Zkušené lidské oko se dokáže podívat na horoskop a okamžitě vycítit, že něco není v pořádku. Bubblemap může odhalit shluky peněženek a nezdravou koncentraci. Už sbíráme obvyklé signály, rozdělení procent nejvyššího držitele, vzdání se mincovny, spálené likvidity, koncentrace zásob... Všechny základy. Ale to stále nestačí pro autonomního AI obchodníka. Základní signály jsou stále signály, ale AI potřebuje víc. To zabere čas. Je to algoritmická práce. Vzory jsou ručně vytvářené, sestavovány ze stovek monitorovaných tokenů, testovány napříč reálnými příklady, okrajovými případy a živými daty, dokud se pravidla nestanou stabilními a spolehlivými. Čím víc mlčíme, tím víc se dřeme. AI musí kombinovat sociální motivaci, působit vážně a především rozluštit jednu metriku, která nikdy nelže: graf. Pokud horoskop vypadá chaoticky, nuceně nebo uměle vytvořeně, nevyměňujete ho. Perioda. Náš motor existuje proto, aby autonomnímu agentovi dodával silné signály, slabé signály a matematicky podložené vzory. Tady jsou střihy, které jsou už připravené k nasazení. 🧵1/5

🧵2/5 🚨 Vzor #1 - Kupte spoofing (detekce) Bubblemap obcházení. 1) Časové okno (Δt ≤ 7s) Kupující pozemky ≤7 od sebe jsou seskupovány. To neznamená podvod, jen to vytváří shluk (potřeba ≥4 obchodů). 2) Objemová homogenita Kontroluji, jak moc se každý nákupní objem odchyluje od mediánu clusteru: |Vi − M| / M ≤ 0,40 Pokud každý řemeslo zapadá do té skupiny→ nepřirozená uniforma. 3) Vzor nabírání Testují se po sobě jdoucí svazky: Vi+1 ≥ Vi × 0,65 Pokud ≥70 % dodržuje toto pravidlo→ řízená akumulační křivka 4) Načasování výbuchů Průměrné rozestupy mezi nákupy se vypočítávají: meanInterval ≤ 1,2s = časování na úrovni botů Žádný lidský tok se takhle nechová. Flag = spustí se alespoň JEDNA anomálie. Rychlé nákupy samy o sobě nikdy neoznačují podvod. Jen rychlé nákupy + nemožné statistiky = signál falšování.

🧵3/5 🚨 Vzor #2 - Sekvence vzoru (detekce) Bubblemap obcházení. Jak detekuji opakované chování na úrovni podvodu uvnitř peněženky pomocí kvantitativních pravidel. 1) Předfiltr Obchod je analyzován pouze tehdy, pokud: Vi ≥ 10 a typei ∈ {KOUPIT, PRODAT} a tokeni = cíl. Šum je odstraněn před jakýmkoli extrakcím signálu. 2) Konstrukce běhu Následující identické akce jsou sloučeny do běhů: KUP, KUP, KUP, → BĚŽ (KUPUJ) PRODEJ PRODEJ → BĚH (PRODEJ) Tyto běhy odhalují strukturální chování peněženky. 3) Přechodové vzory Z každé dvojice běhů: Pk = typek → typek₊₁ (např. KOUPIT→PRODAT, PRODAT→KOUPIT) 4) Pravidlo opakování Vzorec se stává podezřelým, když se stejný přechod opakuje: count(P) ≥ 2 Podvodné peněženky často opakují stejnou akční sekvenci. 5) Kontrola latence Pro opakující se vzory měřím načasování: Δt = t₂ − t₁ Pokud Δt ≤ 6s, opakování je příliš přesné na to, aby bylo přirozené — typický znak scénářových návnadových vzorců používaných k oklamání diváků. Stav vlajky count(P) ≥ 2 A Δt ≤ 6s Opakované sekvence + nepřirozené načasování = úmyslné chování — podvodný marker.

🧵4/5 🚨 Vzor #3 - Wash Trading (detekce) Jak detekuji falešný objem ve stejné peněžence pomocí kvantitativních pravidel 1) Význam svazku Nákup se analyzuje pouze tehdy, pokud na tom záleží: tradeShare = Vi / walletVolume ≥ 0,005 marketShare = Vi / globalObjem ≥ 0,001 2) Časové okno (Δt ≤ 180 let) Pro každý nákup B vyhledávám a sell s ze stejné peněženky s: Δt = ts − t_b ≤ 180s 3) Shoda hlasitosti Prodej musí zrcadlit nákup: |Vs − V_b| / V_b ≤ 0,30 4) Token Match Peněženka musí prodat stejný žeton, který právě koupila: s.TokenIn = b.TokenOut Stav vlajky Všechny podmínky musí platit: tradeShare ≥ 0,005 AND tržní podíl ≥ 0,001 A Δt ≤ 180. A |Vs − V_b| / V_b ≤ 0,30 Kupujte > prodávat > stejnou peněženku > stejný žeton > stejnou velikost > stejném okně = signál podvodu při washingtonovém obchodování. Bublinová mapa u tohoto mě rozhodně nechápe špatně!

🧵5/5 Tohle je čistý token. Pozdrav pro @littupdev Nevzali jsme $GAIN, nejsme tak snažící (ano, je to čisté) Tento ukazuje jen minimální stopy nákupního podvržení, ne dost na spuštění enginu, takže je označen jako Slabý signál. S přísným vymáháním pravidel.