Ett tränat mänskligt öga kan titta på ett diagram och omedelbart känna när något är fel. En bubblemap kan avslöja plånbokskluster och ohälsosam koncentration. Vi samlar redan in de vanliga signalerna, fördelning av toppinnehavare, avsagt myntverk, bränd likviditet, försörjningskoncentration... Alla grundläggande. Men det räcker fortfarande inte för en autonom AI-handlare. Grundläggande signaler är fortfarande signaler, men en AI behöver mer. Det tar tid. Det är algoritmiskt arbete. Mönstren är handskapade, byggda av hundratals övervakade tokens, testade över verkliga exempel, edge cases och levande data tills reglerna blir stabila och pålitliga. Ju tystare vi är, desto mer grindar vi. AI:n måste kombinera social uppmärksamhet, projicera allvar och framför allt avkoda det enda mått som aldrig ljuger: diagrammet. Om diagrammet ser kaotiskt, påtvingat eller konstgjort ut, byter du inte bort det. Period. Vår motor finns för att mata en autonom agent med starka signaler, svaga signaler och matematiskt jordade mönster. Här är mönstren som redan är redo att börja verka. 🧵1/5

🧵2/5 🚨 Mönster #1 - Köpsförfalskning (Upptäckt) Bubblemap-bypass. 1) Tidsfönster (Δt ≤ 7s) Köp som landar ≤7 sekunder ifrån varandra är grupperade. Detta betyder inte bedrägeri, det bildar bara ett kluster (behöver ≥4 affärer). 2) Volymhomogenitet Jag kollar hur mycket varje köpvolym avviker från klustrets median: |Vi − M| / M ≤ 0.40 Om varje handel passar inom det bandet → onaturlig enhetlighet. 3) Rampmönster På varandra följande volymer testas: Vi+1 ≥ Vi × 0,65 Om ≥70 % följer denna regel → kontrollerad ackumuleringskurva 4) Burst-timing Genomsnittligt avstånd mellan köp beräknas: meanInterval ≤ 1,2s = bot-nivå timing Ingen mänsklig ström beter sig så. Flagga = minst EN anomali triggas. Snabba köp ensam märker aldrig en bluff. Endast snabba köp + omöjliga statistik = falsk signal.

🧵3/5 🚨 Mönster #2 - Sekvensmönster (Detektering) Bubblemap-bypass. Hur jag upptäcker upprepat beteende på bluffnivå i en plånbok med hjälp av kvantitativa regler. 1) Förfilter En handel analyseras endast om: Vi ≥ 10 och typi ∈ {KÖP, SÄLJ} och tokeni = mål. Bruset tas bort innan någon signalutvinning tas bort. 2) Byggarbete På varandra följande identiska handlingar kollapsas till runs: KÖP KÖP KÖP → KÖR(KÖP) SÄLJ SÄLJ → kör(SÄLJ) Dessa körningar blottlägger plånbokens strukturella beteende. 3) Övergångsmönster Från varje par av runs: Pk = typning → typografi₊₁ (t.ex. KÖP→SÄLJ, SÄLJ→KÖP) 4) Upprepningsregeln Ett mönster blir misstänkt när samma övergång upprepas: Räkning(P) ≥ 2 Bedrägeriplånböcker återanvänder ofta samma actionsekvens. 5) Latenskontroll För upprepade mönster mäter jag timing: Δt = t₂ − t₁ Om Δt ≤ 6 sekunder är upprepningen för tajt för att vara naturlig — ett typiskt tecken på manusbundna lockbetemönster som används för att vilseleda tittarna. Flaggskick Räkning(P) ≥ 2 OCH Δt ≤ 6 sekunder Upprepade sekvenser + onaturlig timing = avsiktlig beteendemässig fabricering — en bluffmarkör.

🧵4/5 🚨 Mönster #3 - Wash Trading (Upptäckt) Hur jag upptäcker falsk volym för samma plånbok med hjälp av kvantitativa regler 1) Volymens relevans Ett köp analyseras endast om det spelar roll: tradeShare = Vi / plånbok Volym ≥ 0,005 marknadsandel = Vi / globalVolym ≥ 0,001 2) Tidsfönster (Δt ≤ 180-talet) För varje köp b söker jag efter a sell s från samma plånbok med: Δt = ts − t_b ≤ 180-talet 3) Volymmatchning Säljaren måste spegla köpet: |Vs − V_b| / V_b ≤ 0.30 4) Token Match Plånboken måste sälja samma token som den just köpt: s.TokenIn = b.TokenOut Flaggskick Alla villkor måste uppfylla: tradeShare ≥ 0,005 OCH marknadsandel ≥ 0,001 OCH ≤ 180-talet OCH |Vs − V_b| / V_b ≤ 0.30 Köp > Sälj > samma plånbok > samma token > samma storlek > samma fönster = wash-trading bluffsignal. Bubbelkartan på den här kommer inte att missförstå mig!

🧵5/5 Nu är detta en ren token. Tack till @littupdev Vi tog inte $GAIN, vi är inte så ansträngda (ja, det är rent) Den här visar bara minimala köpförfalskningsspår, inte tillräckligt för att trigga motorn, så den är märkt som en svag signal. med strikta regler.