Kan on-chain-data forutsi Bitcoin-sykluser?

Finansmarkedene påvirkes av psykologien og handlingene til institusjoner og detaljinvestorer. Dette betyr at analyse av transaksjonsvolum, mønstre og andre data kan være svært verdifullt for tradere og investorer når de skal forutsi fremtidige prisbevegelser.

Bitcoin har vært en av de mest suksessrike nye aktivakategoriene i historien, og skiller seg fra tradisjonelle aktiva som aksjer og gull på flere måter, som umiddelbare transaksjoner og matematisk begrenset tilbud. En mindre diskutert forskjell er hvor transparent markedet og transaksjonene for Bitcoin og kryptovalutaer generelt er.

I teorien kan dette gi investorer en annen måte å studere markedssykluser på, ettersom hver transaksjon blir registrert og «lagret» tilgjengelig i den offentlige hovedboken.

Et nytt økonomisk forskningspapir publisert av forskere ved Universitetet i Vaasa (Finland) og Universitetet i Torino (Italia) undersøker potensialet i denne metoden. Det ble publisert i Research In International Business and Finance¹, under tittelen “Using on-chain data to predict Bitcoin cycles”.

Forutsi markeder

Fordi forutsigelse av finansmarkeders priser kan være svært lukrativt, har dette temaet fått betydelig oppmerksomhet. Tradisjonelle finansmodeller sliter imidlertid med å forklare prisbevegelser for kryptoeiendeler.

Dette skyldes at kryptovalutaer, i motsetning til aksjer, mangler en iboende verdi knyttet til et selskap og potensielle fremtidige utbytter. På samme måte er de ikke det samme som nasjonale valutaer, som påvirkes av sentralbankens beslutninger og en nasjonal økonomis styrke eller svakhet.

I stedet er prisen på kryptovalutaer i stor grad drevet av sentiment, selv om den underliggende nytten for transaksjoner eller som en verdilagring naturligvis er den dypere grunnen til kryptovalutaenes verdi.

I tradisjonelle markeder blir sentimentdrevne prisbevegelser vanligvis avledet fra indirekte indikatorer som undersøkelser eller mediebaserte signaler. Men blokkjeder gir en transparent og manipulasjonsresistent hovedbok over transaksjoner, og tilbyr en verifiserbar oversikt over investoradferd.

For å svare på spørsmålet om on-chain-data er nyttige for å forutsi Bitcoin-priser, brukte forskerne tre on-chain, handelsbaserte mål. De målte dem over tre store markedssykluser.

Måling av Bitcoins sentiment

Oversikt over metrikker

Forskerne analyserer Bitcoin-priser fra 7. desember 2013 til 12. april 2025, som dekker tre komplette markedssykluser: 2015, 2018 og 2022.

De tre indikatorene som brukes i denne studien er:

• Netto urealiseret fortjeneste/tap (NUPL)-forhold
• Markedsverdi til realisert verdi Z-score (MVRV Z-score)
• Kumulativ verdi‑dager ødelagt (CVDD).

De to første metrikene knytter priser til innehavernes samlede kostnadsgrunnlag (realisert verdi) og kan tolkes gjennom atferdsfinansielle mekanismer.

CVDD reflekterer langsiktige innehavers atferd ved å fange forbruket av lenge holdte mynter og gir dermed informasjon om kapitulasjon fra langsiktige innehavere i perioder med ekstrem pessimisme.

Generelt er målet å evaluere investorers sentiment, hvor overoptimisme kan utløse overdreven risikotaking og prisoppganger som kan utvikle seg til bobler, som deretter sprekker når investorer får panikk, og prisene faller langt under den iboende verdien.

I kryptovalutaer er søkemotoraktivitet og sosiale medier blant de mest fremtredende kildene til sentimentanalyse. Men on-chain-data inneholder til slutt beviset på at slik sentiment omdannes til handlinger.

Netto urealiseret fortjeneste/tap Ratio

NUPL-forholdet tilnærmer andelen av mynter som for øyeblikket holdes med en urealiseret fortjeneste eller tap.

Dermed indikerer høye verdier (over 0,75) et potensielt markedstop, med euforisk sentiment som fører til å holde betydelige urealiserte gevinster. På samme måte er lave verdier vanligvis knyttet til frykt og kapitulasjon ved et markedsbunn.

Markedsverdi til realisert verdi Z-score

MVRV Z-score vurderer om en mynt er undervurdert eller overvurdert i forhold til dens «rettferdige verdi», og er en mye brukt on-chain-metrikk.

For å gjøre dette kombinerer den 3 metrikker:

• Markedsverdi (MV): Bitcoin-prisen multiplisert med antall mynter i sirkulasjon.
• Realisert verdi (RV): Vurderer hver mynt til prisen den sist ble overført on-chain, og summerer over alle mynter i sirkulasjon
• Z-score: Standardiserer avviket mellom MV og RV ved hjelp av standardavviket for markedsverdi

Denne indikatoren antyder at markedsdeltakere holder store urealiserte gevinster i bull-markedsfaser, når Bitcoins markedsverdi stiger betydelig over dens realiserte verdi.

En score under -0,2 anses som en tilstand med økt frykt og usikkerhet. En utgangsterskel på 5–7 indikerer at den gjennomsnittlige deltaker holder store urealiserte gevinster, noe som skaper atferdspress mot gevinsttaking som historisk sammenfaller med syklustopper.

Kumulativ verdi‑dager ødelagt

CVDD er bygget på Coin Days Destroyed (CDD), en metrikk som vekter transaksjoner både etter mengden mynter som flyttes og hvor lenge de har blitt holdt.

Mer presist måler den antall mynter som overføres multiplisert med antall dager siden disse myntene sist ble flyttet. CVDD samler denne aktiviteten over tid.

Den kan være spesielt nyttig for å måle markedsbunnen, da den vurderer når langsiktige innehavere kapitulerer.

Kan on-chain-data forutsi Bitcoin-pris?

Publiserte resultater

Flere testede NULP-strategier overgikk alle en kjøp‑og‑hold‑strategi. I tillegg til høyere avkastning viste de også mindre nedtrekninger. Den mest aggressive NULP-strategien viste seg å være den mest lønnsomme.

MVRV Z-score viste også overlegen og robust risikojustert ytelse i forhold til kjøp‑og‑hold‑referansen. Den overgikk de NUPL‑baserte strategiene på alle måleparametere, selv om den i noen tilfeller hadde ekstra volatilitet.

CVDD-strategiene viste seg i stand til å identifisere syklusbunner på tvers av alle handler og tidsvinduer, og overgikk de fleste tilfeldig tidsbestemte innganger.

Med en p‑verdi på 99 % antyder det at selv om CVDD vanligvis går inn svært nær bunnen, er holdetidene noen ganger lengre enn ideelt, noe som reduserer den annualiserte ytelsen.

Disse resultatene indikerer at alle tre målene inneholder prediktiv verdi, med MVRV Z-score som gir den sterkeste samlede risikojusterte ytelsen, og CVDD som spesielt informativ for å identifisere markedsbunner.

Samlet sett viser studien at ja, on-chain-data inneholder økonomisk meningsfull informasjon om Bitcoins markedsadferd.

Begrensninger

Det bør ikke overraske at markedsindikatorer for en overkjøpt eller oversolgt situasjon i Bitcoin-markedet hjelper handel bedre enn en kjøp‑og‑hold‑strategi. Tross alt, hvis slike indikatorer ikke ga noen ekstra fordel, ville tradere ha sluttet å bruke dem for lenge siden.

De er imidlertid ingen krystallkule, og sannsynligvis vil en mer sofistikert tilnærming som kombinerer flere indikatorer ha bedre ytelse, inkludert andre typer enn on-chain‑indikatorer.

Forskningsartikkelen innrømmer også at mer arbeid er nødvendig for å analysere sammenhengen mellom on-chain-data og priser for andre eiendeler, som Ethereum, Solana og XRP.

Tilsvarende er andre on-chain‑metrikker ennå ikke vitenskapelig evaluert.

AI‑forstyrrelse?

Til slutt kan fremveksten av LLM‑er (Large Language Model) og AI generelt forstyrre mønsteret som ble tilbakeprøvd fra 2013.

LLM‑er blir i økende grad brukt av detalj‑ og institusjonsinvestorer for å tolke markedsforhold og behandle informasjon, med potensial til å forsterke atferdsbiaser. Dette kan radikalt endre dynamikken i de on-chain‑sentimentsignalene som undersøkes her.

Krypto‑investorer bør derfor være forsiktige så de ikke blir for selvsikre på påliteligheten til indikatorer som fungerte tidligere, ettersom markedene stadig utvikler seg, nå enda mer, siden nye analytiske verktøy som AI også kan endre markedenes struktur.

Så, som alltid i investering, er diversifisering og å huske at «tidligere resultater ikke er en garanti for fremtidige resultater» viktig.

Studie referert

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