加密货币板块轮动怎么用

看懂 51 个板块的热图怎么算出来、颜色代表什么，以及三个最常见的误读。

同一天，有的板块整片绿、有的整片红。但你怎么知道是整个板块在涨，还是一两个龙头把它拉上去？板块轮动这张热图把 51 个板块放在 7 个时间框里比较，而它的颜色和数字都有前提——先看懂怎么算的，再看颜色。

什么是板块轮动？

板块轮动（Sector Rotation）是 Blave 的板块表现热图：把 Binance USDT 本位永续合约的每个币贴上板块标签，再算出各板块在 7 个时间框内的涨跌，用颜色深浅画成一张表。纵轴是板块，横轴是 1 小时、8 小时、24 小时、3 天、7 天、30 天、90 天。

计算分三步：

两件要先知道的事。第一，板块不是互斥分类：一个币可以同时属于多个板块，例如 ETH 同时在 ETH 与 Layer 1、SOL 同时在 Layer 1 与 SOL Eco。第二，板块表不只有加密货币：Binance 上挂的代币化美股、港股、ETF、商品（如黄金、白银、原油）永续也在里面，它们反映的是这些永续合约的价格，不是原市场的交易时段与收盘价。

分类表是人工维护的，近一年大约每 1 到 3 个月更新一次，所以旧截图里的板块成分不一定等于现在。

最关键的三点：绿色是谁的绿、哪一种涨、哪一种绿

这三点是把热图读错的主要来源，看颜色之前先过一次。

一、板块绿不代表整个板块在涨

板块值是 OI 名义价值加权，而 OI 在各板块里高度集中。2026-09-15 16:15 UTC 的测量：

Layer 1 那一格的颜色，有将近八成是 ETH 决定的。要判断是「整个板块」还是「龙头独强」，点进板块看代币页：同一个板块里多数币都绿，跟只有第一名绿、其余偏红，是两种完全不同的行情。

二、板块轮动量的是价格，不是资金

常听到的说法是「资金在板块之间流动」。这张图不能回答那件事——计算里没有成交额、没有资金流入流出，只有价格涨跌和作为权重的未平仓价值。价格涨通常伴随买盘，但两者不是同一件事，也没有办法从这张图分辨是新资金进场还是空单回补。

三、同一种绿在不同栏不是同样的涨幅

颜色是 13 阶，门槛不是固定的百分比，而是「相对假设波动的倍数」——把一个假设的年化波动换算到该时间框，再以 0.5、1、1.5、2、2.5、3 倍画级距，超过 3 倍一律最深色。所以每一栏的实际门槛都不同：

板块总览页的门槛，由页面常数换算，非测量值。代币页用的假设波动较大，门槛约为上表的 1.33 倍，所以同一个涨幅在两页的颜色深浅会不同。

横着看同一列，是在比「这个板块在不同长度的窗口里，相对各自的常态走得多远」，不是在比涨幅大小。

热图上的数字是怎么来的？

板块值的原料是 5 分钟报酬的加总，不是「现价 ÷ N 天前的价格 − 1」。这两者在主流币的短中周期几乎一样，长周期会有差；在高波动的小币上，长周期会严重失真。

2026-09-15 16:15 UTC 的实测，主流币的差距约 1 到 2 个百分点：

但同一时间，某个小币的 90 天栏位算出来是 −390%——真实报酬不可能低于 −100%，这是加总在高波动长窗口下的失真。

实务上的影响有两个。一是热图本身看不出来，因为颜色在 3 倍波动就封顶了；二是这个失真会被带进板块平均，尤其是成员里有高波动小币、又刚好权重不低的板块。

还有一个同方向的效应：加权用的是当下的未平仓价值，而 OI 价值本身随价格涨跌变动。近期大涨的币，权重同时被放大——等于用结果回头加权，时间框越长越明显。

所以长时间框的栏位，适合当「哪些板块在动」的排序线索，不适合当报酬数字读。

可以怎么放进策略？

以下三种用法目前没有官方策略、也没有回测，是示意用的起点，要用请自己验证。数据从 GET /sector_rotation/get_overview_data 取得（需 API 方案），回传每个板块在 7 个时间框的涨跌，以及成员清单。

1. 先看广度，再决定要不要跟

热图告诉你板块在涨，代币页告诉你有多少成员在涨。把「板块为正」和「成员过半为正」当成两个条件，可以滤掉龙头独强的情况。

import requests
r = requests.get("https://api.blave.org/sector_rotation/get_overview_data", headers=hdrs)
sectors = r.json()["data"]
s = sectors["Layer 1"]
tf = "24h"
# 板块 24 小时是正的吗
sector_up = s["data"][tf]["pct_change"] > 0
# 成员里有多少比例是正的（广度）
ups = [t for t in s["symbols"].values() if t["data"][tf]["pct_change"] > 0]
breadth = len(ups) / len(s["symbols"])
print(sector_up, round(breadth, 2))  # 板块绿但广度 0.3 → 只是龙头在涨

2. 长短周期背离当轮动候选

一个板块 30 天是红的、24 小时转绿，是「落后板块刚开始动」的一种形状；反过来 30 天深绿、24 小时转红，则是强势板块在退烧。这是读图的假设，不是规则——请注意上一节说的失真：30 天以上的数字只当排序用。

short_tf, long_tf = "24h", "30d"
rows = []
for name, s in sectors.items():
    short = s["data"][short_tf]["pct_change"]
    long_ = s["data"][long_tf]["pct_change"]
    if short > 0 and long_ < 0:          # 长期落后、短期转强
        rows.append((name, short, long_))
rows.sort(key=lambda x: -x[1])
print(rows[:5])

3. 当个币讯号的滤网

如果你已经有一支在单一币上跑的策略，可以把「所属板块短周期为正」当成额外条件，只在板块同向时才接受进场讯号。这种用法不改变原策略的进出场逻辑，只减少交易次数——是否划算要用你自己的回测比较，不能假设加了滤网就会更好。另一种同类的滤网是市场情绪：它看的是单一币的合约溢价，不是一群币的相对强弱。

def sector_ok(sectors, token, tf="8h"):
    # 一个币可能属于多个板块，任一板块为正就算通过
    for s in sectors.values():
        if token in s["symbols"] and s["data"][tf]["pct_change"] > 0:
            return True
    return False

时间框怎么选？

本文的例子都用 24 小时与 8 小时，因为这两栏的数字和真实报酬差距最小，也最常对应到你实际会持有的时间长度。

至于历史页（板块累积报酬的一年折线图），它是另一套算法：日报酬复利累乘，整条线都用今天的 OI 权重，成员只有现在还在的币（已下架的币整段不在），上市前的日子当成 0% 报酬。所以新板块的前段会是平线——例如代币化美股类的板块，2026 年初以前多半没有数据。把它当成「板块之间的相对走势」看，不要当成当年可投资的绩效。

搭配哪些指标？

以下是组合思路，不是验证过的结论：