market-microstructure

マーケットマイクロストラクチャ — DEX のオーダーフロー分析

概要

Solana DEX のマーケットマイクロストラクチャは、従来の金融とは根本的に異なります。 AMM にオーダーブックはなく、すべての取引は流動性プールとのスワップです。それでも、 取引フロー分析は有効です。スワップの順序、規模、方向から、蓄積、分配、クジラの活動、 ウォッシュトレードのパターンを把握できます。

このスキルでは、以下について説明します。

• 取引の分類 — スワップの方向から買いと売りを特定する
• 出来高プロファイル — 時間別および規模別の内訳
• 買い手／売り手の圧力 — 比率指標、ネットフロー、取引件数の非対称性
• 取引規模の分布 — クジラの検出、個人投資家と機関投資家のフロー
• フローモメンタムシグナル — 加速、出来高急増、複合スコア
• トークンの回転率 — センチメントの代替指標としての売買回転率
• ウォッシュトレードの検出 — 偽の出来高やボットのパターンを見つける

DEX でマイクロストラクチャが重要な理由

CEX では、マイクロストラクチャとはオーダーブックの厚み、ビッド・アスク・スプレッド、 および注文の優先順位を指します。AMM では、流動性はプールの価格曲線に存在するため、 スプレッドも注文の優先順位もありません。しかし、取引テープ（時系列順に並んだスワップの一覧） には豊富なシグナルが含まれています。

1. 誰が取引しているか？ — クジラのウォレットか個人投資家か、スマートマネーかボットか
2. どのように取引しているか？ — 大口の単発スワップか、DCA 形式の分割取引か
3. いつ取引しているか？ — イベントやタイムゾーンに関連した出来高の集中
4. どちらの方向か？ — ローリングウィンドウにおける買い圧力と売り圧力の差し引き

これらのシグナルは、エントリー／エグジットのタイミング、ポジションサイズ、トークン品質のスコアリングに役立ちます。

取引の分類

買いと売りの特定

Solana DEX では、すべてのスワップに入力トークンと出力トークンがあります。

スワップの方向	分類	意味
SOL → Token	買い	トレーダーが SOL を使ってトークンを取得
USDC → Token	買い	トレーダーがステーブルコインを使ってトークンを取得
Token → SOL	売り	トレーダーがトークンを SOL に戻す
Token → USDC	売り	トレーダーがトークンをステーブルコインに戻す
Token A → Token B	状況による	分析対象のトークンに基づいて分類

API データソースからの取得

Birdeye Trade History（/defi/txs/token）:

• side フィールドを返します。値は "buy" または "sell" です。
• from（入力トークン）と to（出力トークン）の数量を含みます。

DexScreener Pair Trades:

• ペアに対するスワップの方向を示す type フィールドを返します。

Helius Parsed Transactions:

• スワップの命令を解析して、入力／出力のミントと数量を抽出します。
• どのミントが対象のトークンと一致するかに基づいて分類します。

詳しい分類ロジックとサイズ区分については、references/trade_classification.md を参照してください。

出来高プロファイル

時間別プロファイル

取引出来高を固定の時間区分に集計し、パターンを特定します。

# Hourly volume profile
hourly_volume = {}
for trade in trades:
    hour = trade["timestamp"] // 3600 * 3600
    hourly_volume.setdefault(hour, {"buy_vol": 0, "sell_vol": 0})
    if trade["side"] == "buy":
        hourly_volume[hour]["buy_vol"] += trade["volume_usd"]
    else:
        hourly_volume[hour]["sell_vol"] += trade["volume_usd"]

時間別プロファイルから得られる主な指標:

• ピーク時間帯 — トークンの取引が最も活発な時間帯
• 出来高のトレンド — 出来高が増加、減少、または安定しているか
• 出来高の異常 — ローリング平均の 3 倍を超える急増

規模別プロファイル

取引を規模ごとに分類し、クジラの活動と個人投資家の活動を区別します。

区分	SOL の範囲	主な取引主体
極小	< 0.1 SOL	端数／テスト取引
小	0.1 – 1 SOL	個人投資家
中	1 – 10 SOL	活発なトレーダー
大	10 – 50 SOL	本格的なポジション
クジラ	50+ SOL	クジラ／機関投資家

買い手／売り手の圧力指標

基本比率

def compute_pressure(trades: list[dict], period_seconds: int = 3600) -> dict:
    """Compute buy/sell pressure metrics over a time period."""
    buy_vol = sum(t["volume_usd"] for t in trades if t["side"] == "buy")
    sell_vol = sum(t["volume_usd"] for t in trades if t["side"] == "sell")
    total_vol = buy_vol + sell_vol

    buy_trades = sum(1 for t in trades if t["side"] == "buy")
    sell_trades = sum(1 for t in trades if t["side"] == "sell")
    total_trades = buy_trades + sell_trades

    return {
        "buy_sell_ratio": buy_vol / sell_vol if sell_vol > 0 else float("inf"),
        "buy_volume_pct": buy_vol / total_vol if total_vol > 0 else 0.5,
        "net_flow_usd": buy_vol - sell_vol,
        "trade_count_ratio": buy_trades / total_trades if total_trades > 0 else 0.5,
    }

シグナルの解釈

指標	強気	中立	弱気
買い出来高比率	> 60%	40–60%	< 40%
ネットフロー	プラスで増加中	ゼロ付近	マイナスで増加中
取引件数比率	> 0.55	0.45–0.55	< 0.45
大口取引比率	買い側が優勢	均衡	売り側が優勢

シグナルの一覧と複合スコアの詳細については、references/flow_signals.md を参照してください。

取引サイズの分布

取引サイズの分布を分析すると、市場構造が明らかになります。

import statistics

def analyze_trade_sizes(trades: list[dict]) -> dict:
    """Analyze trade size distribution."""
    sizes = [t["volume_usd"] for t in trades]
    if not sizes:
        return {}

    return {
        "mean": statistics.mean(sizes),
        "median": statistics.median(sizes),
        "stdev": statistics.stdev(sizes) if len(sizes) > 1 else 0,
        "skew_indicator": statistics.mean(sizes) / statistics.median(sizes),
        "max_trade": max(sizes),
        "whale_pct": sum(s for s in sizes if s > 5000) / sum(sizes),
    }

歪度の解釈： skew_indicator（平均値／中央値）が 1.0 を大きく上回る場合、裾の厚い分布を示しており、少数の大口取引が支配的です。これはクジラの関心が高いトークンでは一般的ですが、相場操縦の兆候である可能性もあります。

取引フローから得られるモメンタムシグナル

出来高の加速

現在の期間の出来高を前の期間と比較します。

acceleration = current_volume / previous_volume if previous_volume > 0 else 0

• acceleration > 2.0 — 出来高急増。ブレイクアウトまたは急落の可能性があります
• acceleration 0.8–1.2 — 活動が安定しています
• acceleration < 0.5 — 関心が薄れています

買い圧力の加速

買い比率の経時変化を追跡します。

current_buy_ratio = current_buy_vol / current_total_vol
previous_buy_ratio = prev_buy_vol / prev_total_vol
buy_momentum = current_buy_ratio - previous_buy_ratio

出来高の増加を伴う正の buy_momentum は、強い買い集めのシグナルです。

トークンの流通速度

トークンの流通速度は、トークンがどれくらい頻繁に持ち主を変えるかを測定します。

velocity = daily_volume / circulating_supply

流通速度	解釈
< 0.01	活動が低調、流動性が低い、または強固な保有者がいる
0.01–0.05	通常の取引活動
0.05–0.20	活発な取引。投機の可能性があります
> 0.20	非常に高い回転率。ウォッシュトレードの可能性があります

ユニークなトレーダー数が少ないにもかかわらず流通速度が高い場合、ウォッシュトレードの危険信号です。

ウォッシュトレードの検出

ウォッシュトレードは、トークンを実際以上に活発に見せるために出来高を水増しします。 主な検出シグナルは次のとおりです。

1. ユニークなトレーダーの比率が低い — unique_wallets / trade_count < 0.3
2. 出来高／TVL の異常 — daily_volume / tvl > 10（出来高が流動性を大幅に上回る）
3. 取引サイズが均一 — 取引サイズ分布のエントロピーが低い
4. 自己取引 — 短い時間枠内で同じウォレットが両側に存在する
5. 同時に資金提供されたクラスター — 複数のウォレットが同じ送金元から資金提供されている

詳細な検出方法とスコアリングについては、references/wash_trading.md を参照してください。

データソース

Birdeye API

Solana トークンの取引履歴を取得する主なデータソースです。

• GET /defi/txs/token — トークンの最近の取引
• GET /defi/ohlcv — 出来高を含むローソク足データ
• GET /defi/price/volume — 集計された出来高データ

API キーが必要です。エンドポイントの詳細については、birdeye-api スキルを参照してください。

DexScreener API

ペア単位のデータを取得できる、無料で認証不要の代替手段です。

• GET /latest/dex/tokens/{address} — 出来高を含むトークンペア
• GET /latest/dex/pairs/solana/{pairAddress} — ペアの詳細

Helius API

ウォレット単位の取引分析やパース済みトランザクションに使用します。

• スワップトランザクションをパースして取引の詳細を抽出します
• 取引を特定のウォレットに帰属させます
• トランザクションのパースについては、helius-api スキルを参照してください

複合モメンタムスコア

複数のフローシグナルを単一のスコア（範囲：-100～+100）にまとめます。

def compute_momentum_score(
    buy_ratio: float,
    volume_accel: float,
    whale_buy_pct: float,
    unique_trader_trend: float,
) -> float:
    """Compute composite momentum score from flow signals.

    Args:
        buy_ratio: Buy volume / total volume (0 to 1).
        volume_accel: Current vol / previous vol.
        whale_buy_pct: Whale buy volume / total whale volume (0 to 1).
        unique_trader_trend: Change in unique traders vs previous period.

    Returns:
        Score from -100 (strong sell pressure) to +100 (strong buy pressure).
    """
    # Buy ratio component: 0.5 = neutral, maps to [-40, +40]
    buy_component = (buy_ratio - 0.5) * 80

    # Volume acceleration: >1 = growing, maps to [-20, +20]
    vol_component = min(max((volume_accel - 1.0) * 20, -20), 20)

    # Whale direction: 0.5 = neutral, maps to [-25, +25]
    whale_component = (whale_buy_pct - 0.5) * 50

    # Unique trader growth: positive = healthy, maps to [-15, +15]
    trader_component = min(max(unique_trader_trend * 15, -15), 15)

    score = buy_component + vol_component + whale_component + trader_component
    return max(-100, min(100, score))

スコア範囲	解釈
+60 to +100	強い買い集め — 強い買い圧力
+20 to +60	緩やかな買い — 慎重な買い集め
-20 to +20	中立／均衡したフロー
-60 to -20	緩やかな売り — 分配が進行中
-100 to -60	強い分配 — 強い売り圧力

他のスキルとの連携

スキル	連携方法
birdeye-api	取引履歴と出来高の主なデータソース
helius-api	パース済みトランザクションから取得する、ウォレットに帰属した取引データ
liquidity-analysis	出来高／TVL 比率、およびフローシグナルを解釈するための流動性の状況
whale-tracking	大口取引の帰属先となるクジラのウォレットを特定
token-holder-analysis	流通速度指標を解釈するための供給量分布の状況
position-sizing	フローシグナルを利用してエントリーサイズを調整
regime-detection	フローモメンタムとレジーム分類を組み合わせる

ファイル

リファレンス

• references/trade_classification.md — 買い／売りの分類ロジック、サイズ区分、集計
• references/flow_signals.md — 数式と解釈を含むシグナルの完全な一覧
• references/wash_trading.md — 検出方法、指標、リスクスコアリング

スクリプト

• scripts/trade_flow_analysis.py — 取引を取得して分類し、フローシグナルとモメンタムを計算します
• scripts/volume_profile.py — 時間ごとの出来高プロファイル、トレンド検出、異常の特定