1.数字货币市场经常是动荡不安的。虽然近期，3月市场波动的原因非常明显，即因COVID-19的传播而导致数字货币空前地涌入交易所。但通常还是很难确定波动的原因，即使已有大量的可用数据。
2.我们开发了一种通过算法来识别链上事件的方法，这些事件虽然在时间上持续短暂但对于BTC流入交易所的趋势产生了重大影响。通常与那些没有外部解释的大幅度价格波动相关。我们认为随着市场逐渐复苏，这种分析方法将是做出正确决策的关键。
3.我们通过比较BitMEX上的市场情绪，以及流入交易所的链上资金来调查其中的一个事件。
4.我们发现了一系列有趣的事件。首先大量BTC通过几次转账发送到现货交易所，接着在BitMEX上出现了大量异常的逆势空头头寸，随后BTC价格大幅下降。
5.最后，我们展示了如何自动识别最先接收到流量持续增长的交易所，这是最有可能启动价格变化的交易。
识别市场事件
尽管我们能够从市场上获得大量相关数据，数字货币中极端市场事件的原因可能是非常神秘的。与仅提供交易活动的传统市场不同，我们既可以看到交易所内部的数字货币交易，又可以看到进出交易所的链上资金流动。我们将各项数据组合在一起，这可以帮助我们了解市场事件是由于少量人将大量资产移入和移出交易所而引起的，或是由其他新闻（例如Libra的公告）推动的，并且我们需要对这些事件进行更详细的调查以充分了解原因。
为了调查市场事件发生的原因，我们首先需要确定对当前的趋势来说，使得趋势发生变化的时间，而并不是去寻找某次不经意的波动。我们将一个变点检测算法应用到Chainalysis所调查的数百个交易所以研究链上BTC的流入。链上资金流入增加了可用于在交易所进行交易的数字货币的数量。因此，如果当前的趋势发生变化，那么交易条件也会做出相应调整，即如果BTC流入量增加，则市场可以出售更多的数字货币，而如果流入量减少，则可供出售的数量也会减少。正是因为交易者需要时间来适应这些变化，BTC的价格才会发生大幅波动。
在2019年，该算法检测到BTC流入交易所趋势的八个极端变化，如下图1所示。当这些事件彼此接近时，表明在链上发生了一个极端事件，以灰色阴影显示，此后链上资金流入又恢复了正常趋势。这些连锁事件通常但并非总是与主要的价格变化同时发生。
并非所有的链上流入变化都可以被定义为市场事件。链上资金流入似乎有一个自然的周期，大概是因为一方面交易者在交易所之间转移资产以实现套利，而另一方面则是为了安全性将从交易所购到的BTC转移至自己的钱包。此外，BTC一旦存入交易所并不意味着可以立即卖出，交易者要等一段时间，并且可能不得不等到许多区块链确认后才能出售。
数据：已有95%的Cardano链上区块来自1.35.3版本节点:金色财经报道，据Cardano区块链开发团队Input Output透露，他们已在备受期待的 Vasil 硬分叉方面取得了重大进展，截至 9 月 12 日，95%的Cardano链上区块来自1.35.3版本节点。
据此前披露消息称，Cardano 要求网络节点升级到 1.35.3 版本需要达到 75% 的阙值。此外，截至9月12日，大多数高流动性交易平台已经整合了Vasil，包括Binance和Coinbase等，但Zipmex、CEX.io、CoinDCX、Coinbase Pro等交易平台尚未加入。按照Cardano披露的信息，Vasil预计在9月22日上线，为了能够触发Vasil升级，流动性最高的25家加密货币交易平台中80%必须支持。（u.today）[2022/9/13 13:26:01]
有些价格变化与算法识别的链上事件并不一致。这类消息主要改变了人们对数字货币长期前景的看法，从而导致了由需求主导的价格快速变化。尽管这一消息引发了链上反应，资金流入在消息宣布后有所增加，但可能有些人会急于以更高的新价格卖出。但这似乎并未对链上资金流入产生重大影响，而这种影响通常似乎只与市场的短期变化有关。
重现市场事件
然而链上事件的发生与重大价格变化的巧合既合乎逻辑又经常发生。为了对此进行进一步调查，我们将在2019年6月至2019年9月这四个月的时间内进行更详细的研究，其中包含两个链上事件。第一个事件与6月18日Libra宣布推出之后的BTC价格下跌同时发生，该事件造成了持续24天的链上波动和价格波动期。第二个事件恰逢9月24日BTC价格下跌超过$ 1,000。
如图2所示，在这四个月中，我们观察了资金流入的增减情况（由9小时的滚动平均值表示），并计算了其离平均值之间的差异超过三个标准偏差的时间点。这些由变点检测算法所识别出可作为的事件的时间点包括了那些极端变化。这有助于解释为什么在算法上将这些时间段识别为链上事件。因为这些资金流入是如此罕见，以至于一定会发生些与正常情况截然不同的事情。
为了了解导致这种异常行为的原因，我们研究了资金流入的变化是否是需求的异常变化导致的，或者需求的变化是否是因资金流入的异常变化导致的。为了对此进行研究，在图3中，数据的时间跨度是6月20日事件发生的前两天，并以30分钟为一次时间间隔，我们关注了以下几点：
1. BitMEX交易所多空头寸流动性的变化，这是反映市场情绪的最佳指标。
2.这些变化是否是由于少数的交易行为引起的。
3. 流入交易所的资金总额。
4. 这些资金流入是否是由于链上资金转移导致的。
图三的第一个曲线图显示，BitMEX较受欢迎的永久掉期合约开立新的净头寸通常与其价格相匹配。当价格下跌时，净头寸通常是做空的，反之亦然。从30分钟的时间间隔来看，这表明了人们对永久掉期市场价格的看法是与现货市场价格紧密相连的，该市场在04：00、12：00和20:00 UTC支付（即每8小时支付一次）。但是，在6月26日17:00 UTC是一个有趣的时刻，尽管净头寸做空了7,600万份合约，而价格却在上涨，但在价格下跌前的3个小时，即20:00之前，价格下跌了约1600美元，跌幅超过10%。
图3的第二个曲线图显示，最大的3%交易单平均占BitMEX交易的永久掉期合约交易总量的48％，而最大的100个交易单占总交易量的14％，这表明市场中并没有某个参与者能够左右市场。实际上，这显示了数字货币相对较低的集中度，通常只有(非常)一小部分人进行了大部分的交易活动。此外，随着时间的推移，集中度相对处在恒定水平，这表明参与者很少进行超大型交易。但是，交易集中性是市场集中性的下限，因为单个交易者可能进行多笔交易，并且交易规模应受订单簿深度的限制。
图3的第三个曲线图显示了BTC在链上流入所有交易所的情况。在三天的时间里，每30分钟间隔流入量从350到8,440BTC不等，平均为2,560BTC。在6月26日出现了一个有趣的时刻——15:00 UTC，在上述反向空头头寸的两个小时之前，交易所在30分钟内收到了8,100枚BTC，是平均水平的三倍多。
图3的第四个曲线图显示了链上流入量占最大转移量的比例，该曲线图与第二个曲线图类似，但用于链上转移而不是交易。最大的5％的转移量平均占链上流入量的85％，而最大的5个转移量则占33％。很显然它呈现出高度集中性，有时它还会变得更加集中。结果即是少数市场参与者对市场有很大的影响力。这也是一个下限，因为转移是价值从一个地址到另一个地址的转移，且一个人可以控制多个地址。最集中的时间之一是6月26日15:00 UTC，当时8100个BTC中有70％通过五笔最大的转账存入交易所。
数据显示了一系列的事件：
1. 15:00 UTC：少量转账导致大量的BTC流入交易所。
2. 17:00 UTC：BitMEX的反向净空头头寸为7,600万张合约
3. 20:00 UTC之前：随着永久掉期支付，BTC价格下跌了12％
在这种情况下，我们看到交易所的供应出现了异常的变化，从大量的集中资金流入，到需求出现不同寻常的变化，再到反向做空，再到价格突然大幅下跌。
这也许只是巧合。但数字货币市场是去中心化的且不成熟的，通常需要结合实际发生的事情来解释数据。但是，过去曾有人担心，交易员在作为衍生品交易所使用的价格指数组成部分的现货市场进行大规模集中交易。他们这样做可能是为了从押注BTC价格将下跌的杠杆押注中获益。当大量BTC在流动性相对较差的现货市场上出售时，押注价格下跌几乎是必然的。
深度探究交易所和资产转移程度
链上数据可以通过查看特定交易所的流入量来帮助测试这些担忧是否是成立的。但有一个挑战是，当价格发生重大变化时，所有交易所的BTC流入都会增加。因此，我们想找出比其他交易所更早发生异常流入的交易所。为此我们会分别分析目标时间段内每个交易所的流入量，并找出最早发生流入量变化最大的交易所。
图4显示，在6月26日，相对于所有其他交易所，构成BitMEX价格指数的一个交易所的资金流入出现了大幅提前增长。
但并不能确定这一系列事件是否是同步发生的。例如，交易所流入量增加而BTC价格却没有同步随之增加。随着所有包含在BitMEX价格指数中的衍生品交易所数量增加，这种现象在未来应该不会再发生。
我们可以更进一步研究。特别是在Chainalysis Reactor中研究的某几个转账地址。图3显示，从6月26日的15:00 UTC到15:30 UTC，交易所在30分钟内收到了8,100枚BTC，其中70％的BTC是通过五个最大的转账地址存入交易所的。
图5显示，如果我们研究这五个转账地址，其中三个最大规模的转账地址几乎是同时发送到两个交易所的，这两个交易所均是BitMEX的价格指数的组成部分。它们很可能是由一个实体控制，这表明此市场事件是精心策划的。
链上数据提供了对数字货币市场的独特见解，这是传统市场所没有的。在加密市场中，您不必仅依赖于交易数据，因为它这可能是不准确的。链上数据所展示的模式可以通过算法进行分析，以识别何时发生市场事件。在如此动荡的市场中，这是很有价值的指导，我们可以使用链上数据来重现市场事件，以确定事件的可能原因。随着市场的恢复，我们相信这些见解将是做出正确决策的关键。
Chainalysis 作者
子铭 翻译
Roy Wang 编辑
内容仅供参考 不作为投资建议 风险自担
版权所有 未经允许 严禁转载
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。