🌈 HODL Waves Têm Poder Preditivo Sobre os Preços do Bitcoin?

Caçando sinais para trading no gráfico mais incompreendido (e colorido) do Bitcoin.

Por Paradigma · 03 de março de 2020 · Análise técnica

Esta é uma tradução livre (e enxugada) de um estudo feito pela Galaxy Digital Research, em cima das HODL Waves — um método específico de análise da oferta circulante de bitcoin, baseado em propriedades temporais.

Ao final da leitura, você vai (1) saber ler o famoso "gráfico arco-íris" das HODL Waves; (2) entender os padrões econômicos que ele ilustra; e (3) saber quais partes dele podem ajudar a prever movimentações nos preços.

💵 O Que São UTXOs?

Bitcoin(s) vivem numa estrutura de dados que é replicada em múltiplas máquinas. Nessa estrutura de dados, a menor unidade de informação econômica é chamada UTXO (dá pra pensar nela como se fosse uma célula, dentro de uma planilha enorme). Cada UTXO carrega uma "carga" (sempre positiva), enumerada em frações de bitcoin.

Uma maneira de entender UTXOs é pensá-los como "notas de bitcoin". Outra é ler este texto aqui:

👉 Quero entender direito o que é um UTXO 🔗

Como todo UTXO deixa rastros (datados) por onde passa, e como todos os bitcoin estão contidos em UTXOs… isso significa que todos bitcoin têm uma idade: não o tempo desde quando foi minerado (criado), mas desde que foi usado em uma transação pela última vez.

📜 História

John Ratcliff (2014) foi provavelmente o primeiro a particionar a oferta circulante de BTC em "fatias" de acordo com a data de movimentação mais recente das moedas. 

Nos anos subsequentes, a indústria convergiu em torno do termo "HODL Waves" para se referir à camadas da “oferta ativa” de bitcoin.

John Ratcliff, ex-engenheiro da Nvidia, hobbista pioneiro em criar visualizações 3D para dados da blockchain. 

A ideia foi revisitada por Bansal (2018) e o time da Unchained Capital, pioneiros no uso das HODL Waves para iluminar dinâmicas cíclicas de mercado.

No gráfico, seções "quentes" representam UTXOs movidos recentemente; seções "frias" denotam moedas inertes há meses ou anos. Picos abruptos nas faixas vermelhas sugerem dinâmica intensa de redistribuição (moedas antigas indo para novas mãos).

Bansal sugeriu que, durante escaladas nos preços, ondas de novos entrantes adquirem bitcoin, elevando a representatividade de BTC recentes (as bandas "quentes"). Com a chegada de um pico local, muitos destes se convertem em HODLers, e veem suas moedas "esfriarem", engordando de novo as bandas "frias" (veja no gráfico a seguir).

HODL Waves por Unchained Capital, 2018.

💡 Hipótese

Se existem dinâmicas de acumulação e distribuição explicitadas pelas HODL Waves; e se estas têm relação significativa com os preços do BTC… seria possível que alguma faixa específica nos dados possa ser usada para ler (e antever) mudanças conjunturais no mercado?

A equipe da Galaxy Digital publicou uma análise detalhada sobre implicações da distribuição de idades nas HODL Waves sobre retornos nos preços do BTC.

Foram usados dados originais da Unchained e séries de preço da Bitcoinity. Foram removidas observações onde o preço do BTC ainda era U$ 0. A amostra começa em 17 de Julho de 2010 e vai até 29 de Maio de 2019.

Diferentes visualizações das HODL Waves, de 2014 a 2020. Por John Ratcliff, Tim Swanson, MIT, Tamas Blummer (RIP), Galaxy Digital, Unchained Capital, Glassnode e Willy Woo.

📡 Caçando Sinais

Para quantificar a "sensibilidade" dos preços diante de mudanças nas HODL Waves, o primeiro passo é decompor as ondas em features individuais. Parece óbvio, mas não é: assim como podemos usar 11 faixas como no gráfico da Unchained; também podemos usar 3, ou 365.

A escolha pelas segmentações [ <1d; 1d-1w; 1w-1m; 1–3m; 3–6m; 6–12m; 12–18m; 18–24m; 2–3y; 3–5y; >5y ] facilita a compreensão da dinâmica ilustrada pelo conceito — mas carrega implicações (ver Conclusão).

Uma vez definidos os sinais, foi medida a correlação entre variações neles e em preços futuros ("lookahead returns"). Para isso, são construídas séries que englobam variações nos preços entre n períodos de tempo.

Estes períodos podem ser constantes (i.e. t0 = 5, t1= 10, t2 = 15, ...), telescópicos (i.e. t0 = 1, t1= 3, t2 = 10, ...), ou até mesmo arbitrários, dependendo do objetivo do experimento.

Analisar retornos dessa maneira ajuda a manter cada observação estatisticamente independente.

O passo seguinte foi agrupar observações para criar distribuições de correlações — em vez de uma única correlação entre cada feature (e.g. a série UTXOs <1d) e preços ao longo de todos os dados. 

🔎 Diferentes approaches foram testados. Você pode ler mais sobre os métodos de agrupamento e randomização das observações aqui 🔗

Abaixo selecionamos os resultados mais promissores:

1. Séries Mais Antigas Têm Menos Potencial Preditivo

Sinais "mais longos" (2–3y e 3–5y) demonstram quase nenhuma correlação com retornos, ao longo dos ciclos de mercado.

2. Dentre as Séries Mais Recentes, Há Sinais Úteis Olhando Para ~30 e ~50 Dias Adiante

O sinal 1d-1w tem uma correlação negativa notável com retornos 30 dias adiante.

Relação parecida se identifica entre o sinal 1w-1m e retornos 50–60 dias adiante.

Isto é: preços caindo no mês seguinte a aumentos na proporção de UTXOs com 1d-1w de idade (ou no bimestre seguinte a aumentos relativos na quantia de UTXOs com 1w-1m).

Pelo contrário, nota-se uma correlação pequena, mas positiva, entre o sinal de 1m-3m e retornos 30 dias adiante.

A intuição econômica é de que picos nas faixas 1d-1w e 1w-1m significam redistribuição de UTXOs antigos rumo a UTXOs recentes. 

Assim como outras métricas de desova têm disparadas concomitantes a máximas nos preços (e.g. Coindays Destroyed), essa dinâmica sugere que antigos acumuladores costumam despejar estoques em sincronia com momentos de euforia nos mercados (ainda há poucos estudos robustos sobre a direção da causalidade nesse fenômeno). Sendo assim, é natural que preços tendam a exibir retornos negativos nos meses posteriores a grandes ondas de despejo.

Por outro lado, aumentos relativos na faixa 1m-3m podem ser interpretados como medida de "quantos novos investidores estão sendo batizados", sobrevivendo aos primeiros meses, e se acostumando a HODLar bitcoin pro que der e vier. Se entendermos o sinal como uma métrica de "Novos Entrantes" que não "sucumbiram ao churn", fica fácil enxergar como ele pode guardar correlação positiva com retornos 50–60 dias adiante.

3. É Preciso Lembrar que As Faixas De Idade são Arbitrárias!

A equipe da Galaxy ainda comparou os resultados obtidos para cada sinal ao longo de diferentes deslocamentos temporais (1 dia adiante; 10 dias adiante; 30 dias adiante; etc).

Os resultados para o sinal <1d (absoluto) e o sinal 12m-18m (relativo) são reproduzidos a seguir: repare na heterogeneidade entre as correlações medianas encontradas para diferentes lags.

Tamanho dos círculos: valor absoluto da correlação. Cor: tamanho dos intervalos de confiança (mais escuro = intervalo menor e confiança maior).

Isso significa que arranjos distintos podem fazer emergir informações previamente “escondidas”.

O sinal 1d-1w pode ter um poder preditivo altíssimo em relação a retornos num um lag para o qual não foi testado (digamos, hipoteticamente, 365 dias adiante; ou até mesmo 1,56548 dias adiante). Além disso, o sinal mais correlacionado com retornos 30 dias adiante pode muito bem ser a faixa de UTXOs com 99–100d, ou qualquer outro agrupamento que escapou à segmentação original.

Outrossim, não tome essa análise como definitiva — mas sim como um guia de possibilidades para se extrair sinais a partir da distribuição de idade dos bitcoin que estão por aí.

🏁 Conclusão

Existem indícios de que certos aspectos das HODL Waves carregam poder preditivo sobre os preços. Vale ressaltar, que a resolução dos dados explorados é um fator limitante. Com medições diárias e pouco mais de 10 anos de história, restringimo-nos a algumas poucas milhares observações.

Especificamente, destacamos a relação positiva ⬆ entre a faixa de UTXOs com 30–90 dias e retornos ~50 dias à frente; assim como a relação negativa ⬇ entre UTXOs com 1d-1m e retornos ~30 dias à frente.

Essa linha de pesquisa pode evoluir de diversas maneiras. Algumas ideias que podem contribuir para a extração d e sinais mais refinados incluem:

1. Usar dados de mais alta frequência (extração a cada bloco, em vez de dia), para acompanhar a granularidade das séries de preço que se encontra por aí;
2. Testar procedimentos alternativos para transformar ou estacionarizar os dados brutos;
3. Aplicar métodos que reduzam a influência da sazonalidade nos resultados.

⚓ Referências

• Price Implications of Bitcoin UTXO Age Changes (Galaxy Digital Research, 2019)
• What Block Chain Analysis Tells Us About Bitcoin (CoinDesk / Tim Swanson, 2014)
• 5 Crypto-Native Indicators to Enrich Your Market Cycle Analysis (Felipe SantAna, 2019)
• Cryptoasset Valuation Research Primer, Part 2 (Coinmetrics / Kevin Liu, 2020)