推送和复盘日志都由平台自动完成。先从一个 CVD + OI 的 AND 信号池起步,让它在后台默默工作,你会发现盯盘这件事,真的可以慢慢放下。
【免费下载链接】Hyper-Alpha-Arena
AI Trading platform for Hyperliquid & Binance Futures AI 自动交易平台,支持 Hyperliquid 和币安合约
相关推荐
沪深港通资金流分析实战:ai_quant_trade 仓库 hk-connect-flow Skill 的北向/南向资金监控与跨市场信号构建
沪深港通资金流分析实战:ai_quant_trade 仓库 hk connect flow Skill 的北向/南向资金监控与跨市场信号构建 本文围绕 ai_q
金融科技示例工程基于yowsup的实时股市资金流向:主力资金监控终极指南
在当今快速变化的股市环境中, 实时资金流向监控 已成为投资者获取市场先机的关键。本文将介绍如何利用 yowsup 这一强大的Python库,构建一个高效的 主力
即时通讯CasRel与主流关系抽取方法对比:SpERT、TPlinker、CasRel性能分析指南
CasRel与主流关系抽取方法对比:SpERT、TPlinker、CasRel性能分析指南 在自然语言处理领域,关系抽取是一个至关重要的任务,它从文本中识别实体
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考