巨鯨警報怎麼用

看懂未平倉量異動、避開最常見的誤讀，以及官方策略怎麼反向用它。

總覽頁上一塊大方塊亮起來，代表巨鯨正在進場做多嗎？巨鯨警報告訴你的是未平倉量與成交量「動得有多反常」，方向得另外判斷——這也是最多人讀錯的地方。

什麼是巨鯨警報？

巨鯨警報（Whale Hunter，WH）是 Blave 的持倉異動指標：把 Binance USDT 本位永續合約每 5 分鐘的未平倉量（Open Interest，OI）變化與成交量，在你選的時間窗口（timeframe）內加總，再換算成相對該幣近 30 天的 z-score。它有兩種分數：

因為是 z-score，數值沒有上下限，各幣種能放在同一把尺上比較；但「高」永遠是相對自己近 30 天——一個長期持續增倉的幣，z 值會被自己的平均吃掉。Studio 的狀態徽章用以下門檻分級（以 score_oi 為例）：

最關鍵的一點：WH 高 ≠ 巨鯨在做多

巨鯨警報的正負只說明 OI 或成交量的變化有多反常，本身不帶方向。OI 增加代表有新部位被打開，但開的可能是多單、也可能是空單；要判斷方向，得回頭看價格，或搭配籌碼集中度這類方向指標。

名字裡的「巨鯨」是比喻。資料是 Binance 永續的全市場合計，看不到個別帳戶，分不出是幾個大戶還是一群散戶；其他交易所的持倉變化也不在裡面。

怎麼用巨鯨警報做策略？

以下三種用法，只有第一種對應已上架、通過檢查的官方策略；另外兩種是組合思路的示意，沒有回測，門檻都要自己驗證。

1. 反向門檻：OI 大量出清時進場

邏輯很單純：24h 窗口的 OI 淨減少到反常程度（score_oi < −0.7），代表大量部位在這段期間被平掉；策略此時做多，等分數回穩到 0.2 以上就出場空手。這正是官方策略 btc_whale_1h 的訊號函式：

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 線讀一次
    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   # 分數回穩 → 空手
    return signal

ENTRY_TH = -0.7 與 EXIT_TH = 0.2 是參數掃描找到的平坦區，不是憑感覺：進場門檻在 −1.3～−0.6、出場門檻在 0.0～0.3 之間都落在穩健區，平坦區 Sharpe 是所選參數點 Sharpe 的 0.884 倍。

2. 雙條件：OI 與成交量同時放大

Blave 站內快訊用的就是這個條件：1h 窗口的 score_oi 與 score_volume 同時大於 2，就發出「未平倉量及交易量大幅上升」。它適合當成「這個幣正在發生事情」的篩選條件：

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')
# 兩個分數同時 > 2：與站內快訊相同的條件
active = (oi['alpha'] > 2) & (vol['alpha'] > 2)

這只是篩選，不是進場訊號：它不告訴你方向，也沒有回測。要放進策略，至少再加一個方向判斷，並自己跑回測。

3. 濾網：WH 找異動，方向指標決定做不做

既然 WH 不帶方向，自然的組合是讓它負責「有沒有異動」，再交給方向指標（例如籌碼集中度）決定要不要進場。以下是結構示意，compute_direction_filter 換成你自己的方向條件：

wh_active = df['WH'] > 2
direction_ok = compute_direction_filter(df)   # 例如籌碼集中度的條件
signal = pd.Series(np.nan, index=df.index)
signal[wh_active & direction_ok] = 1.0
signal[~wh_active] = 0.0

這個組合沒有回測，門檻 2 只是沿用站內快訊的數字；實際使用前要掃描參數、看扣掉手續費後的表現。

timeframe 與分數怎麼選？

WH 有兩個容易搞混的設定：timeframe 是加總 OI 變化或成交量的窗口，可選 15min、1h、4h、8h、24h、3d，預設是 24h 與 score_oi；K 線週期（Studio 圖表的 5min～1d、策略的 interval）只決定多久讀一次數值。官方策略就是用 1h K 線讀 24h 窗口的分數。

Blave 以 2024-09～2026-09 的 BTC、ETH、1000PEPE 實測：以預設 24h 窗口計，未平倉量分數的第 1／99 百分位約 −2.6／+3，極值約 ±10；窗口越短尾巴越肥，1h 已可達 ±20 以上。成交量分數偏右（負值很少低於 −2），不能照搬未平倉量的對稱門檻。門檻不能跨設定共用：換 timeframe 或幣種都要重新掃描，別把 −0.7 直接套到別的設定上。

在 Studio 上怎麼看？

搭配哪些指標？

以下是組合思路，不是驗證過的結論：

用 API 或 Blave Agent 取數要注意什麼？

API 端點是 GET /whale_hunter/get_alpha，參數有 symbol、period、timeframe（預設 24h）、score_type（score_oi 或 score_volume）與起訖日期；Blave Agent 裡對應 fetch_whale_hunter。只回傳已收盤的 K 線；沒給起始日時預設抓最近 365 天，區間超過 365 天會自動截短；歷史最早從 2021-12-01（或該幣上市時）開始。回應另附一個 stat 物件，描述最新一筆數值，意思跟名字不完全一樣：