Meme Signal Evaluator
Overview
A systematic scoring engine that evaluates meme tokens across 6 dimensions, matches them against configurable trading strategies, and simulates paper trades. Designed to turn raw market data into actionable buy/sell signals.
Use Cases
- 1. Token Scoring: Evaluate any meme token with a 0-100 composite score
- Strategy Matching: Define multiple strategies with different thresholds and entry modes
- Paper Trading: Simulate buy/sell with configurable take-profit and stop-loss
- Watchlist Management: Lifecycle tracking (watching → buy_signal → bought → sold/dismissed)
- Performance Tracking: Win rate, average P&L, and per-strategy statistics
6-Dimension Scoring Algorithm
Each dimension scores 0-100 independently. Final score = weighted sum + negative penalty.
Dimension 1: Smart Money (SM) Score
Weight: 20% (default, configurable)
Data Sources:
- - Smart Money trading signals (buy direction, 24h window)
- Smart Money inflow data
- Token Dynamic API
smartMoneyHolders field
Scoring Logic:
CODEBLOCK0
Dimension 2: Social Score
Weight: 10% (default)
Data Sources:
- - Social Hype Leaderboard ranking
- Topic Rush association
- Unified Rank presence
Scoring Logic:
CODEBLOCK1
Dimension 3: Trend Score
Weight: 20% (default)
Data Source: Token Dynamic API real-time price changes
Scoring Logic:
CODEBLOCK2
Dimension 4: Inflow/Volume Score
Weight: 20% (default)
Data Source: Token Dynamic API volume data
Scoring Logic:
CODEBLOCK3
Dimension 5: KOL/Whale Score
Weight: 15% (default)
Data Source: Token Dynamic API holder data
Scoring Logic:
CODEBLOCK4
Dimension 6: Hype Score
Weight: 15% (default)
Data Sources: Topic Rush data, Meme Exclusive ranking
Scoring Logic:
CODEBLOCK5
Negative Signals (Penalty)
Applied after positive scoring. Can reduce total score.
CODEBLOCK6
Final Score Calculation
CODEBLOCK7
Default weights: SM=20, Social=10, Trend=20, Inflow=20, KOL=15, Hype=15
Strategy Configuration
Multiple strategies can be defined with different entry modes and thresholds.
| Field | Type | Description |
|---|
| name | string | Strategy name (e.g., volume_5m_50k) |
| entryMode |
string | Entry trigger (
volume_driven,
sm_driven) |
| buyThreshold | number | Minimum total score to trigger buy (e.g., 20, 30, 40) |
| enabled | boolean | Whether strategy is active |
| weightSm/Social/Trend/Inflow/Kol/Hype | number | Dimension weights (should sum to 100) |
Strategy Matching
When a token's totalScore reaches a strategy's buyThreshold:
- 1. Sort matching strategies by threshold (highest first)
- Pick the first strategy where INLINECODE6
- This ensures higher-threshold strategies get priority
Paper Trading Simulation
Entry Logic
When evaluator sets status to
buy_signal, paper trader:
- 1. Records entry price from Token Dynamic API
- Creates a paper trade record with entry timestamp
- Sets watchlist status to INLINECODE8
Exit Logic (checked on each evaluation cycle)
CODEBLOCK8
Default: Take Profit = 50%, Stop Loss = 20%, Max Hold = 1440 minutes (24h)
Trade Record Fields
| Field | Description |
|---|
| entryPrice | Price at buy |
| exitPrice |
Price at sell |
| pnlPercent | (exitPrice - entryPrice) / entryPrice × 100 |
| strategyUsed | Which strategy triggered the buy |
| exitReason |
tp (take profit) /
sl (stop loss) /
timeout |
Pipeline Workflow
The complete pipeline runs on a scheduler (default: every 5 minutes):
CODEBLOCK9
Global Filters for Watchlist Entry
| Filter | Default | Description |
|---|
| minMarketCap | $10K | Minimum market cap |
| maxMarketCap |
$50M | Maximum market cap |
| minLiquidity | $5K | Minimum liquidity |
| minHolders | 50 | Minimum holder count |
| minVolume5m | $1K | Minimum 5-minute volume |
| maxTokenAgeHours | 72 | Maximum token age |
Notes
- 1. All scores are 0-100. Higher = more bullish.
- Weights are percentages and should sum to 100 for proper normalization.
- The evaluator fetches fresh Token Dynamic data before each evaluation for accuracy.
- Strategy matching uses the highest-threshold-first approach for conviction grading.
- Paper trading tracks simulated P&L for strategy backtesting without risk.
Meme信号评估器
概述
一个系统化的评分引擎，从6个维度评估Meme代币，将其与可配置的交易策略进行匹配，并模拟纸面交易。旨在将原始市场数据转化为可执行的买入/卖出信号。
使用场景
- 1. 代币评分：对任何Meme代币进行0-100的综合评分
- 策略匹配：定义具有不同阈值和入场模式的多种策略
- 纸面交易：使用可配置的止盈和止损模拟买入/卖出
- 观察列表管理：生命周期跟踪（观察→买入信号→已买入→已卖出/已忽略）
- 绩效跟踪：胜率、平均盈亏及按策略统计
6维评分算法
每个维度独立评分0-100。最终得分 = 加权总和 + 负面惩罚。
维度1：聪明钱（SM）评分
权重：20%（默认，可配置）
数据来源：
- - 聪明钱交易信号（买入方向，24小时窗口）
- 聪明钱流入数据
- Token Dynamic API smartMoneyHolders 字段
评分逻辑：
聪明钱买入信号数量：
≥5个聪明钱地址买入 → 80分
≥3个聪明钱地址买入 → 60分
≥1个聪明钱地址买入 → 40分
聪明钱流入金额：
>5万美元流入 → +20分
>1万美元流入 → +10分
动态聪明钱持有者（无信号时备用）：
≥5个持有者 → 60分
≥3个持有者 → 45分
≥1个持有者 → 25分
上限：100
维度2：社交评分
权重：10%（默认）
数据来源：
评分逻辑：
社交热度排名：
Top 10 → 90分
Top 30 → 70分
已上榜 → 40分
正面情绪 → +10分
话题热潮关联：
出现在热门话题中 → +25分
话题净流入 >1万美元 → +10分
备用方案：出现在统一排名中 → 30分
上限：100
维度3：趋势评分
权重：20%（默认）
数据来源：Token Dynamic API实时价格变动
评分逻辑：
1小时价格变动：
>20% → +40分（强趋势）
>10% → +30分
>5% → +20分
>0% → +10分
5分钟动量：
>5% → +20分
>2% → +10分
4小时趋势确认：
>10% → +15分
>5% → +8分
多时间框架共振（5分钟+1小时+4小时均为正）：+10分
1小时跌幅 <-10%：-20分惩罚
上限：100
维度4：流入/成交量评分
权重：20%（默认）
数据来源：Token Dynamic API成交量数据
评分逻辑：
5分钟成交量：
>10万美元 → 60分
>5万美元 → 45分
>1万美元 → 30分
>5000美元 → 15分
买入/卖出比率（24小时）：
买入占比 ≥60% → +20分（强买入压力）
买入占比 ≥55% → +10分
1小时成交量：
>50万美元 → +15分
>10万美元 → +8分
上限：100
维度5：KOL/鲸鱼评分
权重：15%（默认）
数据来源：Token Dynamic API持有者数据
评分逻辑：
KOL持有者：
≥10 → 50分
≥5 → 35分
≥2 → 20分
专业持有者：
≥5 → +25分
≥2 → +15分
≥1 → +8分
KOL持有比例：
>5% → +15分
上限：100
维度6：热度评分
权重：15%（默认）
数据来源：话题热潮数据、Meme专属排名
评分逻辑：
话题热潮（病毒式话题）：
出现在病毒式话题中 → 70分
话题流入 >1万美元 → +15分
Meme专属排名：
评分 ≥4.0 → 80分
评分 ≥3.0 → 60分
评分 ≥2.0 → 40分
已上榜 → 20分
上限：100
负面信号（惩罚）
在正面评分后应用。可降低总分。
代币审计风险（蜜罐、拉地毯）：
检测到高风险 → -30分 + 强制忽略
高税费（>10%）：
→ -20分
DEX筛选器付费但无实际热度：
→ -10分
最终得分计算
原始得分 = 聪明钱 × w聪明钱 + 社交 × w社交 + 趋势 × w_趋势 +
流入 × w流入 + KOL × wKOL + 热度 × w_热度
总分 = max(0, 原始得分 + 负面惩罚)
默认权重：聪明钱=20，社交=10，趋势=20，流入=20，KOL=15，热度=15
策略配置
可定义多种策略，具有不同的入场模式和阈值。
| 字段 | 类型 | 描述 |
|---|
| name | 字符串 | 策略名称（例如 volume5m50k） |
| entryMode |
字符串 | 入场触发条件（volume
driven、smdriven） |
| buyThreshold | 数字 | 触发买入的最低总分（例如20、30、40） |
| enabled | 布尔值 | 策略是否激活 |
| weightSm/Social/Trend/Inflow/Kol/Hype | 数字 | 维度权重（应总和为100） |
策略匹配
当代币的总分达到某个策略的buyThreshold时：
- 1. 按阈值对匹配策略进行排序（最高优先）
- 选择第一个总分 >= buyThreshold的策略
- 这确保高阈值策略获得优先权
纸面交易模拟
入场逻辑
当评估器将状态设置为buy_signal时，纸面交易器：
- 1. 从Token Dynamic API记录入场价格
- 创建带有入场时间戳的纸面交易记录
- 将观察列表状态设置为bought
出场逻辑（每个评估周期检查）
止盈：价格 ≥ 入场价 × (1 + 止盈百分比/100) → 卖出，标记tp
止损：价格 ≤ 入场价 × (1 - 止损百分比/100) → 卖出，标记sl
超时：持仓时间 > 最大持仓分钟数 → 卖出，标记timeout
默认值：止盈=50%，止损=20%，最大持仓=1440分钟（24小时）
交易记录字段
| 字段 | 描述 |
|---|
| entryPrice | 买入时的价格 |
| exitPrice |
卖出时的价格 |
| pnlPercent | (卖出价 - 买入价) / 买入价 × 100 |
| strategyUsed | 触发买入的策略 |
| exitReason | tp（止盈）/ sl（止损）/ timeout（超时） |
流水线工作流程
完整流水线按调度器运行（默认：每5分钟）：
- 1. 收集数据 → 运行所有收集器（统一排名、Meme热潮、聪明钱、社交热度）
- 扫描观察列表 → 根据全局过滤器将新代币筛选进入观察列表
- 评估 → 使用6维算法对所有观察中的代币进行评分
- 纸面交易 → 对买入信号代币执行模拟买入
- 监控 → 检查现有持仓的止盈/止损/超时出场
观察列表入场全局过滤器
| 过滤器 | 默认值 | 描述 |
|---|
| minMarketCap | 1万美元 | 最低市值 |
| maxMarketCap |
5000万美元 | 最高市值 |
| minLiquidity | 5000美元 | 最低流动性 |
| minHolders | 50 | 最低持有者数量 |
| minVolume5m | 1000美元 | 最低5分钟成交量 |
| maxTokenAgeHours | 72 | 最大代币年龄 |
备注
- 1. 所有评分范围为0-100。分数越高表示越看涨。
- 权重为百分比，应总和为100以实现正确归一化。
- 评估器在每次评估前获取最新的Token Dynamic数据以确保准确性。
- 策略匹配采用
