# 链上数据是一部心理学教科书｜乌托邦周报 #28 By [无环图](https://paragraph.com/@0x257dfbc2836361d04fc4badcc3645a9bc63abdbf) · 2023-09-20 --- 8 月 23 日，Glassnode 联合 Ark 对外发布了全新的链上分析理论框架——Cointime Economics。通过将区块作为时间的计量单位，Glassnode 提出了新的比特币估值指标，并对经典指标进行了优化。 借此契机，我们找到框架的 2 位作者之一、Glassnode 首席分析师 James Check，请他分享了 Cointime Economics 的诞生过程、他个人的日常链上分析思路，以及他对链上分析本质和未来的见解。相比对既有成果的介绍，我们更关注他的思考过程；授人以鱼不如授人以渔，我们认为思路比成果更有意义。 以下是访谈的文字记录，略有删减。 * * * 关于新框架 ===== **Q：链上指标已经经过了多年的演进，你们是怎么想着要提出一套全新的分析框架的？** \*\*A：\*\*这其实是一个很有意思的过程。你知道 David Puell 吧？在前年年底，因为疫情和各种原因，Glassnode 这边当时计划大家去欧洲总部见面，但不同的国家有不同的规定。最后我们选择了墨西哥，因为墨西哥基本没有什么限制规定。David 是墨西哥人，所以我问他我们去哪儿好。最后不知怎的，他也加入到我们的行程中来了。在接下来的 5 周中，我们培养了非常好的友谊。从某个角度讲，David 是个富有创造力的思考者，每年读 2 次莎士比亚，非常聪明。他是创造力领域的人；而我是工程师，擅长逻辑和因果分析。 David 开始讲 Liveness。Liveness 一直是我最爱的指标之一，因为我觉得它很优雅。他一直讲 Liveness、Lost Coins，Lost Coins 其实是 Loss of Life。我说他说得对，如果我们持币不花的话，这其实就好像币表层的一部分丢失了。在后面的一个月里，我们就这样迭代和碰撞，最终搞定了这个框架的大部分。想法都有了，但后面我们还是花了 18 个月，才最终形成这样一份和我们在做的其他事情也自洽的报告。所以事实是，我们并没有主动去寻求新框架，它只是刚好蹦出来了。两个分析师，坐在泳池边，喝着啤酒聊着天，就产出了这个框架。过程很棒，我觉得有意思，然后就照着这个路子做了下去。 一开始的时候，我们发现 Active/Vaulted MVRV 这种指标似乎能更好地找到最高点和最低点，但最难的部分是解释。我们不想只是计算出一个比率然后跟大家说，看，有效果；我们想确保它有理论根基。 ![](https://storage.googleapis.com/papyrus_images/65006cbfdadd4707531a8d9a0501c737c0b81054ab0e1c10cdcd239f4855f4c4.png) ![](https://storage.googleapis.com/papyrus_images/a0b2c0a93a79193cfe64a80ba4aa6566c34a954244f2aa40f8058169b1678437.png) 等到 David 提出 AVIV Ratio（Active-Value-to-Investor-Value Ratio）的时候，一切就都迎刃而解了。AVIV Ratio 基本上围绕 1 上下波动，这在市场里并不常见。所以我当时预感，我们可能能发现什么东西。我们就这样深入了“兔子洞”。AVIV 可能是其中最具突破性的成果。不过你可能也看到了，这些指标的公式并不是很复杂，只是推理起来比较难。一旦点破，其实十分简单，但就是有道理。 ![](https://storage.googleapis.com/papyrus_images/50363c30ff4f9613f9f81f15a6c35114c2e860fc088b283b0b386dec986cda06.png) **Q：在构建 Cointime Economics 的时候，你是如何避免 bias 和过拟合的？** \*\*A：\*\*老实说，Cointime Economics 还有很多需要完善的。 我们目前只是看了 AVIV 的分布。虽然 AVIV 有一个突出特征——它很稳定，即偏度、均值、中位数都接近 1，但是我们后面还需要更全面地探索它。 ![](https://storage.googleapis.com/papyrus_images/25bfe7ed58327c4d42b78c4bae4fcd55b9312b1c6adfd731de1d68bd3cb4d1c6.png) 此外，我们看 Vaulted/Active MVRV 的时候发现，它们刚好一个能选中市场底部，另一个能选中顶部。我们的第一反应是，是不是我们只是运气好，为什么会这样，它们真的站得住脚吗。 坦白讲，还有很多要思考的点。 **Q：你的意思是，初次尝试提出这些指标的时候，未经微调，这些指标就已经这么完美了吗？** \*\*A：\*\*是的，基本上就是这样。 我们先把最初的构思放出来，后面还有迭代空间。比如在报告最后一章提到的，我们可能可以针对不同 Entity 来做 Cointime Economics 分析，或者跨资产来做比较。有很多方向可以深挖下去。 * * * 关于他个人的分析思路 ========== **Q：你个人的链上分析框架是什么？有哪些指标是你每天都会看的？你分别赋予它们多大的权重？** \*\*A：\*\*我想结合我如何应对 bias 的问题一起回答。 我以前会交易，但现在不会了。其中一个原因是，我不想让交易污染我的分析思路。所以大多数时间我不会持有仓位，我只专注分析，理解眼下在发生什么。我发现，不做交易，对我的分析思路大有裨益。 有些时候我还是会交易，这些时候我更倾向于交易期权。主要原因之一是，我认为期权容易很多，我喜欢期权的特性。考虑到比特币的波动性，你其实可以上涨和下跌都玩。你可以看到，今年年初的时候，波动性真的收缩到了很窄的水平；Realized Profit/Loss、交易量等指标都在告诉你，马上会有重大变化发生。投资者很疲惫，而我们从中看到了机会。所以我认为，期权真的是一个很好的工具，使用期权你能构建一个很鲁棒的交易策略。 回到关于我的分析框架和指标的问题。我至今为止最常使用的指标，集中在 Profit/Loss 领域。我发现 Realized Profit/Loss 在短期交易中极其有用。每个人都想赢，没人想亏钱。有很多人比较聪明，懂得市场的运作方式；但是，大多数人是不懂的，他们每次交易都会亏钱。一旦你明白了这点，你就知道，成功的关键在于寻找反向指标。一般而言，大家都在买的时候，买的人不是聪明钱；反之，大家都在割肉的时候就是底部。所以我认为 Realized Profit/Loss 真的非常非常有用。它本质是在告诉你，大多数人在干什么，而大多数人一般会做错。 ![](https://storage.googleapis.com/papyrus_images/fae4a7630431cc5505514e69d5b59fa3fa5ae53d8315b2983e91de97ef50d557.png) 这和心理学非常相关。我在链上数据上花的时间越多，我就越发觉，整个市场就是一部巨大的心理学教科书。你看数据，一些人五年前入场，现在卖，卖给的人正是他们在电视上看到的那些人。这是一个说明潜在市场结构的完美例子。如果你了解群体是如何运作的，你就知道这总会发生。 **Q：大多数链上指标都是当期指标，描述的都是当下已经发生的现象，有没有先导指标？** \*\*A：\*\*一般而言，我发现，当人们止盈的时候，一些事情会发生。让我们举个极端的例子，比如市场见顶了，这时很多人会卖，Profit 指标会上升，Coin Days Destroyed、Lifespan 指标也会上升，因为很多持有很久的币被卖了，币的供给变得相对年轻。所有这些事情都会和价格一块儿发生，但正是这些指标决定了价格见顶。 很多时候，我们需要往前看，判断我们是否在处于统计学上的巨大偏离中。花句话说，不管我们关注的时间周期是多久，如果我们开始看到有非常多人止盈，很多休眠的币回归流通，那么在某个时间节点上，供给将超过需求。 这种现象不仅在宏观层面会发生，在微观层面也会，正如每次价格冲高紧接着都会有一定程度的回落。在这类短的时间周期内，我们能看到，有一部分供给重新流向市场，它们刚刚好让价格见顶。所以微观层面这种现象也在不断发生，只不过我们举一个极端的例子能更好地说明这一点。 明白了这一点，剩下要做的就是看统计学偏离的情况，考虑跑什么量化模型，如何拆解先导指标，以及判断在一个价格冲高中，多大的供给算大。 * * * 关于链上指标的未来 ========= **Q：随着越来越多的人知道和应用链上指标，你认为它们的优势会在一定程度上消失吗，因为信息差没了？** \*\*A：\*\*理论上会，但我相信我们距离那个时刻还有很远。 以 200 天移动平均线为例。回顾2012年和 2013 年的价格走势，尽管没有比特币交易费，移动平均线仍然按照预期发挥作用。这是因为人类仍然以相同的方式做出反应，喜欢整数，如 200 天。因此，200 天移动平均线具有心理重要性，越多人参考它，它的实际效果就越大。这一现象并未改变。 我们都有自己的成本价，但如果取平均值，很可能都会在移动平均线附近。考虑到大多数人并非从事量化交易，只是遵循直觉，这种现象可能会持续很长时间。然而，如果技术发生变化，例如越来越多的币被托管，衍生品市场上可能会发生更多类似的事情。 如果你把 SOPR 和年化 Funding Rate 的图叠在一起看，你会发现两者完全一致。为什么呢？这是因为期货市场反映了现货市场的一部分行为。他们会在现货市场上有人获利了结的同时，继续利用杠杆。因此，现货市场上的未实现利润走高，但其他人却利用杠杆在顶部买入。这导致等式另一侧的数据有相同的行为特征。 ![](https://storage.googleapis.com/papyrus_images/5fdecb478608d5036144fe694412a378c4346d9ac3f3fbfc89d344ded61f03ae.png) 我们应该关注期货市场对现货市场的影响。在现货方面，每天都有数亿至数十亿美元的比特币双向流入和流出交易所。虽然有时这些数据可能像噪音而非信号，但有时会有 40% 到 50% 的现货量流入或流出。因此，我们实际上只是在研究两个具有统计意义的子集。如果这 2 个数据集告诉我们一个类似的故事，那么我们可以得到一个非常好的融合，作为交易者，可以看到杠杆增加和聪明的资金获利了结，这两件事都预示着风险。当它们出现的时候，我们就可以开始降低仓位。 **Q：所以你有没有遇到过这种情况，比如某一篮子的指标，你用它来预测短期价格走势，在 2018 年的时候还很奏效，但五年之后，到了 2023 年，却失效了，因为指标里有了各种噪音？** \*\*A：\*\*对此我有 2 点回答。第一点，我保证这种情况肯定发生过。第二点，我没有一个很好的测度记录。要知道，链上分析在 2018 年的时候基本上不存在。我们当时还在探索，什么是 Realized Cap，什么是 MVRV Ratio。 要举例的话，NVT 也许是一个完美的例子。交易行为模式改变了，导致 NVT 基本失效了。 话说回来，即便我们站在 2021 年的最高点上，拥有各种工具和指标，我们就能对情况做出准确判断吗？没人有把握，而我的工作就是搞清楚这些指标有什么作用。我们的 Newsletter 就是干这个的。我们从实践中学习。 回忆过去 2 年半，尤其是过去的 6 个月，我们花很多精力完善我们的工具。现在我们认为我们有了一系列的工具，它们能讲一个完整且前后一致的故事。一旦我们发现，有些指标之间会出现合力，而且相似情况再次出现的时候，这些指标总是会蹦出来，我们就会写更多文章，来探索这些尚未成形的想法。在幕后，我们会跑一些量化模型、机器学习算法来验证我们的直觉。 所以答案是，我们还没遇到很多失效的指标，虽然 NVT 是一个例子。我觉得在下一轮周期的时候，这个问题会更相关。到时候我们再看看，在托管服务的发展等因素的作用下，哪些指标会失效。 **Q：所以链上指标是一个永远进行中的作品？** \*\*A：\*\*是一个进行中的作品，不过我们要比以前更接近它的完成态。David 和我在墨西哥的时候还聊起这个。我们当时认为，考虑到我们现在有的各种指标，这个作品的完成度也许是 85%。Cointime Economics 这个新框架出来后，完成度能提升到 90%。 接下来我们还会继续完善。举个例子，托管服务目前我们是排除在外的，因为它们的多签钱包和托管安排的特征很不一样；但你以后我们可能会开始关注托管服务相关的资金流。换句话说，我们会越来越细化。就好像经济，虽然经济越来越复杂，但凭借一些宏观数据，你仍然能讲一个很好的故事，尽管这些数据可能被做了一些美化。 **Q：除了链上指标，你在分析的时候还会考虑宏观经济指标吗？** \*\*A：\*\*我每周会花 10 小时的闲暇时间，听宏观经济播客。我很喜欢，我觉得宏观很有意思，就像一个不可破解的谜团。我把宏观当成一个爱好来学习。我倒不一定会跟踪宏观数据，但我会留意 Twitter 上的各种图表。虽然我不会专门讲宏观，但这些思考其实都会融入我的分析中。 在最近几周，我们开始聚焦稳定币，因为在我们所处的生态系统中，稳定币和波动就能体现货币政策。即便不看美国国债收益率，光凭它们，我们也能感知当下的货币政策。 **Q：回到链上指标的话题。考虑到中心化交易所、托管服务，乃至传统交易所和其他机构服务不断发展，在生态中的影响越来越大，你觉得所有这些链上指标还能在多大程度上解释价格？** \*\*A：\*\*我觉得这可能是我们讨论到的话题中最重要的一个。你提到的一些发展非常有可能改变我们看待链上数据的方式。 我的基本观点是，它们会让整个比特币经济更加有活力，有更多组成部分。凭直觉讲，我认为以后我们在分析链上数据的时候，可能会更细分，比如针对 GBTC、特定的 ETF 组合以及托管服务去做特定的分析。 举个例子，一些地址属于 Fireblocks 的托管服务。托管服务有时会调整资金在不同钱包间的分配，这些交易会在链上进行，我们可能需要根据多签的一些特征，把这些交易抽离出来。接下来，假设我们看到灰度、贝莱德相关的转账交易，我们就要分析这些转账是来自交易所还是投资者。再假设我们已知有 6 个人有权在贝莱德内部做套利交易，我们就能把他们和贝莱德这个主体关联起来。总之，到时候会有很多新的数据分析方式。 还有个特别的点在于衍生品市场的存在。你可能需要看多个数据集，比如将现货和衍生品结合在一起看；这和你现在看标普 500 的方式其实类似。说到底，这些方式其实都是传统市场中既有方式的延伸，只不过我们每 10 分钟出一个区块罢了。而且我们比传统市场拥有更多的透明信息——我敢肯定黄金投资者是很想要有这种程度的数据的。 **Q：未来肯定还会有很多新的要素蹦出来，你怎么保证这些新的要素能被及时发现，并被纳入到分析框架中呢？** \*\*A：\*\*我认为头一件事就是继续撰写 Newsletter。 Newsletter 是我们保持前沿的一种方式。 当然，在这个领域，我们仍在探索，但我们发现我们可以找出一些真正的关键值。 我们发现，Realized/Unrealized Profit/Loss 这类指标真的非常非常强大，因为这是交易最根本的动机所在。 我把一切都归结为心理学。 人们为什么决定购买或出售？ 盈利是一个很大的因素。 在看数据前，数据清洗非常重要，你需要辨别哪些交易是真正的买币，而非交易所的内部流动。内部流动占了交易量的 25%，这也是为什么 Glassnode 要根据 Entity 对指标做调整。对比 Realized Cap 和根据 Entity 调整后的 Realized Cap，你会发现两者之间有 5—10% 的差异；对比成交量和根据 Entity 调整后的成交量，你会发现两者之间存在 80% 甚至 90% 的差异。 数据清洗做的就是过滤噪音。 Spending 是真正推动市场的行为。长期持币者拥持币是件好事，对吧，但那已经是五个月前的事了，它告诉你五个月以来没有发生什么，但 Spending 告诉你发生了什么。所以我认为 Realized Profit/Loss 是驱动因素。 现在我们有做数据清理，根据 Entity 调整指标，给托管服务和交易所打标，对地址做长期和短期分群。除此之外，我很肯定，我们还可以探索并且进一步细分，比如短期持币者和长期持币者都可以进一步细拆。以长期持币者为例，我们可以大概以 3 年为界来二次拆分。我们最近写了一份报告叫《[Buying High and Selling Low](https://insights.glassnode.com/buying-high-and-selling-low-the-long-term-holder-learning-curve/)》，讲的是很多人在这个周期第一次入场，他们买了之后一直没卖，成为了长期持币者，但市场跌倒底部的时候他们卖出了。这些人是第一次经历周期，他们犯了所有人都会犯的错误。他们犯错后会吸取教训学习，然后在下一个周期做正确的事情。你可以在链上看到他们的成长。所有这些现象植根于人类心理。指标将始终有效，因为市场会变化，但我们的大脑不会。 自 20 年代以来，我们一直在市场上做同样的事，所以这一切都不会改变。 这是一个非常有意思的领域。 我们现在探索了很多方向。大家将开始在我们的报告中看到，我们会开始频繁使用相同的工具，因为我们逐渐确定了真正有价值的东西。它们能让你在克服 bias、设定仓位等方面比别人更厉害。很多人不知道这些东西这么有用，这反而让我们更有优势。 --- *Originally published on [无环图](https://paragraph.com/@0x257dfbc2836361d04fc4badcc3645a9bc63abdbf/28)*