Kan on‑chain data Bitcoin‑cycli voorspellen?

Financiële markten worden gedreven door de psychologie en acties van instellingen en particuliere beleggers. Dit betekent dat het analyseren van transactievolume, patronen en andere gegevens uiterst waardevol kan zijn voor handelaren en beleggers bij het voorspellen van toekomstige prijsbewegingen.

Bitcoin is een van de meest succesvolle nieuwe activaklassen in de geschiedenis en verschilt op enkele manieren van traditionele activa zoals aandelen en goud, bijvoorbeeld door onmiddellijke transacties en een wiskundig begrensde voorraad. Een minder vaak besproken verschil is hoe transparant de markt en transacties van Bitcoin en cryptocurrencies in het algemeen zijn.

In theorie kan dit beleggers een andere manier bieden om marktcycli te bestuderen, aangezien elke transactie wordt geregistreerd en “geheugen” openstaat voor toegang in het openbare grootboek.

Een nieuw economisch onderzoekspaper, gepubliceerd door onderzoekers van de Universiteit van Vaasa (Finland) en de Universiteit van Turijn (Italië), onderzoekt het potentieel van deze methode. Het werd gepubliceerd in Research In International Business and Finance¹, onder de titel “Using on-chain data to predict Bitcoin cycles”.

Markten voorspellen

Omdat het voorspellen van financiële marktprijzen buitengewoon winstgevend kan zijn, heeft dit onderwerp veel aandacht gekregen. Traditionele financiële modellen hebben echter moeite om de prijsbewegingen van crypto‑activa te verklaren.

Dit komt doordat cryptovaluta, in tegenstelling tot aandelen, geen intrinsieke waarde hebben die gekoppeld is aan een bedrijf en potentiële toekomstige dividenden. Evenzo zijn ze niet hetzelfde als nationale valuta’s, die worden beïnvloed door de beslissingen van de centrale bank en de sterkte of zwakte van een nationale economie.

In plaats daarvan wordt de prijs van cryptovaluta grotendeels gedreven door sentiment, hoewel de onderliggende bruikbaarheid voor transacties of als waardevast middel uiteraard de diepere reden is voor de waarde van cryptocurrencies.

In traditionele markten worden sentimentgedreven prijsbewegingen meestal afgeleid uit indirecte proxy’s zoals enquêtes of mediagebaseerde indicatoren. Blockchains bieden echter een transparante en manipulatie‑bestendige grootboek van transacties, waardoor een verifieerbaar overzicht van het gedrag van beleggers ontstaat.

Om de vraag te beantwoorden of on-chain data nuttig zijn om Bitcoin‑prijzen te voorspellen, gebruikten de onderzoekers drie on-chain, op handel gebaseerde maatstaven. Ze maten deze over drie belangrijke marktcycli.

Het meten van Bitcoin‑sentiment

Overzicht van statistieken

De onderzoekers analyseren Bitcoin‑prijzen van 7 december 2013 tot 12 april 2025, wat drie volledige marktcycli omvat: 2015, 2018 en 2022.

De drie indicatoren die in deze studie worden gebruikt, zijn:

• Netto ongerealiseerde winst/verlies (NUPL) ratio
• Marktwaarde-tot-gerealiseerde-waarde Z-score (MVRV Z-score)
• Cumulatieve waarde dagen vernietigd (CVDD).

De eerste twee statistieken relateren prijzen aan de gezamenlijke kostprijsbasis (gerealiseerde waarde) van houders en kunnen worden geïnterpreteerd via mechanismen uit de gedragsfinanciering.

CVDD weerspiegelt het gedrag van langetermijnhouders, aangezien het de uitgaven van lang aangehouden munten vastlegt en daardoor informatie biedt over capitulatie door langetermijnhouders tijdens periodes van extreme pessimisme.

Over het geheel genomen is het idee om het sentiment van beleggers te evalueren, waarbij overoptimisme kan leiden tot buitensporige risicobereidheid en prijsstijgingen die kunnen uitgroeien tot bubbels, die vervolgens barsten wanneer beleggers in paniek raken en de prijzen ver onder de intrinsieke waarde dalen.

In cryptovaluta behoren zoekmachine‑activiteit en sociale media tot de meest prominente bronnen van sentimentanalyse. Maar on-chain data bevatten uiteindelijk het bewijs dat dergelijk sentiment wordt omgezet in acties.

Netto ongerealiseerde winst/verlies Ratio

De NUPL‑ratio benadert het aandeel munten dat momenteel wordt gehouden met een ongerealiseerde winst of verlies.

Daarom duiden hoge waarden (boven 0,75) op een potentieel marktpiek, waarbij euforisch sentiment leidt tot het aanhouden van aanzienlijke ongerealiseerde winsten. Evenzo worden lage waarden doorgaans geassocieerd met angst en capitulatie bij een marktbodem.

Marktwaarde-tot-gerealiseerde-waarde Z-score

De MVRV Z-score beoordeelt of een munt onder- of overgewaardeerd is ten opzichte van zijn “eerlijke waarde” en is een veelgebruikte on-chain metriek.

Daartoe combineert het drie statistieken:

• Marktwaarde (MV): Bitcoin‑prijs vermenigvuldigd met het aantal munten in omloop.
• Gerealiseerde waarde (RV): Elke munt waarderen tegen de prijs waarop deze voor het laatst on-chain werd overgedragen en dit optellen over alle munten in omloop.
• Z-score: Standaardiseert de afwijking tussen MV en RV door de standaarddeviatie van de marktwaarde.

Deze indicator suggereert dat marktdeelnemers grote ongerealiseerde winsten aanhouden tijdens bull‑marktfasen, wanneer de marktwaarde van Bitcoin aanzienlijk boven de gerealiseerde waarde stijgt.

Een score onder -0,2 wordt beschouwd als een toestand van verhoogde angst en onzekerheid. Een exit‑drempel van 5‑7 geeft aan dat de gemiddelde deelnemer grote ongerealiseerde winsten aanhoudt, wat de gedragsmatige druk naar winstneming genereert die historisch samenvalt met cyclustoppen.

Cumulatieve waarde dagen vernietigd

CVDD is gebaseerd op Coin Days Destroyed (CDD), een metriek die transacties weegt op basis van zowel de hoeveelheid verplaatste munten als hoe lang ze werden aangehouden.

Meer precies meet het het aantal verplaatste munten vermenigvuldigd met het aantal dagen sinds die munten voor het laatst werden verplaatst. CVDD aggregeert deze activiteit over de tijd.

Het kan bijzonder nuttig zijn om de marktbodem te meten, aangezien het beoordeelt wanneer langetermijnhouders capituleren.

Kan on-chain data Bitcoin‑prijs voorspellen?

Gepubliceerde resultaten

Verschillende geteste NULP‑strategieën presteerden allemaal beter dan een koop‑en‑houd‑strategie. Naast hogere rendementen vertoonden ze ook kleinere neerwaartse bewegingen. De meest agressieve NULP‑strategie bleek de meest winstgevende te zijn.

De MVRV Z-score vertoonde ook een superieure en robuuste risico‑gecorrigeerde prestatie ten opzichte van de koop‑en‑houd‑benchmark. Ze presteerden beter dan de NUPL‑gebaseerde strategieën over alle statistieken, hoewel er in sommige gevallen extra volatiliteit was.

De CVDD‑strategieën bleken in staat te zijn om cyclusbodems te identificeren over alle handels‑ en vensterbereiken, en overtroffen de meeste willekeurig getimede ingangen.

Met een p‑waarde van 99% suggereert dit dat hoewel CVDD doorgaans zeer dicht bij de bodem instapt, de houdperiodes soms langer zijn dan ideaal, wat de geannualiseerde prestatie vermindert.

Deze resultaten geven aan dat alle drie de maatstaven voorspellende waarde bevatten, waarbij de MVRV Z-score de sterkste algehele risico‑gecorrigeerde prestatie levert en CVDD bijzonder informatief blijkt voor het identificeren van marktbodems.

Al met al wijst de studie erop dat ja, on-chain data economisch betekenisvolle informatie over het Bitcoin‑marktgedrag bevatten.

Beperkingen

Het mag niet verrassend zijn dat marktindicatoren van een overbought‑ of oversold‑situatie in de Bitcoin‑markten het handelen beter ondersteunen dan een koop‑en‑houd‑strategie. Immers, als dergelijke indicatoren geen extra voordeel boden, zouden handelaren ze al lang geleden hebben verlaten.

Ze zijn echter geen kristallen bol, en hoogstwaarschijnlijk zal een meer geavanceerde aanpak die meerdere indicatoren combineert betere prestaties leveren, inclusief andere soorten dan on-chain indicatoren.

Het onderzoeksartikel geeft ook toe dat meer werk nodig is om de link tussen on-chain data en prijzen voor andere activa, zoals Ethereum, Solana en XRP, te analyseren.

Evenzo moeten andere on-chain metriek nog wetenschappelijk geëvalueerd worden.

AI‑verstoring?

Ten slotte zou de opkomst van LLM’s (Large Language Model) en AI in het algemeen het patroon dat sinds 2013 is teruggetest, kunnen verstoren.

LLM’s worden steeds vaker gebruikt door particuliere en institutionele beleggers om marktomstandigheden te interpreteren en informatie te verwerken, met het potentieel om gedragsbiases te versterken. Dit zou de dynamiek van de hier onderzochte on-chain sentiment‑signalen radicaal kunnen veranderen.

Crypto‑beleggers moeten daarom oppassen dat ze niet te zelfverzekerd worden over de betrouwbaarheid van indicatoren die in het verleden werkten, aangezien markten voortdurend evolueren, nu nog meer, omdat nieuwe analytische tools zoals AI ook de structuur van markten kunnen veranderen.

Dus, zoals altijd bij beleggen, zijn diversificatie en het besef dat “verleden prestaties geen garantie voor toekomstige resultaten zijn” van belang.

Studie geraadpleegd

^{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. Volume: Volume 89. 10.1016/j.ribaf.2026.103486.}