本文利用Hyperliquid公开的持久化钱包地址和Level-4订单簿数据,研究交易者身份是否具有持续的信息含量,以及身份信息能否提升超短期收益预测。基于17.1 billion条消息、14.3 million笔主动订单和147,113个钱包的样本,研究发现钱包毒性排名在相邻十日窗口间具有显著持续性,Spearman相关系数为0.52;将最高毒性钱包的实时活动加入匿名订单簿基准后,一秒收益预测样本外R²由10.88%提升至12.31%,相对增幅13.2%。在实际成交到达时,身份信息增量进一步扩大至2.47个百分点,且结果在独立样本、匹配安慰剂和多种稳健性检验中成立,表明公开钱包历史包含匿名市场状态无法完全捕捉的短周期价格信息。
报告标题:《Public Trader Identity: Adverse Selection and Return Predictability》(公开交易者身份:逆向选择与收益可预测性)。
作者:Daojing Zhai,Baruch College,City University of New York。
日期:2026年8月。
研究主题:去中心化交易所中的公开钱包身份、交易者“毒性”、逆向选择与超短期收益预测。报告以Hyperliquid永续合约市场为研究场景,核心问题是:当每笔订单、撤单、拒单和成交都带有持续可追踪的钱包地址时,市场是否能够识别哪些账户更可能造成做市商的逆向选择损失,以及这些身份信息能否在匿名订单簿信息之外提升收益预测能力。
报告没有给出传统股票研究中的“买入/持有/卖出”评级,也没有目标价或企业估值。它是一篇市场微观结构实证研究,核心结论有三层:
作者试图传达的主要信息是:传统匿名订单簿模型会遗漏一部分由“谁在交易”所携带的短期信息;在公开钱包历史的市场中,交易者身份本身成为订单流和报价之外的可预测变量。
Hyperliquid采用中央限价订单簿和价格—时间优先撮合机制,但其特别之处在于共识协议公开整个输入记录。每个共识区块提交后,订单提交、撤单、拒单、成交、仓位和订单簿状态都可被观察,并带有持续性的伪匿名钱包地址。
2026年7月,Hyperliquid日均永续合约成交额为66亿美元,约占去中心化永续合约市场成交量的36.8%。研究样本覆盖10个最活跃市场,共包含171亿条Level-4消息、1430万笔主动订单、147,113个钱包、2,790万笔主动成交腿以及843亿美元主动成交名义金额。 其中BTC、ETH和HYPE的主动成交名义金额分别为468亿美元、187亿美元和85亿美元,主分析则集中在BTC、ETH和SOL三个消息活动最活跃的市场。
这里的Level-4数据比通常的Level-2订单簿更细:它不仅记录最佳买卖价和深度变化,还保留订单生命周期、订单状态、拒单、成交双方及钱包归属。因此,研究者可以把一个钱包的历史订单行为与后续价格变化连接起来,而匿名订单簿数据通常只能观察聚合后的供需状态。
研究以“已提交区块”为信息和价格更新的基本单位。图1显示,连续区块之间并非固定间隔:样本中相邻区块间隔中位数为67.6毫秒,第90百分位为93.6毫秒,91.3%的区块间隔不超过100毫秒。
图1解读:
研究者从非验证节点持续收集数据,并每十秒通过API获取标记价格、预言机价格和未平仓量,用预言机价格独立检查重建的中间价。 数据重放采用共识顺序,构建订单生命周期、订单簿状态、拒单记录、做市商与吃单方成交以及钱包链接。
需要特别注意数据质量问题。附录披露,7月27日收集节点曾落后链上数据并丢失两段各约半小时的区块记录,另有文件CRC错误、解压失败、节点重启和跨价订单簿自修复等情况。 研究采用分段重放、预言机中间价门控和缺失区间剔除,最终在三个主市场中门控关闭时间约占0.97%的coin-time,评估窗口为1.83%。 因此,作者对“中间价重建有效”提供了较强审计,但也明确承认:预言机一致只能验证中间价,不能保证所有隐含的休眠订单和完整深度状态都无误。
作者使用主动订单成交后的“带方向中间价变动”,即signed midpoint markout,衡量逆向选择。若主动买单成交后中间价上升,或者主动卖单成交后中间价下降,则价格沿主动方方向移动,意味着被动做市方在成交后遭遇不利价格变化,markout为正。
基准指标是主动订单成交后10秒的名义金额加权平均markout,单位为基点。作者在7月1日至10日冻结钱包评分,只保留至少100笔合格主动订单的钱包,共得到2,314个钱包;其中评分最高的10%即231个钱包被定义为主要“高毒性钱包”群体,最高20%即462个钱包则作为替代口径。
作者谨慎强调,“毒性”只是对历史markout异质性的描述,并不等于钱包背后必然是单一交易者,也不证明其掌握私人信息。一个钱包可能代表自动化策略、多个实际用户,或因对冲、库存管理、订单流反应而形成正markout。
在7月1日至10日拥有至少100笔合格主动订单的2,314个钱包中,86.9%在7月11日至20日继续交易。这些持续交易钱包在前一窗口和后一窗口分别占BTC、ETH、SOL三个市场 discretionary taker notional的50.3%和43.6%,说明样本并非主要由一次性账户构成。
图2展示了评分窗口与验证窗口之间的关系、不同分位组的验证期markout,以及不同持有期的价格影响。
Panel (a):评分持续性。 评分排名的Spearman相关系数为0.52,说明高分钱包在下一个十日窗口总体仍然更高。图中上尾点更接近45度线,而低分组向零回归,表明持续性主要集中在最有信息的上尾。作者进一步用奇偶日拆分估计评分可靠性,并认为0.52的跨窗口相关性已经接近有限样本下潜在稳定特征所能达到的水平。
Panel (b):分位数梯度。 在控制市场、时间、订单规模、波动率和价差之后,验证窗口markout在前15个ventile附近基本平坦,到了第20个ventile突然上升至3.11个基点。这一结果说明信息含量不是平滑地分布在所有钱包,而是高度集中于顶部尾部。
Panel (c):价格影响的时间形态。 最高十分位D10的markout从0.5秒的1.25个基点升至10秒的2.11个基点,五分钟时仍约为2.11个基点;D1–D8接近零,D9介于中间。原生TWAP子订单的markout则随时间衰减,符合机械执行带来短期价格压力后回归的特征。 因而,D10的持续上升不太符合纯粹的短暂冲击,但仍可能混合了持续性影响、同方向重复订单或未观察到的大型母单。
表2进一步表明,最高十分位的231个钱包中91.3%在验证期继续交易;验证期markout在D1至D8基本平坦,D9明显上升,D10再次大幅上升。 这强化了“高毒性来自持续交易钱包本身”的解释,而不是由评分后退出市场的钱包选择造成。
作者还检验跨交易所延迟套利。若高毒性钱包只是先观察外部预言机价格、再在本地交易,那么它们应当顺着预言机—本地中间价差交易。但高分组仅有41.3%的订单站在预期套利方向,相比低分组57.9%,且控制价差后D10-D1系数几乎不变,说明跨市场价差不足以解释主要结果。 不过作者承认预言机最多可能滞后10秒,因此该测试对亚秒级外部信息渠道的排除仍有限。
将原始markout改为“同币种、同一分钟内相对于其他钱包平均markout的超额markout”后,排名持续性反而升至0.62,且顶部仍存在显著验证期markout。 一秒预测增益仍为6.8%,约为原始评分13.2%增益的一半,说明身份信息不是纯粹在识别某些市场整体有利的交易时段。
作者把匿名基准模型设定为一个预先确定的十变量模型,包含三类变量:
身份增强模型在此基础上加入高毒性钱包的平行报价流和订单流变量,以及只有在钱包可识别时才能构造的变量,例如高毒性买方减卖方数量、高毒性钱包占最佳报价深度的比例、其对最佳报价不平衡的贡献。
预测目标是100毫秒网格上未来200毫秒至30秒的中间价收益。模型严格按照时间冻结:7月1日至10日计算钱包分数,7月11日至20日拟合模型,7月21日至27日只进行一次样本外评估。 基准模型使用带币种截距的岭回归;岭回归是一种带L2正则化的线性模型,能够在高度相关的订单簿变量之间控制过拟合。作者还使用梯度提升树作为非线性基准。
在一秒预测窗口,单独使用身份变量的模型R²为10.06%,低于匿名基准10.88%,说明身份变量本身不是简单替代完整匿名市场状态;但把身份变量与匿名变量结合后,R²升至12.31%,相对提升13.2%,t=9.2。
表4的主要含义是,身份增益并非只存在于一秒这一单点,而是在30秒内仍可辨认,不过随着预测期限变长而逐步减弱。梯度提升树将匿名基准的一秒R²提高到19.48%,加入身份后进一步达到20.65%,绝对增加1.17个百分点、相对增加6.0%,t=5.0。 这说明匿名变量中的非线性结构能够解释身份信号的一部分,但不能全部解释。
图3解读:
图4采用逐一删除变量并重新拟合的方法,衡量每个变量对样本外R²的描述性贡献。匿名模型中最重要的是近触点深度不平衡,删除该变量造成1.93个百分点的R²损失;加入身份变量后,该贡献下降到0.24,说明身份报价变量与匿名近触点不平衡存在明显信息重叠。
身份侧最重要的变量是高毒性钱包一秒报价订单流不平衡,贡献0.67个百分点;其次是独立高毒性买方数量减卖方数量,贡献0.37个百分点;高毒性近触点不平衡贡献0.10个百分点,30秒钱包订单流贡献0.09个百分点。 这些数字不能被解释为严格的因果贡献,因为解释变量相关,逐一删除的贡献是非加总的描述性指标。
高毒性钱包通常可能也更大、更活跃,因此作者构造200个非毒性但在评分期名义成交额和订单数量上匹配的对照钱包群组。结果显示,一秒时真实毒性群组的R²增量是200个匹配组中最大值的1.6倍,并且在10秒以内超过所有安慰剂组。
图5表明,真实高毒性组在0.2秒至10秒的身份增量始终高于安慰剂最大值;30秒时最高十分位的增量进入安慰剂范围,而最高五分位仍略高于所有安慰剂。附录表B.5给出一秒真实增量1.44个百分点、最佳匹配组0.88个百分点的比较。 但作者也承认,由于部分匹配单元的非毒性钱包供给不足,安慰剂组规模略小,因此排名检验是描述性的,而不是严格等规模随机化检验。
特征整体延后200毫秒和300毫秒后,岭模型一秒身份相对增益由13.2%降至10.2%和9.1%,树模型由6.0%降至4.5%和4.0%,仍然显著。 同时匿名基准下降更剧烈,岭模型由10.88%降至6.40%,树模型由19.48%降至9.64%。这表明身份信号并非由100毫秒时间错位纯机械制造,但也显示匿名订单簿状态对信息陈旧非常敏感。
在实际成交到达时,身份的绝对增量更大:一秒R²增量为2.47个百分点,而全网格为1.43个百分点。作者对309万笔做市商成交进行分析,先把成交方向事后揭示给匿名模型和身份模型,身份增量由2.47降至1.50个百分点,约吸收39%,但没有完全消失。
进一步限制为成交后没有其他母订单交易的样本,身份增量在一秒仍为1.04个百分点,在0.5秒为1.09个百分点。 因此身份预测力不能完全归结为“看见了即将到来的成交方向”,但作者也承认,这些测试无法完全区分对主动订单规模、扫单强度或随后报价调整的提前预测。
附录C使用独立收集的2025年12月BTC、ETH和SOL数据重复整个设计。该样本包含263亿条消息和2190万笔吃单成交,市场更窄但时间更长、价差更宽,因而并非在更容易的市场环境下简单重复。 钱包评分持续性为0.47,接近7月样本的0.52;最高十分位的验证期markout明显高于其他分组。
12月样本一秒预测增益为14.6%,t=3.9,且在0.2秒和0.5秒更高;匿名基准一秒R²为12.36%,并不低于7月的10.88%,因此结果不是因为匿名基准特别弱。 200个活动匹配组在所有报告期限和两种尾部划分下都没有超过真实毒性群组,说明核心关系具有跨时期可复制性。
附录D将半秒预测增量转换为无摩擦中间价收益。身份模型每单位总敞口的收益比匿名模型高7.0%,与由R²机械推导的约7.6%相近。 但该结果未计入价差、手续费、排队优先级、成交概率、延迟和库存风险;以单纯主动吃单策略衡量,0.25至0.76基点的收益不足以覆盖4.5基点的中位吃单费,因此这不是可直接实现的交易利润,而更适合解释为做市商减少逆向选择损失的潜在信息价值。
第一,研究识别的是“地址层面的可预测性”,不是私人信息或真实交易者技能。一个钱包可能对应多个主体、自动化策略或复杂的库存管理行为,因此“毒性”不应直接等同于内幕交易或知情交易。
第二,样本只覆盖Hyperliquid的特定市场和两个时期,且2026年7月数据存在收集缺口、文件损坏和重建门控。作者进行了较完整的审计,但门控主要验证中间价,不能完全排除深度层面的重建误差。
第三,匹配安慰剂虽控制了规模和活跃度,却存在供给不足导致的样本规模差异,故p值和排名应视为描述性证据。
第四,R²增量不是交易利润。报告自己明确指出,真正实施策略必须纳入延迟、手续费、队列位置、库存、成交概率和动态报价,这些因素可能显著削弱可实现收益。
第五,成交到达分析使用了事后成交方向或未来无后续订单的筛选条件,因此属于机制诊断而非可实时执行的预测设计。 这限制了其对实际交易策略的直接解释。
总体而言,报告提供了一个有力的市场微观结构证据链:Hyperliquid的公开钱包地址使研究者能够识别不同账户历史markout的差异;高毒性钱包的排名在相邻十日窗口中保持一定稳定性,且这种稳定性集中于顶部尾部。 当这些钱包的实时活动被加入匿名价格、报价和订单流模型后,一秒样本外R²显著提高,且结果在非线性模型、滚动评分、同行调整、活动匹配安慰剂、特征延迟和独立2025年12月样本中基本保持。
最重要的实务含义是:在身份公开的交易市场中,仅使用匿名订单簿会系统性遗漏部分短期信息。该信息尤其集中在高毒性钱包的一秒报价订单流和买方广度,并在实际成交到达时更加明显。 但报告并未证明存在无风险套利,也没有给出投资评级或目标价;它证明的是身份信息具有统计预测力,并可能帮助做市商降低逆向选择,而不是证明该信号在考虑全部市场摩擦后一定能够转化为超额净利润。
2608.04373.pdf