polymarket-wallet-xray

name	polymarket-wallet-xray
description	可以对任何 Polymarket 钱包进行深度分析，包括其技能水平、交易质量、是否存在机器人参与交易（bot detection），以及进行边缘数据分析（edge analysis）。该工具会查询 Polymarket 的公开 API，无需任何身份验证。该功能的灵感来源于 @thejayden 的“Polymarket 钱包交易行为分析”（Autopsy of a Polymarket Whale）报告。
metadata	{"author":"Simmer (@simmer_markets)","version":"1.1.1","displayName":"Polymarket Wallet X-Ray","difficulty":"beginner"}

Polymarket钱包分析工具（X-Ray）

该工具可分析任意Polymarket钱包的交易模式、交易者的技能水平以及他们的交易优势。

**无需身份验证。**工具直接通过Polymarket的公开CLOB API进行数据查询。

灵感来源： @thejayden 的文章《The Autopsy: How to Read the Mind of a Polymarket Whale》（https://x.com/thejayden/status/2020891572389224878）

该工具实现了[@thejayden]开发的交易分析框架。建议阅读原文，以了解“Time Profitable”指标、对冲策略检查、机器人检测以及交易信号生成背后的原理。

请注意： 这只是一个分析工具，并非交易建议。它仅提供交易数据供您参考，帮助您了解交易者的行为模式并做出明智的决策。此工具仅用于教育和研究目的，切勿盲目复制他人的交易策略。

⚠️ 重要免责声明

过去的表现并不能保证未来的结果。 财户的历史数据仅能反映：

• ✅ 他们过去的交易情况
• ✅ 他们的历史胜率和入场质量
• ❌ 但无法预测他们的策略在未来是否依然有效

盲目复制他人交易的风险：

• 市场环境不断变化
• 交易者的优势可能源于运气、时机选择或特定历史事件
• 手续费和滑点可能会将微弱的优势抹去
• 如果其他交易者也采用相同的策略，这种优势就会消失

使用该工具的目的：

• ✅ 了解熟练交易者的特征（通过数据指标和行为模式）
• ✅ 识别潜在的异常行为（如机器人或套利者）
• ✅ 理解交易者的心理（如FOMO情绪与交易纪律）
• ✅ 为自身的交易策略提供参考

禁止使用该工具进行以下操作：

• ❌ 自动复制他人的交易
• ❌ 期望复制他人的收益
• ❌ 仅凭这些数据就进行交易决策
• ❌ 在不了解交易逻辑的情况下投入大量资金

适用场景

当您希望：

• 了解熟练交易者的操作方式（哪些指标能区分赢家和输家）
• 理解交易者的心理（谁会追逐价格波动？谁有良好的交易纪律）
• 检测异常行为（如机器人或套利行为）（用于研究）
• 研究套利机会（识别持有对冲头寸的账户）
• 对比不同交易者的交易风格（区分稳定盈利的交易者和运气好的交易者）
• 为自身策略提供参考（将分析结果作为决策依据）

不适合用于：

• 盲目或自动复制他人的交易
• 假设过去的表现能预示未来的收益
• 仅依赖这些数据就进行高风险交易

设置流程

用户需要安装或配置该工具时，请按照以下步骤操作：

1. 安装Simmer SDK

   pip install simmer-sdk
   

2. 获取Simmer API密钥

   • 可在simmer.markets/dashboard的SDK标签页获取密钥
   • 将密钥存储为SIMMER_API_KEY环境变量

快速命令

# Analyze a single wallet
python wallet_xray.py 0x1234...abcd

# Analyze wallet + only look at specific market
python wallet_xray.py 0x1234...abcd "Bitcoin"

# Compare two wallets head-to-head
python wallet_xray.py 0x1111... 0x2222... --compare

# Find wallets matching criteria (top Time Profitable in market)
python wallet_xray.py "Will BTC hit $100k?" --top-wallets 5 --dry-run

# Check your account status
python scripts/status.py

使用的API（公开接口，无需认证）：

• Gamma API：https://gamma-api.polymarket.com/markets/keyset — 市场搜索（分页查询）
• CLOB API：https://clob.polymarket.com — 交易历史和订单簿

分析结果

该工具会返回以下全面的交易分析数据：

{
  "wallet": "0x1234...abcd",
  "total_trades": 156,
  "total_period_hours": 42.5,
  "profitability": {
    "time_profitable_pct": 75.3,
    "win_rate_pct": 68.2,
    "avg_profit_per_win": 0.035,
    "avg_loss_per_loss": -0.018,
    "realized_pnl_usd": 2450.00
  },
  "entry_quality": {
    "avg_slippage_bps": 28,
    "quality_rating": "B+",
    "assessment": "Good entries, occasional FOMO"
  },
  "behavior": {
    "is_bot_detected": false,
    "trading_intensity": "high",
    "avg_seconds_between_trades": 45,
    "price_chasing": "moderate",
    "accumulation_signal": "growing"
  },
  "edge_detection": {
    "hedge_check_combined_avg": 0.98,
    "has_arbitrage_edge": false,
    "assessment": "No locked-in edge; relies on direction"
  },
  "risk_profile": {
    "max_drawdown_pct": 12.5,
    "volatility": "medium",
    "max_position_concentration": 0.22
  },
  "recommendation": "Good trader. Skilled entries, disciplined sizing. Good metrics for learning from. Not advice to copytrade."
}

工作原理

1. 获取交易历史：通过Simmer API从Polymarket下载该钱包的所有交易记录
2. 计算盈利情况：分析交易者在何时处于亏损状态，何时盈利
3. 评估入场质量：判断交易者是否以最优价格买入
4. 检测交易模式：区分机器人的快速交易行为和人类的理性交易行为
5. 检查是否存在套利机会：计算买入和卖出的平均成本差（是否小于1美元）
6. 分析交易行为：判断是否存在FOMO情绪导致的过度交易或良好的交易纪律
7. 给出建议：评估该钱包是否值得关注，以及潜在的风险

数据指标解释

⏱️ Time Profitable（例如：75.3%）

该钱包在75%的交易时间内处于盈利状态，仅经历了25%的亏损——这体现了良好的交易纪律。

• >80%：表明交易者具有极高的入场技巧，并能在亏损期间坚持持有头寸
• 50-80%：表示交易者的纪律性一般
• <50%：提示交易者可能存在恐慌性亏损

🎯 入场质量（例如：平均滑点为28个基点）

该交易者以接近最佳价格买入，28个基点的滑点对于活跃的交易者来说属于正常范围。没有迹象表明他们受到FOMO情绪的影响。

• <20 bps：表明交易者非常专业，使用限价单进行交易。
• 20-40 bps：表示交易者的速度和价格判断能力良好。
• >50 bps：表明交易者可能存在追涨行为

🤖 机器人检测（例如：平均交易间隔为45秒）

如果交易间隔小于5秒，很可能是机器人操作；除非确认对方是正规的市场做市商，否则应避免与其交易。

• 5-30 sec：可能是机器人，但仍需谨慎。
• >30 sec：则很可能是人类交易者

💰 对冲策略检查（例如：平均成本差为0.98美元）

如果交易者在0.70美元买入，在0.30美元卖出，那么他们的总成本应恰好为1美元，说明他们的对冲策略有效。

• 如果总成本差小于1美元，说明他们可能具有结构性优势（即买入成本低于卖出成本）。实际利润受执行价格、手续费和点差的影响。
• < $0.95：表明可能存在较大的潜在优势，可能是机构投资者。
• $0.95-1.00：仅显示出轻微的优势。
• > $1.00：说明没有明显的优势，可能只是单纯押注价格走势。

使用示例

示例1：学习熟练交易者的交易策略

import subprocess
import json

# Analyze a wallet known for skilled trading
result = subprocess.run(
    ["python", "wallet_xray.py", "0x123...abc", "--json"],
    capture_output=True,
    text=True
)
data = json.loads(result.stdout)

# LEARN from their profile, don't copy blindly
time_prof = data["profitability"]["time_profitable_pct"]
entry_qual = data["entry_quality"]["quality_rating"]

print(f"📊 What this trader does well:")
print(f"  • Time Profitable: {time_prof}% (disciplined)")
print(f"  • Entry Quality: {entry_qual} (patient buyer)")
print(f"  • Behavior: {data['behavior']['accumulation_signal']} (not FOMO)")

# THEN: Ask yourself
# - Why are they profitable? (skill or luck?)
# - Can I replicate their decision-making process?
# - Do I have their capital size, timing, or information?

示例2：识别异常行为（用于研究）

# Analyze multiple wallets to understand patterns
wallets = ["0x111...", "0x222...", "0x333..."]

print("Comparing trader profiles:")
for wallet in wallets:
    result = subprocess.run(
        ["python", "wallet_xray.py", wallet, "--json"],
        capture_output=True,
        text=True
    )
    data = json.loads(result.stdout)

    is_bot = "🤖 BOT" if data["behavior"]["is_bot_detected"] else "👤 HUMAN"
    print(f"\n{wallet}: {is_bot}")
    print(f"  Win Rate: {data['profitability']['win_rate_pct']}%")
    print(f"  Time Profitable: {data['profitability']['time_profitable_pct']}%")

# Use this data to understand what successful trading LOOKS LIKE
# Then build your own strategy based on these insights

示例3：基于分析做出决策（而非盲目复制）

# Analyze before you decide what to do
result = subprocess.run(
    ["python", "wallet_xray.py", "0x123...abc", "--json"],
    capture_output=True,
    text=True
)
data = json.loads(result.stdout)

# Make an INFORMED decision based on analysis + YOUR OWN JUDGMENT
if data["profitability"]["time_profitable_pct"] > 75 and \
   data["entry_quality"]["quality_rating"] in ["A", "A+"]:

    print(f"✅ This wallet shows skill (high Time Profitable, good entries)")
    print(f"⚠️  But I will NOT copytrade blindly.")
    print(f"📋 Instead, I'll:")
    print(f"   1. Backtest their patterns on fresh data")
    print(f"   2. Add my own market signals")
    print(f"   3. Start with small position (1-2% of capital)")
    print(f"   4. Monitor for next 30 days")
    print(f"   5. Adjust if it stops working")
else:
    print(f"❌ This wallet doesn't show strong enough metrics.")
    print(f"   Safer to avoid or research further before deciding.")

使用方法

分析单个钱包（默认设置）：

python wallet_xray.py 0x1234...abcd

分析特定市场的钱包：

python wallet_xray.py 0x1234...abcd "Bitcoin"

以JSON格式输出结果（适用于脚本）：

python wallet_xray.py 0x1234...abcd --json

比较两个钱包的交易数据：

python wallet_xray.py 0x1111... 0x2222... --compare

仅分析最近的交易记录（加快分析速度）：

python wallet_xray.py 0x1234...abcd --limit 100

常见问题及解决方法

• “钱包没有交易记录”：

  • 该钱包尚未进行交易，或所有交易记录过于陈旧。
  • 请尝试使用活跃的交易账户。

• “市场未找到”：

  • 查询的市场在Polymarket系统中不存在。
  • 请提供更具体的市场名称，或选择“所有市场”进行通用分析。

• “分析耗时过长”：

  • 对于交易记录超过500条的交易账户，分析可能需要30秒以上。
  • 可使用--limit 100参数仅分析最近的交易记录以加快速度。

• “API请求次数受限”：

  • 如果同时分析多个账户，可能会导致请求次数过多。
  • 请稍后再试，或使用--limit 50参数减少每次请求的数量。

致谢

该工具基于@thejayden的文章《The Autopsy of a Polymarket Whale》中的交易分析框架。原文介绍了如何：

• 识别虚假的交易专家（高盈亏比、糟糕的入场策略）
• 检测机器人（非人类的交易速度）
• 发现套利机会（通过分析对冲头寸）
• 理解交易者的心理（如FOMO情绪）

此处使用的所有指标和分析方法均源自该文章。如果您觉得该工具有用，请阅读原文并关注@thejayden。

相关链接

• Simmer API完整文档： simmer.markets/docs.md
• 原文分析： The Autopsy: How to Read the Mind of a Polymarket Whale
• 控制台界面： simmer.markets/dashboard
• 技术支持： Telegram频道：