Abstract
Dieses Papier untersucht die Wirksamkeit der On-Chain-Analyse als Methode zur Bewertung von Krypto-Assets, insbesondere Bitcoin (BTC). Im Gegensatz zu traditionellen Finanzmärkten bieten Blockchain-Netzwerke ein öffentliches und prüfbares Hauptbuch, das die Extraktion von Transaktionsdaten in Echtzeit ermöglicht. Diese Studie kategorisiert und korreliert grundlegende Kennzahlen des Marktwerts, das Verhalten der Miner und die Dynamik von Angebot und Nachfrage. Das Ziel ist es, zu demonstrieren, wie die Konvergenz dieser Indikatoren strukturelle Muster der Akkumulation und Verteilung identifizieren kann, und bietet einen analytischen Rahmen zum Verständnis der Marktpsychologie und der Netzwerkeffizienz.
---
## 1. Einführung
Das Aufkommen von Krypto-Vermögenswerten hat ein beispielloses Paradigma in der Finanzanalyse eingeführt: die totale Transparenz von Transaktions- und Verwahrungsdaten. Während traditionelle Kapitalmärkte auf vierteljährlichen Berichten und undurchsichtigen Orderbuchdaten basieren, ermöglichen Netzwerke wie Bitcoin die granulare Überwachung jeder Währungseinheit seit ihrer Ausgabe.
On-Chain-Analyse entsteht als Disziplin, die diese Rohdaten nutzt, um Signale über die Netzwerkkapazität und die Stimmung der Teilnehmer abzuleiten. Diese Arbeit schlägt eine Systematisierung der primären Metriken vor, die in (1) Bewertung und Rentabilität, (2) Angebotsdynamik und (3) Netzwerksicherheit und -aktivität unterteilt sind.
## 2. Bewertungsmethoden und Marktpsychologie
Die Bewertung des Preises eines digitalen Vermögenswerts erfordert eine Unterscheidung zwischen aktuellem spekulativen Wert und intrinsischem Wert, basierend auf den Anschaffungskosten des Netzwerks.
### 2.1. MVRV (Marktwert zu realisiertem Wert)
Das MVRV-Verhältnis ist das Verhältnis zwischen Marktkapitalisierung und realisierter Kapitalisierung. Die realisierte Kapitalisierung ersetzt den aktuellen Preis durch den Preis zum Zeitpunkt der letzten Bewegung jedes UTXO (Unspent Transaction Output) und dient als Proxy für die aggregierten Kosten aller Teilnehmer des Netzwerks.
*Wirtschaftliche Interpretation:** Hohe MVRV-Werte deuten darauf hin, dass der Markt signifikante unrealisierten Gewinne hält, was den Anreiz zur Liquidation erhöht. Niedrige Werte deuten darauf hin, dass der Vermögenswert unter den durchschnittlichen Anschaffungskosten gehandelt wird, was auf Unterbewertung und Kapitulation hinweist.
### 2.2. NUPL (Netto unrealisierten Gewinn/Verlust)
NUPL misst die Differenz zwischen relativ unrealisiertem Gewinn und relativ unrealisiertem Verlust.
*Verhaltensanalyse:** Dieser Indikator kartiert den emotionalen Zyklus des Investors, der von "Kapitulation" (maximale Verluste) bis "Euphorie" (maximale Gewinne) reicht. Extreme positive Abweichungen neigen dazu, mit den Höchstständen des Zyklus zu korrelieren, da die Gewinne gesättigt sind.
### 2.3. SOPR (Spent Output Profit Ratio)
SOPR berechnet den Gewinn oder Verlust, der nur für Coins realisiert wird, die innerhalb eines bestimmten Zeitraums bewegt werden. Ein SOPR, der konstant über 1 liegt, zeigt an, dass der Markt Gewinne absorbiert, während Werte unter 1 während Aufwärtstrends auf Ermüdung der Verkäufer hinweisen.
## 3. Angebotsdynamik und Mining-Ökonomie
Die Sicherheitsinfrastruktur von Bitcoin schafft eine Klasse von zwangsweisen Verkäufern: Miner, die ihre Betriebskosten (OPEX) und Investitionsausgaben (CAPEX) decken müssen.
### 3.1. Puell Multiple
Dieser Indikator untersucht die Einnahmen der Miner. Er wird berechnet, indem die tägliche Münzausgabe (in USD) durch ihren 365-Tage-Durchschnitt geteilt wird. Historisch niedrige Werte deuten auf Einnahmekompression hin, die oft die Kapitulation ineffizienter Betreiber erzwingt, was historisch mit Markttiefpunkten zusammenfällt.
### 3.2. Nettoflüsse von Börsen
Die Überwachung von Wallets, die als zentrale Verwahrer identifiziert wurden, zeigt die unmittelbare Absicht des Marktes:
*Zufluss:** Ein Anstieg der Einzahlungen deutet auf die Absicht hin, zu liquidieren oder als Sicherheit zu verwenden.
*Abfluss:** Abhebungen zur Selbstverwahrung deuten auf eine langfristige Haltestrategie und eine Verringerung des verfügbaren Angebots hin.
## 4. Eigentumsstruktur und Netzwerkwachstum
Die Analyse der Vermögensverteilung und der Zeit, die Coins in Wallets verbleiben, bietet Einblicke in die Überzeugung der Investoren.
### 4.1. HODL Waves und illiquides Angebot
HODL Waves kategorisieren das Angebot basierend auf dem Alter der letzten Bewegung. Das Wachstum langfristiger Bänder während Preiskorrekturen deutet auf Akkumulation durch Investoren mit hoher Überzeugung (Smart Money) hin.
### 4.2. Überwachung großer Entitäten
Die Analyse von Adressen mit großen Guthaben, angepasst um Intermediäre und Börsen auszuschließen, ermöglicht die Identifizierung von Nettoakkumulations- oder Desinvestitionsphasen durch institutionelle Inhaber.
## 5. Forschungsmethodik
Diese Untersuchung verfolgt einen quantitativen und explorativen Ansatz, basierend auf der Analyse von Zeitreihendaten aus dem Bitcoin-Netzwerk.
1. Datensammlung: Extraktion von Primärdaten über Netzwerk-Knoten und spezialisierte APIs (Glassnode/CoinMetrics) für den Zeitraum von 2012 bis 2025.
2. Statistische Behandlung: Anwendung des Z-Scores zur Identifizierung von Standardabweichungen vom historischen Mittelwert der Metriken.
3. Konfluenzanalyse: Validierung der historischen Genauigkeit durch Backtesting, Korrelation unabhängiger Variablen zur Validierung von Trendwenden.
## 6. Einschränkungen und Fazit
Obwohl die On-Chain-Analyse einen erheblichen Informationsvorteil bietet, hat sie Einschränkungen. Transaktionen auf Layer-2-Netzwerken (wie dem Lightning Network) und interne Überweisungen zwischen Börsen-Wallets können Rauschen in die Daten einführen.
Die Synthese von Metriken wie MVRV, Puell Multiple und Angebotsflüssen ermöglicht die Transformation der Blockchain von einem bloßen Registrierungssystem in eine Marktforschungsdatenbank. Es wird festgestellt, dass die On-Chain-Analyse ein unverzichtbarer Bestandteil zur Risikominderung und zur Identifizierung von Asymmetrien in den Zyklen digitaler Vermögenswerte ist.
---
## 7. Bibliografische Referenzen
ANTONOPOULOS, Andreas M. Mastering Bitcoin: Programmieren der offenen Blockchain. 2. Aufl. Sebastopol: O'Reilly Media, 2017.
BURNSIDE, A.; PARKER, J. On-Chain-Analyse: Ein neuer Rahmen für die Bewertung von Vermögenswerten. Journal of Digital Banking, Bd. 4, Nr. 2, 2020.
GLASSNODE INSIGHTS. Die Woche On-Chain: Metriken und Marktanalyse. Verfügbar unter: [https://insights.glassnode.com/](https://insights.glassnode.com/).
NAKAMOTO, Satoshi. Bitcoin: Ein Peer-to-Peer-Elektronisches Zahlungssystem. 2008.
PUELL, David; MAHMUDOV, Murad. Das Verhältnis von Marktwert zu realisiertem Wert (MVRV). Adaptive Capital, 2018.
TASCA, Paolo; TESSONE, Claudio J. Eine Taxonomie von Blockchain-Technologien: Prinzipien der Identifikation und Klassifizierung. Ledger, Bd. 4, 2019.
WOO, Willy. Die Bitcoin-Preismodelle. Woobull Charts, 2021.
#BTCMiningDifficultyDrop #BTC走势分析 $BTC
