Les remboursements de prêts on-chain à l’aide de stablecoins peuvent souvent servir d’indicateur d’alerte précoce des changements de liquidité et des pics de volatilité du prix (ETH) de l’Ethereum, selon un récent rapport d’Amberdata
Le rapport a souligné comment les comportements de prêt au sein des écosystèmes DeFi, en particulier la fréquence de remboursement, peuvent servir d’indicateurs précoces des tensions sur les marchés émergents.
L’étude a examiné le lien entre les mouvements de prix de l’Ethereum et l’activité de prêt basée sur les stablecoins impliquant l’USDC, l’USDT et le DAI. L’analyse a révélé une relation cohérente entre l’intensification de l’activité de remboursement et l’augmentation des fluctuations du prix de l’ETH.
Cadre de volatilité
Le rapport a utilisé l’estimateur de (GK) de Garman-Klass. Ce modèle statistique prend en compte l’ensemble de la fourchette de prix intrajournalière, y compris les prix d’ouverture, les prix hauts, les prix bas et les prix de clôture, plutôt que de s’appuyer uniquement sur les prix de clôture
Selon le rapport, cette méthode permet une mesure plus précise des fluctuations de prix, en particulier pendant les périodes de forte activité sur le marché.
Amberdata a appliqué l’estimateur GK aux données de prix de l’ETH sur des paires de trading avec USDC, USDT et DAI. Les valeurs de volatilité résultantes ont ensuite été corrélées avec les mesures de prêt DeFi afin d’évaluer comment les comportements transactionnels influencent les tendances du marché
Dans les trois écosystèmes de stablecoins, le nombre de remboursements de prêts a montré la corrélation positive la plus forte et la plus cohérente avec la volatilité d’Ethereum. Pour l’USDC, la corrélation était de 0,437 ; pour l’USDT, 0,491 ; et DAI, 0,492
Ces résultats suggèrent que les activités de remboursement fréquentes ont tendance à coïncider avec l’incertitude ou le stress du marché, au cours duquel les traders et les institutions ajustent leurs positions pour gérer le risque.
Un nombre croissant de remboursements peut refléter des comportements de réduction des risques, tels que la fermeture de positions à effet de levier ou la réaffectation du capital en réponse aux mouvements de prix Amberdata considère cela comme une preuve que l’activité de remboursement peut être un indicateur précoce des changements dans les conditions de liquidité et des pics de volatilité à venir sur le marché Ethereum.
En plus de la fréquence de remboursement, les mesures liées aux retraits ont montré des corrélations modérées avec la volatilité de l’ETH. Par exemple, les montants des retraits et le rapport de fréquence dans l’écosystème USDC présentaient des corrélations de 0,361 et 0,357, respectivement.
Ces chiffres suggèrent que les sorties de fonds des plateformes de prêt, quelle que soit leur taille, peuvent signaler un positionnement défensif de la part des acteurs du marché, réduisant la liquidité et amplifiant la sensibilité aux prix.
Comportement d'emprunt et effets sur le volume des transactions
Le rapport a également examiné d’autres paramètres de prêt, notamment les montants empruntés et les volumes de remboursement. Dans l’écosystème USDT, les montants libellés en dollars pour les remboursements et les emprunts sont en corrélation avec la volatilité de l’ETH à 0,344 et 0,262, respectivement
Bien qu’elles soient moins prononcées que les signaux de remboursement basés sur le nombre, ces mesures contribuent tout de même à l’image plus large de la façon dont l’intensité transactionnelle peut refléter le sentiment du marché.
DAI a montré un schéma similaire à plus petite échelle. La fréquence des règlements de prêts est demeurée un signal fort, tandis que la taille moyenne des transactions de l’écosystème, plus petite, a atténué la force de corrélation des mesures basées sur le volume
Notamment, des mesures telles que les retraits libellés en dollars dans le DAI ont montré une très faible corrélation (0.047), ce qui renforce l’importance de la fréquence des transactions par rapport à la taille des transactions dans l’identification des signaux de volatilité dans ce contexte.
Multicolinéarité dans les métriques de prêt
Le rapport a également mis en évidence le problème de la multicolinéarité, c’est-à-dire une forte intercorrélation entre des variables indépendantes au sein de chaque ensemble de données de prêt de stablecoins
Par exemple, dans l’écosystème USDC, le nombre de remboursements et de retraits a montré une corrélation par paires de 0,837, ce qui indique que ces mesures peuvent capturer un comportement similaire des utilisateurs et pourraient introduire une redondance dans les modèles prédictifs.
Néanmoins, l’analyse conclut que l’activité de remboursement est un indicateur robuste des tensions sur le marché, offrant une lentille axée sur les données à travers laquelle les mesures DeFi peuvent interpréter et anticiper les conditions de prix sur les marchés Ethereum.
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
Les remboursements de prêts en stablecoins signalent les premiers signes de volatilité de l’Ethereum, selon un rapport
Les remboursements de prêts on-chain à l’aide de stablecoins peuvent souvent servir d’indicateur d’alerte précoce des changements de liquidité et des pics de volatilité du prix (ETH) de l’Ethereum, selon un récent rapport d’Amberdata
Le rapport a souligné comment les comportements de prêt au sein des écosystèmes DeFi, en particulier la fréquence de remboursement, peuvent servir d’indicateurs précoces des tensions sur les marchés émergents.
L’étude a examiné le lien entre les mouvements de prix de l’Ethereum et l’activité de prêt basée sur les stablecoins impliquant l’USDC, l’USDT et le DAI. L’analyse a révélé une relation cohérente entre l’intensification de l’activité de remboursement et l’augmentation des fluctuations du prix de l’ETH.
Cadre de volatilité
Le rapport a utilisé l’estimateur de (GK) de Garman-Klass. Ce modèle statistique prend en compte l’ensemble de la fourchette de prix intrajournalière, y compris les prix d’ouverture, les prix hauts, les prix bas et les prix de clôture, plutôt que de s’appuyer uniquement sur les prix de clôture
Selon le rapport, cette méthode permet une mesure plus précise des fluctuations de prix, en particulier pendant les périodes de forte activité sur le marché.
Amberdata a appliqué l’estimateur GK aux données de prix de l’ETH sur des paires de trading avec USDC, USDT et DAI. Les valeurs de volatilité résultantes ont ensuite été corrélées avec les mesures de prêt DeFi afin d’évaluer comment les comportements transactionnels influencent les tendances du marché
Dans les trois écosystèmes de stablecoins, le nombre de remboursements de prêts a montré la corrélation positive la plus forte et la plus cohérente avec la volatilité d’Ethereum. Pour l’USDC, la corrélation était de 0,437 ; pour l’USDT, 0,491 ; et DAI, 0,492
Ces résultats suggèrent que les activités de remboursement fréquentes ont tendance à coïncider avec l’incertitude ou le stress du marché, au cours duquel les traders et les institutions ajustent leurs positions pour gérer le risque.
Un nombre croissant de remboursements peut refléter des comportements de réduction des risques, tels que la fermeture de positions à effet de levier ou la réaffectation du capital en réponse aux mouvements de prix Amberdata considère cela comme une preuve que l’activité de remboursement peut être un indicateur précoce des changements dans les conditions de liquidité et des pics de volatilité à venir sur le marché Ethereum.
En plus de la fréquence de remboursement, les mesures liées aux retraits ont montré des corrélations modérées avec la volatilité de l’ETH. Par exemple, les montants des retraits et le rapport de fréquence dans l’écosystème USDC présentaient des corrélations de 0,361 et 0,357, respectivement.
Ces chiffres suggèrent que les sorties de fonds des plateformes de prêt, quelle que soit leur taille, peuvent signaler un positionnement défensif de la part des acteurs du marché, réduisant la liquidité et amplifiant la sensibilité aux prix.
Comportement d'emprunt et effets sur le volume des transactions
Le rapport a également examiné d’autres paramètres de prêt, notamment les montants empruntés et les volumes de remboursement. Dans l’écosystème USDT, les montants libellés en dollars pour les remboursements et les emprunts sont en corrélation avec la volatilité de l’ETH à 0,344 et 0,262, respectivement
Bien qu’elles soient moins prononcées que les signaux de remboursement basés sur le nombre, ces mesures contribuent tout de même à l’image plus large de la façon dont l’intensité transactionnelle peut refléter le sentiment du marché.
DAI a montré un schéma similaire à plus petite échelle. La fréquence des règlements de prêts est demeurée un signal fort, tandis que la taille moyenne des transactions de l’écosystème, plus petite, a atténué la force de corrélation des mesures basées sur le volume
Notamment, des mesures telles que les retraits libellés en dollars dans le DAI ont montré une très faible corrélation (0.047), ce qui renforce l’importance de la fréquence des transactions par rapport à la taille des transactions dans l’identification des signaux de volatilité dans ce contexte.
Multicolinéarité dans les métriques de prêt
Le rapport a également mis en évidence le problème de la multicolinéarité, c’est-à-dire une forte intercorrélation entre des variables indépendantes au sein de chaque ensemble de données de prêt de stablecoins
Par exemple, dans l’écosystème USDC, le nombre de remboursements et de retraits a montré une corrélation par paires de 0,837, ce qui indique que ces mesures peuvent capturer un comportement similaire des utilisateurs et pourraient introduire une redondance dans les modèles prédictifs.
Néanmoins, l’analyse conclut que l’activité de remboursement est un indicateur robuste des tensions sur le marché, offrant une lentille axée sur les données à travers laquelle les mesures DeFi peuvent interpréter et anticiper les conditions de prix sur les marchés Ethereum.
Mentionné dans cet article