Como usar o Caçador de baleias

Leia os saltos de contratos em aberto, evite o erro mais comum e veja como a estratégia oficial o usa ao contrário.

Um bloco grande acende no mapa de calor da visão geral. As baleias estão entrando comprados? O Caçador de baleias diz quão incomum é o movimento dos contratos em aberto e do volume. A direção é outra pergunta, e é aí que a maioria das pessoas se engana.

O que é o Caçador de baleias?

O Caçador de baleias (Whale Hunter, WH) é o indicador próprio da Blave de mudanças de posicionamento. Ele mede quão incomuns estão os contratos em aberto (Open Interest, OI) e o volume dos futuros perpétuos dentro do timeframe que você escolher, em relação ao nível normal da moeda. Ele tem duas pontuações:

O valor não tem limites: perto de 0 é o nível normal, e quanto maior o valor absoluto, mais incomum. Acima de ±2 é raro e acima de ±3, extremo, na mesma escala para todas as moedas; faça você mesmo a varredura dos limiares com um backtest. Numa moeda que acumula posições por muito tempo, acumular é o normal, então o valor não fica alto o tempo todo. Os selos de status do Estúdio de dados usam estes limiares (com score_oi como exemplo):

O ponto crítico: WH alto ≠ baleias comprando

O sinal do Caçador de baleias só mostra quão incomum é o movimento de OI ou volume; ele não tem direção. OI em alta significa que novas posições foram abertas, mas podem ser compradas ou vendidas. Para julgar a direção, volte ao preço ou combine o WH com um indicador direcional, como a concentração de holders.

A "baleia" do nome é uma metáfora. Ele olha o total de todo o mercado e não enxerga contas individuais, então não distingue se são poucos grandes players ou muitos traders de varejo.

Como construir estratégias com o Caçador de baleias?

Dos três usos abaixo, só o primeiro corresponde a uma estratégia oficial publicada que passou pelas verificações da biblioteca. Os outros dois são esboços de como combinar sinais, sem backtest: verifique você mesmo cada limiar.

1. Limiar inverso: entrar quando o OI é zerado em massa

A lógica é simples. Quando a redução líquida do OI na janela de 24h fica incomum (score_oi < −0.7), uma grande parte das posições foi fechada nesse período. A estratégia compra e zera a posição quando a pontuação volta acima de 0.2. Esta é a função de sinais da estratégia oficial btc_whale_1h:

ENTRY_TH = -0.7
EXIT_TH  = 0.2

def compute_signals(df, entry_th=ENTRY_TH, exit_th=EXIT_TH):
    # df['WH'] = score_oi de 24h do BTCUSDT, lido em cada candle de 1h
    signal = pd.Series(np.nan, index=df.index)
    signal[df['WH'] < entry_th] = 1.0   # OI fechado de forma incomum -> comprar
    signal[df['WH'] > exit_th]  = 0.0   # pontuação volta ao normal -> sem posição
    return signal

ENTRY_TH = -0.7 e EXIT_TH = 0.2 vêm de um platô da varredura de parâmetros, não de palpite: limiares de entrada entre −1.3 e −0.6 e de saída entre 0.0 e 0.3 ficam na zona robusta, e o Sharpe do platô é 0.884 vez o do ponto escolhido.

2. Condição dupla: OI e volume disparam juntos

Os alertas do site da Blave usam esta condição: quando o score_oi e o score_volume de 1h passam ambos de 2, o alerta avisa que contratos em aberto e volume subiram com força. Serve como filtro para achar moedas em que algo está acontecendo:

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')
# as duas pontuações > 2: mesma condição do alerta do site
active = (oi['alpha'] > 2) & (vol['alpha'] > 2)

Isto é um filtro, não um sinal de entrada: não dá direção e não tem backtest. Para operar, acrescente pelo menos uma verificação direcional e rode seu próprio backtest.

3. Filtro: o WH aponta o movimento, um indicador direcional decide

Como o WH não tem direção, uma combinação natural é deixá-lo responder "há algo incomum acontecendo?" e passar a decisão de entrada para um indicador direcional, como a concentração de holders. A estrutura abaixo é um esboço; troque compute_direction_filter pela sua própria condição:

wh_active = df['WH'] > 2
direction_ok = compute_direction_filter(df)   # ex.: uma condição de concentração de holders
signal = pd.Series(np.nan, index=df.index)
signal[wh_active & direction_ok] = 1.0
signal[~wh_active] = 0.0

Esta combinação não tem backtest, e o limiar de 2 foi apenas emprestado do alerta do site. Faça a varredura de parâmetros e confira o desempenho depois das taxas antes de usar.

Como escolher o timeframe e a pontuação?

O WH tem duas configurações fáceis de confundir. O timeframe é o trecho de tempo de variação de OI ou de volume que ele olha: 15min, 1h, 4h, 8h, 24h ou 3d, com 24h e score_oi como padrão. O intervalo dos candles (de 5min a 1d nos gráficos do Estúdio de dados, o interval de uma estratégia) só define a frequência de leitura do valor. A estratégia oficial lê a pontuação da janela de 24h em candles de 1h.

A Blave mediu BTC, ETH e 1000PEPE de 2024-09 a 2026-09: na janela padrão de 24h, os percentis 1 e 99 da pontuação de OI ficam perto de −2.6 e +3, com extremos de cerca de ±10. Quanto mais curta a janela, mais grossas as caudas: em 1h os extremos já passam de ±20. A pontuação de volume é assimétrica à direita (valores negativos raramente ficam abaixo de −2), então não use os limiares simétricos da pontuação de OI. Limiares não valem entre configurações: refaça a varredura quando mudar o timeframe ou a moeda. Não leve −0.7 para outra configuração.

Onde ver no Estúdio de dados?

Com quais indicadores combinar?

São ideias de combinação, não resultados verificados:

O que saber ao buscar os dados pela API ou pelo Blave Agent?

O endpoint da API é GET /whale_hunter/get_alpha, com symbol, period, timeframe (padrão 24h), score_type (score_oi ou score_volume) e datas de início e fim; no Blave Agent a função é fetch_whale_hunter. Só retorna candles fechados. Sem data de início, você recebe os últimos 365 dias, e intervalos maiores que 365 dias são cortados. O histórico começa em 2021-12-01 (ou na listagem da moeda). A resposta traz também um objeto stat que descreve a leitura mais recente, e seus nomes não correspondem exatamente ao que calculam: