> For the complete documentation index, see [llms.txt](https://docs.hyperbot.network/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.hyperbot.network/cn-zhong-wen-ban-ben/kuai-su-shang-shou/fa-xian-yu-jian-kong/fa-xian-cong-ming-di-zhi/biao-qian-xi-tong-jing-zhun-ding-wei-lian-shang-ju-jing-de-ce-le-yu-fang-fa.md).

# 标签系统：精准定位链上巨鲸的策略与方法

### 1. 引言

区块链的透明性带来了海量数据，但也带来了一个核心挑战：**如何从数以亿计的地址中，快速识别出真正有价值的交易者？**​ 传统的分析工具往往停留在展示基础交易流水和资产余额的层面，缺乏对地址行为特征的**深度提炼**和**智能化归类**，使得寻找“巨鲸”（即拥有强大资金实力和成功交易经验的地址）如同大海捞针。

Hyperbot交易者标签系统旨在解决这一核心痛点。该系统基于**过去90天**的链上历史行为数据，通过一套严谨的、多维度的量化算法模型，为每个活跃地址生成一系列高度凝练的行为标签。这些标签，如“**大资金**”、“**稳定盈利**”、“**长线**”，将复杂的链上行为转化为一目了然的特征标识，为用户提供了快速洞察地址策略风格和资金实力的“数据之眼”，让真正的巨鲸无处遁形。

<figure><img src="https://345020122-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fdu7hAF2sQY4aYE4kEaBr%2Fuploads%2FD5wyPo33nUFhNfIHVTDG%2Fimage.png?alt=media&amp;token=c144d4bb-a308-46f2-8174-449d76808a8a" alt=""><figcaption></figcaption></figure>

### 2 系统设计与架构

#### 2.1 设计哲学：客观、动态、实用

本系统的设计遵循三大核心原则，确保其输出的标签具有高可信度和实用价值。

* **数据驱动**：所有标签均严格基于可验证的链上交易数据生成，摒弃主观臆断，确保结论的客观性。
* **动态演化**：所有计算数据均取自**过去90天**的滚动窗口，确保标签能够反映交易者的最新状态，而非陈旧历史。
* **用户可控**：系统前端允许用户自由组合标签，进行多维筛选，赋予用户极大的自主探索空间。

#### 2.2 核心维度与标签定义

系统从五个核心维度对地址进行立体刻画，形成一个全面的评估框架。下表详细说明了每个维度的定义和典型标签。

*表：标签系统五大核心维度详解*

| **评估维度**​ | **核心内涵**​                   | **代表性标签（中文/英文）**&#x200B;  | **简要定义逻辑**​                               |
| --------- | --------------------------- | ------------------------- | ----------------------------------------- |
| **资金规模**​ | 评估交易者的资本实力和常规交易体量           | 大资金 / Large Fund          | 平均单笔盈利 > $50,000                          |
| **方向偏好**​ | 揭示交易者对市场方向的天然倾向             | 偏多头 / Bullish             | 过去90天内，多头交易比例 > 70%                       |
| **交易节奏**​ | 刻画交易者的持仓周期与交易频率             | 长线 / Long-term            | 平均持仓时间 > 7天                               |
| **交易风格**​ | **综合评估风险收益特征，是界定策略稳健性的关键**​ | **稳定盈利 / Stable Profit**​ | **需同时满足胜率≥60%、最大回撤≤25%、夏普比率≥1.0等多项严苛条件**​ |
|           | **盈利状态**​                   | 反映交易者在过去一段时期的整体盈亏表现       | 持续盈利 / Sustained Profit                   |

> **请注意**：系统设有最低活跃度门槛。只有当地址“过去90天总交易笔数≥3”且“平均仓位规模≥$1,000”时，才会为其生成标签，有效过滤非活跃或实验性账户。

### 3 典型应用场景

本标签系统将数据转化为**可行动的洞察**，在多个场景下具有重要应用价值。

#### 3.1 巨鲸发现与行为追踪

用户可通过组合“**大资金**” + “**稳定盈利**”等标签，瞬间从海量地址中定位到资本雄厚且风格稳健的目标巨鲸，并持续追踪其动向，例如关注他们从交易所提币至冷钱包等可能预示市场趋势的行为。

<figure><img src="https://345020122-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fdu7hAF2sQY4aYE4kEaBr%2Fuploads%2Fd5mBYHw5ehJbi7Zti2hr%2Fimage.png?alt=media&amp;token=6a14bb6a-b374-4653-8365-1f5b3c95e031" alt=""><figcaption></figcaption></figure>

<figure><img src="https://345020122-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fdu7hAF2sQY4aYE4kEaBr%2Fuploads%2FrKJDLbbpdcT59JETNRCs%2Fimage.png?alt=media&amp;token=96b1d4a8-5d95-4ca9-9168-1d6de755381a" alt=""><figcaption></figcaption></figure>

#### 3.2 策略分析与学习模仿

不同风险偏好的用户可以根据标签寻找适合自己的学习对象。

* **保守型用户**：可聚焦于“**低频稳健**”风格的交易者，学习其长期布局和风险控制之道。
* **进取型用户**：可研究“**高风险高回报**”或“**非对称高手**”（胜率低但风险收益比极高）的策略，理解其博取超额收益的奥秘。

#### 3.3 风险控制与反欺诈

标签系统有助于识别潜在风险。

* 一个地址若被标记为“**大资金**”但交易风格是“**高频激进**”且处于“**波动盈利**”状态，其巨大的交易体量本身可能就是市场波动的源头，跟随需谨慎。
* 评估新项目方时，若其核心团队地址历史行为显示为“**小资金**”、“**短线**”且“**盈亏平衡**”，投资者应对其能力和项目的可信度打上一个问号。