Métriques d'échange en chaîne Bitcoin: le bon, le mauvais, le truand

Les échanges de crypto-monnaie sont des forces motrices majeures sur le marché des actifs numériques. C'est là que se déroulent la plupart des échanges et des prix.

Il est donc important de suivre l'activité d'échange en chaîne, par exemple les échanges d'approvisionnement en bitcoins tiennent à un moment donné, et la quantité de BTC qui entre et sort des adresses d'échange. Ces données peuvent donner des informations précieuses sur la liquidité Bitcoin, le comportement des investisseurs et l'offre du marché.

Il y a un manque général de compréhension des processus qui entrent dans le suivi des portefeuilles d'échange et, par conséquent, l'obtention de données d'échange en chaîne de haute qualité.

Ici, nous visons à accroître la transparence et la compréhension et à mettre en lumière les défis de la production de métriques d'échange. Cet explicatif devrait donner un aperçu de l'importance d'examiner l'activité d'échange, les processus de suivi précis des adresses d'échange et les mises en garde qui peuvent accompagner les données d'échange. Nous espérons améliorer considérablement la compréhension de cette famille de métriques et fournir aux investisseurs des directives générales sur la manière de les lire correctement et sur les éléments à surveiller.

TL; DR

• Le suivi des données d'échange est un processus imparfait, car chaque échange a des pratiques de gestion de portefeuille uniques et les adresses de portefeuille sont dynamiques et en constante évolution.
• Des points de données individuels tels qu'un flux entrant / sortant important doivent être considérés comme préliminaires en premier lieu jusqu'à ce qu'ils soient vérifiés. Glassnode opte pour une approche conservatrice et vise à limiter le signalement des faux positifs et à fournir les données les plus précises possible.
• Les points de données peuvent être considérés comme de plus en plus fiables au fil du temps, à mesure que les portefeuilles d'échange transigent et interagissent, de sorte que nos heuristiques et nos algorithmes de clustering améliorent l'étiquetage et donc la précision.
• Les métriques Exchange peuvent changer historiquement, soit parce que les heuristiques attribuent des adresses à un cluster d'échange, soit parce que les adresses d'échange vérifiées sont ajoutées manuellement.

Le bon

La blockchain Bitcoin est un registre ouvert qui nous permet d'analyser toutes les transactions qui ont déjà été effectuées et d'évaluer le nombre de pièces qu'une adresse donnée du réseau détient ou est en mouvement.

Pour suivre les mouvements d'échange, nous devons savoir quelles adresses réseau appartiennent à un échange. Ces adresses peuvent ensuite être surveillées et leur activité peut être agrégée pour créer des mesures qui peuvent fournir des informations inestimables sur le marché.

Les métriques d'échange typiques incluent:

• Le solde détenu par les adresses d'échange [Graphique en direct]
• Le volume de pièces entrant et sortant de ces adresses [Graphique en direct]
• Le nombre de dépôts / retraits vers / depuis ces adresses [Graphique en direct]

Pourquoi les métriques Exchange sont-elles importantes?

Quelques exemples de comportements d'échange susceptibles de vous intéresser:

• Réserves d'échange peut nous en dire long sur l'offre du marché. L'épuisement de l'inventaire boursier (comme nous l'avons vécu) indique le sentiment des investisseurs et nous fournit un point de données précieux pour comprendre le comportement actuel des investisseurs.
• Fonds sortant des bourses Cela peut signifier que les investisseurs placent leurs pièces de monnaie en auto-garde et entreposage frigorifique à long terme. Cela indique une image plutôt haussière étant donné que le stockage de BTC dans des portefeuilles en libre-service peut être considéré comme une indication de la conviction à long terme et donc des investisseurs de la valeur future de Bitcoin. D'autres explications potentielles comprennent une activité accrue des guichets de gré à gré et des services de garde à la suite d'achats institutionnels, ou l'utilisation de fonds dans d'autres services financiers (par exemple comme garantie pour les prêts / emprunts).
• Entrées dans les échanges peut indiquer une activité commerciale accrue, des investisseurs cherchant à prendre des bénéfices et / ou à rééquilibrer leurs portefeuilles d'investissement.

Comment Glassnode suit-il les adresses d'échange?

Pour suivre les adresses d'échange, nous utilisons une variété de mécanismes qui peuvent être globalement divisés en trois catégories: adresses vérifiées, sources externes, et les regroupement.

Adresses vérifiées

C'est l'étape facile / évidente. Ce sont des adresses qui sont officiellement vérifiées pour être contrôlées par un échange. Par exemple, lorsqu'un échange a officiellement communiqué (publiquement ou en privé) que l'adresse lui appartient effectivement. Celles-ci incluent également les adresses qui sont vérifiées en interagissant directement avec l'échange (par exemple en déposant des fonds).

Sources externes

Étant un grand livre ouvert et ayant des millions d'utilisateurs interagissent avec les échanges, les étiquettes pour les adresses d'échange peuvent être trouvées dispersées sur le Web. C'est la partie crowdsourcée des étiquettes d'échange. Certaines de ces adresses peuvent être confirmées de manière simple. Pour beaucoup d'autres, ce n'est pas vrai - en particulier lorsque différentes sources rapportent des informations contradictoires, par exemple la source A associe une adresse à un échange X, tandis que la source B l'associe à l'échange Y.

Chez Glassnode, nous utilisons des étiquettes d'adresse accessibles au public, mais nous les soumettons à un processus d'assurance qualité rigoureux qui détermine finalement si une adresse fait effectivement partie d'un échange particulier. Notre processus d'assurance qualité comprend (entre autres) des étapes telles que l'analyse de l'activité d'adresse, son type, leur interaction avec d'autres entités du réseau, leur structure d'équilibre et le nombre de sources externes confirmant leur étiquette. Nos processus sont rationalisés et contiennent des étapes automatisées et manuelles.

Ce n'est que si une étiquette d'adresse peut être confirmée avec une probabilité très élevée et sans informations contradictoires, qu'elle est vérifiée par nos soins et ajoutée au pool d'adresses qui appartiennent à un échange.

regroupement

Les algorithmes d'heuristique et de clustering sont des outils puissants pour déduire automatiquement les adresses appartenant à un échange. Avec l'heuristique et la mise en cluster, une grande quantité d'adresses peut être identifiée en utilisant seulement une poignée d'étiquettes d'adresses initialement vérifiées. Cela est possible en utilisant de puissantes méthodes de science des données pour l'inférence statistique basées sur des modèles et des caractéristiques intrinsèques à la conception basée sur UTXO de Bitcoin. En fait, nous sommes souvent en mesure d'identifier des centaines de milliers d'adresses en ne donnant qu'une dizaine d'adresses initiales. Cette étape est essentielle pour suivre correctement les étiquettes d'échange et créer des mesures qui brossent un tableau complet. Sans ces mesures, des mesures d'échange significatives sont pratiquement impossibles. Avec plus de données et des méthodologies améliorées, cette approche devient plus précise au fil du temps.

La philosophie de Glassnode dans cette étape est la même que pour les étiquettes obtenues à partir de sources externes: nous optimisons pour réduire les faux positifs. Si la probabilité d'une étiquette d'adresse n'est pas très significative, nous n'allons pas étiqueter l'adresse. Nous préférons manquer une adresse, plutôt que de l'étiqueter avec une faible certitude.

Dans l'ensemble, la combinaison de ces méthodologies fournit un cadre puissant qui nous permet d'obtenir une image complète de l'activité d'échange en chaîne et de fournir une transparence sur ces piliers du marché avec des mesures très informatives.

Le mauvais

Ce qui précède semble assez simple: identifiez les adresses d'échange et surveillez le nombre de pièces que ces adresses détiennent actuellement, c'est-à-dire combien de fonds entrent et sortent de ces adresses.

Eh bien, en théorie, oui - mais comme d'habitude, les choses sont un peu plus compliquées. Examinons de plus près certains des défis liés à l'étiquetage des adresses.

Les adresses d'échange ne sont pas statiques

Identifier initialement les adresses d'échange et les suivre ne vous mènera pas loin. L'ensemble des adresses appartenant à un certain échange change constamment - beaucoup.

Par exemple, Figure 2 indique le nombre d'adresses réseau associées à un échange spécifique. Il illustre la croissance continue du cluster d'échange, actuellement à près de 25 millions d'adresses. Notez que la plupart de ces adresses sont vides, tandis que le nombre d'adresses avec un solde différent de zéro est resté à un niveau inférieur à 100,000 XNUMX. Ce n'est qu'un exemple de la nature très dynamique des portefeuilles d'échange en constante évolution.

Par conséquent, le plus grand défi consiste à mettre en place un système fiable capable de suivre ces changements et de maintenir à jour l'ensemble actuel d'adresses d'échange.

Les échanges peuvent (et le font) créer en permanence de nouvelles adresses de portefeuille. Cela peut être la création de nouveaux portefeuilles froids vers lesquels de grandes quantités de pièces sont transférées. Le réarrangement des fonds dans de nouveaux portefeuilles est généralement effectué par les échanges. De plus, de nombreux échanges utilisent des mécanismes tels que la non-réutilisabilité des adresses, ce qui en crée continuellement de nouvelles (par exemple pour recevoir des modifications BTC ou relayer des fonds vers une autre adresse).

En outre, les bourses sont conformes à des normes de sécurité et de confidentialité élevées et utilisent souvent des mécanismes qui incluent des mouvements complexes de fonds en chaîne avec des modèles propres à un échange particulier. Ces mécanismes internes diffèrent beaucoup d'un échange à l'autre et doivent être identifiés et suivis séparément pour chaque échange.

Enfin, le comportement en chaîne devient tout simplement plus complexe avec le temps. Notez que les bourses sont des sociétés de plusieurs milliards qui fournissent des services financiers allant au-delà du simple trading au comptant. Beaucoup proposent des opérations à terme ou ont créé une infrastructure pour la garde institutionnelle. Bien que la couche réseau soit en théorie indépendante de ce développement, elle se reflète dans la quantité et la complexité des mouvements en chaîne. Par exemple, du point de vue du réseau, il n'est pas toujours possible d'identifier immédiatement si tous les portefeuilles de garde sont inclus dans l'ensemble des adresses d'échange étiquetées. Cela dépend de la façon dont ces adresses sont utilisées au niveau du réseau par les échanges, qui doit être correctement recherchée avant que des conclusions finales ne soient tirées.

Compte tenu de ce qui précède, il devient clair que suivre correctement les adresses d'échange est une entreprise non triviale. Nous nous efforçons d'utiliser les meilleurs mécanismes de l'industrie afin d'obtenir des chiffres aussi proches que possible de la vérité. Mais étant donné la nature des adresses d'échange, il doit être clair que:

Les données d'échange en chaîne peuvent parfois être imparfaites - au moins au niveau d'une seule transaction. Une certaine incertitude demeure, car manques ou fausses alarmes en ce qui concerne un flux entrant ou sortant particulier vers / depuis un échange sont possibles. Même si nous avons mis en place des méthodologies avancées, il peut parfois être impossible de détecter immédiatement la création soudaine d'un nouveau portefeuille froid (une adresse qui est vue dans le réseau pour la première fois) qui reçoit des fonds internes d'une autre adresse d'échange connue. De nombreuses heuristiques ne sont déclenchées que lorsque certaines activités et certains modèles émergent au fil du temps. Notez que cela est particulièrement vrai pour les transactions soudaines et importantes - la taille moyenne des transactions transférées en interne par les bourses est souvent beaucoup plus élevée que les flux entrants et sortants (Figure 3).

Veuillez noter que ces inexactitudes ne se produisent qu'occasionnellement - les mesures d'échange sont dans l'ensemble correctes, en particulier lors de l'analyse des tendances à moyen et à long terme.

The Ugly

Quelles sont les implications de ce qui précède? En termes simples: les métriques d'échange sont sous réserve de modifications. De nouvelles informations peuvent devenir disponibles qui ajoutent (ou dans de rares cas suppriment) une étiquette d'adresse d'échange. Cela peut être dû au fait que les informations deviennent disponibles via l'un des canaux mentionnés ci-dessus, par exemple une adresse qui est officiellement vérifiée par l'échange lui-même, ou / et une heuristique ou un clustering qui est déclenché et contiguë à une adresse initialement non confirmée à un cluster d'échange existant .

En fin de compte, cela signifie que les métriques d'échange peuvent changer historiquement. Toujours garder cela à l'esprit.

Conclusion

Cela signifie-t-il que les métriques d'échange sont inutiles? Pas du tout, au contraire!

Même si chaque flux d'échange ne peut pas toujours être vérifié immédiatement, il est essentiel de comprendre l'activité d'échange. Les mesures d'échange sont pour la plupart complètes et se sont avérées fournir des informations inestimables aux chercheurs, aux investisseurs et aux traders au fil des ans.

La transparence sur l'activité de change est très importante, en particulier compte tenu du nombre de rapports de faux volumes et de transactions de lavage que nous avons vu dans le passé. L'analyse de l'activité d'échange en chaîne donne accès à une source de données entièrement nouvelle, vérifiable et incorruptible, et devrait faire partie de l'ensemble d'outils de tout investisseur.

À notre avis, il est simplement important que les utilisateurs comprennent comment ces paramètres sont calculés pour aider les investisseurs à mieux les comprendre.

Principaux plats à emporter

1. Les données d'échange en chaîne sont difficiles et les flux entrants / sortants uniques peuvent parfois ne pas être confirmés au départ. C'est simplement parce que les échanges utilisent des processus complexes en chaîne qui changent constamment leurs adresses réseau.
2. Les métriques d'échange en chaîne peuvent changer historiquement. Cela est dû à a) des algorithmes de regroupement qui mettent automatiquement à jour l'ensemble des adresses d'échange avec des informations statistiques croissantes et b) en ajoutant manuellement de nouvelles étiquettes d'échange vérifiées. Alors que le premier se produit quotidiennement, il n'influence que légèrement les données les plus récentes. L'ajout de nouvelles étiquettes peut avoir un impact plus important sur les données historiques, mais cela n'arrive que très rarement et est toujours annoncé dans notre changelog.
3. Nous optimisons pour réduire les faux positifs. Cela signifie que la probabilité de supprimer une étiquette d'adresse est bien inférieure à celle d'en ajouter une. Si un label fait partie d'un échange, il le sera certainement pour toujours.
4. Soyez prudent et attentif aux informations d'échange à court terme. Cela est particulièrement vrai en ce qui concerne les sorties importantes (transaction unique) d'un échange. Ceux-ci devraient toujours faire l'objet d'une enquête. Une sortie soudaine de 10k BTC d'un échange peut s'avérer être simplement un transfert interne. Bien que nos algorithmes détectent immédiatement bon nombre d'entre eux, certains ne sont tout simplement pas détectables tout de suite et ne peuvent être vérifiés manuellement qu'en quelques heures jusqu'à ce qu'ils soient reflétés dans nos données.
5. Les points ci-dessus sont particulièrement importants à garder à l'esprit si vous utilisez des métriques d'échange pour le commerce (journalier). Premièrement, les sorties / entrées de transaction uniques initiales peuvent être rétractées si elles sont finalement identifiées comme une transaction interne. Deuxièmement, à mesure que les données historiques changent, cela peut influencer vos modèles et vos backtests. Gardez toujours cela à l'esprit si vous formez des modèles basés sur des métriques d'échange.

Nous espérons qu'avec les informations ci-dessus, nous avons pu accroître la transparence concernant les défis et les mises en garde qui accompagnent les mesures d'échange.

Les données d'échange sont extrêmement utiles pour tout commerçant, chercheur, investisseur et hodler.

Nous continuerons à nous efforcer de vous apporter les meilleures données d'échange de l'industrie.

Un grand merci à Checkmate pour avoir revu ce travail.

---

Source : https://insights.glassnode.com/exchange-metrics/