HyperTrend
EN中文
打开应用

文档

信用引擎

本页目录

HyperTrend 自研的链上信用引擎通过多维度分析重新定义 Web3 中的信任，洞察来自链上交易数据、社交网络与生态参与。它提炼交易者的能力画像，以交易能力作为可信度基础，融合社交连接与链上交互，生成动态信用评分。这个模型被称为「交易能力与社会信任的数字蓝图」，为核心金融服务提供可量化的信任基石。

Gravity Index

Gravity Index 是 HyperTrend 信用引擎最核心的组成部分。它基于 300 余项链上数据特征评估用户的交易行为与表现，涵盖时间窗口、交易对、风险敞口与行为模式。该指数量化交易能力的六个关键维度，反映真实盈利能力、策略成熟度、资金效率与市场适应力，产出 0 到 1000 的综合分数。

普通用户可以用 Gravity Index 找到值得跟随或学习的优秀交易员，交易员自己也可以把它当作一面「量化镜子」，打磨自己的策略。

设计原则

与依赖单一盈利维度的传统中心化指标不同，Gravity Index 是多维度、时间敏感、行为驱动的。它综合运用特征工程、机器学习聚类与回归、分层归一化、时间衰减加权、异常检测与降噪技术，产出稳定、可解释、抗操纵的评分体系。

六大评估维度

维度 说明
盈利质量 衡量真实盈利能力与可持续性，剔除运气与短期波动。
风险控制 评估仓位管理、止损纪律、回撤控制与资金保护能力。
胜率矩阵 分析不同市场环境下的胜率与盈亏比，评估精准度与适应力。
杠杆技艺 评估杠杆运用技巧，考察杠杆倍数选择与保证金效率，优化风险回报比。
市场阶段 衡量趋势契合度，分析震荡或趋势行情中的表现，评估适应性交易能力。
链上足迹 衡量多链活跃度，跟踪跨 DeFi 协议的交互广度与跨链频率。

加权与评分机制

Gravity Index S=∑i=16wiDiS = \sum_{i=1}^{6} w_i D_i（其中 ∑wi=1\sum w_i = 1）综合六个维度的得分 DiD_i（0-1000），权重 wiw_i 通过回测与交叉验证动态优化，以兼顾长期稳定、短期灵敏与抗操纵性。

输出与解读

模型输出两项主要结果：

  • 综合得分：0–1000 的指数，代表整体交易能力。
  • 技能图谱：六维雷达图，展示能力优势与短板。

Social Credit

HyperTrend 的 Social Credit 机制创新地把社交关系纳入信用评估与风险管理，通过「邀请关系」实现信用联动与风险共担，促进社区增长与互信网络的形成。

核心机制

正向激励

当高信用用户 A 邀请新用户 B，且 A 的信用分 SAS_A 超过门槛 SthS_th 时，B 的初始信用分获得加成：

SB=S0+α⋅min(SA,Smax).S_B = S_0 + α·min(S_A, S_max).

若 SA<SthS_A < S_th，则 SB=S0S_B = S_0。

风险共担

若被邀请用户 B 违约，邀请人 A 按下式受到扣分：

ΔSA=−β⋅DB⋅λt,withSA’=SA+ΔSAΔS_A = -β·D_B·λ^t, with S_A’ = S_A + ΔS_A

邀请人还须承担相应比例的损失：

Lossinviter=β×LB\textit{Loss}_{\textit{inviter}} = β × L_B

参数

αα 为加成系数，ββ 为风险共担系数，λλ 为时间衰减因子，DBD_B 为 B 的违约比例，LBL_B 为违约损失金额。

机制平衡

正向激励与风险共担相互协同，优化用户行为，在信用传导与风险分担之间取得平衡。

实现细节

智能合约记录邀请关系、自动执行信用加成并监控违约，同时施加时间与层级限制。

  • 关系绑定：邀请码或邀请链接被记录并写入区块链。
  • 加成上限：通过分层上限防止奖励过度放大。
  • 违约检查：系统定期审查邀请链；违约触发上层扣分。
  • 层级限制：只追溯一层直接邀请；惩罚幅度设有上限，防止连锁损失。

周期性信用更新

在每个更新周期中，信用分按下式演化：

Si(t+1)=Si(t)+Σα⋅min(Sj,Smax)⋅Rj,i−Σβ⋅Dk⋅λt⋅Ri,kS_i(t+1) = S_i(t) + Σ α·min(S_j,S_max)·R_{j,i} - Σ β·D_k·λ^t·R_{i,k}

因此，用户 i 的社交信用在被高信用用户邀请时上升，在其被邀请人违约时下降，形成一个动态平衡网络。

生态参与分

生态参与分衡量用户在整个 Web3 生态中参与的广度与深度。它捕捉跨链活动、协议交互、资产管理与治理行为，是整个信用引擎中最去中心化、最抗篡改的组成部分。

评估逻辑

维度 说明
跨链活动 评估在 Ethereum、Arbitrum 等链上的资产与交互频率。
协议参与 跟踪与 DeFi、NFT、DAO 协议的交互类型与频率。
资产健康度 分析稳定币占比与资产分布，衡量风险管理的成熟度。
治理行为 衡量 DAO 投票、POAP 领取与 ENS/DID 绑定，作为身份可信度的指标。

评分模型

系统汇聚链上行为数据，计算综合生态参与分：

F=Σwj⋅XjF = Σ wj·Xj

其中，XjXj 表示第 j 项行为指标（频率、多样性或治理活动），wjwj 表示其学习得到的权重。

链上身份可信度

为缓解女巫攻击与虚假身份，HyperTrend 引入身份一致性因子 CidC_id：

Cid=1/(1+e(−θ(E−μ)))C_id = 1 / (1 + e^{(-θ(E - μ))})

EE 表示行为熵，μμ 为门槛均值，θθ 为灵敏度系数。

CidC_id 越高，代表用户行为越自然、越一致，可信度越高。

信用评分与影响

动态信用更新

跨周期的信用更新遵循：

Si(t+1)=Si(t)+ρ1⋅Gi+ρ2⋅Ni+ρ3⋅Fi⋅Cid,iS_i(t+1) = S_i(t) + ρ1·G_i + ρ2·N_i + ρ3·F_i·C_id,i

其中：

SiS_i 为综合信用分，GiG_i 为 Gravity Index，NiN_i 为 Social Credit，FiF_i 为生态参与分，CidiC_idi 为身份一致性因子，ρ1、ρ2、ρ3ρ1、ρ2、ρ3 为自适应权重。

模型动态与意义

  • 周期更新：系统在每个周期重算全部分项得分。
  • 反馈回路：正向行为提升得分；异常行为触发扣分。
  • 均衡：权重在个体风险、社交协作与生态贡献之间取得平衡。

平台权益

信用引擎是多项产品功能的基础。

高信用用户享有：

  • 更低的借款利率。
  • 更高的借款额度。
  • 申请成为「带单交易员」的资格。

低信用用户面临：

  • 更低的借款与杠杆限额。
  • 暂时的功能限制，直到通过负责任的交易与参与重建声誉。