GMGN 聰慧錢包地址深度分析工具設計文檔

來源: @zhaoliu911899 | 原文連結
日期:
標籤: 聰慧錢包分析 地址篩選規則 交易打分系統

看到你要整理一篇 GMGN 聰明錢包分析工具的技術文件。讓我先理解一下內容結構。

★ Insight ───────────────────────────────────── 這篇文章是一個完整的量化交易系統設計文件，包含：

錢包地址篩選規則（避開機器人和異常交易）
割跟單檢測（60 秒內買賣套利的風險行為）
評分系統（7.5 分制，從勝率、盈利、穩定性多維度評估）

這類系統性文件最重要的是保留完整邏輯鏈條和數值參數。 ─────────────────────────────────────────────────

現在開始整理：

來源: @zhaoliu911899 (趙企鵝🐧🐧🐧)
日期: 2024-11-06
標籤: gmgn 量化交易 聰明錢包 跟單策略 solana

專案概述

本專案旨在對 GMGN 平台上的聰明錢進行深度分析，識別高效投資策略和潛在的市場機會。

系統架構

資料獲取層：dao_gmgn.py
儲存層：service_gmgn_storage.py
服務層：service_gmgn.py
快取層：token_market_cap_cache.py、token_trades_cache.py

地址篩選規則

排除規則

1. 資金規模篩選

1.1 SOL 餘額過濾

規則：SOL 餘額 < 1
目的：排除資金極其微小的地址
意義：過濾無實際交易能力的錢包

1.2 利潤規模篩選

總利潤規則：total_profit_u < 0
7 天利潤規則：profit_7d < 15,000 USD
30 天利潤規則：profit_30d < 25,000 USD
目的：聚焦有實際盈利能力的地址
意義：排除長期虧損或微小收益的地址

2. 交易行為分析

2.1 交易頻率過濾

規則：30 天內交易次數 > 3,000 次
計算方式：buy_count_30d + sell_count_30d > 3,000
目的：排除異常高頻交易地址
意義：識別可能存在機器人交易或刷量行為

2.2 投資回報率分析

30 天 ROI 規則：profit_30d / cost_30d < 0.1
買入/賣出利潤率均值規則：兩者均 < 0.1
目的：評估投資效率
意義：篩選出投資策略低效的地址

3. 代幣交易多樣性

3.1 代幣數量過濾

規則：30 天交易幣種 < 10 個
目的：確保地址有足夠的交易多樣性
意義：排除單一幣種或交易範圍狹窄的地址

3.2 代幣利潤異常檢測

最大單幣種利潤規則：最大代幣利潤 < 10,000 USD
異常利潤分布規則：最大利潤 > 第 2-10 名利潤總和
目的：識別利潤分布不均衡的地址
意義：發現可能存在操縱市場的異常交易模式

4. 成本與交易成本

4.1 零成本交易過濾

7 天成本為 0 規則
30 天成本為 0 規則
目的：排除沒有實際交易成本的地址
意義：過濾可能是測試或模擬交易的錢包

5. 狀態管理

5.1 刪除狀態處理

已標記刪除的地址直接跳過
滿足任一放棄規則，將狀態設定為 Delete
目的：高效管理地址生命週期

排除規則的設計哲學

多維度評估
平衡精確性和包容性
動態調整閾值
持續優化演算法

規則應用流程

順序檢查每個規則
一旦滿足任一規則，立即標記為放棄
記錄詳細的放棄原因
定期審核和調整規則

割跟單識別規則

1. 預篩選條件

僅分析非刪除狀態的地址
必須具備 address_activities 交易活動記錄
過濾掉市值 >= 100,000 USD 的代幣

2. 時間窗口規則（快速交易檢測）

2.1 時間間隔限制

檢測時間窗口：60 秒內
目標：識別短時間內的異常交易行為

2.2 交易序列要求

必須是連續的買入-賣出交易
買入交易必須在賣出交易之前
交易時間間隔 <= 60 秒

3. 交易資料一致性分析

3.1 數量一致性

比較買入和賣出交易的基礎數量
允許的誤差範圍：±5%
計算公式：|賣出數量 - 買入數量| / 買入數量 <= 0.05

3.2 資料驗證標準

買入金額必須為正
賣出金額必須為正
排除異常或無效交易記錄

4. 割跟單特徵識別

4.1 高風險特徵

60 秒內完成買入和賣出
交易數量高度一致
交易代幣市值較低（< 100,000 USD）

4.2 風險標記

識別到割跟單特徵的地址
自動標記為 Delete 狀態
在備註中新增「割跟單」標籤

5. 日誌與監控

記錄每次檢測的詳細資訊
輸出可疑地址、代幣地址和市值
使用 logger 記錄關鍵步驟和異常

6. 快取策略

使用 TokenTradesCache 快取交易記錄
使用 TokenMarketCapCache 快取市值資訊
減少重複網路請求，提高檢測效率

7. 異常處理

捕獲並記錄檢測過程中的異常
確保單個地址檢測失敗不影響整體流程

8. 檢測輸出

返回 potential_harvest_addresses 列表
包含可疑地址、代幣地址和市值資訊

割跟單識別的意義

保護投資者利益
識別市場中的異常交易行為
提供區塊鏈交易透明度
幫助投資者規避高風險交易

打分規則（總分 7.5 分）

評分維度詳解

1. 30 天勝率（1 分）

直接使用 win_rate_30d 作為得分
勝率越高，得分越高
反映交易成功率

2. 7 天盈利（1 分）

0-5 萬美元線性得分
計算公式：min(1.0, max(0.0, profit_7d / 50000))
鼓勵短期穩定盈利

3. 30 天盈利（1 分）

0-10 萬美元線性得分
計算公式：min(1.0, max(0.0, profit_30d / 100000))
評估中期投資表現

4. 利潤穩定性（0.5 分）

比較 7 天和 30 天盈利比例
比例 >= 2：滿分 0.5 分
1.5 <= 比例 < 2：0.25 分
比例 < 1：扣 1 分
反映盈利的持續性和一致性

5. 買入利潤均值（0.3 分）

評估每次買入的平均盈利情況
根據平均買入成本和利潤計算

6. 買入利潤率均值（0.7 分）

評估買入交易的盈利率
關注相對收益

7. 賣出利潤均值（0.3 分）

評估每次賣出的平均盈利情況
根據平均賣出成本和利潤計算

8. 賣出利潤率均值（0.7 分）

評估賣出交易的盈利率
關注相對收益

9. 買賣風格（1 分）

比較買入和賣出利潤
如果賣出利潤/買入利潤 > 1.5，給予額外加分
獎勵高效的交易策略

10. 總盈利（1 分）

1-5 萬美元線性得分
計算公式：min(1.0, max(0.0, (total_profit_u - 10000) / (50000 - 10000)))
評估整體盈利能力

11-16. 盈虧 TOP 佔比（各 0.166 分，共 1 分）

TOP 盈利佔比

TOP1 盈利佔比（0-50%）
TOP5 盈利佔比（0-75%）
TOP10 盈利佔比（0-100%）

TOP 虧損佔比

虧損 TOP1 佔比（0-50%）
虧損 TOP5 佔比（0-75%）
虧損 TOP10 佔比（0-100%）

評分標準

分數範圍	等級
> 5 分	優秀
3-5 分	良好
1-3 分	一般
< 1 分	較差

評分目的

全面評估地址的投資能力
識別高效交易策略
量化投資風險和收益

快取策略

市值快取（TokenMarketCapCache）

快取有效期：24 小時
減少重複網路請求
CSV 持久化儲存

交易記錄快取（TokenTradesCache）

快取有效期：24 小時
支援按代幣地址和錢包地址快取
CSV 持久化儲存

錯誤處理與重試機制

網路請求重試
最大重試次數：3 次
指數退避策略
詳細日誌記錄

效能優化

快取機制
批次處理地址
異常處理與快速失敗

安全考慮

不儲存敏感個人資訊
使用安全的網路請求方式
日誌脫敏

未來改進方向

機器學習風險預測模型
即時監控系統
更複雜的快取淘汰策略
多維度風險評分演算法

技術棧

Python
Peewee ORM
MySQL
loguru
requests/curl

注意事項

程式碼模組化
簡潔明瞭的註釋
型別提示
列舉型別增強可讀性

專案操作 SOP

環境準備

Python 版本：3.8+
安裝依賴庫：pip install peewee loguru requests pandas

專案檔案結構

dao_gmgn.py：資料獲取層
service_gmgn.py：核心服務層
service_gmgn_storage.py：儲存服務
service_gmgn_ut_*：單元測試和功能驗證指令碼

單元測試指令碼執行順序

順序	指令碼	目的	輸出
1	`service_gmgn_ut_1_獲取利潤top100地址.py`	獲取盈利最高的 100 個地址	Top 100 地址列表
2	`service_gmgn_ut_2_地址統計資訊.py`	統計地址的基本資訊	地址統計報告
3	`service_gmgn_ut_3_初步篩選地址.py`	根據初步規則過濾地址	篩選後的地址列表
4	`service_gmgn_ut_4_所有幣的盈虧.py`	分析所有代幣的盈虧情況	代幣盈虧詳細資訊
5	`service_gmgn_ut_5_檢查是不是json.py`	驗證 JSON 資料的有效性	JSON 資料檢查報告
6	`service_gmgn_ut_6_二次篩選地址.py`	進行更嚴格的地址篩選	二次篩選後的地址列表
7	`service_gmgn_ut_7_打分.py`	對地址進行綜合評分	地址評分結果
8	`service_gmgn_ut_8_獲取地址操作記錄.py`	獲取地址的詳細操作歷史	地址操作記錄
9	`service_gmgn_ut_9_檢測割跟單地址.py`	識別可能的割跟單地址	可疑割跟單地址列表

注意事項

確保網路連線正常
檢查 API 金鑰和權限
關注日誌輸出
定期備份資料

故障排除

網路錯誤：檢查網路連線
API 限流：增加重試機制
資料解析錯誤：檢查資料格式

效能最佳化建議

使用快取機制
並行處理資料
最佳化資料庫查詢
定期清理快取

GMGN 聰慧錢包地址深度分析工具設計文檔 ​

專案概述 ​

系統架構 ​

地址篩選規則 ​

排除規則 ​

1. 資金規模篩選 ​

2. 交易行為分析 ​

3. 代幣交易多樣性 ​

4. 成本與交易成本 ​

5. 狀態管理 ​

排除規則的設計哲學 ​

規則應用流程 ​

割跟單識別規則 ​

1. 預篩選條件 ​

2. 時間窗口規則（快速交易檢測） ​

3. 交易資料一致性分析 ​

4. 割跟單特徵識別 ​

5. 日誌與監控 ​

6. 快取策略 ​

7. 異常處理 ​

8. 檢測輸出 ​

割跟單識別的意義 ​

打分規則（總分 7.5 分） ​

評分維度詳解 ​

1. 30 天勝率（1 分） ​

2. 7 天盈利（1 分） ​

3. 30 天盈利（1 分） ​

4. 利潤穩定性（0.5 分） ​

5. 買入利潤均值（0.3 分） ​

6. 買入利潤率均值（0.7 分） ​

7. 賣出利潤均值（0.3 分） ​

8. 賣出利潤率均值（0.7 分） ​

9. 買賣風格（1 分） ​

10. 總盈利（1 分） ​

11-16. 盈虧 TOP 佔比（各 0.166 分，共 1 分） ​

評分標準 ​

評分目的 ​

快取策略 ​

市值快取（TokenMarketCapCache） ​

交易記錄快取（TokenTradesCache） ​

錯誤處理與重試機制 ​

效能優化 ​

安全考慮 ​

未來改進方向 ​

技術棧 ​

注意事項 ​

專案操作 SOP ​

環境準備 ​

專案檔案結構 ​

單元測試指令碼執行順序 ​

注意事項 ​

故障排除 ​

效能最佳化建議 ​

相關資源 ​

這篇文章要放去哪一層？

GMGN 聰慧錢包地址深度分析工具設計文檔

專案概述

系統架構

地址篩選規則

排除規則

1. 資金規模篩選

2. 交易行為分析

3. 代幣交易多樣性

4. 成本與交易成本

5. 狀態管理

排除規則的設計哲學

規則應用流程

割跟單識別規則

1. 預篩選條件

2. 時間窗口規則（快速交易檢測）

3. 交易資料一致性分析

4. 割跟單特徵識別

5. 日誌與監控

6. 快取策略

7. 異常處理

8. 檢測輸出

割跟單識別的意義

打分規則（總分 7.5 分）

評分維度詳解

1. 30 天勝率（1 分）

2. 7 天盈利（1 分）

3. 30 天盈利（1 分）

4. 利潤穩定性（0.5 分）

5. 買入利潤均值（0.3 分）

6. 買入利潤率均值（0.7 分）

7. 賣出利潤均值（0.3 分）

8. 賣出利潤率均值（0.7 分）

9. 買賣風格（1 分）

10. 總盈利（1 分）

11-16. 盈虧 TOP 佔比（各 0.166 分，共 1 分）

評分標準

評分目的

快取策略

市值快取（TokenMarketCapCache）

交易記錄快取（TokenTradesCache）

錯誤處理與重試機制

效能優化

安全考慮

未來改進方向

技術棧

注意事項

專案操作 SOP

環境準備

專案檔案結構

單元測試指令碼執行順序

注意事項

故障排除

效能最佳化建議

相關資源