В отличие от традиционных рынков финансов, где балансы компаний публикуются раз в квартал, технология блокчейн позволяет аудитировать экономическое поведение сети в режиме реального времени. Ончейн-аналитика и количественные модели превращают массивные потоки данных блокчейна в практические метрики для оценки фундаментального состояния рынка, выявления макроэкономических потолков или оснований и снижения рисков чрезмерного долгового плеча.
1. Метрики фундаментальной оценки и ончейн-сентимент
* MVRV Z-Score: сравнивает рыночную капитализацию с реализованной капитализацией (рассчитывается путем суммирования стоимости каждого UTXO по цене, по которой он в последний раз перемещался) и стандартизирует разницу с помощью стандартного отклонения. Z-Score выше 5.0 указывает, что рыночная капитализация крайне завышена относительно базовой стоимости приобретения сети, что исторически сигнализирует о пиках цикла. Напротив, Z-Score ниже 0.1 означает, что рыночная цена торгуется ниже глобальной средней цены покупки, отражая периоды капитуляции и накопления.
* SOPR (Spent Output Profit Ratio): Определяет долю реализованной участниками прибыли или убытка за заданный день путем деления цены продажи UTXO на его цену покупки. Значение выше 1.0 указывает на то, что в среднем транзакции совершаются с прибылью, тогда как значение ниже 1.0 отражает продажи в убыток. Во время коррекций в рамках восходящего тренда SOPR обычно отскакивает от 1.0, превращаясь в динамическую поддержку рентабельности.
2. Сегментация участников: LTH против STH
Передовой количественный анализ разделяет сеть на держателей долгосрочных позиций (Long-Term Holders, LTH) и держателей краткосрочных позиций (Short-Term Holders, STH), используя порог 155 дней — статистическую точку, с которой вероятность того, что монета будет потрачена, резко снижается.
* Динамика накопления: На дне рынка LTH агрессивно накапливают, в то время как STH капитулируют. Во время фаз бычьей эйфории LTH постепенно распределяют свои позиции в пользу STH.
* STH-NUPL (Net Unrelized Profit/Loss): отражает нереализованную прибыль или убыток наиболее реактивной части капитала в ответ на цену. Экстремальные уровни по этому показателю указывают на неизбежную эйфорию и повышенный риск резкой коррекции.
3. Статистические модели и прочие индикаторы тренда
* Логарифмическая регрессия: подстраивает исторический рост актива с учетом закона убывающей отдачи и роста зрелости рынка. Использует параметры, оптимизированные методом наименьших квадратов, чтобы построить процентильные коридоры, которые выступают как логарифмическая поддержка и сопротивление между циклами.
* Модель степенного закона (Power Law): предполагает, что рост цены и принятия децентрализованной сети следует степенной зависимости от времени. Этот подход утверждает, что актив не демонстрирует бесконечное экспоненциальное поведение, а масштабируется по автоподобному детерминированному закону в долгосрочной перспективе.
* Множественный показатель Puell (Puell Multiple): оценивает ежедневные доходы майнеров относительно их 365-дневной скользящей средней. Значения выше 2.4 отмечают периоды перегрева и сильного давления со стороны майнеров на продажу, тогда как значения ниже 0.5 указывают на моменты финансового стресса и капитуляции майнеров.