用好三大基本數據,抓住項目基本面中的確定性

在區塊鏈領域,我們說 “code is law”。那在分析一個項目的基本面時,我們有沒有一些比較確定的,理性的參考標準呢?這篇文章就和大家聊聊分析項目基本面的三種基本數據:

代碼開發數據

項目開發數據可以在一定程度上反應開發團隊的勤奮程度,是否在技術上下功夫,是否在踐行項目的路線圖。

用好三大基本數據,抓住項目基本面中的確定性

commits(提交次數) 和 release(發佈版本):代表了核心團隊的開發活躍程度;裡面有很多信息,包含發佈了哪些功能,解決了哪些問題,代碼最後一次提交的日期等等。

contributors(開發者數量):有多少人在寫代碼並做出了貢獻;一些項目如果是一兩個人貢獻了絕大多數代碼,那這一兩個人如果離開團隊可能對項目造成重大影響。

insights(洞察統計)和 issues(問題):可以查看近期文件情況,以及技術維護的數據。open 代表沒解決,close 代表解決了。如果啥問題都沒有,可能是無人維護,也可能是拷貝的。如果問題在這裡幾個月都沒有回覆,這也是項目出現問題的表現,要麼開發者不關心,要麼項目可能已經被放棄了。

watch、star 和 fork:訂閱、好評和引用數體現了代碼的關注度;以及被拷貝與被研究的情況,數量越大說明認可度越高。

當然還有支持語言數量,註釋率,活躍開發者數量等開發數據可以參考。在 coincodecap 上可以查詢各個加密貨幣項目代碼更新情況和排名。之前大家會調侃,拿住團隊在做事,的確,一個項目開發的很勤奮,幣價可能也不太行。即使基本 fork 合成的代碼,市值也有可能很高。開發數據的意義更多是在於讓大家辨別出空氣項目,勤奮開發的項目不一定行,開發甚至 fork 都懶得做的項目一定不行。

社區媒體數據

官方 Twitter:首先是官推的關注人數有多少,基本上可以體現項目的名氣。其次是可以關注每條推特的點贊數,回覆數等互動情況,這些反應了項目的粉絲質量和社區活躍程度。可能存在一些項目有刷粉絲數量的行為,如果粉絲數量很多但是基本沒有互動的話,粉絲的質量是有待考量的。當然推特的活躍程度也和項目方發的內容有關,如果都是偏技術性的那自然互動較少。再往深處探究可以看看關注這個項目以及參與互動的有哪些投資人,kol,開發者,他們各佔多少比例。

官方社群:一般可以參考 Telegram 官方群的新增人數,每天的聊天數量以及活躍人數。創始人以及官方團隊成員能在社群中多多發言對於活躍度很有幫助。除了技術方面的對話,項目科普分析以及同類競品對比這種社區向的文章數量,也能體現出團隊對於社區的用心程度。

搜索指數&媒體熱度:

媒體熱度可以理解為項目的曝光度,有些是項目團隊主動去做的 pr,有些是社區自發的一些分析討論內容。一些成熟的,有長期持有價值的項目應該會保持一個基本的媒體熱度。谷歌熱度,百度指數等受短期價格影響,每次搜索指數的波動一般都伴隨著價格的大幅波動。

Reddit、官網、論壇等渠道的訪問人數,討論數量也是重要的參考指標。活躍的社區對於一個項目來說真的很重要。一個繁榮的項目社區,社區成員會自發的做很多事情幫助項目傳播,比如 meme、翻譯、寫文章等,同時也有助於穩定代幣價格。很多備受投資機構青睞的項目,在社區這方面有所欠缺,最終導致價格表現不盡如人意。

鏈上數據

鏈上交易數量&智能合約調用次數:對於公鏈來說,看這個網絡裡一天到晚在折騰啥,應該要看合約調用分佈,因為鏈上每一筆交易都牽涉智能合約。其中比較活躍的 Dapp 數量也可以反映出整個公鏈生態的發展情況和方向。當然,某些項目的鏈上交易數據看起來挺活躍,但其實可能是刷的,對於大多數項目方來說刷交易數據的成本非常低。

籌碼分佈數據:大戶持幣佔比反應整個項目的籌碼集中程度。籌碼比較集中可能會方便拉盤,籌碼比較分散的話一定程度上說明項目參與度廣。不過一些大戶可能會把籌碼分散到多個地址,所以即使籌碼分佈較為分散,我們也很難去判斷其真實情況。在持幣佔比中我們也可以關注下項目代幣的解鎖釋放情況,代幣流通量較低的項目可能面臨著長期的解鎖拋售壓力。

新增持幣地址&休眠地址數量:新增持幣地址可以反映出代幣持有者的持續積累情況。休眠地址數量,反應較長時間沒有進行交易的地址,可以反應籌碼的囤積情況。當然長期沒有交易也有可能是秘鑰已經丟了。

其實現在很多朋友直接把幣儲存在交易所,所以鏈上數據只能反映部分真實情況,更多是反映加密深度用戶的情況。一個代幣的上所情況,交易對數量,交易量,流動性等交易所數據對我們評估一個項目也有很大參考價值。

項目基本面分析還有很多我們可以關注的數據,比如一些項目會披露財報,我們可以瞭解其持續運營能力的情況。我們並不能依據某一兩類數據就做出準確的基本面分析。參考更多數據主要是為了比較和排雷,幫助我們規避掉很多風險。總之,無論去參考哪類數據,梳理出數據背後的邏輯應該是我們始終要做的事。


分享到:


相關文章: