Research, Observation, Sharing | Vibing @CryptoHKUST @0xUClub 🇭🇰 | trial + feedback = growth | Madlads with 🎒 | 研习网感ing
Joined October 2022
- Tweets349
- Following2.2K
- Followers789
- Likes4.1K
Pinned Tweet
𝐩𝐞𝐫𝐩𝐃𝐄𝐗用户交易表现深度分析：手续费如何影响用户盈亏
继前两期分析perpDEX的交易量分布和用户行为模式后，这期我们深入探讨一个很有意思的关键发现：大部分用户的仓位价格波动很小，手续费对最终盈亏产生了巨大影响。
千几的手续费往往出现在很不起眼的地方，让我们觉得面对翻倍的遐想简直不值一提。然而正如数据所揭示，这些看似微小的费用，却可能是阻碍大多数用户实现盈利的关键因素。
#DeFi #perpDEX #链上数据分析 #交易费用
Perp DEX用户画像揭秘：从Jupiter链上数据看交易者的行为偏好📊
大家有没有好奇过Perp DEX的链上用户画像是怎样的？
是百倍杠杆的战神更常见，还是稳健玩家更占主流？
不同仓位规模的用户杠杆偏好如何？
长期持仓的杠杆玩家又有多少？
今天我们基于Jupiter平台的链上数据（3月24日和4月15日相隔三周抓取），来一探这些交易者的行为特征和市场动态！
核心发现🎯：
- 短线玩家（持仓<1天）占了大头，仓位数量和规模占比分别接近七成和五成；大于1天、小于90天的仓位数量、仓位规模变动较大；大于90天的仓位数量、仓位规模小于5%，10%，说明链上更多是快进快出的操作；
- 较小仓位玩家($100-1k): 平均杠杆（绝对值）在10x附近，果然战神无所畏惧！
- 进阶玩家（$1k-10k): 平均杠杆在6x附近，风险偏好依然较高，但比小额玩家稍稳一些;
- 中高仓位玩家（$10k-1m): 平均杠杆差异较大，平均杠杆在2-4倍之间，注重仓位风险管理和收益的平衡，操作更偏稳健；
- 鲸鱼玩家🐳（>$1m): 平均杠杆低于2倍，明显更偏向低风险，追求稳健收益的放大。
详细数据图表📊：
1 不同开仓时间阈值下的仓位比例⬇️
2 不同抵押品范围的平均杠杆率和仓位数量⬇️
真正拉开差距的，往往不是你做了多少事，而是你有没有把局面往前推进。
很多人一天到晚很忙，只是在不停清空待办；高手盯的却是：眼下最大的瓶颈在哪？最重要的未知是什么？哪个结果一出来，我就能立刻做下一步决策？
事情越多，越不能平均用力。把力气砸在关键瓶颈、关键证据、关键决策上，进展才会真正发生。
🤖 Made with AI
最危险的不是没有反馈，而是只认结果反馈。
很多人以为，真正厉害的人，是可以忍受很久没有反馈。其实恰恰相反：他们只是更早学会了，不把最终结果当作唯一的反馈。
结果可能半年以后才来，但今天可以有行动，明天可以有理解，这周可以留下成果。长期主义不是一直忍耐，而是学会在漫长的不确定里，持续看见自己正在前进。
🤖 Made with AI
Jason Zhao | 𝟎𝐱𝐔 retweeted
刚开始做套利的朋友，很容易过分痴迷于工程问题。
监控怎么搭，执行怎么快，警报怎么配，最好再搞个漂亮的 dashboard，看着满屏跳动的数字，感觉在 AI 的帮助下，离印钞就差一个 API key。
但当你真把这门生意做到足够大时，你会渐渐意识到，这些玩意儿既不是必要条件，也不是充分条件。
你和套利佬之间的沟壑，根本不是代码能力，而是在深入研究交易类产品规则，和衍生品底层资产特性后，提出猜想，验证猜想的能力。
比如我可以很自信的说在 @Lighter_xyz 上，所有的套利机会都是我的机会。
为什么？
因为从币圈原生资产，到 RWA 这波的黄金、原油、指数、美股个股，我和 @Boywus 算是跟着平台一个个的资产上新，把规则一点点完整地啃了下来。
价格怎么来，资费怎么算，休市后怎么办，极端行情下有什么限制，同一资产放到其他所又是怎么处理的。
哪些差异能赚，哪些只是看起来能赚；哪些仓位平时相安无事，一到周末就能给你整出点节目。
这些都得弄明白。
这个过程很漫长，也很痛苦。尤其早期规则不完善时，很多认知，是要拿大额亏损换的。
旁人看到的是我狩猎巨鲸，日入百万；
是几千万美金的 OI 持仓，爽吃资费和积分。
但他们没看到的是，哥们儿也曾在 LG 周末涨跌熔断机制带来的费率爆杀里，抱头鼠窜。
没有实打实的痛过，就永远不知道策略的边界在哪里。
赚钱的时候觉得自己理解了规则，亏钱的时候才发现，自己漏读的那一行 docs 里的小字，收费是真他妈贵。
所谓理解一个策略，不只是知道它什么时候赚钱，还得知道它会怎么亏，最坏能亏到哪儿，以及自己有没有能力扛到退出。
而最终沉淀下来的那些策略，作为碳基生命的我，走老艺术家手搓路线，也能把单开出来。
但是这一刻，已经没必要了，因为你对它们太了解了，什么条件该开，什么情况该停，哪些异常必须报警把我摇起来，心里都有数了，那就索性就甩给程序去做吧。
像图里这种 10 亿美金交易量以上的号，TGE 后，我跑了得有 20 个。
一年大几百亿美金的交易量给我带来的肌肉记忆，才是哥们儿的护城河。
其实大部分的套利交易机会都是用时间和金钱刷出来的，并不是来自AI给你挖矿挖出来的。
就好像很多机会都是老大哥 @Metabape 在每个凌晨观察数据特性算出来的，甚至有好几次是实战大仓位被交易所坑了一波学费，我们才明白：还能这样玩？
数据一直在那，你各种RL，端到端，怎么都比不过几瓦功耗的脑子，根本就不是算力问题，AI能帮我们是否分析几个可能方向，但是它不能一开始就想出来蹲这些机会。
我并不能得到人类在这方面还是强于AI的结论，只是在现阶段，更像是AI统治世界后还有个犄角旮旯的人类反抗军聚集地，像极了红果的末日剧。
Jason Zhao | 𝟎𝐱𝐔 retweeted
We shipped a new Liquidity Comparison dashboard: cross-venue liquidity analytics for @HyperliquidX vs Binance, Coinbase, Lighter, OKX, and Bybit.
Compare depth, spreads, and slippage across venues in real time.
Jason Zhao | 𝟎𝐱𝐔 retweeted
预言机 Pyth 宕机超过1小时，大量的 Perp Dex、DeFi、 RWAFi 受到影响，而社区几乎没人讨论
目前所有采用他们免费服务、以及只使用Pyth 单一预言机的项目都有影响，受影响项目数量可能达数百个
已有DeFi 受影响发生链上异常清算，有链上平台启动紧急熔断机制，暂停用户所有交易和借贷
目前Pyth @PythNetwork 尚未对此有任何回应，尚不清楚，受影响的范围和规模有多大
Pyth 是一家向超过 120 家金融机构（如加密货币、DeFi、外汇、RWA）直接发布数据的预言机 $PYTH 的价格在过去2年已从高点下跌超过96%
Jason Zhao | 𝟎𝐱𝐔 retweeted
🧠@olaxbt first ever joint event with @futufriends @CryptoHKUST at @hkust
We are ready to bring Agentic investment Research and Education to #HKUST campus!
Excited to share our latest use case of our agentic hedge fund OS! github.com/olaxbt/ai-market-…
Event Details
📅14:30 – 16:30
📍Futu Academic Hall, LG5202, HKUST
Highlights
📊Factor investing & quant trading 101
🤖AI agent trading basics (smart alpha)
🎙️Insights from Futu’s senior strategy manager
🚀Futu summer internship + campus ambassador recruitment
Limited seats — sign up now!
luma.com/kxwrkxtw
#QuantTrading #AIAgents #CampusRecruitment
Jason Zhao | 𝟎𝐱𝐔 retweeted
We've been accelerating the agentic economy on the distribution layer.
On April 20, we're bringing it to Hong Kong with @byreal_io and @ChainforGood.
From AI agents to RWAs and the future of onchain finance, some conversations are better in person.
看了Kevin总@KevinZbtc分享的文章 最近一个强烈的感受： 我用 AI 做了很多事，但好像并没有真正积累下来。比如Vibe Coding了不少，但无论是代码或是思维上的复用性都不高。
基本上都是：
- 问完 → 用完 → 消失
- 没有沉淀成模型、流程、mindset或系统
好奇大家有没有经验如何真正积累 AI leverage？
（之后有发现或者感悟也会在下面迭代哈哈～
Back in Summer 2023, when I attended SBC23, decentralized sequencers were a hot topic in many conversations.
Looking back, I’ve been reflecting on why the momentum seems to have slowed.
A few incomplete thoughts:
– Incentives at the rollup level are not obviously aligned with decentralizing sequencing, especially given the tight coupling between sequencing, performance, and revenue.
– The costs of decentralization (latency, coordination overhead, operational complexity) are immediate and observable, while the risks it aims to mitigate (censorship, capture, liveness failures) remain largely latent.
– In practice, decentralizing the sequencer does not automatically result in neutral ordering, as most designs introduce new governance mechanisms, stake-weighted control, or MEV allocation rules.
– For zk-rollups, sequencing performance is even more tightly coupled with proving pipelines, which may favor stronger coordination rather than weaker or fully decentralized designs.
– Part of the discussion appears to have shifted toward based rollups, which reframe sequencing as an L1-level ordering problem rather than something to be solved entirely within individual rollups.
Curious how others think about this now.
