知识库

本文档介绍加密货币永续期货及相关链上序列的数据访问和对齐约定。文中说明，溢价指数柱线的时间戳记录其开盘时间：八小时柱线记录该区间末尾资金费结算前的溢价，因此应与随后发生的结算配对。可将小时级永续合约 OHLCV 重采样为与资金费时间对齐的八小时柱线，分别取首个开盘价、最高价、最低价、最后收盘价和成交量总和，再按交易对和时间戳与溢价数据连接。 数据加载器还支持按交易对和日期筛选、限制交易对集合，以及读取历史 DeFi TVL…

本笔记评估总锁仓价值是否可作为以太币收益的另类数据信号。TVL 汇总存入去中心化金融协议的加密资产美元价值。由于它是按价格计值的存量，而非流入资金的直接衡量指标，即使存款不变，资产价格变动也可能改变其数值。因此，分析考察 TVL 增长和标准化水平，并将链上构成与全市场总量进行比较。 分析通过考察信号值与未来收益的关系来检验所提出的关联。由于多日收益的每日观测共享大部分相同期间，本笔记使用 Newey–West…

本笔记将锁仓总价值视为另类数据，并评估 DeFi 资金状况能否帮助预测以太币收益这一假设。它将 TVL 定义为存入协议的加密资产美元价值，并强调这是一种存量，其价值会同时随存入资产数量和市场价格变化。分析将各链构成与整个行业总量进行比较，构造动量和标准化水平特征，再检验远期收益和不同市场状态下的差异。 笔记强调推断应当可靠：按日抽样时，一个月远期收益窗口彼此重叠，因此普通的独立观测假设会高估精确度。分析使用了对重叠进行调整的协方差方法，并考察实际支持结果的独立窗口数量。研究期受可用价格历史限制，而非 TVL…

本笔记评估 DeFi 总锁定价值序列能否作为交易以太币的另类数据。评估围绕四个问题展开：该序列是否与前向收益相关、数据是否可靠且可重建、使用是否合法，以及其价值是否足以抵偿集成和维护成本。信号分析针对多个收益期限测试若干TVL变换，对重叠观测带来的不确定性进行调整，统计比较次数，并考察相关关系是否随时间保持稳定。其他检查评估数据覆盖和异常变动；成本计算则估算覆盖研究开支所需的回报。…

本案例研究评估 DeFi Llama 总锁仓价值数据，考察其能否作为 Ether 交易研究流程的输入。研究分别考察信号强度、数据质量、法律适用性和商业价值，并将法律问题以及无法重建历史版本视为硬性门槛。它将三种 TVL 变换与多个周期的 Ether 前向收益进行比较。由于这些收益存在重叠，分析采用与各周期匹配滞后的 Newey-West 标准误，并明确考虑所检验的信号与周期组合数量。…

本章认为，可重复的研究纪律比任何单一策略更能持久地带来交易优势。它介绍了一套以可证伪假设、样本外评估和多重检验校正为基础的流程，以减少偏差。随后，本章概述量化领域的职业角色和机构，强调交易全周期的广泛协作，以及在主要技能领域的深入专长。本章还建议持续、有规划地学习，并通过研究、发表成果、开源工作和专业社群付诸实践。 本章将量子计算、去中心化金融和负责任的 AI 视为新兴领域，并区分当前的机遇与责任和仍较遥远的技术。本章称 DeFi…

本章概述如何围绕股票、宏观经济序列、期货、加密资产和预测市场，构建时间一致的基本面与另类数据研究。核心方法包括双时态存储与时点查询、考虑数据源的发布时间、具有时间有效性的实体映射，以及可审计的申报文件文本提取。笔记本依次将这些理念应用于 SEC 申报文件与 XBRL、宏观数据发布、CFTC 持仓、链上指标、机构持仓和市场预测数据流。…

本文考察五个区块链生态系统中的加密资产收益如何相互变动。研究报告称，一条链上的大幅上涨往往伴随着其他链的下跌，这与股票市场常见的正向联动模式不同。分析使用从 2022 年至 2025 年的链上观察数据，并控制广泛股票收益、利率和比特币因素。…

本文介绍 CryptoTrade，这是一种基于大型语言模型构建的加密货币交易智能体。其方法结合链上信息（作者认为这类信息透明且不可篡改）和新闻等链下信号，后者可以提供及时背景。反思机制会回顾早前决策的结果，为智能体每日交易决策提供参考，使其能够纳入交易反馈，而不只依赖传统时间序列基准。 作者报告了涵盖多种加密货币和市场状况的实验，并声称 CryptoTrade…

该研究考察新闻和社交媒体文本与金融及区块链数据结合后，能否改善比特币和以太坊价格预测。研究比较了预训练和微调语言模型与基于词典的情绪分析方法，并使用BART MNLI零样本分类识别看涨或看跌内容。预测目标包括局部价格极值和日度走势；选择这些目标旨在降低交易频率和投资组合波动。…

本文介绍Real-CATS数据集，旨在支持加密货币地址检测方法的开发与评估。该数据集将现实报告中识别出的犯罪地址与交易所客户关联的良性地址相结合，为真实世界数据难以获取的研究领域提供标注样本。…

本研究使用比特币网络内部数据和外部特征，通过多个机器学习模型预测每日价格方向。研究使用2021年第一季度收集的未见观测数据，通过交易策略评估这些预测。在为期三个月的测试期内，二元信号产生的收益据报告与买入并持有相当。…

本研究探讨比特币混币服务如何通过交易和地址掩盖资金流向。作者介绍了追踪混币活动，以及识别混币交易、混币器地址、发送方和接收方地址的方法，并区分被描述为“脏”或已清洗的资金。该方法依赖混币服务相关活动中观察到的统计模式。…

本研究检验链上资金流能否预测比特币、以太坊和泰达币的日内收益与波动率。研究考察 2017–2023 年间的一至六小时区间，并区分流入交易所的资金与投资者钱包之间的资金流动。作者还使用案例研究展示收益预测，并基于以太坊净流入制定期权策略，以评估以太坊投资的盈亏。…

本文将加密货币市场中的定量模式与成熟金融市场的典型事实进行比较。研究涵盖收益分布、波动聚集、时间多重分形相关性、跨市场相关性，以及交易量与价格变化之间的关系。大量记录下来的加密货币交易数据，使研究人员能够考察这些特征如何随资产和市场发展而变化。…

本文提出一种衡量链上订单流拍卖（OFA）带来价格改善的框架。文章介绍如何将执行收益归因于可调系统输入，包括路由质量、燃料费使用和优先费设置，旨在将拍卖效应与其他改善成交价格的来源区分开来。 在包括1Inch和Uniswap在内的以太坊交易界面上应用该方法后，分析报告称其样本中的平均收益为4–5个基点，且具有统计显著性。研究将价格改善主要归因于大额兑换可获得的额外流动性。摘录未提供样本量、期间、交易明细或统计检验细节，因此应将报告的平均值视为仅适用于所研究界面和数据的结果，而非普遍保证。

本文使用多元霍克斯过程对比特币区块到达和价格跳跃建模。霍克斯过程是一种点过程框架，将事件表示为能够激发后续事件的过程。研究使用公开的区块链数据，并通过极大似然法估计模型参数。该设定旨在捕捉事件流内部的自激效应，以及区块挖矿与比特币价格波动之间的交叉激发效应。…

本研究考察价格历史以外的信息能否帮助预测比特币兑美元的波动率。提出的 CoMForE 系统结合历史交易数据、相关推文的情绪、衡量公众关注度的搜索量指标，以及区块链哈希率数据。系统采用 AdaBoost–LSTM 集成模型，也旨在预测加密货币价值分布的变化，并将投资决策作为潜在用途。 文档报告的实验显示，结合这些数据源的表现优于仅依赖交易数据，并声称较现有预测方法提升…

根据本文，Lockchain协议将比特币交易强制要求的四字节nLockTime字段用作元协议的紧凑元数据头。通过将编码值限制在过去Unix时间戳的一个未使用范围内，该协议为协议标记、类型、变体和序列标识符分配字段，同时遵守比特币的共识和策略规则。…

本研究使用区块链数据考察比特币持有时长及与币龄相关的交易活动。研究报告称，持有时长分布具有厚尾特征：从一天到至少200周的时长范围内，幂律指数均值接近0.9。该分布在不同样本和价格状态间差异显著，指数介于0.3和2.5之间；作者将这种变化称为多重标度。他们还发现，币龄与交易比例之间存在幂律关系，指数接近−1.5，并称其与优先级排队理论相符。…

本章综述通过权益证明机制发行新币的加密货币系统中，财富和交易行为如何演变。首先考察不进行交易时的财富积累，并关注协议可能如何影响去中心化。随后分析个体矿工的交易动机，以及如何在交易活动、参与质押和新币发行之间权衡。…

本研究考察加密货币链上指标能否帮助解释价格并区分高风险资产。研究分析历史数据，测量价格与其他参数之间的相关性，通过聚类对加密货币分组，并运用分类算法将资产标记为高风险或非高风险。这些分组旨在帮助投资者将某种代币与链上特征相似的其他代币进行比较。 报告数据显示，39% 的加密货币消失，而 10% 存续超过 1,000 天。价格与最大供应量和总供应量显著负相关，与 24 小时交易量弱正相关。聚类得到五个组，使用 K 近邻方法时，报告的最佳风险分类 F1 得分为…

ManiScope是一套可视分析系统，旨在帮助用户评估加密货币市场中基于交易的操纵风险，包括虚假交易。系统通过协调的视图整合代币持有分布、持有人之间的关系、单个持有人的行为、价格走势和可疑交易模式。其目标是帮助分析人员关联证据，而这些证据可能难以通过孤立规则或人工检查来评估。…

本研究以 Hyperliquid 原生 TWAP 订单为“阳光交易”的例子，考察公开展示交易意图能否降低执行成本。研究将可见 TWAP 执行与根据地址级数据重建的隐藏大额订单进行比较。隐藏订单往往采用前置、呈 U 形的执行计划，而可见 TWAP 交易更加均匀，这与两者不同的执行设计相符。 分析发现，与可比的隐藏大额订单相比，可见 TWAP 的执行成本较低，永久价格冲击也较小。然而，与已公开的 TWAP 方向相同的隐藏订单面临更高的永久成本，这表明部分逆向选择转移到了未披露交易意图的交易者身上。TWAP…