什么是交易所流量？
**简单来说：**当币转移到交易所时，有人在准备卖出。当币从交易所转出时，有人在计划持有。追踪一段时间内的净差额，你就拥有了一个了解总体市场意图的窗口——在那个意图显示在价格图表上之前。
交易所流量衡量在给定时期内存入和提取交易所钱包的加密货币数量。这个链上指标是了解市场情绪最直接的窗口之一，因为它揭示了实际行为（将币转移到可以卖出的场所）而非陈述的意见或社交媒体情绪。交易所流量将所有市场参与者的行为——散户、鲸鱼、机构、做市商——聚合到一个持续更新的信号中。
对于交易者来说，交易所流量分析提供了显著的 edge，因为它领先于价格。净流入（进入交易所的币多于离开的）表明卖压在上升——参与者正在准备卖出。净流出（离开的币多于进入的）表明吸筹——参与者正在将币移出市场，减少流通供应。这些信号在持续数周而非数小时时最为强大，并且当它们与价格行为背离时（价格上涨而流入飙升 = 强势表象下的派发）。
工作原理
区块链分析公司（Glassnode、CryptoQuant、Santiment）标记已知的交易所地址并追踪进出这些地址的所有交易。关键指标：
交易所流入： 在给定时期内存入交易所地址的总币数。流入量飙升——尤其是大额单笔交易——通常先于或与卖出事件同时发生。上涨期间持续的高流入水平表明派发。
交易所流出： 从交易所地址提取的总币数。持续流出表明吸筹和长期持有意图。大额单笔提取（一笔交易 1,000+ BTC）通常代表机构或鲸鱼吸筹。
净交易所流量： 流入减去流出。正 = 净存入（潜在卖压）。负 = 净提取（潜在吸筹）。简单的启发式：持续的负净流量在结构上看涨（减少流通供应）。持续的正净流量在结构上看跌（增加流通供应）。
交易所余额： 所有交易所钱包中持有的某资产总量。余额上升 = 币流入交易所。余额下降 = 币流出。比特币的交易所余额自 2020 年 3 月以来一直处于结构性下降（从约 320 万 BTC 降至约 230 万 BTC），这是一个持续多年的吸筹信号，与 2020-2021 年牛市同时发生。
为什么对交易者重要
交易所流量领先价格行为。 大量净流出（吸筹）通常先于上涨数天到数周。大量净流入（派发）通常先于回调。领先时间各不相同——在快速变动的事件中可能是数小时；在结构性转变中可能是数周——但方向性关系是一致的。将交易所流量数据纳入你的分析，提供了一个领先的确认或背离信号，以补充基于价格的指标。
波动期间的流量飙升是方向性信号。 当比特币一天内下跌 15% 且交易所流入同时飙升至 12 个月高点时，确认了恐慌性抛售——投降往往标志着局部底部。当比特币上涨且流入飙升时，表明在强势中派发——对多头来说是一个警告信号。价格行为和流量数据的结合告诉你一个走势正在被吸收（健康）还是派发（不健康）。
交易所余额作为结构性情绪指标。 交易所余额的多年趋势揭示了市场的长期信念。2020-2021 年比特币交易所余额的持续下降（可供出售的币减少）是促成牛市规模的结构性顺风。相反，交易所余额在数月内上升将表明信念减弱和上方供应增加——对持续上涨的逆风。
常见错误
- 将交易所内部转账误解为流量。 交易所经常在其自己的钱包之间转移资金（热钱包到冷存储，地址之间）。这些内部转账在链上显示为大额交易，可能被误认为是鲸鱼存款或提取。可靠的数据提供商会过滤已知的内部转账，但自动警报通常不会。始终验证被标记的"大额交易所流入"实际上是从非交易所地址的存款。
- 过度看重日度流量数据。 单日峰值是有噪音的，通常毫无意义——一笔大额 OTC 交易结算、交易所维护或单个鲸鱼的个人决定。信号在周度和月度聚合中显现。使用日度数据提供背景，但根据持续趋势而非单个数据点做出交易决策。
- 将所有流入视为看跌，所有流出视为看涨。 流入衍生品交易所可能表示对冲活动（不一定是看跌）。流出交易所可能反映安全担忧或监管恐惧，而非吸筹。始终将流量方向与市场条件和其他指标结合起来分析。
常见问题
问：哪些交易所流量指标最具可操作性？ 答：滚动 7 天或 30 天的净交易所流量提供了最清晰的信号。交易所余额（交易所上持有的总币数）是最好的结构性指标。大额单笔交易流量（BTC 超过 1000 万美元）值得关注但需要背景（是已知的鲸鱼、托管人还是交易所重新整理？）。
问：交易所流量对山寨币也有效吗？ 答：是的，但有注意事项。山寨币通常有显著比例的总供应量存放在交易所（用于质押、流动性挖矿或缺乏自我托管基础设施），使得流量数据作为情绪信号不那么有意义。对于拥有强大链上生态系统的主要山寨币（ETH、SOL），交易所流量数据是有用的。对于较小的山寨币，最多将流量数据视为辅助信息。
问：交易所流量能检测到操纵吗？ 答：部分可以。异常模式——大规模流入后立即暴跌、负面消息前同一地址重复大额存款——可能表明协同活动。然而，实时区分操纵和合法市场行为是困难的，容易产生误报。流量数据更适合用于总体情绪评估，而非检测特定操纵事件。