Bitcoin On-Chain Exchange Metrics: The Good, The Bad, The Ugly

Kryptovalutautbyten är stora drivkrafter på marknaden för digitala tillgångar. Det är där mest handel sker och priser görs.

Det är därför viktigt att spåra utbytesaktiviteter via kedjan, t.ex. bitcoin utbytesbörser håller vid varje given tidpunkt och mängden BTC som strömmar in och ut ur utbytesadresser. Dessa data kan ge ovärderlig insikt om Bitcoin-likviditet, investerares beteende och marknadens utbudssida.

Det finns en allmän brist på förståelse för de processer som går till att spåra utbytesplånböcker och följaktligen erhålla högkvalitativ kedjeutbytesdata.

Här strävar vi efter att öka transparensen och förståelsen och lysa lite på utmaningarna med att ta fram utbytesstatistik. Den här förklararen bör ge insikter om vikten av att titta på utbytesaktivitet, processerna för att korrekt spåra utbytesadresser och de försiktighetsåtgärder som kan komma med utbytesdata. Vi hoppas kunna öka förståelsen för denna måttfamilj avsevärt och ge investerare allmänna riktlinjer för hur man korrekt läser dem och vad man ska se upp för.

TL; DR

• Spåra utbytesdata är en ofullkomlig process, eftersom varje utbyte har unika plånbokshanteringsmetoder och plånbokadresser är dynamiska och ständigt föränderliga.
• Individuella datapunkter, till exempel ett stort inflöde/utflöde, bör betraktas som preliminära i första hand tills de verifierats. Glassnode väljer ett konservativt tillvägagångssätt och syftar till att begränsa rapporteringen av falska positiva och tillhandahålla så exakta data som möjligt.
• Datapunkter kan betraktas som allt mer tillförlitliga över tiden när utbytesplånböcker handlar och interagerar så att våra heuristik- och klusteralgoritmer förbättrar märkning och därmed noggrannhet.
• Exchange-mätvärden kan historiskt ändras, antingen för att heuristik tilldelar adresser till ett växelkluster eller för att verifierade utbytesadresser läggs till manuellt.

The Good

Bitcoin blockchain är en öppen huvudbok som gör att vi kan analysera alla transaktioner som någonsin har gjorts och bedöma antalet mynt som en given adress i nätverket håller eller flyttar.

För att spåra växlingsrörelser måste vi veta vilka nätverksadresser som tillhör en växel. Dessa adresser kan sedan övervakas och deras aktivitet kan aggregeras för att skapa mått som kan ge ovärderlig insikt om marknaden.

Typiska utbytesstatistik inkluderar:

• Saldot som innehas av växeladresser [Live diagram]
• Mängden mynt som rinner in och ut från dessa adresser [Live diagram]
• Antalet insättningar / uttag till / från dessa adresser [Live diagram]

Varför är Exchange -mätvärden viktiga?

Några exempel på utbytesbeteenden som kan vara av intresse:

• Valutareserver kan berätta mycket om marknadens utbudssida. Tömningen av börsinventeringen (som vi har upplevt) är ett tecken på investerarnas känslor och ger oss en värdefull datapunkt för att förstå aktuellt investerarnas beteende.
• Fonder som flyttar från börser kan innebära att investerare drar sina mynt till självförvaring och långsiktig kylförvaring. Detta pekar på en ganska hausseartad bild med tanke på att lagring av BTC i plånböcker för självförvaring kan ses som en indikation för att hålla långsiktigt och därmed investerarnas övertygelse om Bitcoins framtida värde. Andra möjliga förklaringar inkluderar ökad aktivitet för OTC -skrivbord och depåer till följd av institutionellt köp eller användning av medel i andra finansiella tjänster (t.ex. som säkerhet för utlåning/upplåning).
• Inflöden till börser kan indikera ökad handelsaktivitet, investerare som vill ta vinster och/eller att balansera om för att avvärja sina investeringsportföljer.

Hur spårar Glassnode Exchange -adresser?

För att spåra utbytesadresser använder vi en mängd olika mekanismer som kan delas upp i tre kategorier: verifierade adresser, externa källor, och kluster.

Verifierade adresser

Detta är det enkla / uppenbara steget. Det här är adresser som officiellt verifieras för att styras av ett växel. Till exempel när en växel officiellt har kommunicerat (offentligt eller privat) att adressen verkligen ägs av dem. Dessa inkluderar också adresser som verifieras genom att direkt interagera med växeln (t.ex. genom att sätta in pengar).

Externa källor

Eftersom den är en öppen huvudbok och har miljontals användare som interagerar med börser, kan etiketter för utbytesadresser hittas utspridda över webben. Detta är den crowdsourcade delen av utbytesetiketter. Några av dessa adresser kan bekräftas på ett enkelt sätt. För många andra är detta inte sant - särskilt när olika källor rapporterar motstridiga uppgifter, t.ex. källa A associerar en adress med utbyte X, medan källan B associerar det med utbyte Y.

På Glassnode använder vi oss av allmänt tillgängliga adressetiketter men lägger dem genom en rigorös QA -process som slutligen avgör om en adress verkligen är en del av ett särskilt utbyte. Vår QA -process inkluderar (bland annat) steg som att analysera adressaktiviteten, dess typ, deras interaktion med andra nätverksenheter, deras balansstruktur och antalet externa källor som bekräftar deras etikett. Våra processer är strömlinjeformade och innehåller såväl automatiska som manuella steg.

Endast om en adressetikett kan bekräftas med mycket hög sannolikhet och utan motstridig information, verifieras den av oss och läggs till i poolen av adresser som tillhör ett utbyte.

Kluster

Heuristik och klustringsalgoritmer är kraftfulla verktyg för att automatiskt härleda adresser som tillhör ett börs. Med heuristik och klustring kan en stor mängd adresser identifieras med endast en handfull initialt verifierade adressetiketter. Detta är möjligt genom att använda kraftfulla datavetenskapliga metoder för statistisk slutsats baserat på mönster och egenskaper som är inneboende i Bitcoins UTXO-baserade design. Faktum är att vi ofta kan identifiera hundratusentals adresser med endast ett dussin initiala adresser. Detta steg är ett viktigt steg för att spåra utbytesetiketter på rätt sätt och skapa mått som målar upp en fullständig bild. Utan dessa åtgärder är meningsfulla utbytesvärden nästan omöjliga. Med mer data och förbättrade metoder blir detta tillvägagångssätt mer exakt med tiden.

Glassnodes filosofi i detta steg är densamma som med etiketter som erhålls från externa källor: vi optimerar för att minska falska positiva. Om sannolikheten för en adressetikett inte är mycket viktig kommer vi inte att märka adressen. Vi saknar hellre en adress än att märka den med låg säkerhet.

Sammantaget ger kombinationen av dessa metoder en kraftfull ram som gör det möjligt för oss att få en fullständig bild av utbytesaktivitet i kedjan och ge transparens om dessa marknadspelare med mycket informativa mätvärden.

The Bad

Ovanstående låter tillräckligt enkelt: Identifiera utbytesadresser och övervaka hur många mynt dessa adresser för närvarande har, dvs hur mycket pengar som strömmar in och ut ur dessa adresser.

Jo, i teorin, ja - men som vanligt är sakerna något mer komplicerade. Låt oss titta närmare på några av de utmaningar som följer med adressmärkning.

Exchange -adresser är inte statiska

Att initialt identifiera utbytesadresser och spåra dem kommer inte att ta dig långt. Uppsättningen av adresser som tillhör en viss utbyte ändras ständigt - mycket.

Till exempel, Figur 2 visar antalet nätverksadresser som är associerade med en specifik växel. Det illustrerar växelklusternas kontinuerliga tillväxt, för närvarande på nästan 25 miljoner adresser. Observera att huvuddelen av dessa adresser är tomma, medan antalet adresser med en saldo som inte är noll har legat på en nivå under 100,000. Detta är bara ett exempel på den mycket dynamiska karaktären hos ständigt föränderliga bytesplånböcker.

Därför är den största utmaningen att ha ett pålitligt system på plats som kan spåra dessa förändringar och håller den aktuella uppsättningen utbytesadresser uppdaterad.

Utbyten kan (och gör) kontinuerligt skapa nya plånbokadresser. Detta kan vara skapandet av nya kalla plånböcker som stora mängder mynt överförs till. Omläggning av medel till nya plånböcker utförs vanligen av börser. Dessutom använder många växlar mekanismer som att adresser inte kan återanvändas och skapar därför ständigt nya (t.ex. för att ta emot BTC-byte eller vidarebefordra medel till en annan adress).

Vidare överensstämmer utbyten med höga säkerhets- och integritetsstandarder och använder ofta mekanismer som inkluderar komplexa kedjerörelser av medel med mönster som är unika för ett särskilt börs. Dessa interna mekanismer skiljer sig mycket mellan börserna och måste identifieras och spåras för varje börs separat.

Slutligen blir beteendet i kedjan helt enkelt mer komplext med tiden. Observera att börser är flera miljarder företag som tillhandahåller finansiella tjänster som går utöver enkel spothandel. Många erbjuder terminshandel eller har spunnit upp infrastruktur för institutionell vårdnad. Medan nätverksskiktet i teorin är agnostiskt för den utvecklingen återspeglas det i mängden och komplexiteten hos rörelser i kedjan. Till exempel, ur ett nätverksperspektiv är det kanske inte alltid möjligt att omedelbart identifiera om alla depåplånböcker ingår i uppsättningen märkta utbytesadresser. Detta beror på hur dessa adresser används på nätverksnivå av börserna, vilket måste undersökas ordentligt innan slutliga slutsatser görs.

Med tanke på ovanstående blir det klart att korrekt spårning av utbytesadresser är en icke-trivial strävan. Vi strävar efter att använda de bästa mekanismerna i branschen för att få nummer som ligger så nära sanningen som möjligt. Men med tanke på utbytesadressernas karaktär måste det vara klart att:

Utbytesdata i kedjan kan ibland vara ofullkomlig- åtminstone på en enda transaktionsnivå. En viss osäkerhet kvarstår, som missar eller falska larm med avseende på en viss in- eller utflöde till / från en utbyte är möjliga. Även om vi har avancerade metoder på plats kan det ibland vara omöjligt att omedelbart upptäcka den plötsliga skapandet av en ny kall plånbok (en adress som ses i nätverket för första gången) som tar emot interna medel från en annan känd utbytesadress. Många heuristik utlöses bara när viss aktivitet och mönster dyker upp över tiden. Observera att detta gäller särskilt för plötsliga stora transaktioner - den genomsnittliga transaktionsstorleken som flyttas internt av börser är ofta betydligt högre än in och utflöden (Figur 3).

Observera att dessa felaktigheter bara förekommer ibland-utbytesstatistik är i stort sett korrekt, särskilt när man analyserar trender på medellång och lång sikt.

Den fula

Vad är konsekvenserna av ovanstående? Enkelt uttryckt: utbytesstatistik är komma att ändras. Ny information kan bli tillgänglig som lägger till (eller i sällsynta fall tar bort) en utbytesadressetikett. Detta kan bero på att information blir tillgänglig via antingen någon av de kanaler som nämns ovan, t.ex. en adress som officiellt verifieras av själva växeln, eller/och en heuristik eller kluster som utlöses och ansluter till en initialt obekräftad adress till ett befintligt utbyteskluster .

I slutändan betyder det att utbytesstatistiken historiskt kan förändras. Tänk alltid på det.

Slutsats

Betyder detta att utbytesvärden är värdelösa? Inte alls, tvärtom!

Även om varje enskilt utbytesflöde inte alltid kan verifieras omedelbart är det mycket viktigt att förstå utbytesaktivitet. Börsmätvärden är till största delen kompletta och har visat sig ge ovärderlig insikt för forskare, investerare och handlare genom åren.

Öppenhet om utbytesaktivitet är mycket viktigt, särskilt med tanke på antalet rapporter om falska volymer och tvätthandel vi har sett tidigare. Genom att analysera utbytesaktivitet i kedjan får du tillgång till en helt ny, verifierbar och oförstörbar datakälla och bör vara en del av alla investerares verktygssats.

Enligt vår mening är det helt enkelt viktigt att användarna förstår hur dessa mätvärden beräknas för att hjälpa investerare att förstå dem bättre.

Huvudsakliga take-away

1. Utbytesdata i kedjan är utmanande och enstaka in/utflöden kan ibland initialt vara obekräftade. Detta beror helt enkelt på att växlar använder komplexa on-chain-processer som ständigt ändrar sina nätverksadresser.
2. Utbytesstatistik i kedjan kan historiskt förändras. Detta beror på a) klusteralgoritmer som automatiskt uppdaterar uppsättningen utbytesadresser med ökande statistisk information och b) genom att manuellt lägga till nya verifierade utbytesetiketter. Medan det förstnämnda händer dagligen påverkar det bara lite de senaste uppgifterna. Tillägget av nya etiketter kan ha större inverkan på historiska data, men händer bara mycket sällan och meddelas alltid i vår changelog.
3. Vi optimerar för att minska falska positiva. Detta innebär att sannolikheten för att ta bort en adressetikett är mycket mycket lägre än att lägga till en. Om en etikett är en del av ett utbyte kommer det säkert att vara det för alltid.
4. Var försiktig och uppmärksam på kortsiktig utbyte av information. Detta gäller särskilt stora (enstaka transaktioner) utflöden från en börs. De bör alltid undersökas. Ett plötsligt utflöde av 10k BTC från en börs kan helt enkelt visa sig vara en intern överföring. Även om våra algoritmer omedelbart upptäcker många av dessa, är vissa helt enkelt inte detekterbara direkt och bara manuellt verifierbara inom några timmar tills de återspeglas i våra data.
5. Ovanstående punkter är särskilt viktiga att tänka på om du använder börsmätningar för (dag-) handel. Först kan inledande enkel transaktion ut/inflöden dras tillbaka om de så småningom identifieras som en intern transaktion. För det andra, eftersom historiska data ändras kan detta påverka dina modeller och backtesting. Tänk alltid på detta om du tränar modeller baserade på utbytesstatistik.

Vi hoppas att vi med ovanstående information kunde öka transparensen när det gäller de utmaningar och försiktigheter som följer med utbytesmått.

Utbyte av data är oerhört användbart för alla näringsidkare, forskare, investerare och hodler.

Vi kommer att fortsätta att sträva efter att ge dig branschens bästa utbytesdata.

Stort tack till Schackmatt för att granska detta arbete.

---

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