如何计算比特币和其他加密资产的未来价值（第2部分）

加密资产是货币和现代金融系统发展中的有希望的创新。但是，与加密资产估值有关的许多问题仍未解决。

可以创建用于评估加密资产的形式化方法的基础基本概念刚刚开始出现。尽管如此，该领域的实验已经进行了十多年。

在CoinMetrics的Kevin Liu的文章的第一部分中，简要回顾了研究加密资产评估的六种基本方法：交换方程，折现未来效用模型，梅特卡夫定律，回归价格模型，生产成本模型和市场泡沫检测。

在第二部分中，将考虑另外五种方法：

基本关系

基于基本关系的方法是评估加密资产时使用最广泛的方法之一。从股票分析（包括市盈率）中汲取灵感，基本比率通常用于确定资产的重估和低估时期。

威利·吴（Willy Wu）是第一个将基本比率应用于加密资产的人，他提出了NVT（交易的网络价值）指标，该指标是通过将资产的市值除以链上交易的日交易量得出的。

这种方法的逻辑是每日交易量表明了低温活性剂的利用程度和有用性。 NVT指标的高值表明价格泡沫的形成，而低价标志可以用来标识市场的有吸引力的切入点。

2018年Cryptolab Algorithmic的Dmitry Kalichkin通过提出改进的指标版本-NVT Signal提出了这一想法。尤其是，研究人员能够消除该度量标准的某些缺点，从而无法实时使用。

NVT信号指示器和比特币价格。资料来源：CoinMetrics

CoinMetrics联合创始人雅各布·弗兰克（Jacob Franek）在2018年引入了一种新的比率来评估加密资产，这是由梅特卡夫定律产生的-网络价值与梅特卡夫比率。该度量标准由Dmitry Kalichkin进行了经验检验，并在他的文章中进行了分析。

Ledger Capital联合创始人Vikram Arun还研究了基于每日交易量的更准确资产评估的替代方法。根据Metcalf和NVT比率定律，Arun描述了“网络价值/交易增长”（NVTG）指标。由于该模型消除了与混合相关的付款，交易所钱包之间的资金重复转移以及其他“非经济”操作，因此该工具可以更准确地估计交易的价值。

Philip Swift在2018年推出的比特币网络动量工具未使用基本比率，但是涉及以本机单位表示的链上交易的每日交易量。

其他比率的基础是矿工的收入，即美元金额的资本数量，可确保网络安全并影响加密资产的内部价值。矿工也是持续而重要的销售压力来源。

考虑到所有这些因素，区块研究人员Matteo Leibovitz提出了“费用比率倍数”工具，该工具代表了矿工收入与交易佣金的比率。根据分析师的说法，该指标表明，随着区块奖励的减少，网络仍然保持多安全，并且还可以“隐式”表明资产作为维持价值手段的有效性。

研究人员cryptopoiesis在2019年提出了“比特币市场周期晴雨表”指标Puell Multiple。它代表以美元计的每日发行量与同一指标的比率，但已被365天移动平均线所平滑。

在涉及基本关系的研究中，涉及许多方面。多亏了“基于年龄”的UTXO分析和对实收资本的使用，引入了一些附加的基本关系：

基本指标可能是加密资产分析中最发达的领域，因为指标的解释相对简单并且适用于及时的市场决策。

但是，其中一些工具因缺乏预测准确性而受到批评。特别是，NVT的有效性会随着链式交易的普及而降低。此外，预测扭曲了交易所钱包和托管服务之间的资金大量流动。

UTXO年龄分析

在“年龄”分析中，通过研究持有人的行为来研究加密资产报价的各个方面。 UTXO是指用户控制的交易输出，旨在成为将来交易的输入。该计费模型用于比特币和其他一些网络。一些UTXO分析概念也已经成功地适应了基于账户的系统，例如以太坊。

ByteCoin于2011年提出了销毁比特币天数的概念，为这一领域做出了最早的贡献。它是衡量交易成本的另一种方法。通过将BTC中的交易量乘以自参与硬币的最后一次移动以来的天数来计算该指标。同时，BTC具有更多的权重，可以长时间静止不动，而相对较新的硬币则较少。

例如，一个静止不动的100天BTC的权重是一天前进行交易的一个比特币的一百倍。自上次使用硬币以来对时间进行分析的方法为进一步研究奠定了基础。

下图说明了根据被破坏的比特币天数，BTC的价值变动动态，并通过7天移动平均线进行了平滑处理。

2014年，jratcliff63367对这一研究领域做出了重大贡献。他根据最后一次使用硬币的年龄将BTC的总供应量分为不同的组。

在随后的几年中，“主动报价”一词以及非正式的“ HODL wave”在行业术语中被固定。

几年前，Unchained Capital联合创始人Dhruv Bansal再次提出了这个话题，以帮助推广这一概念。该研究人员是第一个基于活跃货币数量动态得出结论的人，提出了将该模型用于预测市场周期和交易领域的结论。

使用以上术语，独立比特币开发商Tamas Bloommer在2018年提出了一项活力指标，旨在更好地了解长期和短期投资者的行为。

Ikigai资产管理研究员Hans Hauge通过提出诸如Binary Adjusted BDD，销毁硬币价值和储备风险之类的类别，在2019年扩大了Bitcoin天销毁模型。

评估加密资产的“年龄”方法的本质在于，不同的持有人组有自己的动机，风险偏好，信息优势和心情，这取决于首选的硬币持有时间。例如，长期投资者持有大量的各种加密资产，而他们的行为会严重影响价格。

这个研究领域是最有前途的，有前途的新基础概念的出现。

实收资本

这是一种相对较新的特定于加密货币的估值方法，为链上分析领域做出了重大贡献。与市值不同，根据市值，每个硬币都以当前价格进行估值，而已实现的市值则考虑了加密资产在其上一次链上运动期间的价格。例如，如果当比特币价值1000美元时最后移动了10个BTC，则这10个硬币的价值将为10,000美元（10 x 1000美元）。例如，如果最后有5个BTC以10,000美元的价格运行，则其实际资本化将为50,000美元（5 x 10,000美元）。

如果UTXO分析与链上转移之初的代币“年龄”有关，则在基于已实现资本化的分析中，应考虑资产在网络中移动时的价格。

CoinMetrics的一篇文章介绍了基于实际资本化的方法的应用，还提出了市场资本化至实际资本化（MVRV）指标，Murad Mahmudov和David Puell在2018年对其进行了测试，以识别资产的高估和低估。密码分析员Awe＆Wonder略微改进了MVRV，使其适应更可靠的交易解决方案。该工具的修改版本称为MVRV Z-Score。

MVRV指标和比特币价格。资料来源：CoinMetrics

Checkmate的链上分析在2019年引入了“已实现资本化与交易价值”指标。该工具使用与NVT相同的原理，除了它使用已实现的资本化而不是市场资本化。

2018年，来自CoinMetrics的尼克·卡特（Nick Carter）提出了“热资本化”的概念，该概念与实施的资本化紧密相关，根据该概念，每种硬币在提取时的价格都考虑在内。从长期来看，矿工的盈利能力略高于盈亏平衡点的假设，“热资本化”可以解释为维护网络安全的总成本。

比特币分析师大卫·普埃尔（David Puell）在2019年推出了另一个与资本化相关的指标-“ Delta-capitalization”，其计算公式如下：

实现资本化-平滑移动平均市值

Adamant Capital的创始人Tour Demester，研究人员Tamas Bloommer和Mihil Lekrauvit开发了一种度量标准，通过从市场中减去已实现的资本来确定投资者未实现的损益。研究人员使用“流动性”指标说明了长期投资者行为的变化。

研究员Renato Shirakashi在2019年推出了支出产出利润率（SOPR）。它是通过在创建输出时用现值（美元）除以值来计算的，可用于确定局部低点和高点。

基于实施资本化的方法是加密货币市场所独有的，该市场应该能够直接从区块链中提取信息。

评估每个投资者资产账面价值的能力可以在市场情绪分析以及行为经济学的背景下找到重要的应用。

要素投资

这种方法涉及识别加密资产的特定特征，以解释其获利能力的动态。该方向基于对传统金融资产领域的研究，尤其是基于三因素Fam-French模型，该模型包括以下参数：

研究人员通过添加许多因素并将其应用于包括加密货币在内的各种资产类别，大大扩展了该模型。

Stefan Hubrich于2017年提出了使用因子投资方法评估加密资产的第一种严肃方法。他的工作包含对价值要素的创新解释，价值要素是市值与交易链上交易量的关系。还描述了在加密资产环境中动量因子的使用。还考虑了硬币发行率等方面。据这位专家称，因子方法投资于加密资产可以实现高回报率。

耶鲁大学的研究员Yukun Liu和Aleh Zivinski在2018年为这一研究领域做出了重大贡献。他们测试了各种传统，宏观经济和加密特定因素。科学家得出的结论是，动量因子和“投资者关注效应”在很大程度上解释了资产收益的动态。但是，许多其他因素在预测中并不那么有效。

Quantigic Solutions首席执行官兼第比利斯自由大学教授Zura Kakushadze于2018年证实了动量效应的重要性，但揭示了流动性因素相对无效。在2019年，伦纳德·N·斯特恩商学院的Liu，Zinvinski和Si Wu尝试将先前确定的因素应用于投资组合管理。

该研究领域的进一步发展取决于加密货币市场的发展。要素投资涉及评估大量资产，确定其各种特征以及根据各种参数建立投资组合。进一步研究的先决条件是研究人员和数据提供者具有识别各种资产在概念上一致的信息的能力。

社交媒体

加密资产的价格与社交网络数据之间的关系已经研究了很长时间。估计加密资产价值的方法仍处于开发的早期阶段，但是，根据可用的历史数据，随着时间的推移，价格可能会从根本上偏离合理的价值。因此，量化投资者的关注也是研究的活跃领域。

捷克研究员Ladislav Kristoufek于2013年率先使用Google和Wikipedia上的搜索查询量作为投资者兴趣的指标，并且还研究了该指标与BTC价格的相关性。

2014年，David Garcia，Claudio Tessone，Peacock Mavrodiev和Nicholas Peroni为此目的使用了更广泛的数据集，其中包括来自社交网络Twitter和Facebook的信息。研究人员强调了口耳相传和BTC新用户对市场动态的重要性。

雅典大学经济与商业大学的研究人员使用一种非常类似的方法，并辅以几个链上指标，得出的结论是，在短期内，Twitter用户的情绪会影响BTC的价格。

尼古拉斯·哥白尼大学的科学家发现，报纸和杂志上的提及也会影响价格。

有关社交媒体对价格的重大影响的结论包含在以后的研究中。

结论

人们普遍认为，由于方法不完善，加密资产难以评估。但是，对这个研究领域的当前状态进行的更详细的研究表明，这种说法可能并不完全正确。

在过去的十年中，古典经济，货币主义，现金流量折现分析的要素以及财务分析的其他领域的概念已成功应用于加密资产评估领域。

一些研究人员在针对加密货币的链上分析方面取得了重大进展。包含所有交易的历史记录，开放式区块链中的数据使您能够以前所未有的透明性研究投资者行为，而传统金融世界却无法访问。

—-

原文链接：https://forklog.com/kak-rasschitat-budushhuyu-stoimost-bitkoina-i-drugih-kriptoaktivov-chast-2/

原文作者：alexK

编译者/作者：wanbizu AI

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。