Glassnode: Comment l'âge des pièces affecte-t-il le mode d'achat et de vente de BTC?

Auteur : Mario Schröck, Glassnode, Glassnode ; Traduction : Tao Zhu, Jinse Finance

Préface

La blockchain transparente de Bitcoin permet une analyse détaillée des variations de jetons et des comportements des détenteurs. En examinant l’âge des transactions non dépensées (UTXO) et leur probabilité de dépense, nous pouvons mieux comprendre la dynamique de l’écosystème Bitcoin. Cet article explore la relation de puissance entre la limite de temps de l’UTXO et la probabilité d’achat et de vente, révélant comment les modèles prévisibles de détention et d’échange de jetons évoluent avec le temps.

Pourquoi cette analyse est importante

La compréhension du comportement des dépenses UTXO de Bitcoin offre des informations précieuses aux traders, aux investisseurs et aux analystes. En révélant des schémas prévisibles de contrôle des monnaies dormantes, vous pouvez :

• Stratégie d’investissement améliorée : Prédire les changements potentiels de liquidité et mieux mesurer le sentiment du marché.
• Amélioration de l’analyse on-chain : Utilisation d’un cadre mathématique pour compléter les indicateurs traditionnels LTH/STH.
• Prédiction du comportement des détenteurs : détermine quand le jeton pourrait revenir en circulation, indique le moment des échanges ou des décisions.

Que vous cherchiez à optimiser votre algorithme de trading, à analyser les tendances du marché ou à améliorer votre méthode d’investissement, ce cadre peut vous offrir des avantages clairs et axés sur les données dans l’écosystème Bitcoin.

Qu’est-ce que UTXO et la probabilité de dépense?

Le cœur de la blockchain Bitcoin est le modèle UTXO. UTXO représente les sorties de transaction non dépensées - essentiellement les blocs Bitcoin reçus mais non dépensés. Chaque transaction Bitcoin consomme des UTXO existants en tant qu’entrée et crée de nouveaux UTXO en tant que sortie. Ces UTXO peuvent être considérés comme des jetons stockés à une adresse spécifique, en attente d’utilisation lors de transactions futures.

En analysant les délais de ces UTXO (nombre de jours depuis leur création), nous pouvons déduire le comportement des détenteurs dans le réseau. Un concept clé dans cette analyse est la probabilité de dépense, qui mesure la probabilité qu’un UTXO à un moment donné soit dépensé à une date donnée. Cet indicateur quantifie la manière dont le Bitcoin se déplace dans l’écosystème et l’évolution du comportement des détenteurs.

Méthodologie

données de jeu de données et comptage UTXO

Not supported language pair

Calcul du taux de dépenses

Pour déterminer la probabilité de dépense, nous comparons le nombre de UTXO à un jour spécifique avec le nombre de UTXO à un jour suivant avec une durée de détention plus longue. Le calcul de la consommation partielle est le suivant :

Fraction de dépenses = 1 - (Nombre d’UTXO avec une durée de vie de T jours) / (Nombre d’UTXO avec une durée de vie de T-1 jours)

Cette formule représente la proportion de UTXO avec un âge de N-1 qui n’apparaissent pas comme UTXO avec un âge de N le deuxième jour, ce qui signifie qu’ils ont été dépensés.

Ensuite, nous calculons le taux de dépenses moyen pour chaque tranche d’âge dans l’ensemble des données, ainsi que l’erreur type de la moyenne. La figure 1 montre de manière intuitive le taux de dépenses moyen par tranche d’âge.

Dynamique des lois de puissance dans l’espace logarithmique-logarithmique

Pour mieux comprendre la relation entre l’âge de la UTXO et le taux de dépense, nous avons tracé les données dans l’espace logarithmique. Cette transformation est utile car les relations de puissance sont affichées comme une ligne droite dans l’espace logarithmique, ce qui facilite l’identification et l’analyse. La figure 2 montre un graphique double logarithmique du taux de dépense.

Fit loi de puissance

Nous effectuons une régression linéaire sur les données logarithmiques doubles pour quantifier la relation de puissance. Nous utilisons la méthode des moindres carrés pondérés pour la régression, où les poids sont proportionnels au carré du compte UTXO divisé par le carré de l’erreur standard de la moyenne. Cette pondération prend en compte les variations de la fiabilité des points de données dues aux différences de taille d’échantillon et de variance.

La pente de la régression correspond à l’indice de loi de puissance, indiquant à quelle vitesse la probabilité de consommation diminue avec l’âge. La figure 3 montre l’ajustement de la régression.

Évaluer la qualité de l’ajustement en analysant les résidus

Pour évaluer la qualité de l’ajustement de la loi de puissance dans différents groupes d’âge de la monnaie, nous avons analysé les résidus, c’est-à-dire la différence entre le taux de dépense moyen observé et nos valeurs prévues par le modèle. Le traçage des résidus nous aide à identifier les schémas ou les biais systématiques du modèle. La figure 4 montre la relation fonctionnelle entre les résidus et l’âge des UTXO.

Nous avons observé que le résidu des UTXO dure environ 200 jours, ce qui indique que cette file d’attente est très prévisible. Cela est cohérent avec la transition progressive des détenteurs à court terme (STH) aux détenteurs à long terme (LTH). La fonction en forme de S modélise cette transition pour obtenir une transition en douceur du comportement des détenteurs. Le point central de cette transition est marqué à 155 jours, ce qui représente une répartition de 50-50 entre STH et LTH. Environ 99% de la transition de STH à LTH est terminée après environ 200 jours.

Nos analyses indiquent que le modèle de loi de puissance s’adapte presque parfaitement à la pièce STH jusqu’à ce qu’elle se transforme complètement en LTH. Pour les jetons LTH avec une durée de vie de 3 à 4 ans (la deuxième zone de transition), le modèle reste en bon état (avec une petite déviation). Ces écarts indiquent que la probabilité de dépenses du groupe LTH à moyen terme est légèrement supérieure à la probabilité prédite par le modèle.

Cependant, pour les détenteurs à très long terme (ULTH) - ceux qui détiennent des jetons depuis environ une période de réduction de moitié - nous observons des écarts plus marqués par rapport au modèle. Plus précisément, la probabilité de dépense observée est inférieure à la probabilité prédite par la loi de puissance. Cela suggère une propension plus forte à détenir ces jetons, peut-être en raison d’une conviction de détention forte ou de la possibilité que certains jetons soient perdus.

Loi de puissance en fonction du temps

Nous étudions si la dynamique des dépenses de jetons suit une loi de puissance à partir d’un autre point de vue pour voir si elle varie avec le temps. Au lieu de calculer la moyenne des UTXO pour chaque âge de pièce pour toutes les dates, nous le faisons pour les groupes d’UTXO nés le même jour. En analysant ces groupes de dates, nous pouvons étudier l’évolution du taux de dépenses de jetons à différentes périodes de l’histoire du Bitcoin.

Pour chaque groupe, nous calculons quotidiennement le taux de consommation en fonction de l’âge de la monnaie du groupe. Ensuite, nous effectuons une régression linéaire sur la probabilité de dépenses en double logarithme pour chaque groupe. Ignorer les groupes de données dont le temps de survie enregistré récemment est inférieur à 10 jours entraînera environ 3600 groupes restants et la régression linéaire correspondante.

Chaque coefficient de détermination (R2) de la régression indique le degré d’ajustement du modèle de loi de puissance aux données en file d’attente. Les pentes de chaque ligne nous permettent de comprendre la vitesse à laquelle le taux de consommation diminue avec l’âge des pièces. La figure 5 représente les valeurs de R2 et les pentes de chaque groupe de dates qui varient dans le temps.

Dans l’ensemble, la loi de puissance est très applicable à différentes dates, ce qui confirme la cohérence de cette dynamique au fil du temps. Cependant, certaines périodes présentent une qualité d’ajustement plus faible, bien qu’elles ne soient pas clairement corrélées aux variations de prix pendant ces périodes. Nous avons observé que la probabilité de dépenses pour toute l’année 2019 (avec une valeur de pente plus faible) s’est prolongée. Une explication possible est que les investisseurs qui ont acheté lorsque le ATH a chuté de -80% en 2017 le faisaient pour des investissements à long terme, ce qui explique pourquoi leur taux de dépenses est plus élevé que la normale.

L’impact de l’analyse on-chain

Ces découvertes offrent une perspective continue sur l’âge des pièces et la probabilité de dépense, complétant ainsi le cadre LTH/STH existant. La relation de puissance reflète une transition progressive des échanges actifs à la détention à long terme.

Il est important de noter que ce modèle convient presque parfaitement aux jetons plus jeunes et reste bon pour les jetons d’environ quatre ans (avec seulement de légères déviations). Au-delà de cette durée, les déviations du modèle deviennent plus significatives, ce qui indique que d’autres facteurs peuvent influencer les dépenses des détenteurs à long terme.

Une loi puissante avec une pente proche de 1 fournit une règle empirique claire et intuitive : à chaque fois que la durée de vie d’un jeton est multipliée par dix, la probabilité qu’il soit dépensé diminue d’environ un ordre de grandeur. Les valeurs du modèle approximatif dans le tableau suivant illustrent cela :

Cette probabilité décroissante de dépenses prévisibles met en évidence un schéma de comportement : les jetons plus jeunes sont activement échangés ou spéculés, tandis que les jetons plus anciens deviennent de plus en plus dormants avec le temps. En adoptant cette perspective continue, les analystes et les investisseurs comprennent mieux la diminution progressive des dépenses avec le vieillissement des jetons, ce qui renforce l’explication des données on-chain et du comportement des investisseurs.

hypothèse d’approvisionnement thermique quantitatif

Selon nos données, nous avons évalué une heuristique de prédiction simple：

Si UTXO est inférieur à 7 jours, on suppose que ce UTXO sera utilisé le jour même. Sinon, on suppose qu’il ne sera pas dépensé.

En utilisant des données historiques, cette méthode heuristique atteint une précision allant jusqu’à 98%, ce qui indique qu’elle peut prédire avec précision dans la plupart des cas si les UTXO seront dépensés ou non. Cependant, en raison du déséquilibre des ensembles de données, des chiffres de haute précision peuvent être trompeurs - il y a quotidiennement un grand nombre de UTXO non dépensés.

Résumé

Notre analyse indique que le comportement des dépenses UTXO de Bitcoin est fortement contrôlé par une dynamique de loi de puissance, avec une probabilité de dépense décroissante pour les jetons plus anciens. La relation de loi de puissance convient presque parfaitement aux jetons plus jeunes et reste encore bonne pour des jetons ayant une ancienneté allant jusqu’à quatre ans (avec seulement de très petites déviations). Pour les détenteurs à long terme avec une ancienneté dépassant ce seuil, les déviations par rapport au modèle deviennent plus marquées, indiquant une probabilité de dépense encore plus faible que prévu par le modèle. Cela suggère que d’autres facteurs, tels qu’une forte conviction de détention ou des jetons perdus, influencent le comportement de dépense de ces UTXO les plus anciens.

Cette découverte renforce le cadre existant de LTH/STH en offrant une perspective mathématique continue sur le passage progressif du trading actif à la détention à long terme. La loi de puissance fournit une règle empirique précise : à chaque fois que la durée de vie d’un jeton est multipliée par dix, sa probabilité de dépense diminue d’environ un ordre de grandeur. Cette décroissance prévisible de la probabilité de dépense fournit des informations précieuses sur le comportement des investisseurs et l’hibernation des jetons au fil du temps.

Avec le développement continu du Bitcoin, le modèle de loi de puissance fournit un cadre mathématique pour l’analyse on-chain, permettant aux gens de mieux comprendre la dynamique du cycle de vie de l’UTXO.