金融代币化趋势监控

更新于 加载中…
 正在加载数据…
当日结论
历史快照(最近 30 条)
时间稳定币(B)加密市值(T)BTC占比 资金费率巴菲特%HY利差(bps)收益率曲线预警
 加载中…

阈值与计算说明

指标阈值触发含义计算方式
稳定币总市值> $250B代币化资金规模过大,观察流入速度USDT+USDC+DAI+TUSD+FDUSD 市值之和(CoinGecko)
稳定币月增速> 10%代币化加速,可能预示大规模资金入场(本月市值 - 上月市值) / 上月市值 × 100
巴菲特指标> 180%股市极度高估Wilshire 5000 / 名义 GDP × 100(FRED: WILL5000IND / GDP)
HY 信用利差> 500 bps流动性危机预警ICE BofA 美国高收益债 OAS(FRED: BAMLH0A0HYM2)
收益率曲线倒挂< -0.3%历史衰退领先信号(领先 12-18 个月)10年期 − 2年期国债收益率(FRED: T10Y2Y)
BTC 资金费率> 0.05%/8h多头过度拥挤,挤仓风险上升Binance 永续合约最新 8h 资金费率
稳定币市值概览
稳定币总市值(十亿美元)
各稳定币市值占比
加密市场总览
各币流转速度(Velocity)
 加载中…
链间分布(30天净流入)
 加载中…

第一层指标说明

第一层监控「代币化进度」——稳定币市值反映有多少法币已转化为链上代币,是资金入场的先行指标。

Velocity 口径说明

计算公式:Velocity = 月链上转账总量 / 流通市值(无量纲,单位:x)

跨链净流入说明

跨链净流入用于判断:收益率追逐(资金流向高收益协议所在链)、生态兴衰(持续净流入=生态扩张,持续净流出=收缩)、L2采用速度(ETH L2 净流入加速=用户迁移提速)。净流入 = 桥入量 − 桥出量(30天,百万美元),正值=净流入目标链,负值=净流出。

巴菲特指标(股市估值)
 加载中…
HY 高收益债信用利差
 加载中…
收益率曲线(10Y − 2Y)
 加载中…

第二层指标说明

第二层监控「泡沫积累程度」——宏观估值与信用环境指标,判断市场是否处于高风险区间。

BTC 永续合约资金费率
 加载中…
加密总市值 & BTC 主导率
 加载中…

第三层指标说明

第三层监控「危机前兆」——衍生品市场情绪与流动性指标,捕捉短期风险积聚信号。

系统架构
采集入口macro_pipeline.py
核心模块macro_monitor.py
持久化macro.db (SQLite)
API 输出目录/macro-api/
CoinGecko免费
Binance API免费
FRED API需 Key
前端技术纯 HTML/JS
数据流(概览)
# 定时任务(cron / systemd timer)运行: python3 macro_pipeline.py │ ├── macro_monitor.collect_all_data() │ ├── get_stablecoin_data() # CoinGecko /coins/markets │ ├── get_buffett_indicator() # FRED: WILL5000IND / GDP │ ├── get_hy_spread() # FRED: BAMLH0A0HYM2 │ ├── get_yield_curve() # FRED: T10Y2Y │ └── get_crypto_funding_rate() # Binance fapi/v1/fundingRate │ ├── save_snapshot(conn, data) # 写入 macro.db │ └── export_api_json(conn) ├── latest.json # 最新一条快照 └── history.json # 最近 365 条(时间升序)
latest.json 字段说明
{ "ts": "2026-03-24 11:11:00", // 采集时间 "stablecoin_total_b": 267.98, // 稳定币总市值(十亿美元) "buffett_ratio": null, // 巴菲特指标 %(需 FRED Key) "hy_spread_bps": null, // HY利差 bps(需 FRED Key) "yield_curve_spread": null, // 10Y-2Y %(需 FRED Key) "funding_rate_pct": 0.0042, // BTC资金费率 %/8h "crypto_total_mcap_t": 2.49, // 加密总市值(万亿美元) "btc_dominance_pct": 56.6, // BTC 主导率 % "alert_count": 1, // 当次预警数量 "alerts": ["⚠️ ..."], // 预警文本列表 "raw": { /* 完整原始采集对象(含各指标详情)*/ } }
如何启用 FRED 数据
# 1. 注册:https://fred.stlouisfed.org/docs/api/api_key.html # 2. 编辑 /data/workspace/macro-monitor/macro_monitor.py 顶部: FRED_API_KEY = "paste_your_api_key_here" # 3. 重新运行采集: python3 /data/workspace/macro-monitor/macro_pipeline.py