Analyse des données on-chain BTC : Les traders révèlent les indicateurs clés et la méthodologie.

Texte

Animateur : Partenaire de recherche chez AlexMint Ventures

Invité : Colin, Trader libre, Chercheur de données on-chain

Date d'enregistrement : 2025.2.15

Bonjour à tous, bienvenue dans WEB3 Mint To Be. Ici, nous posons des questions continues et réfléchissons en profondeur, clarifiant les faits, explorant la réalité et cherchant un consensus dans le monde de WEB3. Nous clarifions la logique derrière les sujets d'actualité, fournissons des perspectives qui vont au-delà des événements eux-mêmes et introduisons des angles de réflexion diversifiés.

Déclaration : Le contenu discuté dans cet épisode de podcast ne représente pas les opinions des institutions des invités. Les projets mentionnés ne constituent pas des conseils d'investissement.

Alex : Cet épisode est un peu spécial, car nous avons précédemment discuté de nombreux sujets liés à des pistes ou des projets spécifiques, et avons échangé sur des narrations périodiques, comme lorsque nous avons parlé de mèmes. Mais aujourd'hui, nous allons parler de l'analyse des données on-chain, en particulier de l'analyse des données on-chain de BTC. Nous allons examiner de près son fonctionnement, ses indicateurs clés, et apprendre sa méthodologie. Dans l'épisode d'aujourd'hui, nous allons mentionner de nombreux concepts liés aux indicateurs, et les énumérer au début de la version écrite pour faciliter la compréhension de tout le monde.

Les indicateurs de données et concepts mentionnés dans ce podcast :

Glassnode : une plateforme d'analyse de données en chaîne couramment utilisée, nécessitant un abonnement payant.

Prix réalisé (Realized Price) : calculé en fonction du prix au moment du dernier mouvement sur la chaîne de Bitcoin, pondéré pour refléter le coût historique sur la chaîne du Bitcoin, adapté pour évaluer l'état global des profits/pertes du marché.

URPD : Distribution des prix réalisée. Utilisé pour observer la distribution des prix des jetons BTC.

RUP (Profit non réalisé relatif) : profit non réalisé relatif. Utilisé pour mesurer le ratio des profits non réalisés de tous les détenteurs de bitcoins par rapport à la capitalisation boursière totale.

Cointime True Market Mean Price : un indicateur de prix moyen en chaîne basé sur le système Cointime Economics, conçu pour évaluer plus précisément la valeur à long terme du BTC en introduisant le "poids du temps" du Bitcoin. Par rapport au prix du marché actuel du BTC et au prix du marché réalisé (Realized Price), le True Market Mean Price sous le système Cointime prend également en compte l'impact du temps, ce qui le rend adapté aux prix sur de grands cycles du BTC.

Shiller ECY : un indicateur de valorisation proposé par le lauréat du prix Nobel d'économie Robert Shiller, utilisé pour évaluer le potentiel de rendement à long terme des marchés boursiers et mesurer l'attractivité des actions par rapport à d'autres actifs. Il est dérivé de l'indice du ratio cours/bénéfice de Shiller (CAPE) et prend principalement en compte l'impact de l'environnement des taux d'intérêt.

opportunité d'apprendre l'analyse des données sur la chaîne

Alex : Aujourd'hui, notre invité est le trader libre et chercheur de données sur la blockchain, Colin. Commençons par laisser Colin saluer notre auditoire.

Colin : Bonjour à tous, tout d'abord, je tiens à remercier Alex pour l'invitation. J'ai été un peu surpris quand j'ai reçu cette invitation, car je suis un petit investisseur anonyme et je n'ai pas de titre particulier, je fais juste mon propre trading en silence. Je m'appelle Colin, et j'ai trois manières de me définir : Premièrement, je suis un trader axé sur les événements, je réfléchis généralement à des stratégies de trading basées sur des événements ; Deuxièmement, je suis analyste de données on-chain, c'est aussi ce que je partage principalement ; Troisièmement, je suis plutôt conservateur, je me considère comme un investisseur indiciel, je choisis de placer une partie de mes fonds dans les grandes capitalisations du marché américain, en utilisant ces fonds pour réduire le Beta de ma courbe d'actifs et maintenir une certaine défense dans l'ensemble de ma position.

Alex : Merci à Colin pour sa présentation. Je l'ai invité à participer à l'émission parce que j'ai trouvé son analyse des données en chaîne sur le bitcoin très inspirante. C'est un sujet que nous avons moins abordé auparavant et qui manque dans ma propre section. J'ai lu sa série d'articles et j'ai trouvé sa logique claire et ses propos pertinents, c'est pourquoi je l'ai invité. Je tiens à rappeler à tout le monde que, aujourd'hui, tant mes opinions que celles de l'invité sont très subjectives et que les informations et opinions peuvent changer à l'avenir. Différentes personnes peuvent avoir des interprétations différentes des mêmes données et indicateurs. Le contenu de cet épisode ne constitue pas un conseil d'investissement. Ce programme mentionnera certaines plateformes d'analyse de données, uniquement comme partage personnel et exemples, et ne constitue pas une recommandation commerciale. Ce programme n'a reçu aucun parrainage commercial de la part de plateformes. Entrons dans le vif du sujet, parlons de l'analyse des données en chaîne des actifs cryptographiques. Comme mentionné précédemment, Colin est un trader, dans quelles circonstances avez-vous commencé à vous intéresser et à apprendre l'analyse des données en chaîne des actifs cryptographiques ?

Colin : Je pense que cette question devrait être décomposée en deux parties. D'abord, je pense que peu importe qui se trouve autour de nous, tant que ce sont des personnes qui souhaitent entrer ou qui sont déjà dans le marché financier, y compris moi-même, l'objectif principal devrait toujours être de gagner de l'argent, d'utiliser les profits pour améliorer sa qualité de vie. Donc, ma philosophie a toujours été cohérente, c'est d'apprendre tout ce qui peut m'aider à réaliser des profits. De cette manière, j'améliore les attentes de mon système de trading global, en termes simples, tout ce qui peut rapporter de l'argent, je vais l'apprendre. La deuxième partie, c'est que j'ai commencé à m'intéresser aux données on-chain par pur hasard, il y a environ six ou sept ans, à l'époque je ne comprenais rien, je regardais ça, je regardais cela. En explorant divers domaines, j'ai découvert des théories de recherche très intéressantes que je voulais apprendre. À l'époque, j'avais aussi découvert par hasard qu'il y avait un domaine appelé analyse des données on-chain lié au Bitcoin, alors j'ai commencé à apprendre et à étudier. Plus tard, j'ai commencé à combiner les connaissances acquises dans d'autres domaines, principalement dans le développement de trading quantitatif, pour les intégrer aux données on-chain, puis développer certains modèles de trading, et enfin intégrer ces modèles dans mon propre système de trading.

Alex : Alors, depuis que tu as officiellement commencé à t'intéresser à l'analyse des données sur la chaîne, combien d'années as-tu étudié et recherché de manière assez systématique jusqu'à présent ?

Colin : Je pense que c'est difficile à définir, en fait, je n'ai jamais vraiment étudié cela de manière systématique. Parce que depuis le passé jusqu'à maintenant, j'ai rencontré un problème, c'est que je n'ai en fait jamais vu d'enseignement systématique. Depuis le tout début, lorsque j'ai découvert ce domaine, cela fait peut-être plusieurs années déjà, j'avais remarqué cela, mais je ne l'ai pas approfondi, j'ai juste lu deux ou trois articles pour comprendre ce concept. Après un certain temps, je suis revenu voir des contenus plus approfondis, à ce moment-là, je me concentrais sur d'autres choses, puis je suis revenu ici, j'ai trouvé cela assez intéressant, donc j'ai continué mes recherches. Je n'ai pas eu de temps pour un apprentissage systématique, c'est juste un peu ici et là.

Alex : Je comprends, alors depuis combien de temps as-tu appris à utiliser les données de la chaîne pour les appliquer à tes investissements réels ?

Colin : Cette limite est assez difficile à définir, mais je pense que c'est proche du cycle de deux tours de Bitcoin... mais ça ne peut pas vraiment être considéré comme deux tours, cela dépend de si vous commencez à définir à partir d'un marché haussier ou d'un marché baissier. J'ai commencé à m'y intéresser vers 2020, 2019, mais à ce moment-là, il n'y avait pas d'application réelle, parce que je n'osais pas, je n'étais pas encore très familier avec ce concept, mais j'avais déjà commencé à apprendre.

La valeur et le principe de l'analyse des données sur la blockchain

Alex : Compris. Nous allons aborder de nombreux concepts spécifiques concernant l'analyse des données en chaîne, y compris certains indices. Quelles sont généralement les plateformes d'observation des données en chaîne que tu utilises au quotidien ?

Colin : J'utilise principalement un site, qui est Glassnode. Pour faire simple, il est payant. Il y a deux niveaux d'abonnement, l'un est la version professionnelle qui est assez chère, je me souviens qu'elle coûte plus de 800 dollars par mois. Le deuxième, je l'ai un peu oublié, coûte environ une trentaine à quarante quelques U par mois. Il y a aussi une version gratuite, mais les informations disponibles dans la version gratuite sont en fait très limitées. Bien sûr, à part Glassnode, il y en a beaucoup d'autres, mais j'ai finalement choisi celui-ci parce qu'au départ, lors de ma sélection et de mes recherches, ce site correspondait le mieux à mes attentes.

Alex : Je comprends, après avoir consulté beaucoup d'informations de Colin, je me suis également inscrit sur Glassnode et suis devenu membre payant. En effet, je trouve que leurs données sont très riches et leur instantanéité est également bonne. Alors parlons de la deuxième question, tu as mentionné que tu es trader, et ce que tu apprécies, c'est l'aide qu'il apporte à la pratique de l'investissement. Quelle est la valeur fondamentale de l'analyse des données on-chain dans ton investissement ? Quels en sont les principes sous-jacents ? Peux-tu nous en parler ?

Colin : D'accord. Tout d'abord, je vais parler du premier point, c'est-à-dire la valeur et le principe de l'analyse des données sur la chaîne. Je compte les combiner ensemble, car c'est en fait assez simple. Dans notre marché financier traditionnel, que ce soit l'échange d'actions, de contrats à terme, d'options sur obligations, voire de biens immobiliers, ou même de matières premières, le Bitcoin a une différence fondamentale avec eux, à savoir qu'il utilise la technologie blockchain. La valeur la plus importante et la plus souvent évoquée de cette technologie est sa transparence. Toutes les informations sur le transfert de Bitcoin sont publiques et transparentes, donc vous pouvez directement voir sur la chaîne, par exemple, 300 Bitcoins transférés d'une adresse à une autre, ce qui peut être consulté sur un explorateur de blockchain. Bien que je ne puisse pas savoir qui se cache derrière cette chaîne d'adresses, cela n'a pas d'importance, car en réalité, aucun individu ne peut influencer l'évolution des prix et la tendance du Bitcoin. Donc, normalement, lorsque nous étudions les données sur la chaîne, nous regardons l'ensemble du marché, nous observons sa tendance, le consensus et le comportement du groupe. Même si je ne sais pas qui se cache derrière telle ou telle adresse, je peux analyser le flux de leurs jetons en consolidant toutes les adresses, voir s'ils ont déjà réalisé des bénéfices ou des pertes, comment leur situation bénéficiaire se présente, comment se présente leur situation déficitaire, et à quel niveau de prix ils préfèrent acheter beaucoup de Bitcoin ou à quel niveau de prix ils n'aiment pas acheter du Bitcoin. Ces données sont en fait visibles. C'est ce que je considère comme la plus grande valeur de l'analyse des données sur la chaîne du Bitcoin par rapport à d'autres marchés financiers, car d'autres marchés ne peuvent pas faire cela.

Alex : C'est vrai que c'est très important. Comme pour nos investissements en cryptomonnaie, il faut analyser les fondamentaux de la même manière que pour les actions ou d'autres produits. Comme vous l'avez dit, les données sur la chaîne sont transparentes, tout le monde peut les observer. Si d'autres investisseurs professionnels regardent les données sur la chaîne et que vous ne le faites pas, c'est comme si vous aviez un manque d'une arme très importante dans vos investissements.

Les défis de l'analyse des données sur la chaîne

Alex : Lorsque vous faites de l'analyse de données sur la chaîne en pratique, quels pourraient être, selon vous, les principaux points difficiles et défis ?

Colin : Je pense que cette question est très bien posée, et je prévois de répondre en deux parties. La première partie est relativement facile à résoudre, il s'agit d'un point difficile à aborder dans l'apprentissage, à savoir les connaissances de base. Pour la plupart des gens, y compris moi à l'époque, il est très difficile de trouver un enseignement véritablement systématique. Bien sûr, je n'ai pas demandé en personne s'il existait des cours payants de ce type, mais s'il y en avait, je n'aurais probablement pas eu le courage de les acheter, car même si je fais du trading depuis un certain temps maintenant, je n'ai pas vraiment tendance à payer pour des cours. Je n'ai jamais suivi de cours d'enseignement systématique, donc en réalité, tout le contenu doit être découvert et exploré par soi-même. Il existe de nombreux types de données sur la chaîne, et dans le processus de recherche, ma philosophie est de comprendre le mode de calcul et les principes derrière chaque indicateur que j'ai consulté. C'est en fait un processus très chronophage, car lorsque vous voyez un certain indicateur, il vous donnera une formule de calcul ; mon idée est d'analyser ce que cette formule de calcul signifie et pourquoi elle a été conçue de cette manière. Une fois que j'ai compris tous ces indicateurs, je dois alors faire une deuxième chose appelée sélection. Les personnes ayant de l'expérience dans le développement de stratégies quantitatives ou ayant étudié des indicateurs savent en fait une chose : la corrélation entre de nombreux indicateurs est très élevée. Une corrélation trop élevée peut poser un problème, c'est-à-dire que lors de l'interprétation, il est très facile de générer du bruit, ou vous pourriez surinterpréter. Prenons un exemple, disons que j'ai un système d'évasion de sommet, ce système d'évasion de sommet pourrait avoir 10 signaux numérotés de 1 à 10, supposons que si la corrélation entre les signaux 1 à 4 est trop élevée, cela pose un problème. Par exemple, si le prix du Bitcoin subit un certain type de comportement ou de changement aujourd'hui, cela pourrait faire en sorte que les signaux 1 à 4 s'allument simultanément, ce qui est en fait très problématique. Parce que si leur corrélation est trop élevée, c'est un phénomène inévitable. Si aujourd'hui, parmi les 10 lumières, 4 s'allument et que vous dites que c'est dangereux, en réalité, ce n'est pas très raisonnable, car cela aurait dû s'allumer. Si vous ne les segmentez pas en fonction de la corrélation, ce phénomène est très susceptible de se produire. Dans mes recherches.