作者 / LongHash Charlie Custer
数据可视化 / LongHash Xinhe Yu
来源 / LongHash
预测任何加密货币的价格都是困难的。但是，如果你想要通过观察实时图表来寻找蛛丝马迹，那么了解哪些数据点可能与价格相关就会很有帮助了。值得注意的是，不同的加密货币所需要关注的数据点也会有相当大的差异。
举个例子，我们来看下方的图表，这个图表利用 Coin Metrics 的数据描绘出了CoinMarketCap 上前 20 种加密代币的皮尔森相关系数（稳定币和 Cosmos 除外，因为在 Coin Metrics 上没有它们的数据）。
在下图的取值范围里，数值 1 代表完全正相关（随着时间的变化两个变量的移动始终相关），而数值 -1 则代表完全负相关（即两个变量的移动始终不相关）。
举个例子，在本文的数据中，我们可以看到比特币的表现与我们的预期相当一致。其交易量和活跃地址数看起来都与价格呈正相关性。当然，这是有理可循的—当使用和交易比特币的人越来越多，从逻辑上来说我们就认为价格也会越高。更多的使用者和交易就意味着更大的需求，而比特币的供应却是相对固定的。
但值得注意的是，并非所有加密货币都是如此。例如，就 Bitcoin Cash 和 Bitcoin SV 而言，其币价和网络交易活动之间似乎不存在相关性。其他一些代币，例如币安币（BNB），TRON 和 Tezos ，其交易量的增加和价格下跌似乎存在弱相关性。
尽管就大多数代币而言，其活跃地址数至少与价格存在一定程度的相关性，其他代币—尤其是 Bitcoin SV，TRON, Tezos 和 HT —的价格和活跃地址数之间似乎不存在任何相关性。由于其区块链侧重隐私的处理交易的方式，Monero 没有有效的活跃地址数。
由于图表反映了每一种代币在 Coin Metrics 上完整的历史数据（时间跨度并不统一），因此把它们互相比较无疑有些不太公平。下图则向我们展示了 2018 年 1 月 1 日到 2020 年 1 月 12 日每种代币的同类数据， 进行了更直接的比较（尽管其中一些代币的创立时间不到两年），但这样一来就牺牲了一些创建时间更长的代币的数据准确性。
当然，举个例子，这并不就是说就因为你看到活跃地址数上升，你就应该急于买入 BNB。毕竟，相关性并不一定会反映因果关系，而对过去的相关性模式的分析也并不能用于预测未来。
不过，观察哪些代币的价格走势与这些基本网络指标的联系更加紧密，哪些代币和这些指标的相关性更低还是很有意思的。
