暗号通貨のインフルエンサーを解明：発明家がワークフローでプロフェッショナルな分析システムを再現

480

Followers

Created 2025-09-18 14:28:32 Updated 2025-09-22 12:43:14

739

暗号通貨取引の世界では、多くのフォロワーを持つアナリスト（インフルエンサー、または「ビッグV」と呼ばれる）が、日々プロフェッショナルな市場分析を行っています。彼らの情報の流れは一見謎めいているように見えますが、実際には明確なデータ処理ロジックに基づいています。本日は、このプロセスを徹底的に分析し、Inventorプラットフォームのワークフロー可視化ノードを用いて、独自のプロフェッショナルな取引分析システムを構築する方法をご紹介します。

システムアーキテクチャの概要

このワークフローは、複雑なコードを記述することなく、Inventorワークフローのビジュアルノードに基づいて構築されています。その核となるアイデアは次のとおりです。データ収集 → テクニカル分析 → 感情分析 → AI統合分析 → 自動プッシュノードをドラッグしてパラメータを設定するだけでプロセス全体を完了できるため、技術者以外の人でもプロフェッショナルなトランザクション分析システムを簡単に構築できます。

ステップ1: データ収集層を構築する

1. タイマートリガーノードを設定する

ノードタイプ：スケジュールトリガー

このノードはシステム全体の開始点です。分析プロセスが一定の時間間隔で自動的に開始されることで、高頻度かつタイムリーな分析が保証されます。

2. マルチタイムフレームのテクニカルデータ取得を構築する

ワークフローは、異なる時間ディメンションでデータを取得するために 3 つの MarketInfo ノードを展開します。

パラメータの説明：

period：Kラインサイクル、15分、1時間、1日
limit: 200: テクニカル分析に十分な20万行を取得
$vars.pair：変数を使用して取引ペアを保存することで、分析対象の切り替えが容易になります。戦略の外部パラメータとして、関心のある種類に設定できます。

3. Kラインデータ標準化ノードグループ

次の 3 つのコードブロックは、それぞれ異なる時間枠の K ラインデータを処理します。

コード1（15分間のデータ処理）：


            javascript
            
            
const result = [];
const data = $input.first().json.result || [];

data.forEach(item => {
  result.push({
    timeframe: "15m",
    candles: item
  });
});

return result;

コード2（1時間のデータ処理）：


            javascript
            
            
const result = [];
const data = $input.first().json.result || [];

data.forEach(item => {
  result.push({
    timeframe: "1h", 
    candles: item
  });
});

return result;

コード3（日次データ処理）：


            javascript
            
            
const result = [];
const data = $input.first().json.result || [];

data.forEach(item => {
  result.push({
    timeframe: "1d",
    candles: item
  });
});

return result;

標準化効果：

各時間枠のデータに一意の識別子を追加する
その後のAI分析と識別を容易にするための統一されたデータ構造
データフローの一貫性を確保する

4. データ結合ノード

ノードタイプ：マージ
モデル: 追加モード、3つの時間枠のデータを順番に結合します

このノードは、すべての時間枠の K ラインデータを統一されたデータパッケージに統合し、AI 分析のための完全な技術データ基盤を提供します。

5. 集約Kラインデータ処理ノード

ノードタイプ：Code
位置: マージノードの後に位置し、複数の時間枠のKラインデータを統合する役割を担う。

コアコード：


            javascript
            
            
const allCandles = [];

for (const item of items){
  allCandles.push(item.json)
}

return [{
  json:{
    allCandles
  }
}];

コード機能分析：

データ集約: マージノードから渡されたすべてのデータ項目を走査し、各時間枠の標準化されたデータを収集します。allCandles配列内
統一された構造: 3つの時間枠（15分、1時間、1日）のKラインデータを1つのデータパッケージに結合します。
フォーマットの標準化: すべての時間枠の完全なKライン情報を含む統一されたJSON構造を出力します。

ステップ2: 感情分析処理層

1. ニュースデータ取得ノードを展開する

ノードタイプ:HTTPリクエスト（HTTPリクエスト）

詳細な設定：


            json
            
            
{
  "parameters": {
    "method": "GET",
    "url": "https://newsapi.org/v2/everything",
    "sendQuery": true,
    "queryParameters": {
      "parameters": [
        {
          "name": "q",
          "value": "Crypto OR Bitcoin OR Coindesk"
        },
        {
          "name": "from",
          "value": "={{ new Date(Date.now() - 3 * 24 * 60 * 60 * 1000).toISOString().split('T')[0] }}"
        }
      ]
    },
    "sendHeaders": true,
    "headerParameters": {
      "parameters": [{
        "name": "x-api-key",
        "value": "网站申请"
      }]
    }
  }
}

主要パラメータ分析：

q参数：ORロジックを使用してキーワードを検索し、主要な仮想通貨メディアを網羅します
from参数: 最新の情報を確実に取得できるように、3日前の日付を動的に計算します
x-api-key: NewsAPI認証キー（登録が必要です）

2. ニュースデータ処理ノード

ノードタイプ：Code

コアコード：


            javascript
            
            
const articles = $input.first().json.data.articles || [];
const filteredArticles = articles.map(article => ({
  title: article.title,
  description: article.description,
}));
return [{
  json: {
    filteredArticles
  } 
}]

コード分析：

NewsAPIによって返された記事の配列を抽出する
タイトルと説明欄のみを残し、画像やリンクなどの冗長な情報は削除します。
後続のAI分析のためにクリーンなテキストデータを準備する

3. 感情分析AIノード

ノードタイプ：AIインテリジェントエージェント
LLMモデル：クロード・モデル

コアプロンプト設定：


            
            
            
你是一个专门分析加密货币市场的高智能精准情感分析器。你将使用两部分方法分析提供文本的情感：

短期情感：
- 评估即时市场反应、近期新闻影响和技术波动性
- 确定情感类别："积极"、"中性"或"消极"
- 计算-1（极度消极）到1（极度积极）之间的数值分数
- 提供简洁的理由说明短期情感（针对重大事件和加密货币给出详细回应和适当标题）

长期情感：
- 评估整体市场前景、基本面以及监管或宏观经济因素
- 确定情感类别："积极"、"中性"或"消极"
- 计算-1（极度消极）到1（极度积极）之间的数值分数
- 提供详细的理由说明长期情感（针对重大事件和加密货币给出详细回应和适当标题）

您的输出必须恰好是一个包含两个键的JSON对象："shortTermSentiment"和"longTermSentiment"。每个键的值必须是包含三个键的对象："category"、"score"和"rationale"。不要输出任何额外文本。

现在，分析以下文本并生成您的JSON输出：
{{ JSON.stringify($json.filteredArticles) }}

プロンプトデザインのハイライト：

短期的な感情的側面と長期的な感情的側面を明確に区別する
後続の処理を容易にするために、標準のJSON出力形式が必要です。
感情の強さを数値化する数値スコアリングシステムが含まれています

ステップ3: AI分析エンジン

1. データ統合ノード

ノードタイプ：Code

キーコード：


            javascript
            
            
// Initialize containers for each set of data.
const allCandles = [];
let contentData = null;
// Loop over each item from the merge node.
for (const item of items) {
    // If the item has candlestick data, add it to the array.
    if (item.json.allCandles !== undefined) {
        // Assuming item.json.allCandles is an array.
        allCandles.push(...item.json.allCandles);
    }
    // If the item has embedded content (in message.content), store it.
    if (item.json.output !== undefined) {
        contentData = item.json.output;
    }
}
// Return a single item with both candlestick data and content.
return [{
    json: {
        allCandles,
        content: contentData
    }
}];

統合ロジック：

Kラインデータと感情分析結果を統合する
包括的なAI分析のための完全なデータパッケージを準備する
データ構造が最終分析要件を満たしていることを確認する

2. 包括的なテクニカル分析AIノード

ノードタイプ：AIインテリジェントエージェント
LLMモデル：クロード・モデル

詳細なプロンプト設定：


            
            
            
## 交易分析指令
**数据结构:**
{{ $vars.pair}}的综合市场数据:
- 技术数据: {{ JSON.stringify($json["allCandles"]) }}
- 情感分析: {{ JSON.stringify($json["content"]) }}

K线格式: 时间框架 ("15m", "1h", "1d") + K线数组
情感: 来自加密货币新闻的短期/长期分析

**分析框架:**
**短期 (15m + 1h 数据):**
- 识别即时支撑/阻力位
- 价格行动信号 + 滞后指标
- 专注入场/出场时机

**长期 (1d + 1h 数据):**
- 主要趋势方向
- 结构性价位
- 更广泛的市场背景

**输出要求:**
**格式:** 纯文本，Telegram HTML样式
**日期:** {{ $vars.pair}}分析 {{ $now }} (格式: mm/dd/yyyy at xx:xxpm)

**结构:**
**现货建议:**
**短期:**
- 操作: [买入/卖出/持有]
- 入场: $X
- 止损: $X
- 目标: $X
- 理由: [2-3句简洁句子涵盖关键信号、指标、情感]

**长期:**
- 操作: [买入/卖出/持有]
- 入场: $X
- 止损: $X
- 目标: $X
- 理由: [2-3句简洁句子涵盖关键信号、指标、情感]

**杠杆建议:**
**短期:**
- 仓位: [做多/做空]
- 杠杆: Xx
- 入场: $X
- 止损: $X
- 目标: $X
- 理由: [2-3句简洁句子涵盖价格行动、确认、情感]

**长期:**
- 仓位: [做多/做空]
- 杠杆: Xx
- 入场: $X
- 止损: $X
- 目标: $X
- 理由: [2-3句简洁句子涵盖价格行动、确认、情感]

**关键指导原则:**
- 每个理由保持在50字以内
- 专注于可操作的洞察
- 消除冗余解释
- 优先考虑高信度信号
- 使用直接、简洁的语言

プロンプトコア機能：

技術データと感情分析の統合
マルチタイムフレームの包括的分析
スポット取引とレバレッジ取引の両方の提案を提供します
Telegramに直接適応したHTML形式の出力
シンプルさと操作性を重視

ステップ4：インテリジェントプッシュシステム

1. コンテンツセグメンテーションノード

ノードタイプ：Code

セグメンテーションアルゴリズム：


            javascript
            
            
// 获取输入文本，如果不存在则使用空字符串
const inputText = $input.first().json.output || "";

// 验证输入类型
if (typeof inputText !== "string") {
  throw new Error("Input must be a string");
}

// 删除 "#" 和 "*" 符号
const cleanedText = inputText.replace(/[#*]/g, "");

// 查找 "杠杆建议" 的位置
const leveragedIndex = cleanedText.indexOf("杠杆建议");

// 如果没有找到分割标记，则按原来的方式分割
if (leveragedIndex === -1) {
  const mid = Math.ceil(cleanedText.length / 2);
  const firstHalf = cleanedText.substring(0, mid);
  const secondHalf = cleanedText.substring(mid);
  
  return [
    { json: { blockNumber: 1, content: firstBlock } },
    { json: { blockNumber: 2, content: secondBlock } }
  ];
}

// 根据 "杠杆建议" 分割文本
const firstBlock = cleanedText.substring(0, leveragedIndex).trim();
const secondBlock = cleanedText.substring(leveragedIndex).trim();

// 返回包含两个块的数组
return [
  { json: { blockNumber: 1, content: firstHalf } },
  { json: { blockNumber: 2, content: secondHalf } }
];

セグメンテーション戦略：

コンテンツのセグメンテーションのための「活用提案」キーワードをインテリジェントに識別します
コンテンツを整理するために、Markdown シンボルを自動的にクリーンアップします。
Telegramのメッセージの長さ制限を考慮する
分析レポートの論理的整合性を維持する

2. Telegramプッシュノード

ノードタイプ：Telegram

プッシュ機能：

分析レポートの形式を美しく保つためにHTML形式をサポート
メッセージが長くなりすぎないように、自動的にブロックで送信します
リアルタイムプッシュにより、ユーザーは分析結果をできるだけ早く受け取ることができます
指定したグループまたはチャンネルにプッシュする

これにより、当社独自の分析チャネルが完成し、取引する商品に基づいて適切な市場分析や取引提案を実施できるようになりました。

コアテクノロジーのハイライト

1. 高頻度データ取得

タイミングトリガーは、分析の高い適時性と精度を確保するために、一定の時間間隔で 4 つのデータ取得ブランチを開始します。

2. AIによる専門的な分析

Claude 大規模言語モデルと慎重に設計されたプロンプトを組み合わせることで、プロのアナリストに匹敵する市場判断能力を実現します。

3. モジュラー設計

各機能は独立したノードとしてカプセル化されており、メンテナンス、アップグレード、カスタマイズが容易になります。

4. インテリジェントなコンテンツ処理

コンテンツ構造に基づいて長いテキストをインテリジェントにセグメント化し、さまざまなプッシュチャネルにわたって分析結果を完璧に表示します。

自動取引拡張機能

独自の自動取引システムを構築する場合は、これに基づいてトランザクション実行ノードを追加できます。

取引APIノード：取引提案に従って、対応する取引操作を実行します
リスク管理ノード: ポジション管理とリスク管理ロジックを設定する
注文実行ノード: AI分析結果に基づいて自動で注文
監視ノード: 注文状況と損益をリアルタイムで追跡

AI分析ノードの後に条件判断と取引実行のブランチを追加するだけで、完全に自動化された取引システムを実現します。

要約する

Inventor Workflow可視化ノードを用いることで、暗号通貨インフルエンサーの情報フローの本質を解明することに成功しました。端的に言えば、一見複雑に見える市場分析の背後には、この標準化されたデータ処理プロセスが潜んでいるのです。

真実は単純だ：

透明なデータソース：ニュースAPI + マーケットデータ、何も不思議ではない
明確な分析ロジック：AIモデル＋標準化されたプロンプト、再現可能かつ検証可能
技術的なハードルは非常に低い: ノードをドラッグして構築できます。特別なスキルは必要ありません。
非常に安い: 有料サブスクリプションよりもはるかに低い、いくつかのAPI呼び出し料金

インフルエンサーに盲目的に従う必要も、いわゆる「限定インサイダー情報」にお金を払う必要もありません。Inventor Quantitative Platformは、複雑なテクニカル分析を容易にし、一般の人々が独自の分析システムを構築できるようにしました。最も重要なのは、このシステムを自分で構築すれば、市場分析は神秘的なものではなく、インフルエンサーは予言者ではないということが理解できるということです。彼らができることは、あなたにもできるし、もしかしたらもっと上手にできるかもしれません。テクノロジーが進歩するこの時代において、Inventor Platformは投資判断への参入障壁を下げています。

他人のファンになるのではなく、FMZ プラットフォームを使用して、自分自身の投資決定の主人になることをお勧めします。

ポリシーアドレス: https://www.fmz.com/strategy/509088

Related Recommendations

AlphaArena AI Model Battle: A Hands-On Guide to Replicating DeepSeek's Leading AI Quantitative Trading System A Retail Investor's Self-Discipline Journey: Using AI to Block 80% of Bad Trades RWA New Strategy: A Step-by-Step Guide to Automated US Stock Token Trading with Inventor Workflow From Manual Analysis to Automation: Building Aster Smart Money Tracking Tool on Inventor Platform Demystifying Crypto Influencers: A Professional Analysis System for Replicating Founder Workflows A New Paradigm in Quantitative Trading: A Guide to Workflow Development on the FMZ Platform Python Multi-Currency Quantitative Strategy Framework: Design Concepts and Implementation Details FMZ Platform Gold Rush: Practical Analysis of a Highly Flexible Python Trend Trading Framework A Brief Discussion on Several Grid Trading Strategies in the Digital Currency Field Data Stream Acceleration Guide Implementing Protobuf in FMZ Platform

Comment