English Version: Analytics Introduction

<aside> 🏄 分析模組支持近一步檢視 blave alpha 歷史數值的行情回測資料，幫助了解在不同數據狀態下，市場通常會怎麼運行。‼️風險提示：每個資料/工具都有其優缺點與局限性，請務必自行審慎了解，並自負投資風險及盈虧。

目錄-

</aside>

基礎認識

分析頁面

分析是通過回測與統計分析，為幫助交易員理解 alpha 指標在不同數值區間時，市場通常出現的行情結果。

可以根據想深入研究的代幣、指標設定後送出，得出的曲線結果可以直觀地看到：1. 哪些 alpha 資料水平更容易出現在上漲前、2. 哪些 alpha 資料極端狀態反而更容易伴隨反轉、3. 相同 alpha 數值水平下不同代幣的反應。

如何使用分析？🤠

首先，在運用分析模組前得對 Blave 數據有一定的理解，若還不理解可先查看 Blave 學院 ，在有效運用 Blave Analytics 分析模組前，要先了解每一個 alpha 都可以有一條「數值 x 未來上漲機率」的分佈曲線，這代表可以透過該曲線來更完整地判斷哪些 alpha 水平更有參考性以及不同代幣對 alpha 的反應如何。

*上漲機率的反面就是下跌機率，不要忘記囉！

💡 兩種核心曲線型態？

分析輸出的曲線由設定的指標 alpha 數值（橫軸）與未來上漲機率（縱軸）繪製，簡單可以歸納成兩種曲線型態：凹型（U型）與凸型（倒U型），以下為各自的特徵與代表含義：

1️⃣ 凹型（U型）—— 事件型 alpha，這類型的曲線中間區間上漲機率最低，左右極端反而機率最高。這往往代表市場出現某些事件或壓力造成代幣表現強勁，行情可能多由事件驅動。

2️⃣ 凸型（倒U型）—— 結構型 alpha，這類型的曲線中間區間上漲機率最高，左右極端機率較低。這通常代表行情在正常狀態下表現較佳、行情能有效延續，但在極端時反而表現較差。

🙋🏻‍♂️ 以案例來說明分析模組的運用：

BTC - 籌碼集中度

AAVE - 籌碼集中度

• 同個 alpha 資料、不同代幣曲線型態分析

可以看到 BTC 籌碼集中度曲線屬於偏左傾斜 U 型曲線，而 AAVE 則是倒 U 型曲線。從圖中對比兩個差別在，BTC 籌碼集中度越往左走（下降）上漲機率越提升，而 AAVE 籌碼集中度保持在中間上漲機率最高（越往兩側上漲機率越下降）。