加密貨幣板塊輪動怎麼用

看懂 51 個板塊的熱圖怎麼算出來、顏色代表什麼，以及三個最常見的誤讀。

同一天，有的板塊整片綠、有的整片紅。但你怎麼知道是整個板塊在漲，還是一兩個龍頭把它拉上去？板塊輪動這張熱圖把 51 個板塊放在 7 個時間框裡比較，而它的顏色和數字都有前提——先看懂怎麼算的，再看顏色。

什麼是板塊輪動？

板塊輪動（Sector Rotation）是 Blave 的板塊表現熱圖：把 Binance USDT 本位永續合約的每個幣貼上板塊標籤，再算出各板塊在 7 個時間框內的漲跌，用顏色深淺畫成一張表。縱軸是板塊，橫軸是 1 小時、8 小時、24 小時、3 天、7 天、30 天、90 天。

計算分三步：

兩件要先知道的事。第一，板塊不是互斥分類：一個幣可以同時屬於多個板塊，例如 ETH 同時在 ETH 與 Layer 1、SOL 同時在 Layer 1 與 SOL Eco。第二，板塊表不只有加密貨幣：Binance 上掛的代幣化美股、港股、ETF、商品（如黃金、白銀、原油）永續也在裡面，它們反映的是這些永續合約的價格，不是原市場的交易時段與收盤價。

分類表是人工維護的，近一年大約每 1 到 3 個月更新一次，所以舊截圖裡的板塊成分不一定等於現在。

最關鍵的三點：綠色是誰的綠、哪一種漲、哪一種綠

這三點是把熱圖讀錯的主要來源，看顏色之前先過一次。

一、板塊綠不代表整個板塊在漲

板塊值是 OI 名目價值加權，而 OI 在各板塊裡高度集中。2026-09-15 16:15 UTC 的量測：

Layer 1 那一格的顏色，有將近八成是 ETH 決定的。要判斷是「整個板塊」還是「龍頭獨強」，點進板塊看代幣頁：同一個板塊裡多數幣都綠，跟只有第一名綠、其餘偏紅，是兩種完全不同的行情。

二、板塊輪動量的是價格，不是資金

常聽到的說法是「資金在板塊之間流動」。這張圖不能回答那件事——計算裡沒有成交額、沒有資金流入流出，只有價格漲跌和作為權重的未平倉價值。價格漲通常伴隨買盤，但兩者不是同一件事，也沒有辦法從這張圖分辨是新資金進場還是空單回補。

三、同一種綠在不同欄不是同樣的漲幅

顏色是 13 階，門檻不是固定的百分比，而是「相對假設波動的倍數」——把一個假設的年化波動換算到該時間框，再以 0.5、1、1.5、2、2.5、3 倍畫級距，超過 3 倍一律最深色。所以每一欄的實際門檻都不同：

板塊總覽頁的門檻，由頁面常數換算，非量測值。代幣頁用的假設波動較大，門檻約為上表的 1.33 倍，所以同一個漲幅在兩頁的顏色深淺會不同。

橫著看同一列，是在比「這個板塊在不同長度的窗口裡，相對各自的常態走得多遠」，不是在比漲幅大小。

熱圖上的數字是怎麼來的？

板塊值的原料是 5 分鐘報酬的加總，不是「現價 ÷ N 天前的價格 − 1」。這兩者在主流幣的短中週期幾乎一樣，長週期會有差；在高波動的小幣上，長週期會嚴重失真。

2026-09-15 16:15 UTC 的實測，主流幣的差距約 1 到 2 個百分點：

但同一時間，某個小幣的 90 天欄位算出來是 −390%——真實報酬不可能低於 −100%，這是加總在高波動長窗口下的失真。

實務上的影響有兩個。一是熱圖本身看不出來，因為顏色在 3 倍波動就封頂了；二是這個失真會被帶進板塊平均，尤其是成員裡有高波動小幣、又剛好權重不低的板塊。

還有一個同方向的效應：加權用的是當下的未平倉價值，而 OI 價值本身隨價格漲跌變動。近期大漲的幣，權重同時被放大——等於用結果回頭加權，時間框越長越明顯。

所以長時間框的欄位，適合當「哪些板塊在動」的排序線索，不適合當報酬數字讀。

可以怎麼放進策略？

以下三種用法目前沒有官方策略、也沒有回測，是示意用的起點，要用請自己驗證。資料從 GET /sector_rotation/get_overview_data 取得（需 API 方案），回傳每個板塊在 7 個時間框的漲跌，以及成員清單。

1. 先看廣度，再決定要不要跟

熱圖告訴你板塊在漲，代幣頁告訴你有多少成員在漲。把「板塊為正」和「成員過半為正」當成兩個條件，可以濾掉龍頭獨強的情況。

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"
# 板塊 24 小時是正的嗎
sector_up = s["data"][tf]["pct_change"] > 0
# 成員裡有多少比例是正的（廣度）
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))  # 板塊綠但廣度 0.3 → 只是龍頭在漲

2. 長短週期背離當輪動候選

一個板塊 30 天是紅的、24 小時轉綠，是「落後板塊剛開始動」的一種形狀；反過來 30 天深綠、24 小時轉紅，則是強勢板塊在退燒。這是讀圖的假設，不是規則——請注意上一節說的失真：30 天以上的數字只當排序用。

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:          # 長期落後、短期轉強
        rows.append((name, short, long_))
rows.sort(key=lambda x: -x[1])
print(rows[:5])

3. 當個幣訊號的濾網

如果你已經有一支在單一幣上跑的策略，可以把「所屬板塊短週期為正」當成額外條件，只在板塊同向時才接受進場訊號。這種用法不改變原策略的進出場邏輯，只減少交易次數——是否划算要用你自己的回測比較，不能假設加了濾網就會更好。另一種同類的濾網是市場情緒：它看的是單一幣的合約溢價，不是一群幣的相對強弱。

def sector_ok(sectors, token, tf="8h"):
    # 一個幣可能屬於多個板塊，任一板塊為正就算通過
    for s in sectors.values():
        if token in s["symbols"] and s["data"][tf]["pct_change"] > 0:
            return True
    return False

時間框怎麼選？

本文的例子都用 24 小時與 8 小時，因為這兩欄的數字和真實報酬差距最小，也最常對應到你實際會持有的時間長度。

至於歷史頁（板塊累積報酬的一年折線圖），它是另一套算法：日報酬複利累乘，整條線都用今天的 OI 權重，成員只有現在還在的幣（已下架的幣整段不在），上市前的日子當成 0% 報酬。所以新板塊的前段會是平線——例如代幣化美股類的板塊，2026 年初以前多半沒有資料。把它當成「板塊之間的相對走勢」看，不要當成當年可投資的績效。

搭配哪些指標？

以下是組合思路，不是驗證過的結論：