每周市场报告 - 2月15日2019
这份周报旨在提供一份专注于加密货币二级市场交易的概述。虽然在这份报告中并未有投资建议，我们希望能够在其中提供了一些有益的且有针对性的信息。
每周市场报告 - 2月15日2019
市场概况
我们现在将我们的市场概况分析专注于CoinMarketCap的前100名加密货币，行业板块的分类大致参考于MyToken，但在实际应用中存在一些细微改动。能够确定的是，随着我们对加密生态系统认识的不断深入，将不断更新这些板块及其中的成员。
本周前100加密货币的新进通证：
QNT, MOAC, VERI, ETP, ELF, GXC
与上周排名相比，从前100名加密货币中退出的通证：
BCZERO, POLY, GXS, DENT, WAN
价格涨幅最大的通证 (前30天): THETA +158%
自我们上次分析结束日期（2019年2月1日）以来，Holo的价格上涨了约78％，从最低点到最高点的价格上涨了109％（在30天内）。
但在本报告选择“价格涨幅最大的通证”的标准中，不仅要考虑通证价格的涨幅，还要考虑它的交易所的基础（所上线的交易所与日交易量）。
回报与波动率
下列图表针对17种不同加密产业与整体加密货币及股票市场比较其日平均回报与日平均波动。第二张图表则比较其30天总回报与日平均波动率。有些行业板块只收录了一种或两种代币，有些则收录了十几种，因此数据可能会非常极端 。
2019年 1月14日至 2019年2月14日的日平均回报与日平均波动
2019年1月14日至2019年2月14日的平均回报与平均波动
为了便于查看数据，我们缩写了几个板块的名称：
M =市场
DC =数字现金
CP/MP =算力/矿池
A/M =广告传媒
G/E =游戏/娱乐
C =经典主流
D/GT =分布式自治
E/T = 交易所平台币
OC/I = 链下/跨链
前100名加密货币表现（按行业分类）
前 100名加密货币的回报 — — 按行业分类，2019年1月14日至2019年2月14日
各行业板块日收益回报之间的相关性
2019年1月14日至2019年2月14日各行业板块的日收益回报之间的相关性。相关性在-1至1之间。相关性趋近于1或-1分别表示两个板块之间的非常积极或消极的关 系。相关性趋近于0表示两个板块之间不存在线性关系。。
上述图表显示了每个行业板块日收益之间的相关性。由图可见，加密货币市场的所有行业板块之间的相关性非常高，除了稳定币和教育（因为这个板块只有1个通证）。值得注意的是稳定币与BTC的相关性为0.32，与市场的相关性为0.3，因为它们本不应该移动，并且应该是接近零的波动性。
焦点话题 — 春节和加密货币市场
一月效应是股市的一种季节性反常现象，股价往往会在年初趋于反弹。一种可能的解释是，投资者通常在年底前平仓，在1月份开始新的投资。这也适用于加密货币市场吗？
令人惊讶的是，加密货币市场似乎表现出完全相反的行为。如果我们对2015年到2018年的比特币价格进行观察，可以看到，市场在1月份的最初几周内就会经历大规模抛售。加密货币投资者将这一现象称之为“春节效应”。
2014年至2018年春节前后60天比特币价格。
中间的红线是春节第一天的标记。
如上图所示，虽然价格在1月份下跌，但这些下跌发生在春节之前。从2015年到2018年，事实上，在节日期间，市场就开始复苏了。
下面我们将相加性变动模式应用于2013年至2019年的比特币价格分析，此为一种在时间序列数据中识别趋势和季节性因素的过程。简而言之，模型认为比特币的实际价格由三部分组成：趋势+季节+残差。
1. 趋势是比特币价格的长期移动平均线。
2. 季节性是在固定时间内重复出现的模式。自从我们分析每年发生的模式以来，我们的时间周期是365天。
3. 残差是实际价格减去趋势和季节性的结果，被认为是因噪音而造成的价格波动。
这里的目的是确定季节性成分，看看是否有任何模式发生在每年 1月左右。
创建该模型的步骤如下:
1. 第一步是估计趋势。这里我们使用365天移动平均线。
2. 接下来我们从实际价格减去趋势估计值取得去趋势值，现在我们试着估计季节性因素。对于每天的价格数据，这需要估计一年中的每一天的影响。这种估计的一个简单方法是平均每天的去趋势值。
例如，1月1日的季节性因素是通过将每年1月1日的实际价格减去趋势估计数来计算的，然后我们把这些数字加起来，除以使用的年数。如果1月1日的季节性因素是1000美元，这意味着平均来说，1月1日的价格比他们的趋势估计高1000美元。我们重复这个过程365次，这样我们就有了一年中的每一天的季节性因素估计。
3. 现在我们有了趋势和季节估计，我们可以通过从实际(观察到的)价格中减去这两个估计来计算残差。残差识别模型没有捕捉到的价格变化。因此，残差应该是随机的。
比特币2013–2019年价格走势之相加性季节变动模式
上图为2013年以来比特币历史价格走势的相加性季节变动模式分解后的结果，其中使用365天平均移动线。观察到的价格是趋势、季节和残差的总和。请注意，由于我们对季节性因素的定义，季节性因素在每年都会重复出现。
分解显示出12月和1月的季节性。然而，2014年至2017年的残值似乎形成了一种模式。由此可见，2017年末至2018年初的极端波动对季节性因素的影响较大。我们决定再看看另一种价格数据的分解 — 仅到2017年，看是否会有不一样的表现。
我们又一次观察到了每年年初的季节性因素，即1月份价格暴跌但在2月或3月之后恢复。 这一次我们看到残差中的模式较少。
价格的下降可以归因于春节的传统包括送红包和昂贵的礼物。人们也倾向于在年底前还清债务以表现出模范行为，避免厄运。因此，人们可能会提前结束他们的投资，将其转换为现金。
Binance是拥有庞大中国用户群的最大加密货币交易所之一。以下是Binance和Bitfinex在2018年春节前后的交易量和交易数量的对比。
虽然在交易量方面没有明显的变化，但从交易数量来看，我们可以看到，Binance的活跃水平在不断地提高，即使在假期结束后仍在持续。 由于春节期间围绕加密货币的炒作，使得许多投资者在假期期间也在继续交易而不是与家人和朋友共度时光。
然而，今年这两家交易所的交易量似乎都没有特定的模式。在假期前的几周，交易量也保持稳定。造成这样差异的一个原因可能是 — — 2018年春节期间的波动已达到顶峰。比特币的价格正在经历剧烈的逆转，高波动性刺激了交易活动。另一方面，2019年春节是在2018年12月中旬— — 抛售狂潮达到顶峰后迎来的一个相对平静的时期。造成这种差异的另一个可能原因是处置效应，即投资者倾向于只出售已盈利的资产，而保留已贬值的资产。因此，由于熊市，人们可能不太愿意平仓。
数据来源
我们的数据来源包括：CoinMarketCap— — 用于分析每个行业板块之间的价格涨幅最大的通证，波动率，平均每日收益，总收益和相关性；MyToken — — 用于行业板块分类；Binance and Bitfinex data for BTC/USD (USDT) trading volume and trade counts analysis.
欢迎持续关注 KRONOS
KRONOS是一家领先的专业量化交易研究机构，通过利用KRONOS在全球传统金融市场上数十年的交易经验，为加密世界带来新的资产管理策略。
Website: https://kronostoken.com/
Telegram: https://t.me/Kronos_C
Twitter: https://twitter.com/KronosToken
Linkedin: https://www.linkedin.com/company/kronostoken/
