Crypto市場的四個牛熊周期
比特幣的創世區塊於2009年誕生，其幣價在後續的14年裡呈現多次牛熊周期的交替，且陸續出現了“ICO時代”、“公鏈爆髮”、“Defi Summer”、“NFT浪潮”等行業敘事。
爲方便分析，本文將2015.07-2018.01定義爲第一輪牛市，2018.01-2020.03定義爲第一輪熊市，2020.03-2021.05定義爲第二輪牛市，2021.05-至今爲第二輪熊市。
2015.7-2018.1的第一輪“ICO”牛市距今久遠，可穫取的數據太少，無法穫得嚴謹的結果。故本文著重分析後三個周期。
Crypto市場的四個牛熊周期
有哪些因子可體現“團隊在做事”？我們找到了六個因子！
行業內絶大多數項目基於區塊鏈技術，且代碼在Github是開源的（GitHub是進行代碼托管和分享的平颱）。
因此，Falcon將GitHub的6個因子作爲衡量“團隊在做事”的量化標準，具體包括：Star、Fork、Commit、Issues、Pull requests、Watchers。以下爲六個因子的具體含義和類型
項目GitHub數據六因子的具體介紹
本文中所有項目的Github數據，在Falcon的産品上也可以看到，訪問鏈接：https://falcon.lucida.fund/ch/asset_tracker/73/github?uid=
産品頁麵截圖
有效樣本量與名詞解釋
團隊統計了三個市場周期的幣價走勢及其對應的項目GitHub六因子數據，經過異常值處理，三個市場周期分別保留81、330、596份有效的代幣樣本。
下文圖錶將出現的名詞解釋：
名詞具體解釋
第1輪熊市（2018.1-2020.3）GitHub數據對幣價起到一定的抗跌效果，但作用有限，或與樣本量太少有關
我們先從第一輪熊市開始講起：
GitHub數據六因子及幣價漲跌幅的描述統計：
第一輪熊市代幣數據較分散，符合crypto市場興起初期特徵。該時期7個統計量的標準偏差值都遠遠偏離平均值，説明不衕幣種之前的價格及其GitHub數據差異較大。此階段髮展較成熟的代幣如bitcoin、ETH的GitHub各因子關註度都極其高，但許多新興的幣種在GitHub上的關註度和開髮者貢獻的程度都偏低。
該區間幣價跌幅小於平均跌幅值（黑色加粗）的幣價及其對應的GitHub數據六因子的統計情況：
其中灰色格子代錶與市場趨勢相反的代幣，我們認爲此類代幣性質較爲特殊，需要結合市場情況綜合分析。該區間隻有binance-exchange一個，觀察其GitHub數據六因子，star、fork值位於統計量的前10，但commit、issues、pull_requests、watchers都極其低，主要因爲bnb該代幣在2019年之前隻具有“平颱幣”屬性，無“公鏈”屬性，因而代碼不開源。而2018年下半年市場熱點聚焦平颱幣闆塊，bnb漲幅高，在該周期抗跌。針對該幣，GitHub數據六因子隻有star、fork因子與price有一定的相關性。
在幣價跌幅小於平均值的代幣中，有40%的代幣GitHub因子位於統計量的前10，剩餘部分的代幣GitHub情況則普遍較低，初步推斷，在該周期內，GitHub因子對於幣價跌幅減小有一定的正曏作用，但該作用不會特別大。
第2輪牛市（2020.3-2021.5）Github更活躍的項目在牛市漲得更多
GitHub數據六因子及幣價漲跌幅的描述統計：
第二輪牛市代幣數據相對集中，crypto市場成熟度和景氣度提升。該區間7個統計量的標準偏差統計值與平均值較接近，與2018-2020年統計情況相比，該區間樣本數據分布較集中。結合市場實際情況分析，一方麵是2020年代幣市場已經髮展的較爲成熟，在18年興起的代幣在該區間都得到了一定的髮展，其對應的基本麵GitHub數據情況也普遍的有較大的增加。另一方麵，隨著市場髮展，該區間髮幣的代幣數量大幅增加，隨著可參考樣本數量的增加，數據分布的集中度也進一步提升。
該區間幣價漲幅超過平均漲幅值（黑色加粗）的幣價及其對應的GitHub數據六因子的統計情況：
330個數據幣價漲幅超過平均值的有11個，其中GitHub數據六因子超過平均值的有5個，占比45%左右。初步推斷GitHub數據的增加與幣價上漲有一定的相關性，具體的相關性大小則在文中第三部分分析。
牛市中不漲反跌的項目，都是Github開髮非常不活躍的
幣價異常值情況（牛市中幣價下跌）：
在本周期的330個有效樣本中，有28個代幣價格卻逆勢下跌，反映了這28個代幣非常弱勢。衕時，這些代幣對應的GitHub數據90%低於平均值且整體趨近於最小值。
第2輪熊市（2021.5至今）GitHub更活躍的項目對與熊市抗跌有一定的貢獻性，但其作用仍不會很大
GitHub數據六因子及幣價漲跌幅的描述統計：
以star因子爲排序，數量前20的代幣及其另外6個統計量的數據（黑色加粗爲超過平均值的代幣：
隨crypto市場進一步髮展，第二輪熊市代幣數據反而較分散，推測與行業差距進一步分化有關。該區間7個統計量的標準偏差值與平均值相差較大，説明第二個熊市階段的代幣數據較分散。2021年代幣市場仍然處於髮展的蓬勃期，越來越多人涌入代幣市場，人們首先將目標鎖定於市場中髮展較好且較爲成熟的代幣項目，此類代幣對應的GitHub關註度高達上萬次的統計量，但對於該時期新興的代幣，仍需要時間被大衆熟悉，所受關註度與開髮程度自然也相對低很多。
結合star數據排名前20的代幣統計情況，髮現GitHub數據六因子排名超過平均值的代幣在統計規律上有一定的相似性，推斷六因子之間有較高的相關性。衕時髮現，GitHub數據六因子排名特別靠前的，都爲較成熟的代幣，髮行時期基本都在2015～2018年，比如bitcoin、ETH、dogecoin。
幣價異常值情況（熊市中幣價上漲）：
596個代幣數據中有28個異常，其中GitHub數據有一個因子以上超過平均值的代幣有6個，占28%。根據錶格，推斷GitHub數據的增加對與熊市抗跌有一定的貢獻性，但其作用不會特別大。此類幣種能有如此強勢的價格優勢，主要由其他品類的因子決定。
如何量化GitHub因子與價格的相關性？我們會選用哪種繫數來判斷？
在上文中，我們通過簡單的統計分析，髮現Github的數據在牛熊周期中起到的作用是不衕的。
那麽我們該如何量化Github因子與價格的相關性呢？
Q-Q圖以樣本的分位數作爲橫坐標，以按照正態分布計算的相應分位點作爲縱坐標，把樣本錶現爲直角坐標繫的散點。如果數據集服從正態分布，則樣本點呈一條圍繞第一象限對角線的直線。服從正態分布的數據集利用Pearson相關性繫數分析較合理，不服從正態分布的數據集利用Spearman相關性繫數分析較合理。
三個區間的六因子Q-Q圖結果如下：
由錶所知，三個區間Star、Fork、Commit、Issues、Pull_requests、Watchers六個因子的樣本點都不圍繞第一區間的對角線分布，即都不服從正態分布。六因子與代幣價格的相關性分析將基於Spearman繫數的結果進行判斷。
第1輪熊市（2018.1-2020.3）：受樣本量影響，GitHub因子與幣價相關性有限
六因子與幣價漲幅的相關性錶：
GitHub數據的5個因子對於幣價在熊市的抗跌有正曏作用。由錶易得，star、fork、issues、pull_requests、watchers與price的相關性繫數值都在0.260左右，併都呈現出0.05水平的顯著性，統計學意義上錶明5因子與幣價都具有正相關性。
該區間commit因子與幣價漲幅無顯著關繫。commit與幣價漲跌幅的相關繫數值爲-0.032，接近0，併且P值爲0.776>0.05，説明commit與price併沒有相關性。
star、fork、issues、pull_requests、watchers與price的相關性結果符合我們前文的判斷，即有一定的正曏作用，我們已知該相關性不會太高，但0.260程度的相關性對於我們後續研究代幣價格的走勢併構造相關因子策略有意義。commit的結果與前文稍有不符，我們初步斷定爲是樣本數據有限的原因。在第二三個區間，我們搜集到了更多的代幣數據，將進一步考察commit與price的相關性。
第2輪牛市（2020.3-2021.5）：GitHub越活躍，幣價漲得越多
六因子與幣價漲幅的相關性錶：
第二輪牛市，由於有效性樣本由81增加到330，star、fork、commit、issues、pull_requests、watchers六因子與price的相關性顯著增強，相關性在0.322附近，顯著高於第一個區間的相關性均值0.260，且位於0.01水平的顯著性。其中star、commit、watchers因子與price的相關性高達0.350。此區間六個因子都與price呈正曏相關，似乎也印證了我們對於第一個區間commit與price呈負相關的推測，即樣本數據不夠多，受個別極端值影響。
第2輪熊市（2021.5至今）GitHub因子具有時效性！熊市中仍與幣價顯著相關，但不一定抗跌
六因子與幣價漲幅的相關性錶：
對於第三個區間，有效樣本數增加到597個，與第一個區間相比，star、fork、commit、issues、pull_requests、watchers六因子與price的相關性增強，在0.01水平的顯著性條件下，相關性均值在0.216，稍微高於第一個熊市的0.205，但顯著弱於第二個區間所求相關性0.322。
我們認爲，GitHub數據的六因子都與幣價漲幅呈正相關，但具有一定的時效性！
即六因子在牛市中對於幣價的漲跌幅有更強的預測性和貢獻性，但在熊市裡則效用偏弱，熊市中的幣價更多受到其他因子大類的等影響（比如量價因子、市場情緒等另類因子等），GitHub數據僅作爲基本麵的一部分，髮揮作用相對有限。
文章結論
通過上述內容，Falcon對本文的結論做一個總結：
1、隨著Crypto市場的髮展和行業開髮者生態的繁榮，Github數據與幣價的愈髮呈現強烈的相關性。
2、從投資的角度上講，要投資Github開髮活躍的項目，規避掉Github開髮不活躍的項目。
3、牛市中，Github越活躍的項目，漲幅越高；熊市中，Github越活躍的項目，越抗跌。
4、Github與幣價的相關性，在牛市顯著高於熊市。
關於LUCIDA&FALCON
Lucida （https://www.lucida.fund/ ）是行業領先的量化對衝基金，在2018年4月進入Crypto市場，主要交易CTA / 統計套利 / 期權波動率套利等策略，現管理規模3000萬美元。
Falcon （https://falcon.lucida.fund /）是新一代的Web3投資基礎設施，它基於多因子模型，幫助用戶“選”、“買”、“管”、“賣”加密資産。Falcon在2022年6月由Lucida所孵化。
更多內容可訪問 https://linktr.ee/lucida_and_falcon
聲明：
- 本文轉載自[mirror]，著作權歸屬原作者[LUCIDA & FALCON]，如對轉載有異議，請聯繫Gate Learn團隊，團隊會根據相關流程盡速處理。
- 免責聲明：本文所錶達的觀點和意見僅代錶作者個人觀點，不構成任何投資建議。
- 文章其他語言版本由Gate Learn團隊翻譯， 在未提及Gate.io的情況下不得覆製、傳播或抄襲經翻譯文章。
相關文章
Tronscan（波場瀏覽器）是什麼，2025年如何使用？
什麼是穩定幣 USDT？
Crypto市場的四個牛熊周期
比特幣的創世區塊於2009年誕生，其幣價在後續的14年裡呈現多次牛熊周期的交替，且陸續出現了“ICO時代”、“公鏈爆髮”、“Defi Summer”、“NFT浪潮”等行業敘事。
爲方便分析，本文將2015.07-2018.01定義爲第一輪牛市，2018.01-2020.03定義爲第一輪熊市，2020.03-2021.05定義爲第二輪牛市，2021.05-至今爲第二輪熊市。
2015.7-2018.1的第一輪“ICO”牛市距今久遠，可穫取的數據太少，無法穫得嚴謹的結果。故本文著重分析後三個周期。
Crypto市場的四個牛熊周期
有哪些因子可體現“團隊在做事”？我們找到了六個因子！
行業內絶大多數項目基於區塊鏈技術，且代碼在Github是開源的（GitHub是進行代碼托管和分享的平颱）。
因此，Falcon將GitHub的6個因子作爲衡量“團隊在做事”的量化標準，具體包括：Star、Fork、Commit、Issues、Pull requests、Watchers。以下爲六個因子的具體含義和類型
項目GitHub數據六因子的具體介紹
本文中所有項目的Github數據，在Falcon的産品上也可以看到，訪問鏈接：https://falcon.lucida.fund/ch/asset_tracker/73/github?uid=
産品頁麵截圖
有效樣本量與名詞解釋
團隊統計了三個市場周期的幣價走勢及其對應的項目GitHub六因子數據，經過異常值處理，三個市場周期分別保留81、330、596份有效的代幣樣本。
下文圖錶將出現的名詞解釋：
名詞具體解釋
第1輪熊市（2018.1-2020.3）GitHub數據對幣價起到一定的抗跌效果，但作用有限，或與樣本量太少有關
我們先從第一輪熊市開始講起：
GitHub數據六因子及幣價漲跌幅的描述統計：
第一輪熊市代幣數據較分散，符合crypto市場興起初期特徵。該時期7個統計量的標準偏差值都遠遠偏離平均值，説明不衕幣種之前的價格及其GitHub數據差異較大。此階段髮展較成熟的代幣如bitcoin、ETH的GitHub各因子關註度都極其高，但許多新興的幣種在GitHub上的關註度和開髮者貢獻的程度都偏低。
該區間幣價跌幅小於平均跌幅值（黑色加粗）的幣價及其對應的GitHub數據六因子的統計情況：
其中灰色格子代錶與市場趨勢相反的代幣，我們認爲此類代幣性質較爲特殊，需要結合市場情況綜合分析。該區間隻有binance-exchange一個，觀察其GitHub數據六因子，star、fork值位於統計量的前10，但commit、issues、pull_requests、watchers都極其低，主要因爲bnb該代幣在2019年之前隻具有“平颱幣”屬性，無“公鏈”屬性，因而代碼不開源。而2018年下半年市場熱點聚焦平颱幣闆塊，bnb漲幅高，在該周期抗跌。針對該幣，GitHub數據六因子隻有star、fork因子與price有一定的相關性。
在幣價跌幅小於平均值的代幣中，有40%的代幣GitHub因子位於統計量的前10，剩餘部分的代幣GitHub情況則普遍較低，初步推斷，在該周期內，GitHub因子對於幣價跌幅減小有一定的正曏作用，但該作用不會特別大。
第2輪牛市（2020.3-2021.5）Github更活躍的項目在牛市漲得更多
GitHub數據六因子及幣價漲跌幅的描述統計：
第二輪牛市代幣數據相對集中，crypto市場成熟度和景氣度提升。該區間7個統計量的標準偏差統計值與平均值較接近，與2018-2020年統計情況相比，該區間樣本數據分布較集中。結合市場實際情況分析，一方麵是2020年代幣市場已經髮展的較爲成熟，在18年興起的代幣在該區間都得到了一定的髮展，其對應的基本麵GitHub數據情況也普遍的有較大的增加。另一方麵，隨著市場髮展，該區間髮幣的代幣數量大幅增加，隨著可參考樣本數量的增加，數據分布的集中度也進一步提升。
該區間幣價漲幅超過平均漲幅值（黑色加粗）的幣價及其對應的GitHub數據六因子的統計情況：
330個數據幣價漲幅超過平均值的有11個，其中GitHub數據六因子超過平均值的有5個，占比45%左右。初步推斷GitHub數據的增加與幣價上漲有一定的相關性，具體的相關性大小則在文中第三部分分析。
牛市中不漲反跌的項目，都是Github開髮非常不活躍的
幣價異常值情況（牛市中幣價下跌）：
在本周期的330個有效樣本中，有28個代幣價格卻逆勢下跌，反映了這28個代幣非常弱勢。衕時，這些代幣對應的GitHub數據90%低於平均值且整體趨近於最小值。
第2輪熊市（2021.5至今）GitHub更活躍的項目對與熊市抗跌有一定的貢獻性，但其作用仍不會很大
GitHub數據六因子及幣價漲跌幅的描述統計：
以star因子爲排序，數量前20的代幣及其另外6個統計量的數據（黑色加粗爲超過平均值的代幣：
隨crypto市場進一步髮展，第二輪熊市代幣數據反而較分散，推測與行業差距進一步分化有關。該區間7個統計量的標準偏差值與平均值相差較大，説明第二個熊市階段的代幣數據較分散。2021年代幣市場仍然處於髮展的蓬勃期，越來越多人涌入代幣市場，人們首先將目標鎖定於市場中髮展較好且較爲成熟的代幣項目，此類代幣對應的GitHub關註度高達上萬次的統計量，但對於該時期新興的代幣，仍需要時間被大衆熟悉，所受關註度與開髮程度自然也相對低很多。
結合star數據排名前20的代幣統計情況，髮現GitHub數據六因子排名超過平均值的代幣在統計規律上有一定的相似性，推斷六因子之間有較高的相關性。衕時髮現，GitHub數據六因子排名特別靠前的，都爲較成熟的代幣，髮行時期基本都在2015～2018年，比如bitcoin、ETH、dogecoin。
幣價異常值情況（熊市中幣價上漲）：
596個代幣數據中有28個異常，其中GitHub數據有一個因子以上超過平均值的代幣有6個，占28%。根據錶格，推斷GitHub數據的增加對與熊市抗跌有一定的貢獻性，但其作用不會特別大。此類幣種能有如此強勢的價格優勢，主要由其他品類的因子決定。
如何量化GitHub因子與價格的相關性？我們會選用哪種繫數來判斷？
在上文中，我們通過簡單的統計分析，髮現Github的數據在牛熊周期中起到的作用是不衕的。
那麽我們該如何量化Github因子與價格的相關性呢？
Q-Q圖以樣本的分位數作爲橫坐標，以按照正態分布計算的相應分位點作爲縱坐標，把樣本錶現爲直角坐標繫的散點。如果數據集服從正態分布，則樣本點呈一條圍繞第一象限對角線的直線。服從正態分布的數據集利用Pearson相關性繫數分析較合理，不服從正態分布的數據集利用Spearman相關性繫數分析較合理。
三個區間的六因子Q-Q圖結果如下：
由錶所知，三個區間Star、Fork、Commit、Issues、Pull_requests、Watchers六個因子的樣本點都不圍繞第一區間的對角線分布，即都不服從正態分布。六因子與代幣價格的相關性分析將基於Spearman繫數的結果進行判斷。
第1輪熊市（2018.1-2020.3）：受樣本量影響，GitHub因子與幣價相關性有限
六因子與幣價漲幅的相關性錶：
GitHub數據的5個因子對於幣價在熊市的抗跌有正曏作用。由錶易得，star、fork、issues、pull_requests、watchers與price的相關性繫數值都在0.260左右，併都呈現出0.05水平的顯著性，統計學意義上錶明5因子與幣價都具有正相關性。
該區間commit因子與幣價漲幅無顯著關繫。commit與幣價漲跌幅的相關繫數值爲-0.032，接近0，併且P值爲0.776>0.05，説明commit與price併沒有相關性。
star、fork、issues、pull_requests、watchers與price的相關性結果符合我們前文的判斷，即有一定的正曏作用，我們已知該相關性不會太高，但0.260程度的相關性對於我們後續研究代幣價格的走勢併構造相關因子策略有意義。commit的結果與前文稍有不符，我們初步斷定爲是樣本數據有限的原因。在第二三個區間，我們搜集到了更多的代幣數據，將進一步考察commit與price的相關性。
第2輪牛市（2020.3-2021.5）：GitHub越活躍，幣價漲得越多
六因子與幣價漲幅的相關性錶：
第二輪牛市，由於有效性樣本由81增加到330，star、fork、commit、issues、pull_requests、watchers六因子與price的相關性顯著增強，相關性在0.322附近，顯著高於第一個區間的相關性均值0.260，且位於0.01水平的顯著性。其中star、commit、watchers因子與price的相關性高達0.350。此區間六個因子都與price呈正曏相關，似乎也印證了我們對於第一個區間commit與price呈負相關的推測，即樣本數據不夠多，受個別極端值影響。
第2輪熊市（2021.5至今）GitHub因子具有時效性！熊市中仍與幣價顯著相關，但不一定抗跌
六因子與幣價漲幅的相關性錶：
對於第三個區間，有效樣本數增加到597個，與第一個區間相比，star、fork、commit、issues、pull_requests、watchers六因子與price的相關性增強，在0.01水平的顯著性條件下，相關性均值在0.216，稍微高於第一個熊市的0.205，但顯著弱於第二個區間所求相關性0.322。
我們認爲，GitHub數據的六因子都與幣價漲幅呈正相關，但具有一定的時效性！
即六因子在牛市中對於幣價的漲跌幅有更強的預測性和貢獻性，但在熊市裡則效用偏弱，熊市中的幣價更多受到其他因子大類的等影響（比如量價因子、市場情緒等另類因子等），GitHub數據僅作爲基本麵的一部分，髮揮作用相對有限。
文章結論
通過上述內容，Falcon對本文的結論做一個總結：
1、隨著Crypto市場的髮展和行業開髮者生態的繁榮，Github數據與幣價的愈髮呈現強烈的相關性。
2、從投資的角度上講，要投資Github開髮活躍的項目，規避掉Github開髮不活躍的項目。
3、牛市中，Github越活躍的項目，漲幅越高；熊市中，Github越活躍的項目，越抗跌。
4、Github與幣價的相關性，在牛市顯著高於熊市。
關於LUCIDA&FALCON
Lucida （https://www.lucida.fund/ ）是行業領先的量化對衝基金，在2018年4月進入Crypto市場，主要交易CTA / 統計套利 / 期權波動率套利等策略，現管理規模3000萬美元。
Falcon （https://falcon.lucida.fund /）是新一代的Web3投資基礎設施，它基於多因子模型，幫助用戶“選”、“買”、“管”、“賣”加密資産。Falcon在2022年6月由Lucida所孵化。
更多內容可訪問 https://linktr.ee/lucida_and_falcon
聲明：
- 本文轉載自[mirror]，著作權歸屬原作者[LUCIDA & FALCON]，如對轉載有異議，請聯繫Gate Learn團隊，團隊會根據相關流程盡速處理。
- 免責聲明：本文所錶達的觀點和意見僅代錶作者個人觀點，不構成任何投資建議。
- 文章其他語言版本由Gate Learn團隊翻譯， 在未提及Gate.io的情況下不得覆製、傳播或抄襲經翻譯文章。
相關文章
Tronscan（波場瀏覽器）是什麼，2025年如何使用？