4、地址标签体系:如何识别交易所地址、项目方地址、做市商地址、巨鲸地址
做链上分析,说白了就是跟地址打交道。但链上几亿个地址,你总不能一个个去翻吧?
我刚开始做这行的时候,就犯过这个傻。盯着一个地址看了半天,分析它的转账记录,结果发现是个交易所的热钱包——白费功夫。后来我学乖了,先建一套地址标签体系,再去看数据,效率直接翻倍。
今天我就把这套方法拆开来讲。你学会了,也能一眼认出链上的「各路神仙」。
4.1 为什么要建地址标签?
地址本身只是一串哈希值,没有任何含义。但加上标签,它就变成了一个「身份」。比如:
- 0x28C6c... → Binance热钱包
- 0x7a250... → Uniswap V2 Router
- 0x1a9C... → Alameda Research
有了标签,你才能快速判断:
- 这笔转账是用户提现,还是项目方在出货?
- 这个地址在大量买入,是巨鲸还是做市商在刷量?
- 这个合约交互,是正常操作还是钓鱼攻击?
嗯,说白了,标签就是你的「链上地图」。没有它,你就是在黑灯瞎火里乱撞。
核心观点:地址标签 = 链上身份的「身份证」。没有标签,你看到的只是一堆乱码。
4.2 四大地址类型详解
我个人习惯把地址分成四类:交易所、项目方、做市商、巨鲸。每一类的行为模式都不一样,识别方法也不同。
4.2.1 交易所地址
交易所地址是最容易识别的。为什么?因为它们有固定的「行为指纹」。
- 特征:大额进出频繁,单笔金额大(几十到几万 ETH),且通常有多个热钱包和冷钱包分层管理。
- 识别方法:
- 直接查公开数据:Etherscan 上很多交易所地址已经被标记了(比如 Binance、Coinbase)。
- 看转账模式:交易所地址通常会在短时间内向大量用户地址转账(提现),或者从大量地址归集资金(充值)。
- 看余额变化:交易所热钱包的余额通常在一个区间内波动,不会长期归零或暴增。
我在项目中遇到过最典型的案例:一个地址每天向几百个地址转账 0.1-1 ETH,金额很碎。我一开始以为是空投分发,后来一查标签——是某交易所的批量提现地址。差点误判。
技巧:用 Dune Analytics 或 Nansen 的标签库,可以快速批量识别交易所地址。我自己常用的是 etherscan.io/accounts 的公开标签,再结合链上行为做二次验证。
4.2.2 项目方地址
项目方地址比较难缠。因为很多项目方会故意隐藏身份,用多签钱包或新地址来操作。
- 特征:与合约交互频繁,通常是部署合约的地址,或者项目 treasury 多签地址。
- 识别方法:
- 查合约部署者:在 Etherscan 上输入合约地址,看
Creator Address,那个就是项目方初始地址。 - 看交互对象:项目方地址通常会与自己的合约、CEX 地址、做市商地址交互。
- 看时间规律:项目方出货通常有规律,比如每周五固定转账,或者配合公告时间点操作。
- 查合约部署者:在 Etherscan 上输入合约地址,看
我曾经踩过一个坑:一个项目方用新地址在 Uniswap 上大量卖出代币,我以为是巨鲸在砸盘,结果追踪后发现那个地址是项目方的多签钱包之一。嗯,从那以后我养成了习惯——先查合约部署者,再查多签成员。
注意:项目方地址可能会用 Tornado Cash 或跨链桥来混淆资金来源。遇到这种情况,建议结合链上分析工具(如 Arkham)做深度追踪。
4.2.3 做市商地址
做市商地址是链上最「勤劳」的一类。它们的主要任务就是在 DEX 和 CEX 之间搬砖、提供流动性。
- 特征:与多个 DEX 合约(Uniswap、Sushiswap、Curve)频繁交互,单笔交易金额中等(几万到几十万美元),且交易频率极高(每分钟好几笔)。
- 识别方法:
- 看交互合约:做市商地址通常会在同一个区块内与多个 DEX 交互,进行套利或对冲。
- 看余额分布:做市商地址的资产通常分散在多个协议中,不会全部放在一个地址里。
- 看 Gas 策略:做市商通常用高 Gas 来抢跑交易(MEV),所以它们的交易经常排在区块的前几位。
我记得有一次分析一个代币的链上数据,发现一个地址每天在 Uniswap 和 Binance 之间来回转账,金额稳定在 50 万 USDC 左右。我一开始以为是散户,后来发现它同时还在做 Curve 的流动性提供——典型的做市商行为。
关键指标:做市商地址的「交易频率/余额比」通常很高。如果一个地址有 100 万 USDC 余额,但一天交易 200 次,那大概率是做市商。
4.2.4 巨鲸地址
巨鲸地址是大家最想追踪的。但要注意,巨鲸不等于大户。巨鲸是那些持有大量代币且长期不动的地址。
- 特征:持有单一代币数量极大(比如超过总供应量的 1%),交易频率极低(几个月甚至几年才动一次)。
- 识别方法:
- 看持仓排名:在 Etherscan 或 Dune 上查代币的 Holder 列表,前 10-20 名大概率是巨鲸。
- 看转账历史:巨鲸地址通常只有几笔转账记录,且都是大额(比如一次转 10 万 ETH)。
- 看交互协议:巨鲸很少交互 DeFi 协议,它们更倾向于把代币放在冷钱包里。
我见过最夸张的一个巨鲸地址:持有某代币总供应量的 3.2%,整整 2 年没动过。后来突然转了一笔到交易所,那个代币当天跌了 15%。你想想看,这种地址的动向有多重要。
技巧:用 whale-alert.io 或自己写脚本监控巨鲸地址的转账。一旦发现巨鲸向交易所转账,大概率是要出货了。
4.3 如何构建自己的标签体系?
光知道分类还不够,你得有一套系统来管理这些标签。我个人用的是这套流程:
- 数据源收集:从 Etherscan 公开标签、Nansen 标签库、Dune 社区标签、以及自己的链上分析结果中收集地址。
- 行为验证:每个地址至少验证 3 笔交易,确认其行为模式符合分类特征。
- 标签分级:
- 一级标签:交易所、项目方、做市商、巨鲸(大类)
- 二级标签:Binance Hot Wallet、Uniswap V3 Router、Alameda Research(具体名称)
- 三级标签:Binance Hot Wallet 1、Binance Hot Wallet 2(编号)
- 定期更新:链上地址会变,比如交易所会轮换热钱包。我建议每季度重新验证一次标签库。
我的习惯:用 Google Sheets 或 Notion 建一个标签数据库,字段包括:地址、标签名、分类、验证时间、备注。每次分析新项目时,先导入这个数据库,能省 80% 的时间。
4.4 实战:用代码批量打标签
手动打标签太慢了。我写了一个简单的 Python 脚本,可以批量识别地址类型。核心逻辑就是根据行为模式做分类。
import requests
from web3 import Web3
# 假设你已经有了一个地址列表
addresses = ["0x28C6c...", "0x7a250...", "0x1a9C..."]
def classify_address(address):
# 1. 检查 Etherscan 公开标签
url = f"https://api.etherscan.io/api?module=account&action=txlist&address={address}&apikey=YOUR_API_KEY"
response = requests.get(url).json()
txs = response['result']
# 2. 分析交易频率
tx_count = len(txs)
if tx_count > 1000:
# 高频交易,可能是做市商或交易所
# 进一步检查交互合约
unique_contracts = set(tx['to'] for tx in txs if tx['to'] != '')
if len(unique_contracts) > 50:
return "做市商"
else:
return "交易所"
elif tx_count > 100:
# 中等频率,可能是项目方
return "项目方"
else:
# 低频,检查持仓
balance = Web3.eth.get_balance(address)
if balance > 1000 * 10**18: # 大于 1000 ETH
return "巨鲸"
else:
return "未知"
# 批量打标签
for addr in addresses:
label = classify_address(addr)
print(f"{addr} → {label}")
注意:这个脚本只是演示逻辑。实际使用时,你需要结合更多特征(如 Gas 消耗、时间分布、交互协议类型)来提高准确率。我自己的生产级脚本有 200 多行,准确率大概在 85% 左右。
4.5 知识体系图
下面这张图是我自己画的地址标签体系框架,你可以照着这个思路来搭建自己的系统。
4.6 避坑指南
最后,分享几个我踩过的坑:
- 不要只看标签,不看行为。 我曾经遇到一个地址,Etherscan 上标记为「Binance 热钱包」,但实际是个仿冒地址。后来发现它只是复制了 Binance 的转账模式,但余额是假的。所以标签只是参考,行为验证才是关键。
- 注意地址轮换。 交易所和做市商会定期更换地址。我见过一个做市商每 3 个月换一次地址,如果你不更新标签库,就会漏掉。
- 小心「伪装者」。 有些项目方会故意用新地址来操作,避免被追踪。遇到这种情况,建议用链上分析工具查地址的「家族树」,看它跟哪些已知地址有关联。
总结:地址标签体系是链上分析的「基础设施」。建好它,你才能从「看地址」升级到「看身份」。别偷懒,花点时间把标签库建起来,后面分析项目会轻松很多。