Kan on-chain-data forudsige Bitcoin-cyklusser?

Finansielle markeder påvirkes af psykologien og handlingerne fra institutioner og detailinvestorer. Det betyder, at analyse af transaktionsvolumen, mønstre og andre data kan være ekstremt værdifuldt for handlende og investorer i at forudsige fremtidige prisbevægelser.

Bitcoin har været en af de mest succesfulde nye aktivklasser i historien og adskiller sig fra traditionelle aktiver som aktier og guld på flere måder, såsom øjeblikkelige transaktioner og matematisk begrænset udbud. En mindre diskuteret forskel er, hvor gennemsigtige markedet og transaktionerne for Bitcoin og kryptovalutaer generelt er.

Teoretisk set kan dette give investorer en anden måde at studere markedscyklusser på, da hver transaktion registreres og “gemmes” i den offentlige hovedbog, som er tilgængelig for alle.

Et nyt økonomisk forskningspapir udgivet af forskere ved University of Vaasa (Finland) og University of Turin (Italy) undersøger potentialet i denne metode. Det blev offentliggjort i Research In International Business and Finance¹ under titlen “Using on-chain data to predict Bitcoin cycles”.

Forudsigelse af markeder

Da forudsigelse af finansielle markedspriser kan være ekstremt lukrativt, har emnet fået betydelig opmærksomhed. Traditionelle finansielle modeller har dog svært ved at forklare prisbevægelserne for kryptogoder.

Dette skyldes, at kryptovalutaer i modsætning til aktier mangler en intrinsisk værdi knyttet til et selskab og potentielle fremtidige udbytter. Ligeledes er de ikke de samme som nationale valutaer, som påvirkes af centralbankens beslutninger og en national økonomis styrke eller svaghed.

I stedet er prisen på kryptovalutaer i høj grad sentimentdrevet, selvom den underliggende nytteværdi for transaktioner eller som en værdilager er den dybere grund til kryptovalutaers værdi.

I traditionelle markeder udledes sentimentdrevne prisbevægelser typisk fra indirekte proxy‑variabler såsom undersøgelser eller mediebaserede indikatorer. Men blockchains leverer en gennemsigtig og manipulationssikker hovedbog over transaktioner, som giver en verificerbar registrering af investoradfærd.

For at besvare spørgsmålet om, hvorvidt on-chain‑data er nyttige til at forudsige Bitcoin‑priser, brugte forskerne tre on-chain, handelsbaserede mål. De målte dem på tværs af tre store markedscyklusser.

Måling af Bitcoins sentiment

Oversigt over metrikker

Forskerne analyserer Bitcoin‑priser fra 7. december 2013 til 12. april 2025, hvilket dækker tre komplette markedscyklusser: 2015, 2018 og 2022.

De tre indikatorer, der anvendes i denne undersøgelse, er:

• Net Unrealized Profit/Loss (NUPL) forhold
• Markedsværdi til realiseret værdi Z‑score (MVRV Z‑score)
• Cumulative Value Days Destroyed (CVDD).

De første to metrikker relaterer priser til indehavernes samlede kostpris (realiseret værdi) og kan fortolkes gennem adfærdsøkonomiske mekanismer.

CVDD afspejler langsigtede indehaveres adfærd, da den fanger forbruget af langt holdte mønter og dermed giver information om kapitulation fra langsigtede indehavere i perioder med ekstrem pessimisme.

Overordnet er idéen at evaluere investorers sentiment, hvor overoptimisme kan udløse overdreven risikotagning og prisstigninger, der kan udvikle sig til bobler, som så brister, når investorer panikker, og priserne falder langt under den intrinsiske værdi.

I kryptovalutaer er søgemaskineaktivitet og sociale medier blandt de mest fremtrædende kilder til sentimentanalyse. Men on-chain‑data indeholder i sidste ende beviset på, at sådant sentiment omsættes til handlinger.

Net Unrealized Profit/Loss forhold

NUPL‑forholdet estimerer andelen af mønter, der i øjeblikket holdes med en urealiseret gevinst eller tab.

Som sådan indikerer høje værdier (over 0,75) et potentielt markedstop, hvor euforisk sentiment fører til at holde betydelige urealiserede gevinster. Lave værdier er typisk forbundet med frygt og kapitulation ved et markedsbund.

Markedsværdi til realiseret værdi Z‑score

MVRV Z‑score vurderer, om en mønt er undervurderet eller overvurderet i forhold til dens “fair value”, og er en bredt anvendt on-chain‑metrik.

For at gøre dette kombinerer den 3 metrikker:

• Markedsværdi (MV): Bitcoin‑pris multipliceret med antallet af mønter i cirkulation.
• Realiseret værdi (RV): Vurdering af hver mønt til den pris, den sidst blev overført på blockchainen, og summen af alle mønter i cirkulation.
• Z‑score: Standardiserer afvigelsen mellem MV og RV ved hjælp af standardafvigelsen for markedsværdien.

Denne indikator antyder, at markedsdeltagere holder store urealiserede gevinster i bull‑markedsfaser, når Bitcoins markedsværdi stiger markant over dens realiserede værdi.

En score under -0,2 betragtes som en tilstand af øget frygt og usikkerhed. En udgangstærskel på 5‑7 indikerer, at den gennemsnitlige deltager holder store urealiserede gevinster, hvilket skaber et adfærdsmæssigt pres mod profit‑taking, som historisk sammenfalder med cyklustoppe.

Cumulative Value Days Destroyed

CVDD er bygget på Coin Days Destroyed (CDD), en metrik der vægter transaktioner både efter mængden af mønter, der flyttes, og hvor længe de har været holdt.

Mere præcist måler den antallet af overførte mønter multipliceret med antallet af dage siden disse mønter sidst blev flyttet. CVDD aggregerer denne aktivitet over tid.

Den kan være særligt nyttig til at måle markedsbunden, da den vurderer, hvornår langsigtede indehavere kapitulerer.

Kan on-chain‑data forudsige Bitcoin‑pris?

Publicerede resultater

Flere testede NULP‑strategier overgik alle en buy‑and‑hold‑strategi. Ud over højere afkast viste de også mindre drawdowns. Den mest aggressive NULP‑strategi viste sig at være den mest rentable.

MVRV Z‑score udviste også overlegen og robust risikojusteret performance i forhold til buy‑and‑hold‑benchmarken. De overgik de NUPL‑baserede strategier på alle målepunkter, omend med noget ekstra volatilitet i visse tilfælde.

CVDD‑strategierne viste sig i stand til at identificere cyklusbunde på tværs af alle handler og vinduesintervaller, hvilket slog de fleste tilfældigt timede indgange.

Med en p‑værdi på 99 % antyder det, at selvom CVDD typisk træder ind meget tæt på bunden, er dens holdningsperioder nogle gange længere end ideelt, hvilket reducerer den annualiserede performance.

Disse resultater indikerer, at alle tre mål indeholder forudsigelsesværdi, hvor MVRV Z‑score leverer den stærkeste samlede risikojusterede performance, og CVDD fremstår særligt informativ til at identificere markedsbunde.

Samlet set viser undersøgelsen, at ja, on-chain‑data indeholder økonomisk meningsfuld information om Bitcoins markedsadfærd.

Begrænsninger

Det bør ikke overraske, at markedsindikatorer for en overkøbt eller oversolgt situation i Bitcoin‑markeder hjælper med at handle bedre end en buy‑and‑hold‑strategi. Hvis sådanne indikatorer ikke gav ekstra fordel, ville tradere have stoppet med at bruge dem for længe siden.

De er dog ingen krystalkugle, og sandsynligvis vil en mere sofistikeret tilgang, der kombinerer flere indikatorer, have en overlegen performance, herunder andre typer end on-chain‑indikatorer.

Forskningsartiklen indrømmer også, at der er behov for mere arbejde med at analysere sammenhængen mellem on-chain‑data og priser for andre aktiver, såsom Ethereum, Solana og XRP.

På samme måde mangler andre on-chain‑metrikker stadig at blive evalueret videnskabeligt.

AI-forstyrrelse?

Endelig kan fremkomsten af LLM’er (Large Language Model) og AI generelt forstyrre mønsteret, der er back‑testet fra 2013.

LLM’er anvendes i stigende grad af detail‑ og institutionelle investorer til at fortolke markedsforhold og behandle information, med potentiale til at forstærke adfærdsmæssige bias. Dette kan radikalt ændre dynamikken i de on-chain‑sentimentsignaler, der undersøges her.

Derfor bør crypto‑investorer være forsigtige med ikke at blive for selvsikre på pålideligheden af indikatorer, der har fungeret i fortiden, da markederne konstant udvikler sig, i dag endnu mere, da nye analytiske værktøjer som AI også kan ændre markedernes struktur.

Så som altid i investering, er diversificering og huskelsen om, at “tidligere resultater ikke er en garanti for fremtidige resultater”, vigtigt.

Studie refereret

^{1. Klaus Grobys, Sebastian Näsman, and Davide Sandretto. Using on-chain data to predict Bitcoin cycles. Research in International Business and Finance. september 2026. Artikel: 103486. Bind: Volume 89. 10.1016/j.ribaf.2026.103486.}