DeFi项目分析不容忽略的深层指标_KEN:TOKEN

数据可以被认为是任何项目最重要的资产,对数据的分析能够了解过去、现状,甚至预测未来。但传统行业中,数据分析中常常遇到的难点是数据源缺少或难以获得。

区块链的世界打破了数据源的壁垒,它像是一个摊在桌面上任君翻阅的“大账簿”,数据完全公开透明。但要在海量晦涩难懂的数据中抽丝剥茧找出有价值的信息显然更有难度。

市面上对?DeFi?项目进行数据分析的工具不胜枚举,各类指标繁多。本文使用FootprintAnalytics即将推出的DeFi360中涉及的指标归纳来看项目整体情况,以及从哪些角度深挖数据背后原因。

What:目前指标类别

项目过去与现在的表现,可以通过常规指标概况迅速了解。通过对时点值、增量、变动率等指标了解项目情况与趋势变化。

ProjectOverview

I.?运营数据

网信办:加强对《区块链信息服务管理规定》等法规规章的宣传解读:金色财经报道,中央网络安全和信息化委员会办公室印发《网信系统法治宣传教育第八个五年规划(2021-2025年)》,其中指出要加强对《关键信息基础设施安全保护条例》《互联网信息服务管理办法》《互联网新闻信息服务管理规定》《区块链信息服务管理规定》等法规规章的宣传解读。[2021/11/18 6:57:19]

TVLTVL即总锁定价值,通常是项目第一关注的指标。反映了所有用户抵押的资产的总价值,人们常用TVL的增长判断项目是否处于上升趋势。

TVLTrend

TVL以美元为单位,但在加密货币的世界币价瞬息万变,很难看出TVL的涨跌到底是因为币价的变动引起,还是有更多投资的加入。因此,除了常规意义上的TVL,对币本位的TVL也有必要关注。

例如,从?FootprintAnalytics?的统计看到,Liquity?在下图黑框部分以ETH为单位的TVL略下跌,而以美元为单位的TVL在不断上升,主要源于ETH价格上涨。这造成了项目上行的错觉。

动态 | 西秀区干部大讲堂专题解读区块链:12月3日,2019年第六期西秀干部大讲堂在西秀文化中心开讲,邀请中诚区块链研究院副院长、中国金融培训中心专家讲师、国家信息工程研究院专家讲师马强,为全区广大干部职工专题解读了区块链相关内容。

讲座上,主讲人从什么是区块链、区块链核心技术的突破与发展、区块链在各个行业的典型应用、区块链在政务服务和政务监管中的典型应用、探索使用区块链赋能诚信建设、政府部门如何有效参与和监管企业区块链应用等方面,给大家做了详细的讲解,详细介绍区块链的发展历程及所带来的经济效益,并就区块链的现状和未来进行具体的分析展望,还与现场的参会人员进行了互动解答。

通过这次讲座,大家对区块链在建设网络强国、发展数字经济、助力经济社会发展等方面的作用,有了较为全面的认识,也为今后西秀区在提高运用和管理区块链技术能力、加速推进以信息技术带动全区经济高质量发展奠定了一定的基础。(西秀区委宣传部)[2019/12/6]

TVLinETHvsUSD

动态 | 比特币COT持仓周报解读:Asset Manager账户空头持仓为0 短期维持看多判断:美国商品期货委员(CFTC)今日发布了截止5月7日的交易员持仓报告(COT),报告显示,芝加哥期货交易所(Cboe)比特币期货持仓量共2607手,环比减少103手。杠杆基金多单226手,空单887手,净空头数量为661手。芝加哥商品交易所(CME)比特币期货持仓量为4388手,环比增加75手,杠杆基金多头合约为1941手,空头合约为2692手,净空头合约为751手。上周Ass..[2019/5/11]

在?Aave、Yearn等复杂项目出现同时提供锁仓与借贷功能后,这也使简单的TVL更难作为衡量项目的单一指标,因此要结合更多指标进行评估。

NetLiquidityNetLiquidity通过对流入与流出数据相减发现与上一日的变化。可以从inflow和outflow两面进一步分析变动主要来自于用户的进入还是流失。

动态 | 律师解读《区块链信息服务管理规定》:部分要求在现阶段实施条件尚不成熟:2月14日,微信公众号“京都律师”刊文指出,《区块链信息服务管理规定》的部分条款偏向于原则性规定,且部分要求在现阶段实施条件尚不成熟,可操作性值得商榷,有以下几点可供探讨和完善: 1.区块链信息服务提供者的概念并未完全明确; 2.区块链信息服务提供者的技术标准并不明晰; 3.区块链信息服务提供者的安全评估流程并未说明; 4.行业自律条件尚不成熟。[2019/2/15]

Revenue?如以?DEX?为主的协议,不能仅以TVL判定平台的情况,swap也会为平台产生收入。项目的最终目还是为实现利润最大化,Revenue可以让运营方了解盈利能力,反映项目经营成果。

Revenue

II.Token数据

大部分平台都会发行其治理?token,有些平台会使用双token模式。token的数据一定程度上反映了市场对平台的认可程度。

《金色讲堂》今晚开讲 蔡维德将多角度为用户解读区块链行业:4月8日晚8:00国家特聘区块链专家蔡维德将在《金色讲堂》中对区块链发展方向进行深入解读,本次课程主题为“2018风向变了,区块链正式启航”。蔡教授将从监管、Token等方面对区块链进行全方位解读,详情请关注晚上8:00的《金色讲堂》。[2018/4/8]

基本情况币价是最直观的指标,发生重大事件时币价是最快受到影响的指标,币价的上涨与下跌也与市场的供求关系紧密相关。如?Cream?在10月27日再次遭到攻击,损失1.3亿,币价应声下跌。

TokenPrice-CREAM

对于如?MakerDAO、Liquity?等发行双代币的,监控平台铸造出的DAI、LUSD数量也可侧面反映出用户的参与程度。

Token的市值为币价与发行量的乘积,反映了一个项目在DeFi行业的市场价值。

持有人数及持有时间持有token的人数反映了有多少用户认可平台的token模式,尤其通过质押token获得治理权利的数据体现了平台DAO的情况。

持有token的时间则能看出吸引的是认同平台价值的用户更多还是投机用户占比过高。

应用情况交易量数据可以反映token在市场上的流通热度,与市值的比例类似于换手率。更高的流通反映token具有一定热度,较低的流通属于关注度不足的token。

MKRVolume

除了进行交易,token的用例也值得关注,用户挖矿获得的token是用在平台质押发挥了治理代币的作用,还是存入了其他外部协议捕获收益。

如Liquity发行的稳定币LUSD有61%还存储在自身平台的StabilityPool内,并没有发挥出其稳定币的作用,与DAI的用例相比还相差甚远。

Why:挖掘数据背后原因

了解项目过去与现在的表现后,需要寻找呈现数据的原因。通过对数据进行下钻,对平台的池子和用户深入挖掘。对数据的交叉分析也能发掘一些隐藏的相关因素。

I.?Pool

平台总体运营数据归根究底是由众多池子组层,寻找数据变动的原因就要下钻到池子维度,发现对数据影响最大的对象。根据排名能发现最受欢迎的池子,调整平台未来的发展策略。

PoolsOverview

II.用户指标

项目始终是围绕用户,精准捕获目标用户是项目发展的核心。对用户的数据分类和分层分析可以更快锁定优质用户。

用户画像对项目总体用户可以细分到新用户和活跃用户维度再进行分析。新用户体现平台市场拓展节奏,活跃用户反映项目持续增长的潜力。

AddressOverview

通过用户的人均交易金额、持有金额及时间的变化分析,能够了解平均用户质量。

ActiveAddress

虽然通过平均数能观察到用户行为的大趋势,但作为项目执行的依据仍有欠缺。平均数往往会把重要数据稀释掉,进行更深入的用户分层才能找到真正的问题,制定正确的执行计划。

TradingVolumeDistribution

用户流失“大鲸”用户是为平台产生价值的优质用户,防止用户流失是项目的一项必修课。通过对用户占比的分布排序,对用户画像的分析进一步聚焦在大额用户上。

洞悉用户的投资偏好能对平台的用户有更深层次的了解,通过剖析目标用户投资的所有DeFi平台情况发掘潜在用户群体。

AddressInvestmentProtocolsDistribution

III.交叉分析

通过对数据的下钻找到了影响数据变动的底层指标,但为何引起这些变化仍让人困惑。通过交叉分析寻找相关性有时可以为成因提供佐证。

例如将TVL及用户数与APY进行对比分析,观察两者的趋势变化推测是否因为APY的提升吸引到更多用户的参与。

再例如,由于大多数token的变动都与?BTC?具有相关性,价格变动的分析需注意到底是项目自身内在价值发生变动,还是受市场影响。

TokenPrice(MKRvsBTC)

再或者,与行业竞品的对比能够了解项目在市场上的竞争力,TVL的降低可能源自竞争对手的强势进攻。

DeFi的乐高属性也不容忽略,关联紧密项目的指标常常也是影响变动的重要因素。例如对于?Curve?TVL的增长?Convex?也助了一臂之力。

CurveVSConvexinTVL

结语

目前市场上分析工具众多,但通常只能分析到表层,更深层次的归因很难实现。不论是项目方想通过数据进行决策,还是投资者做分析,都只能获得呈现结果的指标,很难轻易获得能够归因的数据。

区块链世界已将数据摊在眼前,作为运营方想要快速通过可视化工具解读数据,亟需一款无需代码,只需点击一下即可获得强大分析功能的一站式方案。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

金智博客

[0:15ms0-3:479ms