Be your own Analyst Ethereum-Peaks mit Santiment vorhersagen

Ist es möglich, Blasenentwicklungen bei Ethereum unter Zuhilfenahme von sozialen Metriken zu erkennen? Die Analysten von Santiment sind davon überzeugt. Ein Blick auf den Zusammenhang zwischen Ether-Kurs, aktiven Adressen, Handelsvolumen und sozialem Volumen. 

Dr. Philipp Giese
Teilen
Kurs von Ethereum und andere Metriken im Blick

Beitragsbild: Shutterstock

„Korrelation impliziert keine Kausalität“ – dem kann man nicht widersprechen. Dennoch lohnt sich gerade für Anleger ein Blick auf dieselben. Manchmal sind Muster zu erkennen, die für das eigene Investment höchst profitabel sein könnten.
Maksim Balashevich von Santiment hat sich den Zusammenhang zwischen Ethereum-Kursentwicklung und verschiedenen Metriken genauer angeschaut. Seine Gedanken wollen wir etwas nachvollziehen. Außerdem wollen wir mal wieder unsere Analystik-Skills etwas auffrischen und selbst mit den Daten herumspielen. Wir arbeiten dabei mit den Daten, nicht den Graphen von Santiment.

Volumen – ein Messsingal für Massenpsychologie

Maksim fokussiert sich bei der Analyse auf den Ether-Kurs und verschiedene Maße für Volumen. Warum der Fokus auf Volumina? Weil sie viel über die Massenpsychologie hinter den Kursen aussagen.

Einen erstarkenden Trend begleitet immer ein ansteigendes Handelsvolumen. Das lässt sich über Massenpsychologie oder Herdentrieb erklären. Die Marktteilnehmer realisieren, dass es zu einer Trendbildung gekommen ist und alle springen darauf an.

Ebenso gilt bei einem schwächer werdenden Trend, dass man hier eine gewisse Divergenz zwischen einem weiterhin dem Trend folgenden Kurs und einen fallenden Handelsvolumen sieht. Warum ist das so? Weil nun alle Marktteilnehmer auf den Trend gesprungen sind und deshalb kein neues Geld hineinfließen kann.
Natürlich passiert so etwas nicht immer, aber es sind durchaus Pattern, die an Finanzmärkten vorkommen.

Kommt man nun auf neue Erkenntnisse, wenn man neben dem Handelsvolumen andere Volumina betrachtet? Um das zu überprüfen, schauen wir neben dem Handelsvolumen auf das soziale Volumen und die On-Chain-Aktivität. Ein probates Maß, welches Santiment bereitstellt, sind dabei die Anzahl aktiver Adressen.

Wie komme ich an die Daten von Santiment?

Wir arbeiten dabei mit den Daten, nicht den Graphen von Santiment. Diese lassen sich einfach über den Punkt „Download as csv“ herunterladen:
Wie man schnell an csv-Daten für Santiment kommt.
Falls der Leser keinen Account oder „nur“ einen kostenfreien Account besitzt, ein Teil der Daten ist auch dann über csv verfügbar, sodass alle etwas mitmachen können. Wie in den ersten zwei Artikeln unter dem Banner „Be your own Analyst“ werden wir R und das tidyverse nutzen, um die Daten aufzubereiten.

Im ersten Schritt laden wir wieder die notwendigen Packages:

library(tidyverse)
library(lubridate)
library(patchwork)
library(TTR)

Die heruntergeladene csv-Datei bereiten wir für R auf, sodass wir damit arbeiten können. Dank des Tidyverse-Package ist das schnell gemacht. Das Einzige, die wir für die Daten noch unternehmen, ist, die Unixzeit in ein für Menschen verständlicheres Zeitformat umzuwandeln:

daten <- read_csv("pfad/zur/csv-datei.csv") %>% mutate(Date=as_datetime(Date/1000))

Mit diesen Daten können wir nun spielen und sie vor allem darstellen. Eine Übersicht mit vier Subplots lässt sich einfach erstellen. Dazu fokussieren wir uns für jeden Subplot auf eine der über 2019 betrachteten Größen und verbinden die Plots am Ende miteinander:

p1 <- daten %>% select(Date,Price) %>% ggplot(aes(x=Date,y=Price)) + geom_line(col = "#FFA838",show.legend = F) + labs(x="",y="Kurs in US-Dollar")
p2 <- daten %>% select(Date,`Social Volume`) %>% ggplot(aes(x=Date,y=`Social Volume`)) + geom_col(col = "#FF555C",show.legend = F) + labs(x="",y="Soziales Volumen")
p3 <- daten %>% select(Date,`Daily Active Addresses`) %>% ggplot(aes(x=Date,y=`Daily Active Addresses`/1000)) + geom_col(col = "#216BF9",show.legend = F) + labs(x="",y="Aktive Adressen * 1000")
p4 <- daten %>% select(Date,Volume) %>% ggplot(aes(x=Date,y=Volume/10^9)) + geom_col(col = "#7D66E3",show.legend = F) + labs(x="",y="Volumen / Mrd. US-Dollar")
p1/p2/p3/p4

Bit diesem Code können wir nun die Kursentwicklung und die Entwicklung der unterschiedlichen Volumina anschauen. Seit Anfang 2019 haben sich diese Metriken wie folgt entwickelt:
Ether-Kurs und Soziales Volumen
Volumen und aktive Adressen bei Ethereum

Wir sehen ein interessantes Pattern: Solange die Volumina gemeinsam mit dem Kurs ansteigen, steigt auch der Kurs von Ethereum. Fällt das Volumen, fällt auch der Kurs. 2019 konnte sich also die Hypothese bezüglich Massenpsychologie bestätigen.

Kurs von Ethereum in Abhängigkeit von verschiedenen Volumina

Um die einzelnen Volumina genauer anzuschauen, erstellen wir Ansichten, die den Ethereum-Kurs und eine der drei betrachteten Volumen-Metriken zeigt. Derartige Betrachtungen werden von Datenanalysten eher argwöhnisch betrachtet. Der Grund dafür ist sehr schön auf Spurious Correlations illustriert: Das Plotten zweier unabhängiger Größen übereinander suggeriert Zusammenhänge, die absolut nicht bestehen müssen. Entsprechend sind diese Ergebnisse natürlich mit Vorsicht zu genießen. Um jedoch in einem Plot das soziale Volumen und den Ether-Kurs darstellen zu können, müssen wir das soziale Volumen so transformieren, dass beide Größen sinnvoll gemeinsam dargestellt werden. Das Ganze erreicht man dann wie folgt:

daten %>% select(Date,Price,`Social Volume`) %>% 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("Kurs in US-Dollar",limits = c(121,336), oob=rescale_none) + scale_x_datetime("", limits=c(as_datetime("2019-03-01"),as_datetime("2019-12-31"))) +
# Prinzipiell ist hier der Plot fertig. Wir fügen noch einige Anmerkungen an. Dazu gleich mehr
annotate("rect", xmin = as_datetime("2019-03-01"), xmax = as_datetime("2019-05-17"), ymin = 115, ymax = 340,col = "#FFA838", alpha = 0.2, size = 2, fill="green") +
annotate("rect", xmin = as_datetime("2019-05-17"), xmax = as_datetime("2019-07-11"), ymin = 115, ymax = 340,col = "#FFA838", alpha = 0.2, size = 2, fill="red") +
annotate("text", x = as_datetime("2019-04-07"), y = 330, label = "Gesund") +
annotate("text", x = as_datetime("2019-06-12"), y = 330, label = "Ungesund") +
+ labs(title = "Soziales Volumen und Ether-Kurs")

Ähnlich gehen wir für die aktiven Adressen („Daily active Addresses“) und das Handelsvolumen („Volume“) vor und erhalten diese Charts:

Ethereum-Kurs und Volumen III Ethereum-Kurs und Volumen I Ethereum-Kurs und Volumen II

Das generelle Finding, welches wir vorher besprochen haben, haben wir hier noch durch zwei Boxen dargestellt. Wie man bei allen Volumina sieht, gibt es eine Phase des gemeinsamen Anstiegs des Ether-Kurses. Bevor es zu einem dramatischen Kurssturz kommt, fallen die Volumina. Investoren sollten also bei Auftreten derartiger Divergenzen vorsichtig sein.

Konkret kann man Folgendes beobachten:

  • Das Handelsvolumen sprang noch ein letztes Mal in die Höhe, bevor der Kurs nachgab.
  • Dasselbe lässt sich über das soziale Volumen aussagen.
  • Die Anzahl der aktiven Adressen fiel seit Anfang Juni rapide ab.

Was lernen wir daraus?

  • Es lohnt sich, unterschiedliche Volumina im Blick zu haben. Insbesondere die Anzahl aktiver Adressen kann ein hilfreiches Signal zur Früherkennung von Blasenbildungen sein.
  • Sobald alle Volumenmetriken Peaks bildeten und Divergenzen zum Kurs entstehen, sollten Anleger ihre Long-Position überdenken.

Jenseits des Ether-Kurses: On- und Off-Chain-Volumen

Interessant ist noch, die Korrelation zwischen der Anzahl aktiver Adressen und dem Handelsvolumen zu betrachten. Für diese Korrelationsbetrachtung wählen wir eine etwas andere Darstellung und tragen stattdessen das Handelsvolumen über den aktiven Adressen als Streudiagramm auf. Eine ungefähre Information über den Ethereum-Kurs werden wir in diesem Plot über die Punktgröße berücksichtigen, während über die Farbe dargestellt werden soll, zu welchem Quartal die aufgetragenen Werte gehören. Der Code dafür ist einfach:

daten %>% filter(Date<as_datetime("2020-01-01")) %>% mutate(quarter = as_factor(quarter(Date))) %>% ggplot(aes(x=`Daily Active Addresses`,y=Volume, col=quarter, size=Price)) +
geom_point() + scale_x_log10("Anzahl aktiver Adressen") +
scale_y_log10("Handelsvolumen") +
labs(size = "Ether-Kurs", col = "Quartal",title = "Zusammenhang zwischen Handelsvolumen und aktiven Adressen")

Betrachtet man diesen Plot, kann man schön die vier Ethereum-Jahreszeiten von 2019 betrachten. Viel wichtiger ist jedoch, dass man etwas Information über das Verhalten von Handelsvolumen und aktiven Adressen lernt:

Zusammenhang zwischen Onchain- und Offchain-Volumen bei Ethereum

 

Im ersten Quartal, noch vom Sell-Off Ende 2018 erschüttert, war alles klein: Ether-Kurs, Handelsvolumen und die Anzahl aktiver Adressen. Ethereum war im Winterschlaf.

Der Krypto-Frühling kam und alles sprang in die Luft: Kurs, aktive Adressen und Handelsvolumen erklommen neue Höhen.

Der Sommer war weiterhin von hohen Kursen geprägt, jedoch begann sich der Bull Run zu verlangsamen: Sowohl die Anzahl aktiver Adressen als auch das Handelsvolumen gingen dramatisch zurück.

Im Herbst sah wieder alles nach Bärenmarkt aus: Zwar blieb das Handelsvolumen gleich, jedoch ging die Anzahl der aktiven Adressen, gemeinsam mit dem fallenden Ethereum-Kurs zurück.

Steht Ethereum vor einer neuen Blase?

Was können wir aus den Erkenntnissen für die Gegenwart lernen? Schauen wir uns dazu wieder die Entwicklung der Volumina und des Ethereum-Kurses an, diesmal für das Jahr 2020:

Ethereum-Kurs und Volumen IV

Ein Blick auf das Handelsvolumen 2020 Ethereum-Kurs und Volumen V

Wir fühlen uns an die Lektionen aus dem letzten Jahr erinnert. Wieder haben wir eine Kursrallye, an die sich jetzt eine Konsolidierung anschloss. Im Umfeld dieser Kursentwicklung entwickelten sich die Volumina ähnlich wie 2019:

  • Das soziale Volumen erreichte am 14. Februar und am 26. Februar neue Maxima.
  • Im Handelsvolumen zeigte sich eine ähnliche Doppelpeak-Formation.
  • Wieder erreichte die Anzahl aktiver Adressen ein Maximum deutlich vor der Peak-Bildung.

Folgt alles dem Muster des letzten Jahres, ist die Botschaft freilich eine negative: Es würde bedeuten, dass der frische Bull Run von 2020, zumindest für Ethereum, schon jetzt ins Stocken kommt.

Santiment ist eine Market-Intelligence-Plattform, die dem Krypto den Kontext hinzufügt. Sie liefert saubere Daten und Werkzeuge für Marktforschung, Verhaltensanalyse, Handel und Risikomanagement sowie Coin/Project Due Diligence.

Das Projekt sammelt On-Chain-, Social-Media-, Preis- und Entwicklungsinformationen von mehr als 800 Coins und ihren Netzwerken und verwendet diese Daten, um benutzerdefinierte Tools, Metriken und einzigartige Marktkenntnisse zu erstellen.

Auf der Website der Firma findet ihr benutzerdefinierte Charts, Signale mit niedriger Latenz, Marktinformationen und mehr. Die hier benutzten Metriken finden sich auf der App Sanbase. Sanbase kostet 49 US-Dollar im Monat, ist jedoch aktuell für zwei Wochen gratis testbar.

Du willst Helium (HNT) kaufen oder verkaufen?
Wir zeigen dir in unserem Leitfaden, wie und wo du einfach und seriös Helium (HNT)) Token/Coins kaufen kannst.
Helium kaufen