На текущий момент имеется бесконечное множество публикаций, анализирующих рынок криптовалют от экспертов всех мастей и рангов. Тема является настолько востребованной, что не делал свой обзор только ленивый и не искушенный. Прогнозы аналитиков порой настолько разнятся, что не можешь решить, что же делать дальше: искать банк, которому можно заложить квартиру, и проинвестировать в очередной «-coin», или же тренировать перед зеркалом въедливое «А я говорил!» и с инфернальным смехом изображать призрака Лёни Голубкова.
Данная статья не ставит перед собой цель склонить читателя в пользу инвестирования в крипторынок, или напротив откреститься от криптовалюты православным долларом. Настоящий очерк предлагает оценить сложившиеся закономерности с точки зрения цифр и формул, опуская перманентные флуктуации, вызванные фундаментальными факторами или силой привычки (да-да, психологический фактор и настроения рынка иногда могут существенно сдвинуть текущее положение вещей; в конце статьи мы узнаем, чем был вызван обвал цен валют в январе 2018 года).
Что ж, давайте вместе сделаем анализ основных показателей рынка криптовалют на примере мастодонта отрасли – Bitcoin. Однако смею заверить, что анализ поведения большинства топовых валют дает аналогичные результаты (Litecoin, Dash, Ethereum, Monero, Z-cash и др.). Бесспорно, важнейшими и при этом взаимозависимыми показателями рынка криптовалют являются собственно цена валюты (будем рассматривать долларовое выражение стоимости), а также степень вовлеченности вычислительных мощностей в процесс «добычи» монет – хешрейт сети.
В чем же проявляется взаимосвязь цены и хешрейта криптовалюты? Во-первых, абсолютно очевидно, что вовлекая собственное оборудование в процесс подтверждения транзакций в сети криптовалюты (“майнинг”), человек или компания предполагают не только вернуть стоимость инвестированного оборудования (а его замена необходима каждые 2-3 года ввиду физического износа и морального устаревания), но и покрыть при этом инфраструктурные издержки на его обслуживание, а также получить экономические выгоды в виде прибыли не меньшей, чем у альтернативных источников доходности; во-вторых, эмиссионное вознаграждение за участие в майнинге криптовалюты попадает на вторичный рынок исключительно опосредованно в момент продажи валюты майнером (собственником майнингового оборудования). Таким образом, на рынке создается искусственный дефицит актива, что приводит к росту его цены до того уровня, который бы удовлетворил владельцев оборудования.
С другой же стороны с ростом цены криптовалюты растет и прибыльность майнинга, что побуждает вовлекать в процесс “добычи” криптовалюты всё новые и новые мощности, тем самым увеличивая о��щий хешрейт сети.
Давайте перейдем непосредственно к анализу показателей. Все исторические данные параметров были загружены с ресурса bitinfocharts.com.
Рассмотрим график динамики цены Bitcoin за период с 17.07.2010 г. до 24.01.2018 г. (момент написания статьи)
Из графика, видно, что динамика изменения цены имеет явно нелинейный характер, а степенную зависимость от времени. Прибегнем к логарифмированию данных с целью перехода от явно степенной зависимости функции от аргумента (цены от времени) к ожидаемо линейной и посмотрим, как это отразится на нашем графике.
Теперь график представляет кривую, линейно зависящую от времени со степенью достоверности в 84%.
Разберемся откуда взялась эта степень достоверности. Кривая линейно зависящая от времени значит, что график нашей функции должен стремиться к прямой линии (изображена пунктиром на графике). Данную линию можно получить, прибегнув к аппарату регрессионного анализа для нахождения коэффициентов линейной регрессии. Далее важно оценить насколько же наша исходная функция аппроксимируема полученной прямой (т.е насколько поведение исходной кривой, может быть предсказано полученной прямой). Помочь в этом может коэффициент детерминации R2 — статистическая характеристика, описывающая насколько дисперсия (разброс) исходных данных объяснена дисперсией модели. Проще говоря, чем ближе будет исходная кривая к моделируемой прямой, тем выше будет значение R2 (изменяется от 0 до 1), и тем выше вероятность того, что будущее поведение показателя будет соответствовать тренду полученной модели. В нашем случае значение коэффициента детерминации составило 0.8432.
Четко видно, что кривая зависимости логарифма цены от времени имеет локальные экстремумы и тренды, другими словами в разные моменты времени цена то опережала глобальный тренд, то несколько отставала от него, но с достоверностью 84% ему следовала. Глядя на график, логично было бы предположить, что, изменяя горизонт анализа, можно добиться более «точного» наложения кривой на линейный тренд. Ниже приведены графики со статистикой R2 за последние 2 года, 1 год и 6 месяцев соответственно.
Как видим из графиков значение статистики R2 составляет от 0.88 до 0.95. Очевидно, что если рассчитанный линейный тренд (пунктирная линия на графике) продлить в будущее, то можно получить оценочные уровни значений показателя на ту или иную дату (экстраполяция данных).
Давайте мысленно вернемся на пол года назад и проверим гипотезу о возможности предсказания ценовых трендов криптовалюты. Так если бы мы делали оценку сегодняшнего значения цены (10 000 $) Bitcoin полгода назад (цена на 27.07.2017 г. составляла 2 500 $), то получили бы следующие ценовые уровни в зависимости от анализируемого горизонта исторических данных:
2-х летний тренд (28.07.2015 — 27.07.2017) – цена 4 400 $;
годичный тренд (27.07.2016 — 27.07.2017) – цена 5 800 $;
9-и месячный тренд (26.10.2016 — 27.07.2017) – цена 6 900 $;
6-и месячный тренд (25.01.2017 — 27.07.2017) – цена 8 900 $.
Видно, что поведение цены меняется в зависимости от горизонта анализа и имеет тенденцию к ускоренному росту, а реальный текущий ценовой коридор даже несколько выше самого оптимистичного прогноза. Таким образом, целесообразно оценить потенциальные уровни цены в будущем относительно текущей даты.
Так, используя полученные ценовые тренды линейной регрессии имеем, что усредненный прогноз уровня цены через 3 месяца составляет 13 600 $, а через 6 месяцев — 16 700 $.
Анализ вовлеченности вычислительных мощностей в процесс «добычи» криптовалюты дает аналогичные результаты с еще большим ��начением статистической достоверности (реальные данные расположены ближе к аппроксимирующей прямой). Ниже приведены графики зависимости логарифма совокупного хешрейта сети от времени за разные временные диапазоны.
Если же говорить о количественных оценках экстраполированных данных, то средний прогноз по трендам через 3 месяца составляет 26.3 EH/s (26.3 * 1018), а через 6 месяцев 34.6 EH/s при текущем уровне 20.5 EH/s.
Таким образом, видно, что прогнозный относительный прирост основных показателей (цены и хешрейта) практически идентичен, а, следовательно, говорит нам об ожидаемом условно постоянном доходе от майнинга. И если учесть тот факт, что с ростом курса криптовалюты по отношению к доллару снижаются инфраструктурные издержки в пересчете на криптовалюту, то инвестирование в её «добычу» является весьма привлекательным несмотря на стабильный рост показателя совокупной вычислительной мощности.
И наконец, обещанная история про силу привычки и обвал крипторынка. Я, как полагаю и многие читатели, привык смотреть регулярные статистические и аналитические данные на одних и тех же информационных ресурсах, будь то прогноз погоды, результаты спортивных матчей или же динамика криптовалютного рынка. Так вот, есть некий весьма популярный ресурс, который анализирует цены различных криптовалют и капитализации их рынков (coinmarketcap.com), при этом представляет собой достаточно удобный источник оперативной рыночной статистики. Как известно цены на криптовалюты на различных биржах разнятся, а иногда существенно, и вот такие аналитические ресурсы эти цены усредняют и оперируют агрегированными данными в своих расчетах. В криптосообществе уже давно был подмечен и обсуждался факт того, что южнокорейские трейдеры искусственно завышают стоимость криптовалюты и котировки этих бирж искажают картину. Владелец и управляющий компанией CoinMarketCap некий Брэндон Чез решил исправить эту рыночную несправедливость и исключил котировки корейского рынка из расчета средних цен криптовалют, но забыл об этом сообщить клиентам, в следствие чего капитализация рынка резко упала. Мало кто за пределами CoinMarketCap понимал истинную причину этого «падения», что по сути было просто игрой цифр. Однако мно��ие трейдеры пытаясь зафиксировать прибыль начали активно продавать криптовалюты, что существенно сказалось на их курсах подобно снежному кому. В результате капитализация рынка криптовалют в целом потеряла порядка 100 млрд. дол.
Данным примером я хотел еще раз подчеркнуть принципиальную невозможность точного прогноза цены криптовалюты в тот или иной момент времени, однако можно оценить внутренние тренды основных рыночных характеристик и понимать ценовые уровни-ориентиры, на которые можно опираться в процессе принятия решений.
Данная статья не ставит перед собой цель склонить читателя в пользу инвестирования в крипторынок, или напротив откреститься от криптовалюты православным долларом. Настоящий очерк предлагает оценить сложившиеся закономерности с точки зрения цифр и формул, опуская перманентные флуктуации, вызванные фундаментальными факторами или силой привычки (да-да, психологический фактор и настроения рынка иногда могут существенно сдвинуть текущее положение вещей; в конце статьи мы узнаем, чем был вызван обвал цен валют в январе 2018 года).
Что ж, давайте вместе сделаем анализ основных показателей рынка криптовалют на примере мастодонта отрасли – Bitcoin. Однако смею заверить, что анализ поведения большинства топовых валют дает аналогичные результаты (Litecoin, Dash, Ethereum, Monero, Z-cash и др.). Бесспорно, важнейшими и при этом взаимозависимыми показателями рынка криптовалют являются собственно цена валюты (будем рассматривать долларовое выражение стоимости), а также степень вовлеченности вычислительных мощностей в процесс «добычи» монет – хешрейт сети.
В чем же проявляется взаимосвязь цены и хешрейта криптовалюты? Во-первых, абсолютно очевидно, что вовлекая собственное оборудование в процесс подтверждения транзакций в сети криптовалюты (“майнинг”), человек или компания предполагают не только вернуть стоимость инвестированного оборудования (а его замена необходима каждые 2-3 года ввиду физического износа и морального устаревания), но и покрыть при этом инфраструктурные издержки на его обслуживание, а также получить экономические выгоды в виде прибыли не меньшей, чем у альтернативных источников доходности; во-вторых, эмиссионное вознаграждение за участие в майнинге криптовалюты попадает на вторичный рынок исключительно опосредованно в момент продажи валюты майнером (собственником майнингового оборудования). Таким образом, на рынке создается искусственный дефицит актива, что приводит к росту его цены до того уровня, который бы удовлетворил владельцев оборудования.
С другой же стороны с ростом цены криптовалюты растет и прибыльность майнинга, что побуждает вовлекать в процесс “добычи” криптовалюты всё новые и новые мощности, тем самым увеличивая о��щий хешрейт сети.
Давайте перейдем непосредственно к анализу показателей. Все исторические данные параметров были загружены с ресурса bitinfocharts.com.
Анализ трендов цены Bitcoin
Рассмотрим график динамики цены Bitcoin за период с 17.07.2010 г. до 24.01.2018 г. (момент написания статьи)
Из графика, видно, что динамика изменения цены имеет явно нелинейный характер, а степенную зависимость от времени. Прибегнем к логарифмированию данных с целью перехода от явно степенной зависимости функции от аргумента (цены от времени) к ожидаемо линейной и посмотрим, как это отразится на нашем графике.
Теперь график представляет кривую, линейно зависящую от времени со степенью достоверности в 84%.
Разберемся откуда взялась эта степень достоверности. Кривая линейно зависящая от времени значит, что график нашей функции должен стремиться к прямой линии (изображена пунктиром на графике). Данную линию можно получить, прибегнув к аппарату регрессионного анализа для нахождения коэффициентов линейной регрессии. Далее важно оценить насколько же наша исходная функция аппроксимируема полученной прямой (т.е насколько поведение исходной кривой, может быть предсказано полученной прямой). Помочь в этом может коэффициент детерминации R2 — статистическая характеристика, описывающая насколько дисперсия (разброс) исходных данных объяснена дисперсией модели. Проще говоря, чем ближе будет исходная кривая к моделируемой прямой, тем выше будет значение R2 (изменяется от 0 до 1), и тем выше вероятность того, что будущее поведение показателя будет соответствовать тренду полученной модели. В нашем случае значение коэффициента детерминации составило 0.8432.
Четко видно, что кривая зависимости логарифма цены от времени имеет локальные экстремумы и тренды, другими словами в разные моменты времени цена то опережала глобальный тренд, то несколько отставала от него, но с достоверностью 84% ему следовала. Глядя на график, логично было бы предположить, что, изменяя горизонт анализа, можно добиться более «точного» наложения кривой на линейный тренд. Ниже приведены графики со статистикой R2 за последние 2 года, 1 год и 6 месяцев соответственно.
Как видим из графиков значение статистики R2 составляет от 0.88 до 0.95. Очевидно, что если рассчитанный линейный тренд (пунктирная линия на графике) продлить в будущее, то можно получить оценочные уровни значений показателя на ту или иную дату (экстраполяция данных).
Давайте мысленно вернемся на пол года назад и проверим гипотезу о возможности предсказания ценовых трендов криптовалюты. Так если бы мы делали оценку сегодняшнего значения цены (10 000 $) Bitcoin полгода назад (цена на 27.07.2017 г. составляла 2 500 $), то получили бы следующие ценовые уровни в зависимости от анализируемого горизонта исторических данных:
2-х летний тренд (28.07.2015 — 27.07.2017) – цена 4 400 $;
годичный тренд (27.07.2016 — 27.07.2017) – цена 5 800 $;
9-и месячный тренд (26.10.2016 — 27.07.2017) – цена 6 900 $;
6-и месячный тренд (25.01.2017 — 27.07.2017) – цена 8 900 $.
Видно, что поведение цены меняется в зависимости от горизонта анализа и имеет тенденцию к ускоренному росту, а реальный текущий ценовой коридор даже несколько выше самого оптимистичного прогноза. Таким образом, целесообразно оценить потенциальные уровни цены в будущем относительно текущей даты.
Так, используя полученные ценовые тренды линейной регрессии имеем, что усредненный прогноз уровня цены через 3 месяца составляет 13 600 $, а через 6 месяцев — 16 700 $.
Анализ трендов хешрейта Bitcoin
Анализ вовлеченности вычислительных мощностей в процесс «добычи» криптовалюты дает аналогичные результаты с еще большим ��начением статистической достоверности (реальные данные расположены ближе к аппроксимирующей прямой). Ниже приведены графики зависимости логарифма совокупного хешрейта сети от времени за разные временные диапазоны.
Если же говорить о количественных оценках экстраполированных данных, то средний прогноз по трендам через 3 месяца составляет 26.3 EH/s (26.3 * 1018), а через 6 месяцев 34.6 EH/s при текущем уровне 20.5 EH/s.
Таким образом, видно, что прогнозный относительный прирост основных показателей (цены и хешрейта) практически идентичен, а, следовательно, говорит нам об ожидаемом условно постоянном доходе от майнинга. И если учесть тот факт, что с ростом курса криптовалюты по отношению к доллару снижаются инфраструктурные издержки в пересчете на криптовалюту, то инвестирование в её «добычу» является весьма привлекательным несмотря на стабильный рост показателя совокупной вычислительной мощности.
И наконец, обещанная история про силу привычки и обвал крипторынка. Я, как полагаю и многие читатели, привык смотреть регулярные статистические и аналитические данные на одних и тех же информационных ресурсах, будь то прогноз погоды, результаты спортивных матчей или же динамика криптовалютного рынка. Так вот, есть некий весьма популярный ресурс, который анализирует цены различных криптовалют и капитализации их рынков (coinmarketcap.com), при этом представляет собой достаточно удобный источник оперативной рыночной статистики. Как известно цены на криптовалюты на различных биржах разнятся, а иногда существенно, и вот такие аналитические ресурсы эти цены усредняют и оперируют агрегированными данными в своих расчетах. В криптосообществе уже давно был подмечен и обсуждался факт того, что южнокорейские трейдеры искусственно завышают стоимость криптовалюты и котировки этих бирж искажают картину. Владелец и управляющий компанией CoinMarketCap некий Брэндон Чез решил исправить эту рыночную несправедливость и исключил котировки корейского рынка из расчета средних цен криптовалют, но забыл об этом сообщить клиентам, в следствие чего капитализация рынка резко упала. Мало кто за пределами CoinMarketCap понимал истинную причину этого «падения», что по сути было просто игрой цифр. Однако мно��ие трейдеры пытаясь зафиксировать прибыль начали активно продавать криптовалюты, что существенно сказалось на их курсах подобно снежному кому. В результате капитализация рынка криптовалют в целом потеряла порядка 100 млрд. дол.
Данным примером я хотел еще раз подчеркнуть принципиальную невозможность точного прогноза цены криптовалюты в тот или иной момент времени, однако можно оценить внутренние тренды основных рыночных характеристик и понимать ценовые уровни-ориентиры, на которые можно опираться в процессе принятия решений.
