
@HyperliquidX Maxi | Quant Trader ADHD,什麼都想看和了解
Hong Kong
Joined February 2021
- Tweets1.6K
- Following3.6K
- Followers1.6K
- Likes23K
權力只會向權力來源負責
@predictdotfun 這麼多用戶,是他產品好嗎? 有一些盤口其他平台沒有?
核心是幣安! 是BNB !
過去這麼兩三年,那一個項目上alpah + perp 而且空投好
錢就是那麼多,給了你,幣安的利益便減少了
從騰訊雲搬到 AWS(兩台皆在日本東京),在 @HyperliquidX 等永續 DEX 上會更快嗎?
同一份程式、同一組 API key,兩台機器各跑一次,涵蓋五個交易所:Hyperliquid、HL HIP-3、Lighter、Backpack、Arcus。
一、盤口數據(公共 WebSocket):差別在此
兩台同時運行 30 分鐘,以「本機收到時刻 − 交易所時間戳」計算(SNDK)。
格式:騰訊雲東京 → AWS 東京
中位數 p50:
- Binance:5.4 ms → 1.8 ms
- Backpack:4.4 ms → 1.2 ms
- Lighter:5.9 ms → 3.4 ms
- Arcus:13.6 ms → 9.8 ms
- HL 官方 WS:242 ms → 247 ms
- HL 經 @Quicknode gRPC:236 ms → 161 ms
尾部 p99:
- Binance:5,659 ms → 8 ms
- Backpack:914 ms → 8 ms
- Lighter:3,019 ms → 11 ms
- Arcus:5,923 ms → 18 ms
- HL 官方 WS:1,895 ms → 764 ms
- HL 經 QuickNode:907 ms → 214 ms
晚到超過 1 秒的訊息比例:
- 騰訊雲:Binance 15%、Arcus 6%、HL 4%、Lighter 2%、Backpack 1%
- AWS:全部為 0
中位數只差幾毫秒,真正的差距在尾部:騰訊雲每隔一段時間就會整段晚到數秒。根因在騰訊雲這條網路路徑,與交易所及程式無關。TCP 亂序封包:騰訊雲約 1.5%,AWS 約 0.05%。
二、下單執行:兩台幾乎相同
每種訂單各 20 筆、最小量,以交易所自身時間戳計時。
格式:交易所端「處理完成」中位數,騰訊雲 → AWS
- Arcus:撤單 29 → 31 ms;吃單成交 78 → 81 ms
- Backpack:撤單 59 → 57 ms;吃單成交 160 → 159 ms
- Lighter:掛單 15 → 16 ms;撤單 315 → 315 ms;吃單成交 316 → 315 ms
- Hyperliquid:掛單 206 → 204 ms;撤單 212 → 214 ms;吃單成交 531 → 508 ms
兩台相差都在約 10 ms 以內;HL 吃單差 23 ms,仍在 20 筆樣本的雜訊範圍內。
換伺服器改善的是數據,而非撮合。執行速度由交易所決定。
三、「HL 撤報價別用 cancel,用 modify 把單子挪遠,會快一倍」
實測:HL 主站與 HIP-3、騰訊雲與 AWS 兩台,共 80 組改單對撤單。
結果速度相同。交易所端處理完成的中位數:
- 騰訊雲:改單 204 ms,撤單 212 ms
- AWS:改單 219 ms,撤單 214 ms
改單約一半時候較快。HL 的 modify 實際上是「撤舊單+掛新單」合為一個動作:交易所給出新訂單號,舊單號推送為已撤。
請指點我遺漏了什麼 🙏
最近在做 perp 跨所套利 (Hyperliquid, Lighter, Binance, Entropy).
下面这些冷知识都是我自己实测出来的
1. VPS 放 AWS 东京, AZ 选az4. LightSail的话选默认的A地区就行了. 因为这里离币安服务器最近.
az4 到 Binance 0.3ms, 另外两个区 1.5-1.9ms.
HL 和 Lighter 都走 CloudFront. 换 Lightsail AZ C会比A快1ms..
2. Hyperliquid 行情开 3-4 条连接, 用最先到的消息. (比单条链接快). 具体为啥我也不清楚. 币安数据就没这个问题.
3. HL 撤报价别用 cancel, 用 modify 把单子挪远, 会快一倍..
4. Lighter 免费账户就够了
5. 美股闭市期间. Binance 上的币股变动都是最先的. 领先 Lighter main 50-200ms, Lighter RH 250-350ms, trade.xyz 450-550ms, Entropy ~800ms
6. 美股盘中 Binance 只落后 Nasdaq 50-60ms. 而正常情况在东京收 Nasdaq 行情最快也要 75ms+.
很明显是一些大的做市商有专线, 连接纽约和东京. 比公网链路快很多. 这个咱们散户没办法..
今日研究:Hyperliquid 在美國有 Kraken,在印度會有 Mochatrade 嗎?
第一次刷到 @Mochatradeapp,我以為又是一個新的 Perp DEX。點進去發現團隊來自印度,老實說第一反應是擔心:怕又是割一波就跑的項目,也覺得在印度做加密很難有大機會。
但再看下去,兩件事讓我改觀:
▪ 它拿到了印度 FIU-IND 登記
▪ YC 介紹寫著它建在 Hyperliquid 上
巧的是,就在它公布融資的同一天(10/26),Hyperliquid 宣布 Kraken 母公司 Payward 將成為第一個受 CFTC 監管、在 Hyperliquid 上開市場的機構。
如果 Mochatrade 在印度做的是同一件事,Hyperliquid 就多了一個合規入口。
Mochatrade 是什麼?
▪ 讓印度人用盧比(UPI)交易美股漲跌,輝達、特斯拉、蘋果等 50+ 檔
▪ 可做多做空,最高 50 倍槓桿,24/7 交易
▪ 開倉、平倉各收 0.05%
▪ 2026 年 4 月才開始做,還在內測,候補名單 2.5 萬+
團隊:三位 IIT 畢業的創辦人,CEO 之前做過 Aptos 錢包 Martian(200 萬+ 安裝,已被 Pontem 收購)。
融資:約 556 萬美元,YC、Pioneer Fund、CoinFund(領投)、Coinbase Ventures、Nicky Montana。
轉折:
它的服務條款沒有寫明會在 Hyperliquid 上交易,用戶也沒有錢包,盧比存在印度公司 ALSD 的帳上。
更有意思的是,我用兩個 AI 工具同一天抓它的條款,拿到兩個版本:
▪ 一版寫明「目前用 Binance 期貨定價和對沖」,而且 ALSD 是你每筆交易的對手方
▪ 另一版完全沒提 Binance,只說 ALSD「可能」當對手方
兩版的更新日期都是 10/26。
所以和 Kraken 比:
▪ Kraken:拿的是 CFTC 的交易所、清算所、經紀商牌照,直接在 Hyperliquid 上開市場
▪ Mochatrade:拿的是 FIU-IND 反洗錢登記,條款裡沒有 Hyperliquid
結論:
Mochatrade 確實在做印度的合規入口,團隊和資方都很強,需求也是真的。但「Hyperliquid 也在印度受監管」這句話,現在還說不上。
對 Hyperliquid 來說,印度的問題不是有沒有被監管,而是 Mochatrade 最後會不會選它。
如何更快取得 @HyperliquidX 的盤口數據?
在 Hyperliquid 進行跨所套利時,發現部分成交滑點偏高,p90 達 2–8 bp
經查,主因為下單當下所持盤口數據已過時,價格已先行變動,所見仍為數百毫秒前的狀態。伺服器部署於東京,物理距離已盡量縮短,惟官方公共 WebSocket 推送之盤口仍偏慢。以全天生產數據統計:
中位數 236 ms
p90 346 ms
約 2% 之幀超過 1 秒才抵達
後續採用 @Quicknode 的 gRPC 盤口推送
p50:236 ms → 176 ms
p90:346 ms → 211 ms
超過 1 秒之幀:2.05% → 0.02%
費用方面,Build 方案每月 49 美元,包含 8,000 萬 credits。僅訂閱最佳買賣報價、約 20 個幣種,已完全足夠
若追求更快,可自行成為 Hyperliquid validator,直接自鏈上取得數據,惟每月伺服器成本約 1,000 美元
真正的機會來自結構差異——跨所、跨 DEX、資金費率與定價規則之間的不一致。先找出結構,機會方才存在;速度僅是使既有機會執行得更為乾淨
以每月 49 美元換取約 60 ms 的改善,性價比可接受;更高成本則待結構機會更為明確後再行考慮。因此,QuickNode 對我而言是實用工具,而非 alpha 本身。先尋找結構,再談論速度
(但是我仍然尋找當中....)
還以為是AI, 真的很誇張........ @Tesla
前员工爆料gate四宗罪之一:刷70%交易量吸引散户,靠对赌赚客损。散户永远看的见吃不到的数据盘。
材料指控,Gate通过内部做市、自成交和关联账户刷量,把合约成交量和排名做上去。
截图里,Gate当时OI约13.7亿美元,24小时成交量却达到182.1亿美元,Vol/OI高达13.29;而Binance、Bybit、Bitget、MEXC大多只有2左右。
据此判断,Gate虚假交易量占比可能超过70%。
Gate内部做市团队直接站在散户对手盘,给你看起来很好的深度和流动性,最后赚的却是你的亏损。过去两年部分大渠道返佣甚至做到88%-90%。
同时,爆料还称Gate去年底开始大规模裁员,今年初裁掉大量IT人员,很多岗位靠AI写代码、缺少审核。
Gate的审核和风控失守,是导致我170万USDT被盗的直接原因!
最近一個月都在 @entropyIO 上套利
很多人用它的理由是: Ribbit Capital 投了、 @HassnHh30961 在、還沒有 HIP-3 項目 TGE。這些是我認識它的第一印象,但不是我真正交易的原因。
我真正用它,是因為兩件事:
1. 網站體驗一流
我一直在 Hyperliquid 套資金費,也有自己的 dashboard,一直覺得還可以,但總覺得欠了點東西。直到打開他們的網站,就知道是專業的:佈局、熱力圖、不同數據的展示和排版,剛好就是我做決定需要的所有數據。最近在套 AVGO/VST/SNDK/ANSEM/PONS/UNITREE,每天都會固定打開一兩次看看。
2. 關鍵時刻,只有它能交易
上個月 $GPRO 新聞出來那天,市場上沒有多少地方可以做合約,而我有很強的做空需求。突然看到他們上線,那天晚上市場上大概只有他們能做合約。套利空間很大,雖然量不大。我在 Raydium 的池子食了不少,開空只是為了對沖 IL。
那一刻讓我想起多年前:Hyperliquid 還在早期,我手上有不少 EigenLayer 積分,當時只有 Whales Market 和 Hyperliquid 的 pre-market,我就在十幾塊做空了。
最後:
前兩天看到 smart money @hank06171 已經交易了 220M,我也開始有點急,但半天之後就冷靜了。因為我們不一樣:資金不一樣,策略不一樣,最重要的是,我並不知道任何 alpha。
(聽說很多 KOL 都知道,有沒有人可以偷偷告訴我呀🥲)
我錯了,應該聽大家的話
你如果是data scientist或者统计学background,做量化自动交易strategy是你现在这个时代投资回报率最高的事情
我踩过的坑:
1. 不要做高频,你没有和Jane street一样硬件你做不了高频。swing trade 你也可以自动交易
2. 不要让AI从头开始写回测框架:无论是哪个model,他们都很擅长自己偷看未来函数和忽略滑点,你做回测要上专业级别的quantconnect或者nautilus trader中去测
3. 让不同的模型进行讨论和博弈
我还记得我当年在投行上班的时候,写一个rolling window backtest,debug,查stackoverflow需要花一周甚至几周,大量的精力都发在debug上,现在你完全就可以做一个策略艺术家,在上面指挥
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。
























