成为自己的分析师：使用Santiment预测以太坊的高峰

“关联并不意味着因果关系”-不能与之矛盾。尽管如此，还是值得一看，特别是对于投资者而言。有时可以识别出可以为您自己的投资带来高额利润的模式。
Santiment的Maksim Balashewich仔细研究了以太坊价格发展与各种指标之间的关系。我们想对他的想法有所了解。我们还希望稍微提高我们的分析技能，并亲自处理数据。

音量-大众心理的测量信号

Maksim的分析着重于以太币价格和各种量度指标。为什么要关注数量？因为他们对课程背后的大众心理说了很多。

一新兴趋势总是伴随着交易量的增加。这可以用大众心理学或畜群本能来解释。市场参与者意识到存在一种趋势，并且每个人都对此感兴趣。

同样适用于一个趋势减弱您会发现继续遵循趋势的过程与交易量下降之间存在一定的差异。怎么会这样因为现在所有市场参与者都已经赶上了趋势，因此没有新的资金可以流入。
当然，这种情况并不总是会发生，但是在金融市场中会发生一些模式。

如果您查看交易量以外的其他交易量，是否会获得新的见解？要检查这一点，让我们看一下交易量旁边的社会量以及链上活动。 Santiment提供的一种久经考验的措施是有效地址数，

我如何从Santiment获取数据？

我们处理的是数据，而不是Santiment的图形。这些可以通过“下载为csv”项轻松下载：

如果读者没有帐户，或者“唯一”拥有免费帐户，则部分数据仍可通过csv获得，以便所有人都可以参与。就像前两篇文章标题为“成为您自己的分析师”一样，我们将使用R和tidyverse准备数据。

第一步，我们再次加载必要的软件包：

库（tidyverse）
库（lubridate）
库（拼缝）
库（TTR）

我们为R准备了下载的csv文件，以便我们可以使用它。借助Tidyverse软件包，可以快速完成此任务。我们仍然要做的唯一一件事就是将Unix时间转换为更易理解的时间格式：

数据 变异百分比（日期= as_datetime（日期/ 1000））

现在，我们可以使用此数据，并且首先显示它。具有四个子图的概览很容易创建。为此，我们专注于为每个子图考虑的2019年尺寸之一，并在最后将图彼此连接：

P1 ％选择（日期，价格）％>％ggplot（aes（x =日期，y =价格））+ geom_line（col =“＃FFA838”，show.legend = F）+实验室（x =“”，y =“美元汇率“）
P2 选择％（日期，“社交量”）％>％ggplot（aes（x =日期，y =`社交量`））+ geom_col（col =“＃FF555C”，show.legend = F）+实验室（x = “”，y =“社交量”）
P3 ％选择（日期，“每日活动地址”）％>％ggplot（aes（x =日期，y =`每日活动地址`/ 1000））+ geom_col（col =“＃216BF9”，show.legend = F）+实验室（x =“”，y =“有效地址* 1000”）
P4 ％选择（日期，体积）％>％ggplot（aes（x =日期，y =体积/ 10 ^ 9））+ geom_col（col =“＃7D66E3”，show.legend = F）+实验室（x =“” ，y =“交易量/十亿美元”）
P1 / P2 / P3 / P4

现在，借助此代码，我们可以研究课程开发和不同卷的开发。自2019年初以来，这些指标发展如下：

我们看到一个有趣的模式：只要交易量随价格增加，以太坊的价格也会增加。如果数量下降，价格也会下降。在2019年，有关大众心理学的假设得到确认。

以太坊速率取决于不同的数量

为了更仔细地查看各个交易量，我们创建了显示以太坊汇率和所考虑的三个交易量指标之一的视图。数据分析师怀疑这些考虑。杂散相关性很好地说明了这种情况的原因：相互绘制两个独立的大小表示绝对不必存在的关系。因此，当然应该谨慎享受这些结果。但是，为了能够在情节中表示社交量和以太进程，我们必须以这样的方式转换社交量，即两个变量都可以合理地表示在一起。整个过程可以实现如下：

数据％>％选择（日期，价格，“社交量”）％>％ggplot（）+
geom_col（aes（x = Date，y =`Social Volume` / 25 + 100），col =“＃FF555C”，alpha = 0）+ geom_line（aes（x = Date，y = Price），col =“ grey” ，show.legend = F）+
scale_y_continuous（“美元汇率”，限制= c（121,336），oob = rescale_none）+ scale_x_datetime（“”，限制= c（as_datetime（“ 2019-03-01”）），as_datetime（“ 2019-12-31 “）））+
＃原则上，情节到此为止。我们再添加一些评论。稍后更多
注释（“ rect”，xmin = as_datetime（“ 2019-03-01”），xmax = as_datetime（“ 2019-05-17”），ymin = 115，ymax = 340，col =“＃FFA838”，alpha = 0.2 ，大小= 2，填充=“绿色”）+
注释（“ rect”，xmin = as_datetime（“ 2019-05-17”），xmax = as_datetime（“ 2019-07-11”），ymin = 115，ymax = 340，col =“＃FFA838”，alpha = 0.2 ，大小= 2，填充=“红色”）+
注释（“文本”，x = as_datetime（“ 2019-04-07”），y = 330，标签=“健康”）+
注释（“文本”，x = as_datetime（“ 2019-06-12”），y = 330，标签=“不健康”）+
+实验室（标题=“社交量和以太课程”）

我们以类似的方式处理有效地址（“每日有效地址”）和交易量（“交易量”），并收到以下图表：

我们在前面讨论的一般发现在此处显示在两个框中。正如您所看到的，所有数量的以太币都有一个普遍上涨的阶段。在价格急剧下降之前，数量就下降了。因此，当出现这种分歧时，投资者应格外小心。

具体来说，可以观察到以下内容：

我们从中学到什么？

超越以太坊：链上和链下交易量

考虑有效地址数量和交易量之间的相关性也很有趣。对于此相关分析，我们选择略有不同的表示形式，而是将活动地址上的交易量绘制为散点图。在该图中，我们将考虑有关以太坊路线的点大小的近似信息，而颜色应显示出绘制值所属的四分之一。此代码很简单：

数据％>％过滤器（日期％变异（季度=因子（季度（日期）））％>％ggplot（aes（x =`每日有效地址`，y =数量，col =季度，大小=价格））+
geom_point（）+ scale_x_log10（“活动地址数”）+
scale_y_log10（“交易量”）+
实验室（大小=“以太币价格”，col =“季度”，标题=“交易量和有效地址之间的关系”）

查看此图，您可以看到2019年的四个以太坊季节。但是，了解一些有关交易量和有效地址行为的信息更为重要：

在第一季度，仍然被2018年底的抛售所动摇，一切都很小：以太坊价格，交易量和有效地址数量。以太坊正在休眠。

加密货币春天来了，一切都飞到了空中：价格，有效地址和交易量达到了新的高度。

夏天仍然是高价格的特征，但牛市开始放缓：活跃地址的数量和交易量都急剧下降。

在秋天，一切都再次变成了熊市：尽管交易量保持不变，但有效地址数量下降，以太坊价格下降。

以太坊是否面临新的泡沫？

我们可以从今天的知识中学到什么？让我们再次来看一下2020年的交易量和以太坊课程的发展情况：

我们想起了去年的教训。再次，我们出现了价格反弹，然后是巩固。在本课程开发的背景下，与2019年类似的量有所发展：

如果一切都遵循去年的模式，那么这个信息当然是消极的：这意味着至少对于以太坊而言，新的2020年牛市已经停滞了。

Santiment是一个市场情报平台，可为加密货币添加上下文。它为市场研究，行为分析，交易和风险管理以及硬币/项目尽职调查提供了干净的数据和工具。

该项目从800多种硬币及其网络中收集链上社交媒体，价格和发展信息，并使用这些数据创建自定义工具，指标和独特的市场知识。

在公司的网站上，您可以找到自定义图表，低延迟信号，市场信息等。可以在Sanbase应用程序上找到此处使用的指标。 Sanbase每月收费49美元，但目前可以免费试用两个星期。

—-

原文链接：https://www.btc-echo.de/ethereum-peaks-mit-santiment-vorhersagen/

原文作者：globalcryptopress

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。