巨鲸警报怎么用

看懂未平仓量异动、避开最常见的误读，以及官方策略怎么反向用它。

总览页上一个大方块亮起来，代表巨鲸正在进场做多吗？巨鲸警报告诉你的是未平仓量与成交量「动得有多反常」，方向要另外判断——这也是最多人读错的地方。

什么是巨鲸警报？

巨鲸警报（Whale Hunter，WH）是 Blave 的持仓异动指标：把 Binance USDT 本位永续合约每 5 分钟的未平仓量（Open Interest，OI）变化与成交量，在你选的时间窗口（timeframe）内加总，再换算成相对该币近 30 天的 z-score。它有两种分数：

因为是 z-score，数值没有上下限，各币种能放在同一把尺上比较；但「高」永远是相对自己近 30 天——一个长期持续增仓的币，z 值会被自己的平均吃掉。Studio 的状态徽章按以下阈值分级（以 score_oi 为例）：

最关键的一点：WH 高 ≠ 巨鲸在做多

巨鲸警报的正负只说明 OI 或成交量的变化有多反常，本身不带方向。OI 增加代表有新仓位被打开，但开的可能是多单、也可能是空单；要判断方向，得回头看价格，或搭配筹码集中度这类方向指标。

名字里的「巨鲸」是比喻。数据是 Binance 永续的全市场合计，看不到个别账户，分不出是几个大户还是一群散户；其他交易所的持仓变化也不在其中。

怎么用巨鲸警报做策略？

以下三种用法，只有第一种对应已上架、通过检查的官方策略；另外两种是组合思路的示意，没有回测，阈值都要自己验证。

1. 反向阈值：OI 大量出清时进场

逻辑很简单：24h 窗口的 OI 净减少到反常程度（score_oi < −0.7），代表大量仓位在这段时间被平掉；策略此时做多，等分数回稳到 0.2 以上就离场空仓。这正是官方策略 btc_whale_1h 的信号函数：

ENTRY_TH = -0.7
EXIT_TH  = 0.2

def compute_signals(df, entry_th=ENTRY_TH, exit_th=EXIT_TH):
    # df['WH'] = BTCUSDT 的 24h score_oi，每根 1h K 线读一次
    signal = pd.Series(np.nan, index=df.index)
    signal[df['WH'] < entry_th] = 1.0   # OI 反常出清 → 做多
    signal[df['WH'] > exit_th]  = 0.0   # 分数回稳 → 空仓
    return signal

ENTRY_TH = -0.7 与 EXIT_TH = 0.2 是参数扫描找到的平坦区，不是凭感觉：进场阈值在 −1.3～−0.6、离场阈值在 0.0～0.3 之间都落在稳健区，平坦区 Sharpe 是所选参数点 Sharpe 的 0.884 倍。

2. 双条件：OI 与成交量同时放大

Blave 站内快讯用的就是这个条件：1h 窗口的 score_oi 与 score_volume 同时大于 2，就发出「未平仓量及交易量大幅上升」。它适合作为「这个币正在发生事情」的筛选条件：

oi  = fetch_whale_hunter(SYMBOL, INTERVAL, START, END, hdrs,
                         timeframe='1h', score_type='score_oi')
vol = fetch_whale_hunter(SYMBOL, INTERVAL, START, END, hdrs,
                         timeframe='1h', score_type='score_volume')
# 两个分数同时 > 2：与站内快讯相同的条件
active = (oi['alpha'] > 2) & (vol['alpha'] > 2)

这只是筛选，不是进场信号：它不告诉你方向，也没有回测。要放进策略，至少再加一个方向判断，并自己跑回测。

3. 过滤器：WH 找异动，方向指标决定做不做

既然 WH 不带方向，自然的组合是让它负责「有没有异动」，再交给方向指标（例如筹码集中度）决定要不要进场。以下是结构示意，compute_direction_filter 换成你自己的方向条件：

wh_active = df['WH'] > 2
direction_ok = compute_direction_filter(df)   # 例如筹码集中度的条件
signal = pd.Series(np.nan, index=df.index)
signal[wh_active & direction_ok] = 1.0
signal[~wh_active] = 0.0

这个组合没有回测，阈值 2 只是沿用站内快讯的数字；实际使用前要扫描参数、看扣除手续费后的表现。

timeframe 与分数怎么选？

WH 有两个容易混淆的设置：timeframe 是加总 OI 变化或成交量的窗口，可选 15min、1h、4h、8h、24h、3d，默认是 24h 与 score_oi；K 线周期（Studio 图表的 5min～1d、策略的 interval）只决定多久读一次数值。官方策略就是用 1h K 线读 24h 窗口的分数。

Blave 以 2024-09～2026-09 的 BTC、ETH、1000PEPE 实测：以默认 24h 窗口计，未平仓量分数的第 1／99 百分位约 −2.6／+3，极值约 ±10；窗口越短尾部越肥，1h 已可达 ±20 以上。成交量分数偏右（负值很少低于 −2），不能照搬未平仓量的对称阈值。阈值不能跨设置共用：换 timeframe 或币种都要重新扫描，别把 −0.7 直接套到别的设置上。

在 Studio 上怎么看？

搭配哪些指标？

以下是组合思路，不是验证过的结论：

用 API 或 Blave Agent 取数要注意什么？

API 端点是 GET /whale_hunter/get_alpha，参数有 symbol、period、timeframe（默认 24h）、score_type（score_oi 或 score_volume）与起止日期；Blave Agent 里对应 fetch_whale_hunter。只返回已收盘的 K 线；未指定起始日时默认取最近 365 天，区间超过 365 天会自动截短；历史最早从 2021-12-01（或该币上市时）开始。响应另附一个 stat 对象，描述最新一条数值，含义跟名字不完全一样：