डिजिटल संपत्तियाँ
क्या ऑन-चेन डेटा बिटकॉइन चक्रों की भविष्यवाणी कर सकता है?
वित्तीय बाजार संस्थानों और खुदरा निवेशकों की मनोविज्ञान और कार्यों द्वारा संचालित होते हैं। इसका मतलब है कि लेनदेन की मात्रा, पैटर्न और अन्य डेटा का विश्लेषण ट्रेडरों और निवेशकों के लिए भविष्य की कीमतों की चालों की भविष्यवाणी करने में अत्यंत मूल्यवान हो सकता है।
बिटकॉइन इतिहास में सबसे सफल नई संपत्ति श्रेणियों में से एक रहा है, और यह पारंपरिक संपत्तियों जैसे स्टॉक्स और सोने से कुछ तरीकों में अलग है, जैसे त्वरित लेनदेन और गणितीय रूप से सीमित आपूर्ति। एक कम चर्चा किया गया अंतर यह है कि बिटकॉइन और सामान्यतः क्रिप्टोकरेंसी के बाजार और लेनदेन कितने पारदर्शी हैं।
सिद्धांत रूप में, यह निवेशकों को बाजार चक्रों का अध्ययन करने का एक अलग तरीका प्रदान कर सकता है, क्योंकि प्रत्येक लेनदेन पब्लिक लेज़र में पंजीकृत और “स्मरणीय” रूप से उपलब्ध होता है।
फ़िनलैंड के यूनिवर्सिटी ऑफ वैसा और इटली के यूनिवर्सिटी ऑफ ट्यूरिन के शोधकर्ताओं द्वारा प्रकाशित एक नया आर्थिक शोध पत्र इस विधि की संभावनाओं की जांच करता है। इसे Research In International Business and Finance1 में प्रकाशित किया गया, शीर्षक “Using on-chain data to predict Bitcoin cycles” के तहत।
बाजारों की भविष्यवाणी
वित्तीय बाजार की कीमतों की भविष्यवाणी अत्यधिक लाभदायक हो सकती है, इसलिए इस विषय पर काफी ध्यान दिया गया है। हालांकि, पारंपरिक वित्तीय मॉडल क्रिप्टो संपत्तियों की कीमतों की चालों को समझाने में संघर्ष करते हैं।
यह इसलिए है कि, स्टॉक्स के विपरीत, क्रिप्टो में किसी कंपनी से जुड़ी अंतर्निहित मूल्य और संभावित भविष्य के लाभांश नहीं होते। इसी तरह, वे राष्ट्रीय मुद्राओं के समान नहीं हैं, जो केंद्रीय बैंक के निर्णय और राष्ट्रीय अर्थव्यवस्था की ताकत या कमजोरी से प्रभावित होते हैं।
इसके बजाय, क्रिप्टो की कीमत मुख्यतः भावना-प्रेरित होती है, भले ही लेनदेन या मूल्य संग्रह के लिए अंतर्निहित उपयोगिता, निश्चित रूप से, क्रिप्टोकरेंसी के मूल्य का गहरा कारण है।
पारंपरिक बाजारों में, भावना-प्रेरित मूल्य चालें आमतौर पर सर्वेक्षण या मीडिया-आधारित संकेतकों जैसे अप्रत्यक्ष प्रॉक्सी से अनुमानित की जाती हैं। लेकिन ब्लॉकचेन पारदर्शी और छेड़छाड़-रोधी लेनदेन लेज़र प्रदान करते हैं, जो निवेशक व्यवहार का सत्यापनीय रिकॉर्ड देते हैं।
ऑन-चेन डेटा बिटकॉइन कीमतों की भविष्यवाणी में उपयोगी हैं या नहीं, इस प्रश्न का उत्तर देने के लिए, शोधकर्ताओं ने तीन ऑन-चेन, ट्रेडिंग-आधारित मापदंडों का उपयोग किया। उन्होंने इन्हें तीन प्रमुख बाजार चक्रों में मापा।
बिटकॉइन की भावना का मापन
मेट्रिक्स का अवलोकन
शोधकर्ता ने बिटकॉइन की कीमतों का विश्लेषण 7 दिसंबर 2013 से 12 अप्रैल 2025 तक किया, जो तीन पूर्ण बाजार चक्रों: 2015, 2018, और 2022 को कवर करता है।
इस अध्ययन में उपयोग किए गए तीन संकेतक हैं:
- शुद्ध अप्रकट लाभ/हानि (NUPL) अनुपात
- बाजार मूल्य बनाम वास्तविक मूल्य Z-स्कोर (MVRV Z-स्कोर)
- संचयी मूल्य दिवस नष्ट (CVDD)।
पहले दो मेट्रिक्स कीमतों को धारकों के समग्र लागत आधार (वास्तविक मूल्य) से जोड़ते हैं और इन्हें व्यवहारिक वित्तीय तंत्रों के माध्यम से व्याख्यायित किया जा सकता है।
CVDD दीर्घकालिक धारक व्यवहार को दर्शाता है क्योंकि यह लंबे समय तक रखे गए कॉइनों की खर्च को पकड़ता है और इस प्रकार अत्यधिक निराशा के दौर में दीर्घकालिक धारकों द्वारा आत्मसमर्पण की जानकारी प्रदान करता है।
समग्र रूप से, विचार निवेशकों की भावनाओं का मूल्यांकन करना है, जहाँ अत्यधिक आशावाद अत्यधिक जोखिम लेने और कीमतों में तेज़ी को प्रेरित कर सकता है, जो बुलबुले बन सकते हैं, और जब निवेशक घबराते हैं तो ये फूटते हैं, और कीमतें अंतर्निहित मूल्य से बहुत नीचे गिर जाती हैं।
क्रिप्टो में, सर्च इंजन गतिविधि और सोशल मीडिया भावना विश्लेषण के सबसे प्रमुख स्रोतों में से हैं। लेकिन ऑन-चेन डेटा अंततः इस भावना के कार्यों में परिवर्तित होने का प्रमाण रखता है।
शुद्ध अप्रकट लाभ/हानि अनुपात
NUPL अनुपात उन सिक्कों के हिस्से का अनुमान लगाता है जो वर्तमान में अप्रकट लाभ या हानि पर रखे गए हैं।
इस प्रकार, उच्च मान (0.75 से ऊपर) संभावित बाजार शिखर का संकेत देते हैं, जहाँ उत्साही भावना बड़े अप्रकट लाभों को रखने की ओर ले जाती है। इसी तरह, निम्न मान आमतौर पर बाजार के निचले स्तर पर भय और आत्मसमर्पण से जुड़े होते हैं।
बाजार मूल्य बनाम वास्तविक मूल्य Z-स्कोर
MVRV Z-स्कोर यह आकलन करता है कि कोई सिक्का अपनी “न्यायसंगत मूल्य” की तुलना में कम मूल्यांकित है या अधिक मूल्यांकित, और यह एक व्यापक रूप से उपयोग किया जाने वाला ऑन-चेन मेट्रिक है।
इसके लिए, यह 3 मेट्रिक्स को मिलाता है:
- बाजार मूल्य (MV): बिटकॉइन की कीमत को प्रचलन में मौजूद सिक्कों की संख्या से गुणा किया गया।
- वास्तविक मूल्य (RV): प्रत्येक सिक्के को उस कीमत पर मूल्यांकित करना जिस पर वह आखिरी बार ऑन-चेन स्थानांतरित हुआ था और सभी प्रचलन में मौजूद सिक्कों को जोड़ना।
- Z-स्कोर: बाजार मूल्य के मानक विचलन द्वारा MV और RV के बीच विचलन को मानकीकृत करता है।
यह संकेतक दर्शाता है कि बुल मार्केट चरणों में बाजार प्रतिभागी बड़े अप्रकट लाभ रख रहे हैं, जब बिटकॉइन का बाजार मूल्य उसके वास्तविक मूल्य से काफी अधिक बढ़ जाता है।
-0.2 से नीचे का स्कोर बढ़े हुए भय और अनिश्चितता की स्थिति माना जाता है। 5-7 का निकास थ्रेशोल्ड दर्शाता है कि औसत प्रतिभागी बड़े अप्रकट लाभ रखता है, जिससे लाभ-लेने की व्यवहारिक दबाव उत्पन्न होती है, जो ऐतिहासिक रूप से चक्र के शिखर के साथ मेल खाती है।
संचयी मूल्य दिवस नष्ट
CVDD, Coin Days Destroyed (CDD) पर आधारित है, जो लेनदेन को सिक्कों की मात्रा और उनके रखे जाने की अवधि दोनों के आधार पर वज़न देता है।
और अधिक सटीक रूप से, यह स्थानांतरित सिक्कों की संख्या को उन दिनों की संख्या से गुणा करता है, जो उन सिक्कों के आखिरी बार स्थानांतरित होने के बाद बीते हैं। CVDD इस गतिविधि को समय के साथ संकलित करता है।
यह बाजार के निचले स्तर को मापने में विशेष रूप से उपयोगी हो सकता है, क्योंकि यह तब का आकलन करता है जब दीर्घकालिक धारक आत्मसमर्पण करते हैं।
क्या ऑन-चेन डेटा बिटकॉइन कीमत की भविष्यवाणी कर सकता है?
प्रकाशित परिणाम
कई परीक्षण किए गए NULP रणनीतियों ने सभी बाय-एंड-होल्ड रणनीति से बेहतर प्रदर्शन किया। उच्च रिटर्न के अलावा, उन्होंने सभी छोटे ड्रॉडाउन भी दिखाए। सबसे आक्रामक NULP रणनीति सबसे अधिक लाभदायक साबित हुई।
MVRV Z-स्कोर ने भी बाय-एंड-होल्ड बेंचमार्क की तुलना में श्रेष्ठ और मजबूत जोखिम-समायोजित प्रदर्शन दिखाया। उन्होंने सभी मेट्रिक्स में NUPL-आधारित रणनीतियों को पीछे छोड़ दिया, हालांकि कुछ मामलों में अतिरिक्त अस्थिरता के साथ।
CVDD रणनीतियों ने सभी ट्रेड और विंडो रेंज में चक्र के निचले स्तर की पहचान करने में सक्षम सिद्ध किया, अधिकांश यादृच्छिक समय पर प्रवेशों को पीछे छोड़ते हुए।
99% p-वैल्यू के साथ, यह सुझाव देता है कि हालांकि CVDD आमतौर पर निचले स्तर के बहुत करीब प्रवेश करता है, इसके होल्डिंग अवधि कभी-कभी आदर्श से लंबी होती है, जिससे वार्षिकीकृत प्रदर्शन घटता है।
इन परिणामों से पता चलता है कि सभी तीन मापदंड भविष्यवाणी मूल्य रखते हैं, जिसमें MVRV Z-स्कोर समग्र रूप से सबसे मजबूत जोखिम-समायोजित प्रदर्शन देता है और CVDD विशेष रूप से बाजार के निचले स्तर की पहचान करने में सूचनात्मक प्रतीत होता है।
समग्र रूप से, अध्ययन संकेत देता है कि हाँ, ऑन-चेन डेटा बिटकॉइन बाजार व्यवहार के बारे में आर्थिक रूप से सार्थक जानकारी रखता है।
सीमाएँ
यह आश्चर्यजनक नहीं होना चाहिए कि बिटकॉइन बाजार की अधिक खरीदी या अधिक बिक्री की स्थिति के बाजार संकेतक बाय-एंड-होल्ड रणनीति की तुलना में ट्रेडिंग में बेहतर मदद करते हैं। आखिरकार, यदि ऐसे संकेतक कोई अतिरिक्त लाभ नहीं देते, तो ट्रेडर बहुत समय पहले उनका उपयोग बंद कर देते।
हालांकि, वे कोई जादू की गेंद नहीं हैं, और संभवतः कई संकेतकों को मिलाकर एक अधिक परिष्कृत दृष्टिकोण बेहतर प्रदर्शन करेगा, जिसमें ऑन-चेन संकेतकों के अलावा अन्य प्रकार भी शामिल होंगे।
शोध लेख यह भी स्वीकार करता है कि अन्य संपत्तियों जैसे एथेरियम, सोलाना और XRP के लिए ऑन-चेन डेटा और कीमतों के बीच संबंध का विश्लेषण करने के लिए और अधिक कार्य की आवश्यकता है।
इसी प्रकार, अन्य ऑन-चेन मेट्रिक्स का अभी तक वैज्ञानिक रूप से मूल्यांकन नहीं किया गया है।
AI व्यवधान?
अंत में, LLMs (लार्ज लैंग्वेज मॉडल) और सामान्य AI का उदय 2013 से बैकटेस्ट किए गए पैटर्न को बाधित कर सकता है।
LLMs का उपयोग खुदरा और संस्थागत निवेशकों द्वारा बाजार स्थितियों की व्याख्या और जानकारी प्रक्रिया करने के लिए बढ़ते हुए किया जा रहा है, जिससे व्यवहारिक पक्षपात बढ़ने की संभावना है। यह यहाँ जांचे गए ऑन-चेन भावना संकेतों की गतिशीलता को मूल रूप से बदल सकता है।
इसलिए क्रिप्टो निवेशकों को यह सावधान रहना चाहिए कि वे उन संकेतकों की विश्वसनीयता में अत्यधिक आत्मविश्वास न रखें जो अतीत में काम करते थे, क्योंकि बाजार लगातार विकसित हो रहे हैं, आज और भी अधिक, क्योंकि AI जैसे नए विश्लेषणात्मक उपकरण भी बाजार की संरचना को बदल सकते हैं।
इसलिए, निवेश में हमेशा की तरह, विविधीकरण और यह याद रखना कि “पिछले प्रदर्शन भविष्य के परिणामों का प्रमाण नहीं हैं” महत्वपूर्ण होगा।
संदर्भित अध्ययन
1. Klaus Grobys, Sebastian Näsman, and Davide Sandretto. ऑन-चेन डेटा का उपयोग करके बिटकॉइन चक्रों की भविष्यवाणी. Research in International Business and Finance. सितंबर 2026. Article: 103486. Volume: Volume 89. 10.1016/j.ribaf.2026.103486.
