داده زنجیره‌ای چه چیزی به شما می‌دهد که چارت نمی‌دهد؟
قیمت، نتیجه رأی‌گیری لحظه‌ایِ احساسات است؛ زنجیره، رفتار واقعی دارندگان را نشان می‌دهد: چه کسی دارد می‌فروشد، چه کسی دارد جمع می‌کند، سود تجمعی بازار کجاست و چه تعداد آدرس فعال شده‌اند. وقتی این دو لایه همجهت شوند، اعتبار سناریو بالا می‌رود و وقتی جدا شوند، همان «شک» سالم است که تحلیل تک‌بعدی نمی‌بیندش. اساس تحلیل فاندامنتال با هوش مصنوعی فراز هم دقیقاً همین است: دادههای زنجیره‌ای و شبکه‌ای در کنار سیگنال‌های قیمتی.
شش شاخص که ارزش دانستن دارند
۱) MVRV — نسبت ارزش بازار به تحقق‌یافته: اگر بازار خیلی بالاتر از «هزینه واقعی» دارندگان معامله شود، انگیزه فروش زیاد است؛ MVRV در نواحی تاریخیِ بالا معمولاً هم‌زمان سرمستگی بوده است. ۲) SOPR — نسبت سود دارایی‌های خرج‌شده: بالای ۱ یعنی در میانگین، فروشندگان سودده می‌فروشند؛ تثبیت بالای ۱ در اصلاح‌ها نشانه قدرت است. ۳) جریان ورود/خروج صرافیها: ورود سنگین بیت‌کوین به صرافی = انگیزه فروش؛ خروج = انباشت. ۴) فعال‌سازی آدرسها: روند صعودی پایدارِ آدرس فعال، شبکه‌ی در حال رشد را نشان می‌دهد. ۵) ذخایر نهنگ‌ها: تجمیع مداوم در اصلاح‌ها نشانه دستِ خریداران بزرگ. ۶) جریان خالص استخراج: کاهش عرضه جدیدِ روزانه، در بلندمدت فشار ساختاری می‌سازد — همان منطق هاوینگ.
سه هشدار روش‌شناختی
اول: داده زنجیره‌ای «پیش‌بینی لحظهای» نیست؛ شاخصهای آن برای بُعد هفته‌ها و ماه‌ها معنا دارند. دوم: آدرس ≠ شخص — یک نهنگ میتواند دارایی را بین صدها آدرس پخش کند و آمار را گرایش بدهد. سوم: مرز تحلیل آنچین با «حریم خصوصی» گره خورده؛ با رشد ابزارهای خصوصی، بخشی از داده‌ها ذاتاً ناقص‌تر می‌شوند. درست مثل سیکل‌ها، آنچین هم چراغ اطمینان نیست — چراغ احتمال است.
فراز چطور از این داده‌ها استفاده می‌کند؟
در موتور ترکیبی فراز، دادههای زنجیره‌ایِ در دسترس (حجم شبکه، وضعیت جریانها، متریک‌های روند بلندمدت) به‌عنوان ویژگیهای ورودی مدلهای یادگیری ماشین می‌نشینند و کنار ویژگیهای قیمتی، در وزن‌دهی رأی‌ها اثر می‌گذارند. یعنی وقتی در پیش‌بینی بیت‌کوین عدد نهایی را می‌بینید، پشت آن فقط چارت نبوده — وضعیت شبکه هم رأی داده است. برای شروع کار عملی، مقاله خواندن خروجی مدل‌ها را ببینید تا بدانید این اجزاء در نتیجه نهایی چطور دیده می‌شوند.