Vurdere risiko i en Bitcoin-okse

Publisert av Platon

Følgere: 0

Kortfattet sammendrag

I denne artikkelen introduserer vi en ny Risk Assessment rammeverk som bruker en pakke med kjerneinstrumenter som dekker både kortsiktig og langsiktig risikosykluser.
Utstyrt med dette nye rammeverket, tar vi sikte på å gi både investorer og analytikere en robust modell for å vurdere uttaksrisiko fra et datadrevet ståsted.
Avslutningsvis setter vi sammen alle beregninger som vurderes i et varmekart for å vurdere sammenløpet av risiko på tvers av en rekke datakategorier.

????

Alle indikatorer som presenteres i denne rapporten er tilgjengelige i dette dashbordet.

Makrorisikoanalyse

Det er mange modeller og beregninger tilgjengelig for analytikere som kan brukes til å vurdere markedsrisiko på et gitt tidspunkt i syklusen. I dette stykket vil vi spesifikt vurdere "risiko" som en stor nedgang i spotprisen på Bitcoin.

Som sådan er 'Høy-risiko 🥥' definert som et punkt hvor markedet sannsynligvis er i en spekulativ boble. Derimot regnes "Lavrisiko "-miljøer som de der mye av det spekulative overskuddet er fjernet, og markedet er mer sannsynlig å være innenfor et bunnformasjonsmønster.

Prisboble

Som en første byggestein overvåker vi prisavviket fra to langsiktige gjennomsnittlige reverseringsgrunnlinjer:

MVRV-modell 🟠: Denne modellen måler forholdet mellom spotprisen og det totale kostnadsgrunnlaget for markedet (realisert pris).
Mayer Multiple 🔵: Utnytte 200D-SMA som en teknisk syklisk midtlinje, og måle premien eller rabatten i forhold til denne grunnlinjen.

I diagrammet nedenfor har vi definert følgende risikokategorier ved å kombinere MVRV og Mayer Multiple (MM) modeller.

????

Rammeverk for risikoanalyse
Svært høy risiko 🟥
Prisen er over begge modellene (MVRV > 1 og MM >1), og Mayer Multiple handler to standardavvik høyere enn det kumulative gjennomsnittet (MM > +2 STD).

High Risk 🟧
Prisen er over modellene (MVRV > 1 og MM >1), og Mayer Multiple er under to standardavvik høyere enn det kumulative gjennomsnittet (1.0 < MM < +2 STD).

Lav risiko 🟨
Prisen er over realisert pris (MVRV>1), men under 200D-MA-nivået (MM<1).

Svært lav risiko 🟩
Prisen er under både realisert pris (MVRV<1) og 200D-MA-nivå (MM<1).

Spotprisen er for øyeblikket på $42.9k, mens den realiserte prisen og 200D-MA handles til henholdsvis $22.8k og $34.1k. Dette setter markedet innenfor en Høy risiko 🧧 miljø.

Vurdere risiko i en Bitcoin Bull PlatoBlockchain Data Intelligence. Vertikalt søk. Ai. — Live arbeidsbenk

Måling av forsyningslønnsomhet

Prosentandelen av tilbud i profitt (PSIP) 🔵-metrikk måler andelen mynter med et kostnadsgrunnlag som er lavere enn gjeldende spotpris. Denne indikatoren kan bidra til å identifisere den potensielle risikoen for økt salgspress ettersom investorer ser et økende insentiv til å ta fortjeneste.

????

Rammeverk for risikoanalyse
Svært høy risiko 🟥
PSIP er mer enn ett standardavvik fra dets historiske gjennomsnitt.
(PSIP > 90 %)

High Risk 🟧
PSIP er mindre enn ett standardavvik over det historiske gjennomsnittet.
(75 % < PSIP < 90 %)

Lav risiko 🟨
PSIP er under det historiske gjennomsnittet, men over det statistiske nedre båndet.
(58 % < PSIP < 75 %)

Svært lav risiko 🟩
PSIP er mer enn ett standardavvik under det historiske gjennomsnittet.
(PSIP < 58 %)

Når denne indikatoren handler over det øvre båndet, har den historisk vært på linje med markedet som går inn i den "euforiske fasen" til et oksemarked. Under den nylige markedsrallyet rundt Spot ETF-lanseringen nådde denne beregningen Svært høy risiko 🥥, som ble fulgt av en prisnedgang ned til $38k.

Dimensjonering av frykt og grådighet

Nok et kraftig verktøy for å kvantifisere den tilhørende risikoen ved å vokse Frykt og grådighet stemningen i markedet er Netto urealisert fortjeneste / tap (NUPL) metrisk. Denne indikatoren undersøker dollarverdien av det totale nettoresultatet eller tapet som en prosentandel av markedsverdien.

Derfor, etter å ha estimert antall mynter i fortjeneste ved å bruke Prosent av tilbud i overskudd, kan vi bruke NUPL for å måle størrelsen på investorens lønnsomhet.

????

Rammeverk for risikoanalyse

Svært høy risiko 🟥
NUPL overskrider ett standardavvik over gjennomsnittet på 4 år, noe som tyder på at markedet er i Eufori fase, hvor urealisert fortjeneste når ekstreme nivåer (NUPL > 0.59).

High Risk 🟧
NUPL er mellom det øvre båndet og 4-års gjennomsnittet, noe som tyder på at markedet er i netto fortjeneste, men under de statistisk høye nivåene (0.35 < NUPL < 0.59).

Lav risiko 🟨
NUPL har falt under 4-årsgjennomsnittet, men ligger over statistisk lave nivåer (0.12 < NUPL < 0.35).

Svært lav risiko 🟩
NUPL har stupt under det statistiske lavbåndet, som historisk har falt sammen med Bottom Discovery fase av et bjørnemarked (NUPL < 0.12).

Etter rallyet i oktober 2023 gikk NUPL inn i High Risk område, når en verdi på 0.47. Til tross for det betydelige hoppet i myntvolum holdt i overskudd, nådde ikke størrelsen på USD-fortjenesten Svært høy risiko 🥥 stat. Dette antyder at en stor andel av myntene ble akkumulert til en kostnadsbasis rundt konsolideringsintervallet på ~$30 2 gjennom H2023-XNUMX.

Realisert fortjeneste og tap

Det neste trinnet er å vurdere hvordan markedsdeltakerne justerer forbruksmønstrene sine, med Realized Profit/Loss Ratio (RPLR) som et utmerket kompass for å nå dette målet.

Denne indikatoren sporer forholdet mellom fortjenestetaking og tapstakende hendelser som skjer i kjeden. Vi bruker en 14D-MA av dette forholdet for å jevne ut den daglige støyen og tydeligere identifisere makroskifter i investoradferd.

????

Rammeverk for risikoanalyse

Svært høy risiko 🟥
RPLR er over 9, noe som betyr at mer enn 90 % av myntene som beveger seg i kjeden blir brukt i profitt, en typisk egenskap ved at markedsetterspørselen når utmattelse (RPLR > 9).

High Risk 🟧
RPLR er under 9 og over 3, noe som indikerer at mellom 75%-90% av myntene flyttes i profitt. Denne strukturen er hyppig før og etter markedstopper (3 < RPLR < 9).

Lav risiko 🟨
RPLR har falt under midtlinjen på 3, som vanligvis oppstår når markedet gjennomgår en overgang mellom høy- og lavrisikoregimer (1 < RPLR < 3).

Svært lav risiko 🟩
RPLR handles under 1, noe som indikerer en dominans av mynter som beveger seg i tap, som er et signal om investorkapitulasjon, typisk under sent stadium av bjørnemarkeder.

Denne indikatoren markerte nylig et regime med svært høy risiko ettersom prisene nådde den siste toppen på $48.4k. Realisert fortjeneste/tap-forhold er for øyeblikket på 4.1, og ligger i High Risk -tilstanden.

Aktivitetsrisikoanalyse

Ved å bytte gir litt, vil vi nå vurdere risiko gjennom etterspørselslinsen, målt ved hjelp av en rekke adopsjonsmålinger relatert til nettverksaktivitet.

Etterspørsel etter Blockspace

Gitt den begrensede blokkplassen i Bitcoin-nettverket, er en kraftig metode for å måle etterspørselen gjennom undersøkelse av gebyrmarkedet. Vanligvis fører konsekvent vekst i etterspørselen til en vedvarende økning i gebyrene, ettersom konkurransen om inkludering i neste blokk øker.

Miners Fee Revenue Binary Indicator (MFR-BI) viser andelen dager i løpet av de siste 30 dagene hvor gebyrmarkedet har sett økende press dag-til-dag.

????

Rammeverk for risikoanalyse

Svært høy risiko 🟥
MFR-BI varmes opp over mer enn 58 % (+1 STD) av dagene den siste måneden. Dette er en indikasjon på at det haster med investorutgifter (MFR-BI > 58%).

High Risk 🟧
MFR-BI ligger mellom det historiske gjennomsnittet og det øvre statistiske båndet (48 % < MFR-BI < 58 %).

Lav risiko 🟨
MFR-BI har falt under det historiske gjennomsnittet, noe som tyder på avtagende konkurranse i gebyrmarkedet (42 % < MFR-BI < 48 %).

Svært lav risiko 🟩
MFR-BI har falt under det lave statistiske båndet på 42 % (-1 STD), noe som tyder på at investorene haster med å flytte kapitalen sin (MFR-BI < 42 %).

Under nedsalget til $38k utløste denne indikatoren en Svært lav risiko signal. Ettersom spotprisene gikk tilbake til 43 46 dollar, returnerte denne beregningen tilbake til lavrisiko -sonen (~XNUMX %).

Spekulasjonsmomentum

Som den siste komponenten i aktivitetsrisikoanalysepakken, ser vi på Exchange Volume Momentum-beregningen, som sammenligner det månedlige og årlige gjennomsnittet av volum overført fra/til alle børser. Dette verktøyet fungerer som en proxy for markedets appetitt på spekulasjoner.

Denne risikoindikatoren måler størrelsen og retningen på endringen i det raskere månedlige glidende gjennomsnittet (30D-MA) i forhold til det langsommere årlige glidende gjennomsnittet (365-MA).

????

Rammeverk for risikoanalyse

Svært høy risiko 🟥
Når det månedlige gjennomsnittet handler over det årlige gjennomsnittet, og fortsetter å stige, anses risikofaktoren som svært høy (MA-365D < MA-30D og MA-30D 🔼).

High Risk 🟧
Når det månedlige gjennomsnittet handler over det årlige gjennomsnittet, men synker, merkes risikofaktoren høy (MA-365 < MA-30D og MA-30D 🔽).

Lav risiko 🟨
Når det månedlige gjennomsnittet er under det årlige gjennomsnittet, men øker, merkes risikofaktoren lav (MA-30D < MA-365D og MA-30D 🔼).

Svært lav risiko 🟩
Når det månedlige gjennomsnittet er under det årlige gjennomsnittet, men er synkende, merkes risikofaktoren svært lav (MA-30D < MA-65D og MA-30D 🔽).

Det månedlige gjennomsnittet av Exchange Inflow Volumes har trendet sterkt høyere siden oktober, noe som setter denne indikatoren i Svært høy risiko 🥥 regime. Dette tyder på at markedet for tiden er i en relativt spekulativ tilstand.

Kortsiktig og langsiktig risikoanalyse

Risikoanalysen ovenfor tar for seg et relativt makro- og globalt perspektiv. I denne neste delen vil vi vurdere mønstre på et mer granulært nivå, med tanke på atferden til kortsiktige og langsiktige holderkohorter.

Nye investorer i profitt

Revisjon av konklusjonene i tidligere rapporter (WoC 38, 2023 og WoC 50, 2023), Kortsiktige eiere har en tendens til å ha en overdimensjonert innflytelse i utformingen av kortsiktige prishandlinger, for eksempel lokale topper og bunner.

Derfor bruker vi en årsak og virkning tilnærming for å oppdage høye (eller lave) risikointervaller. Dette er basert på en to-trinns vurdering:

Urealisert fortjeneste (eller tap) holdt av disse nye investorene (incentivet til å bruke).
Realisert fortjeneste (og tap) låst inn av nye investorer (det faktiske forbruket).

Vi starter med Short-Term Holder Supply Profit/Loss Ratio (STH-SPLR), som fanger balansen mellom tilbud holdt i fortjeneste vs tap for nye investorer.

????

Rammeverk for risikoanalyse

Svært høy risiko 🟥
STH-SPLR er større enn 9, det indikerer at 90 % av nye investormynter er i profitt, noe som skaper et sterkt insentiv til å bruke (STH-SPLR > 9).

High Risk 🟧
STH-SPLR er mellom 1 og 9, noe som indikerer at mellom 50 % og 90 % av nye investormynter er i profitt, og en moderat risiko for utgifter (1 < STH-SPLR < 9).

Lav risiko 🟨
STH-SPLR er mellom 0.11 og 1, noe som indikerer at mellom 10% og 50% av tilbudet av nye investorer er i profitt, noe som setter et flertall under vann på deres beholdning (0.11 < STH-SPLR <1).

Svært lav risiko 🟩 STH-SPLR faller under 0.11, noe som indikerer at mer enn 90 % av tilbudet av nye investorer holdes med tap, typisk for bjørnemarkeder på sent stadium (STH-SPLR < 0.11).

Denne indikatoren signaliserte nylig en Svært høy risiko 🥥 tilstand mellom midten av oktober 2023 og midten av januar 2024 da ETF-spekulasjonene nådde toppen. Dette antydet at et supert flertall av nye investorer var lønnsomme, noe som tyder på økt sannsynlighet for profitttaking. Dette har siden avkjølt seg mot det nøytrale Lav risiko Rekkevidde.

Innlåsing av kortsiktige gevinster

Det neste trinnet er å fokusere på de faktiske utgiftene til disse kortsiktige eierne, målt gjennom linsen til deres realiserte fortjeneste eller tap. Diagrammet nedenfor fremhever eksempler på regimer med høy profitttaking (eller tapsgivende 🥥) siden januar 2016. Som vist har disse periodene med høye utgifter en tendens til å falle sammen med både sterke rally og korreksjoner.

Vi transformerer og normaliserer disse beregningene ved å bruke en 90-dagers Z-Score-funksjon, som standardiserer denne USD-denominerte aktiviteten til kortsiktige eiere. Denne teknikken hjelper til med å oppdage når kortsiktige brukerutgifter er utenfor statistiske ekstremer, noe som kan oversettes til potensielle lokale topp- og bunnformasjoner i markedet.

Merk at for å forbedre det visuelle aspektet av denne risikoindikatoren, har vi invertert den realiserte taps z-score (multiplisert med -1).

????

Rammeverk for risikoanalyse

Svært høy risiko 🟥
STH i Profit Z-Score er mer enn +2 standardavvik over gjennomsnittet på 90D, noe som indikerer betydelig profitttaking (STH-Realized Profit Z-Score > 2).

High Risk 🟧
STH i Profit Z-score er mellom 90D-gjennomsnittet og +2 standardavviksnivået, noe som tyder på beskjeden profitttaking (1 < STH-Realized Profit Z-score < 2).

Lav risiko 🟨
STH i Profit Z-Score synker under 90D-gjennomsnittet, noe som indikerer en markant reduksjon i profitttaking, ofte sammen med økende realiserte tap. (STH-realisert fortjeneste Z-score < 1)

Svært lav risiko 🟩
I likhet med Low Risk -kategorien faller STH i Profit Z-Score under sitt 90D-gjennomsnitt, samtidig som realiserte tap øker over +2 standardavvik over 90D-gjennomsnittet (STH-Realized Profit Z-Score < 1 og STH-Realized Loss Z-Score > 2, merker det inverterte visuelle aspektet).

Den nylige korreksjonen til $38k etter ETF-lanseringene forårsaket en merkbar reduksjon i markedsrisiko i henhold til denne beregningen. STH-Realized Profit Z-score er for øyeblikket på -1.22, mens STH-Realized Profit Z-score er på -0.24. Dette plasserer dagens markedsstruktur i Lav risiko 🟨 regime.

Gamle hender låser inn fortjeneste

Vi introduserte et rammeverk som ligner på risikovurderingen for kortsiktige eiere ovenfor, bortsett fra at det fokuserte på langsiktige eiere (LTH-er) i en tidligere rapport (WoC-22-2023). Målet er å vurdere når graden av urealisert fortjeneste holdt av langsiktige eiere har avansert til statistisk ekstreme nivåer, og deretter spore om denne kohorten øker forbruket tilsvarende.

Den første indikatoren måler den urealiserte profittkomponenten til LTH-er ved å bruke MVRV-ratioen for langsiktig innehaver. Dette måler divergensen mellom markedsprisen og gjennomsnittlig LTH kostnadsgrunnlag.

????

Rammeverk for risikoanalyse

Svært høy risiko 🟥
LTH-MVRV er større enn 3.5, noe som indikerer at LTH-er har en gjennomsnittlig ikke-relatert fortjeneste på 250 %. Dette området nås ofte ettersom markedet tar tilbake den tidligere ATH (LTH-MVRV > 3.5).

High Risk 🟧
LTH-MVRV handler mellom 1.5 og 3.5. Denne tilstanden sees vanligvis i de tidlige stadiene av både bjørne- og oksemarkeder (1.5 < LTH-MVRV <3.5).

Lav risiko 🟨
LTH-MVRV handles mellom 1.0 og 1.5, noe som indikerer at LTH-er bare er litt lønnsomme i gjennomsnitt, typisk under sent stadium av bjørn og tidlig stadium oksemarkeder (1 < LTH-MVRV <1.5).

Svært lav risiko 🟩
LTH-MVRV handles under 1.0, da spotprisen stuper under gjennomsnittlig LTH kostnadsgrunnlag. Dette fremhever ofte en tilstand av selgerutmattelse og investorkapitulasjon (LTH-MVRV < 1).

Etter den utfordrende utvinningen siden FTX-kollapsen, har denne indikatoren avansert til 2.06, og går inn i High Risk 🧧 regime. Som nevnt er disse nivåene vanligvis sett i de tidlige stadiene av oksemarkeder, ettersom langsiktige investorer går tilbake til et relativt meningsfylt lønnsomhetsnivå.

Langsiktige eieres utgifter

I denne risikoanalysestudiens siste trinn bygde vi en binær indikator for å vurdere når LTH-utgifter øker i en vedvarende hastighet. LTH-SBI (Langsiktig Holder Sending Binary Indicator) sporer perioder hvor LTH-forbruk er tilstrekkelig til å redusere den totale LTH-forsyningen over en vedvarende 7-dagers periode.

Når LTH-tilførselen avtar, indikerer det en gjeninnføring av langvarig forsyning tilbake til væskesirkulasjonen, og fungerer som en oppveiing av ny etterspørsel.

????

Rammeverk for risikoanalyse

Svært høy risiko 🟥
LTH-SBI nådde over 0.85, noe som indikerer at LTH-er har økt utgiftene sine i 6 av de siste 7 dagene. Dette mønsteret relaterer seg til gamle hender som griper muligheten til å låse profitt til forhøyede priser (LTH-SBI > 0.85).

High Risk 🟧
LTH-SBI handles mellom 0.50 og 0.85, noe som tyder på en beskjeden økning i LTH-forbruket i minst 3.5 av de siste 7 dagene (0.50 < LTH-SBI < 0.85).

Lav risiko 🟨
LTH-SBI handles mellom 0.14 og 0.50, noe som indikerer at en relativt liten grad av LTH-bruk finner sted den siste uken (0.14 < LTH-SBI < 0.50).

Svært lav risiko 🟩
LTH-SBI faller under 0.14, noe som indikerer at LTH-forbruket er minimalt, og det samlede tilbudet deres synker i 1 eller færre dager i løpet av den siste uken (LTH-SBI < 0.14).

ETF-spekulasjonsrallyet mot $48.4k presset denne risikoindikatoren fra Lav risiko 🟨 inn i High Risk rekkevidde. Den nåværende verdien er 0.7, noe som antyder en grad av økte utgifter fra LTH-er, ettersom investorer og ETF-rebalansering (nemlig fra GBTC) overfører mynteierskap.

konklusjonen

I dette stykket utviklet vi en prosedyre for å vurdere risikoen for en uttak i Bitcoin-markedet. Disse risikofaktorene vurderer et bredt sett av data- og investoratferdskategorier, og bidrar til å etablere et rammeverk for analytikere og investorer.

Mens hver indikator kan brukes individuelt, gir kombinasjonen ofte et mer omfattende bilde av markedstilstanden. Diagrammet nedenfor setter disse sammen til en heatmap-visning av de ulike risikoindikatorene de siste 5 årene. Fra dette kan vi sammenligne indikatorene med bemerkelsesverdige topper og bunner, der betydelig sammenløp kan sees.

Nivåene og transformasjonene er ment som en første veiledning og bør gjentas av analytikere og praktikere for å optimalisere for spesifikke interessepunkter.

Ansvarsfraskrivelse: Denne rapporten gir ingen investeringsråd. Alle data er kun gitt for informasjon og pedagogiske formål. Ingen investeringsbeslutning skal være basert på informasjonen gitt her, og du er alene ansvarlig for dine egne investeringsbeslutninger.

Utvekslingssaldoer som presenteres er hentet fra Glassnodes omfattende database med adresseetiketter, som samles gjennom både offisielt publisert utvekslingsinformasjon og proprietære klyngealgoritmer. Selv om vi bestreber oss på å sikre størst mulig nøyaktighet når det gjelder å representere børsbalanser, er det viktig å merke seg at disse tallene kanskje ikke alltid omfatter hele børsens reserver, spesielt når børser avstår fra å oppgi sine offisielle adresser. Vi oppfordrer brukere til å utvise forsiktighet og skjønn når de bruker disse beregningene. Glassnode skal ikke holdes ansvarlig for eventuelle avvik eller potensielle unøyaktigheter. Vennligst les vår åpenhetserklæring når du bruker utvekslingsdata.