hyperliquid-builder-liquidation-panel

这是一个 Hyperliquid 永续合约账户-日活动面板数据集，旨在回答一个问题：订单进入的接口是否能够预测账户是否会被清算？数据集中包含账户在 Hyperliquid 上的每笔成交记录，成交可以携带一个构建者（builder）地址，即路由该订单的前端或接口。该面板按账户和日期对活动进行分组，为每个账户-日标记所使用的构建者，并记录当日是否发生清算，同时包含用于调整账户特征（如保证金模式、杠杆、账户价值、持仓数量和缓冲）的协变量。数据来源于公开的 Hyperliquid 成交记录和仓位快照，所有地址均为链上匿名标识符，不包含任何链下身份或个人信息。时间窗口为 2025-07-29 至 2026-08-18，包含 299 到 386 个不同交易日（取决于限制条件）。数据由三个主要部分组成：`panel/RPANEL.parquet`（账户-日面板，每一行对应一个账户在一个交易日的记录，包含日期、账户地址、构建者组别、构建者地址、持仓数量、杠杆、保证金模式、总仓位价值、账户价值、缓冲、清算标志、交易标志和月份）、`panel/daybld.parquet`（账户-日-构建者映射）、`cells/*.csv`（预聚合的单元表，用于分析，包含不同的单元键和账户限制条件）。该数据集可用于观察性研究、基准测试和复现分析，但需注意这是观察性数据，账户选择接口，不能支持因果推断。路由类（routed）账户仅限使用单一接口的账户，使用多个接口的账户被单独归入切换数据中。构建者地址未映射到产品名称。This is a Hyperliquid perpetual contract account-day activity panel dataset designed to answer the question: Can the order entry interface predict whether an account will be liquidated? The dataset contains every trade record of accounts on Hyperliquid, where each trade can carry a builder address, i.e., the frontend or interface that routed the order. The panel groups activity by account and date, marking the builder used for each account-day, recording whether liquidation occurred on that day, and including covariates to adjust for account characteristics such as margin mode, leverage, account value, position size, and buffer. The data is sourced from public Hyperliquid trade records and position snapshots, with all addresses being on-chain anonymous identifiers without any off-chain identity or personal information. The time window spans from 2025-07-29 to 2026-08-18, covering 299 to 386 distinct trading days depending on constraints. The dataset consists of three main parts: `panel/RPANEL.parquet` (account-day panel, each row corresponds to one account on one trading day, including date, account address, builder group, builder address, position size, leverage, margin mode, total position value, account value, buffer, liquidation flag, trading flag, and month), `panel/daybld.parquet` (account-day-builder mapping), and `cells/*.csv` (pre-aggregated cell tables for analysis, with different cell keys and account restrictions). The dataset can be used for observational studies, benchmarking, and replication analysis, but it is important to note that this is observational data where accounts choose interfaces, and it cannot support causal inference. Routed accounts are limited to those using a single interface; accounts using multiple interfaces are separately grouped into switching data. Builder addresses are not mapped to product names.

原始信息汇总

数据集概述

Hyperliquid Builder-Interface Liquidation Panel 是一个关于 Hyperliquid 永续合约交易活动的账户-日（account-day）面板数据集，旨在回答一个核心问题：订单经由的接口（builder）是否能预测账户是否会被清算。

数据集核心内容

该面板按账户和日期分组交易活动，标记每个账户-日所使用的接口（builder），并记录当日是否发生清算，同时包含用于调整账户特征的协变量，如保证金模式、杠杆、账户价值、持仓数量和保证金缓冲。

数据文件结构

路径	说明
panel/RPANEL.parquet	账户-日面板数据：每个交易日内每个账户一行
panel/daybld.parquet	面板所基于的账户-日-接口映射
cells/*.csv	预先聚合的分层单元表，用于已发表的分析

主要字段说明（RPANEL.parquet）

字段	含义
d	日期（UTC）
address	账户地址（链上假名标识）
grp	routed（仅使用一个接口）或 untagged（直接交易）
b	接口地址（当为 routed 时）
npos	当日未平仓头寸数量
lev, lev_min	杠杆，最大值和最小值
ltype	保证金模式：cross 或 isolated
gross	总头寸价值
av	账户价值
buf	保证金缓冲
liq_same	当日是否发生清算（1/0）
traded	当日是否有交易（1/0）
mo	月份（便于使用）

分层单元文件（cells/*.csv）

各文件包含列 grp, g, k, n, L（组、应用、单元键、单元内账户-天数、单元内清算天数），差异在于单元键 k 的构建方式和账户选取标准：

文件	单元键 / 限制
h017_cells_vb.csv	保证金模式 × 杠杆 × 账户价值五分位
h017_cells_noswitch.csv	同上，但剔除曾使用过两个接口的账户
h017_cells_switchonly.csv	同上，但仅保留曾使用多个接口的账户
pr_cells_base.csv	相同键，但仅限每个账户前十个交易日之后的日子
pr_cells_prior.csv	加先验清算分桶（基于前十日打分）
pr_cells_profile.csv	加先验缓冲和先验持仓数量三分位
pr_cells_blocks.csv	四个等计数时间块，各自独立块内打分
pop_time_cells.csv	总体（是否切换过） × 窗口半区
swdays.csv	使用过两个或以上接口的账户-日
same_day_win.csv	同日使用两个接口的账户-日逐笔胜率
class_accounts.csv	每账户一行：天数、清算天数、是否曾清算

数据来源与限制

• 来源：Hyperliquid 公开的成交记录和持仓快照，经过重整形。地址为交易所自身的假名标识，已在链上公开。不含任何链下身份、联系信息或个人数据。
• 时间范围：2025-07-29 至 2026-08-18，根据不同限制条件涵盖 299 至 386 个不同日期。
• 观测性研究：账户自行选择接口。该数据不支持因果推断；基于该数据的分析发现，约三分之二的接口间原始差异可由账户在做出选择之前的既有行为解释。
• routed 类别的构建排他性：账户仅在使用了恰好一个接口时才被计为 routed；使用多个接口的账户归入 swdays.csv。此规则剔除了一个较大的中间群体，任何两类比较都会受此影响。
• 接口不具名：接口地址为链上标识，刻意不映射到产品名称。

许可证与引用

• 许可证：odc-by（Open Data Commons Attribution License）
• 任务类别：表格分类（tabular-classification）
• 大小：1M < n < 10M 行
• 标签：金融、永续合约、Hyperliquid、观测性研究、可复现性、基准测试
• 引用时请标注为 "Hyperliquid Builder-Interface Liquidation Panel" 并链接回该数据集仓库。

搜集汇总

数据集介绍

构建方式

该数据集基于Hyperliquid永续合约市场的公开成交记录与持仓快照，通过聚合账户每日交易活动构建而成。其核心设计在于利用每笔成交可携带的builder地址（即前端路由接口标识）将账户日度活动按所使用接口进行归类，同时精确记录当日是否发生清算事件。为控制混杂因素，数据集纳入了保证金模式、杠杆水平、账户价值、持仓数量及保证金缓冲等协变量，并以账户-日期为基本观测单元，形成结构化面板数据。后续分析所用的分层单元表格则针对不同限制条件（如排除多接口账户、限定交易天数等）预先聚合，确保分析的透明可复现。

使用方法

使用者可通过Python或SQL工具直接读取Parquet格式的面板文件，利用DuckDB或Pandas进行数据查询与统计分析。典型应用包括加载RPANEL.parquet文件，按账户分组计算清算频率，或结合cells目录下的预聚合分层表进行回归分析。数据集提供了清晰的数据字典与示例查询代码，便于研究者在确保结果可复现的前提下，探索接口类型对交易结果的影响。鉴于数据的观察性质，使用时应注意其局限性，避免因果推断。

背景与挑战

背景概述

在去中心化金融（DeFi）的迅猛演进中，永续合约交易平台Hyperliquid凭借其链上透明性与高效撮合机制，成为研究市场微观结构与交易者行为的前沿阵地。该数据集由craftify2221团队于2025年构建，旨在探究一个核心研究问题：订单经由不同前端界面（builder）路由是否会影响账户的清算概率。通过聚合账户-日层面的交易活动，该面板整合了保证金模式、杠杆、账户价值等协变量，为观察性研究提供了可复现的基准。此数据集的发布填补了链上清算行为与界面选择之间关联性研究的空白，为金融科技与行为金融学领域提供了宝贵的数据资产，其影响力体现在对市场效率与用户保护的深刻洞察上。

当前挑战

该数据集面临的挑战多维且复杂。领域层面，其核心难题在于厘清界面选择与清算结果之间的因果关系，而非单纯的相关性，这要求严密的观察性研究设计以排除选择偏差。构建过程中，首要挑战在于处理账户的多界面使用情况，通过'路由'与'未标记'的二分类设计，不得不舍弃大量混合使用界面的账户，可能引入样本选择偏误。其次，数据的时间窗口跨越不同市场周期，需平衡时效性与稳定性。此外，数据集刻意不映射界面名称，虽保障了匿名性，却限制了结果的外部效度。最后，确保数据可复现性，要求所有分析脚本公开，这本身即是对数据质量与文档规范性的双重考验。

常用场景

经典使用场景

该数据集作为面板数据，精心构建了账户-日级别的观测单元，旨在探究订单经由不同前端接口（builder）路由是否与账户清算风险存在关联。其经典使用场景在于，通过逻辑回归或分层分析等统计方法，在控制保证金模式、杠杆率、账户价值等混杂因素后，量化接口选择与清算发生概率之间的条件关联，从而为交易界面设计对交易者行为及风险的影响提供经验证据。

解决学术问题

该数据集直面永续合约市场中一个长期悬而未决的实证难题：交易接口的差异是否预示着清算风险的异质性。它解决了因数据不可得而无法验证公开主张的困境，通过提供可复现的账户-日面板及预聚合分层单元，使研究者能够检验既有假设、修正选择偏差，并推动关于市场微观结构、算法交易与风险管理的学术讨论，尤其在观测性研究的因果推断框架下具有方法论价值。

实际应用

在实际应用中，该数据集服务于金融科技领域的风险监测与用户行为分析。交易所或前端开发者可利用其揭示的接口间清算差异，优化订单路由策略，改善高杠杆账户的风险预警机制；同时，交易者亦可借此评估不同平台的潜在风险特征，辅助选择更为稳健的交易入口。其公开可复现的特性也使其成为金融数据标准化与基准测试的重要参考。

数据集最近研究

最新研究方向

该数据集聚焦于Hyperliquid永续合约市场中，订单流经由不同前端接口（builder）是否与账户清算风险相关联的前沿探究。其核心价值在于，通过构建账户-日面板数据，引入接口来源作为关键解释变量，并辅以杠杆、保证金模式、账户价值等协变量，旨在剥离账户自身特征后，识别接口选择与清算事件间的统计关联。这一研究方向呼应了当前去中心化金融（DeFi）领域对交易基础设施透明度与用户行为风险的关注。数据集强调可复现性，为观测性研究提供了公开基准，有助于推动学界与业界对交易接口设计、风险传导机制及监管框架的深入理解，其影响在于为评估不同前端在风险塑造中的作用提供了实证基础。