wallet-profiling

钱包画像

对 Solana 钱包进行行为分类、表现分析和交易风格检测。对任意钱包进行画像，了解其交易方式、表现如何，以及是否值得关注。

钱包画像为何重要

评估跟单交易

在跟随另一个钱包交易之前，你需要证据证明其历史表现真实、稳定，而非源于一次幸运交易。画像会量化胜率、利润因子、持仓时间和稳定性，帮助你做出明智的判断，确定哪些钱包值得关注。

识别聪明资金

持续早期买入代币并盈利退出的钱包是重要信号来源。画像可将真正有实力的交易者与幸运赌徒、刷量交易机器人区分开来。关键区别包括：利润因子持续高于 2.0、在 100 笔以上交易中胜率高于 45%，以及代币选择多元化。

对手方分析

当某个大额钱包进入你持有的头寸时，了解其历史行为（狙击手还是持有者、机器人还是人类）有助于你预测接下来会发生什么。狙击手钱包买入，可能意味着即将快速抛售；波段交易者买入，则表明其看好多日走势。

风险评估

分析代币持有者时，了解大户是机器人、狙击手还是真正的投资者会很有帮助。若某个代币的持有者中有 60% 被归类为狙击手，其风险特征就与主要由波段交易者持有的代币截然不同。

钱包分类

按交易风格分类

根据所有已平仓交易的持仓时间中位数进行分类：

风格	持仓时间中位数	特征
狙击手	< 5 分钟	在首个区块买入、与 MEV 相关、极快退出
剥头皮交易者	5 分钟 – 1 小时	快速动量交易、高频
日内交易者	1 – 24 小时	日内持仓、中等频率
波段交易者	1 – 7 天	看好多日走势并持有
持仓者	> 7 天	长期积累、低频交易

完整分类算法请参阅 references/classification_methods.md。

按交易规模分类

根据以 SOL 计的交易规模中位数分类：

层级	交易规模中位数	典型行为
巨鲸	> 100 SOL	影响市场的建仓，通常会被抢先交易
大额	10 – 100 SOL	规模显著，但不占主导
中等	1 – 10 SOL	活跃的散户交易者
小额	< 1 SOL	微型市值代币赌徒、新钱包

按行为类型分类

类型	检测方法
机器人	交易间隔时间方差低（CV < 0.3）、交易规模统一
人类	时间间隔多变、交易规模多变、按时段活动
MEV	三明治交易模式、稳定的小额利润、高频

按关注领域分类

领域	检测标准
PumpFun 专家	> 70% 的交易涉及由 PumpFun 上线的代币
DEX 交易者	主要在 Raydium/Orca/Meteora 上进行兑换
DeFi 农场参与者	频繁添加/移除 LP、进行质押操作
NFT 交易者	与 NFT 市场有大量交互
多策略	没有任何单一类别超过 50%

表现指标

核心指标

胜率 — 盈利交易所占的比例。

win_rate = count(pnl > 0) / count(all_closed_trades)

至少需要 30 笔交易才能达到统计显著性。200 笔交易中 60% 的胜率，远比 10 笔交易中 80% 的胜率更有参考价值。

每笔交易平均 ROI — 所有已平仓头寸的平均回报。

avg_roi = mean((exit_value - entry_value) / entry_value)

计入所有费用：平台费用、优先费和预估滑点。

利润因子 — 毛利润与毛亏损的比率。

profit_factor = sum(winning_pnl) / abs(sum(losing_pnl))

解读：> 2.0 为优秀，1.5–2.0 为良好，1.0–1.5 为勉强，< 1.0 表示亏损。

总 PnL — 以 SOL 计的累计盈亏。

total_pnl = sum(all_trade_pnl)

最大回撤 — 累计 PnL 曲线从峰值到谷值的最大跌幅。

drawdown = (peak_equity - trough_equity) / peak_equity

类 Sharpe 比率 — 风险调整后回报指标。

sharpe = mean(trade_returns) / std(trade_returns) * sqrt(trades_per_year)

详细公式、边缘情况和解读指南，请参阅 references/performance_metrics.md。

活跃度指标

指标	计算方式	揭示的信息
每日交易笔数	total_trades / active_days	活跃度和交易能力
平均持仓时间	mean(exit_time - entry_time)	验证交易风格
代币多样性	unique_tokens / total_trades	专注与分散程度
活跃高峰时段	mode(hour_of_trade)	交易时段规律、时区线索
活跃连续天数	连续活跃天数	投入程度和一致性

数据来源

SolanaTracker PnL API（主要来源）

SolanaTracker API 为每个钱包中的每种代币提供预计算的 PnL 数据。

import httpx

url = f"https://data.solanatracker.io/pnl/{wallet_address}"
headers = {"x-api-key": os.getenv("ST_API_KEY")}
resp = httpx.get(url, headers=headers)
pnl_data = resp.json()

响应包含每种代币的：realized、unrealized、total_invested、total_sold、num_buys、num_sells、last_trade_time。

Helius 解析交易（详细数据）

如需进行细粒度的交易级分析，请使用 helius-api 技能获取解析后的交易历史。该数据包含精确时间戳、金额和程序交互信息。

Birdeye 交易者数据

Birdeye 的交易者端点提供钱包级分析。端点详情请参阅 birdeye-api 技能。

DexScreener（免费备用来源）

DexScreener 不提供钱包级 PnL，但可用于验证交易时间戳对应的代币价格。

跟单交易评估框架

跟随钱包交易前，请确认其符合以下标准：

最低要求

• 交易历史：至少 50 笔已平仓交易（最好达到 100 笔以上）
• 时间跨度：活跃至少 30 天
• 表现稳定：滚动 7 天胜率的标准差 < 15%
• 仓位合理：单笔交易不超过观测到的投资组合的 20%
• 代币分散：至少交易过 10 种不同代币

积极信号

• 60 天以上持续保持利润因子 > 1.8
• 胜率为 45–65%（高得不切实际的胜率可能意味着对敲交易）
• 交易频率适中（每天 2–20 笔）
• 持仓时间不一，表明策略能够灵活调整
• 权益曲线平缓增长（而非阶梯式跳升）

风险信号

• 新钱包（使用时间 < 14 天）：可能是女巫钱包或昙花一现的账户
• 单笔大额盈利：一笔交易占总 PnL 的 > 50%
• 表现下滑：最近 30 天的指标显著低于历史表现
• 类似机器人模式：交易时间和仓位大小高度一致，却没有相应优势
• 胜率极高：> 80% 往往意味着小额盈利伴随灾难性亏损
• 集中度过高：> 50% 的 PnL 来自单一代币
• 对敲交易信号：反复买卖同一种代币，价格却几乎没有变动

风险评分计算

risk_score = 0  # 0 = low risk, 100 = high risk

if wallet_age_days < 14:
    risk_score += 25
if top_trade_pnl_pct > 0.5:
    risk_score += 20
if recent_pf < historical_pf * 0.7:
    risk_score += 15
if bot_probability > 0.7:
    risk_score += 15
if win_rate > 0.8:
    risk_score += 10
if unique_tokens < 5:
    risk_score += 15

与其他技能集成

• whale-tracking：识别大额钱包，再在此处为其建立画像，以了解行为背景
• token-holder-analysis：为代币的主要持有者建立画像，以评估持有者质量
• solana-onchain：获取原始交易数据以进行深入分析
• helius-api：获取解析后的交易历史，以细致重建交易记录
• birdeye-api：获取代币价格数据以验证 PnL

快速入门

为单个钱包建立画像

# Set environment variables
# export WALLET_ADDRESS=YourTargetWallet...
# export ST_API_KEY=your_solanatracker_key  (optional)

python scripts/profile_wallet.py
# Or use demo mode:
python scripts/profile_wallet.py --demo

比较多个钱包

# export WALLET_ADDRESSES=Wallet1...,Wallet2...,Wallet3...
# export ST_API_KEY=your_solanatracker_key  (optional)

python scripts/compare_wallets.py
# Or use demo mode:
python scripts/compare_wallets.py --demo

文件

文件	说明
references/classification_methods.md	持仓时间、规模、机器人检测和专注度分类算法
references/performance_metrics.md	详细的指标公式、解读、边缘情况和衰减检测
scripts/profile_wallet.py	分析单个钱包：获取数据、计算指标、分类并生成报告
scripts/compare_wallets.py	并排比较多个钱包并进行排名

依赖项

uv pip install httpx

环境变量

变量	必需	说明
WALLET_ADDRESS	用于 profile_wallet.py	要分析的 Solana 钱包地址
WALLET_ADDRESSES	用于 compare_wallets.py	以逗号分隔的钱包地址
ST_API_KEY	否	用于获取 PnL 数据的 SolanaTracker API 密钥