Unlocked：Hyperliquid 生态的智能分析层

与 @ghiya_0x 共同撰写

Hyperliquid 正悄然演变成一个全方位的金融之家。加密货币、代币化股票、大宗商品、外汇。这一切都在一个地方汇聚，全天候 24/7 交易。与之前出现的大多数平台不同，这个平台实际上拥有足以与 TradFi 交易所相媲美的流动性深度。这种深度正是大型机构所需要的。这就是为什么这让人感觉不仅仅是又一个交易所。

人们第一次选择在链上交易那些他们原本可以通过传统基础设施轻松交易的资产。不是因为他们必须这样做，而是因为这确实更好。IYKYK。

我们进行了一项分析，调取了 Hyperliquid 公开排行榜上的所有 33,128 个钱包，发现 HIP-3 的持仓量 (open interest) 中有 24.4%（约 4.027 亿美元）属于 318 个在三个月前还不存在于 Hyperliquid 上的钱包。新用户不仅在出现，而且他们是为了交易那些原本通过传统经纪商就能接触到的资产而来的。他们选择了 Hyperliquid。

在过去的五个月里，无需许可的永续合约 (perp) 市场从零增长到占据整个平台的四分之一。到 2026 年 3 月底，HIP-3 的持仓量 (open interest) 达到 20.5 亿美元，约占 Hyperliquid 总额 71.2 亿美元的 28%。HIP-4 已经上线测试网 (testnet)，将预测市场引入了产品堆栈。

而这仅仅是开始。

对情报层 (Intelligence Layer) 的需求

随着 Hyperliquid 开始变得越来越像一个全方位的金融之家，我们认为有两件事会自然而然地发生。

首先，更多的基金经理将转向链上。不仅是管理自己资金的交易员，还包括那些试图建立链上业绩记录、募集外部资本并确立自己作为可信基金经理地位的人。

其次，机构和严肃的参与者将更加密切地关注谁在 Hyperliquid 上进行交易。哪些钱包的表现始终如一，哪些在回撤中能扛得住，哪些拥有真正的优势 (edge)。

如果更多的基金经理转向链上，生态系统就需要一个情报层 (Intelligence Layer)。这包括通过适当的资产净值 (NAV) 计算、盈亏 (PnL) 细分、胜率、风险调整后收益和回撤分析，建立针对 BTC 或 ETH 的业绩基准。目前，这些几乎都不以任何可用的形式存在。

除此之外，生态系统还需要围绕 Vault 管理建立更强大的基础设施。虽然 Hyperliquid 上已经存在部分此类设施，但它还不够成熟，无法支持更大规模、更复杂的管理者。

在传统金融中，这部分已经构建完成。一旦一家对冲基金开始管理外部资本，整个生态系统就会围绕它形成：主经纪商、基金行政管理人、分析平台和审计公司。你可以调取一家基金的历史记录，研究其风险，并在实际背景下将其与基准进行比较。在 Hyperliquid 上，这一切都还不存在。

一个更大的机会在于围绕大额钱包建立机构级的情报层。一些团队已经开始着手这项工作，大多是从跟单交易 (copy trading) 的角度切入，但跟单交易仅仅触及了皮毛。它告诉你该跟随谁，但没告诉你他们为什么值得跟随。

卑微的起步

我们的宏伟目标是为在链上运作的交易员和对冲基金经理构建情报和基础设施层。目前，我们从 Vault 的情报层开始，因为它的数据集有限，适合进行实验，也是我们证明观点的正确战场。

Hyperliquid 如今拥有超过 3,000 个活跃的 Vault，其中一些管理着数千万美元。但在整个范围内，基本上没有好的方法来判断哪些 Vault 是真正优秀的。目前，如果不使用手动电子表格，你就无法清晰地回答哪些 Vault 在崩盘后表现优于比特币，同时还能保持一定的资产管理规模 (AUM) 和风险概况。

这里没有适当的排行榜，没有有用的过滤器，没有清晰的基准测试，也没有风险指标。人们往往依赖社交媒体或简单的年化收益率 (APR) 数字，而不了解背后的风险。

这就是 Unlocked 的切入点。我们接入了自 Vault 成立以来的每一次成交 (fill)、资金缴付 (funding payment)、充值和提现，并将其分层为 80 多个指标和图表。

业绩与风险指标

在业绩方面，我们追踪不同时间跨度的点对点收益、滚动年化收益以及累积盈亏 (PnL) 细分。目标是展示收益是如何产生的。

在风险方面，我们衡量最大回撤、回撤持续时间、下行偏差和波动率。我们还计算 Sharpe、Sortino 和 Calmar 比率，以及相对于 BTC 的 Beta 和相关性。这些指标有助于将真正的技能与运气爆发区分开来。

在行为方面，我们细分了 Token 和板块级别的盈亏 (PnL)、胜率和获利因子。我们重构了包含入场、出场和仓位大小详情的历史持仓，以了解管理者的风格、杠杆模式和集中度。

业绩归因模型

我们建立了一个改编自经典 Brinson Fachler 框架的业绩归因模型。它将 Vault 相对于 BTC 基准的总收益分解为三个不同的 Alpha 来源：

• 敞口管理 (Exposure management)：捕捉 Vault 是通过比被动持有 BTC 更高或更低的杠杆来赚钱的。
• Token 选择 (Token selection)：分离出选择非 BTC 的 Token 所带来的 Alpha。
• 资金费率 (Funding fees)：使杠杆成本透明化，因为资金费率会随时间产生显著的复利影响。

这些因素共同揭示了收益究竟来自何处。我们还提供了一个可排序的排行榜和 Vault 的并排比较（使用归一化的资产净值 NAV 图表），允许用户根据风险调整后的表现而非社交证明来筛选管理者。

宏伟蓝图

Vault 是我们的起点，但并非终点。我们看到了两个自然的扩张方向。

第一个是从 Vault 扩展到钱包。Hyperliquid 每天有数千个钱包在交易——个人交易员、做市商、基金和 Agent。我们用于 Vault 的同一框架可以直接延伸到链上的任何钱包。

第二个是更深入地挖掘 Vault 本身。随着 Hyperliquid 的演进，Vault 将涵盖永续合约 (perp)、现货、预测市场和收益策略。我们希望朝着链上对冲基金的 Vault 标准努力——一个统一的分析层，捕捉基金在每种工具类型中的活动全貌。

想象一个 Agent，它可以立即识别出在过去 6 个月中资产翻了 10 倍且符合特定资产管理规模 (AUM) 要求的钱包，或者在一位持续获利的交易员开设新仓位时设置警报。这就是资本实际解读 Hyperliquid 的视角。

TradFi 花了几十年才建立起这一层。我们正在 Hyperliquid 上压缩这一时间线，因为数据已经在链上，而下一波管理者需要它来充满信心地运作。一个没有情报层 (intelligence layer) 的交易引擎就是一个赌场；Hyperliquid 及其建设者值得更好的待遇。

• 原文链接： x.com/jainshubham2707/st...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～