Rejoignez-Nous sur

État du réseau de Coin Metrics: numéro 37

8695b4c1 7d1b 4ba6 b891

News

État du réseau de Coin Metrics: numéro 37

8695b4c1 7d1b 4ba6 b891

Cryptoasset Valuation Research Primer, Partie 1

par Kevin Lu et le Mesures des pièces Équipe

Les crypto-actifs représentent une innovation significative dans l'évolution de la monnaie et du système financier moderne. La valorisation des crypto-actifs reste une question très ouverte. Les concepts fondamentaux sur lesquels une discipline formelle d'évaluation de la cryptographie peut être construite commencent seulement à s'établir. Sans ancrage solide aux méthodes existantes d'évaluation des actifs, nous avons assisté à une expérimentation intense au cours des 10 dernières années.

Nous avons effectué une revue de la littérature complète pour identifier toutes les principales facettes de la recherche sur l'évaluation des actifs cryptographiques qui a été menée jusqu'à présent. Toutes les méthodes ont été prises en compte, des cadres d'évaluation théoriques aux modèles d'évaluation empiriques, en passant par de nouveaux indicateurs applicables à l'évaluation.

En bref, nous sommes intéressés par toutes les recherches qui peuvent être utilisées pour comprendre la valeur actuelle des crypto-actifs, estimer la valeur des crypto-actifs ou prédire les valeurs futures des crypto-actifs. Tous les supports de publication sont pris en compte, quel que soit leur pedigree, depuis les messages du forum jusqu'aux revues académiques. Les articles les plus saillants de chercheurs universitaires et industriels sont inclus.

Dans cet article, nous explorons six catégories principales de recherche en évaluation cryptographique: équation d'échange, modèle d'utilités futures actualisées. Loi de Metcalfe, modèles de régression des prix, modèles de coût de production et identification des bulles d'actifs. Dans une fonctionnalité hebdomadaire à venir, nous passerons en revue l'investissement factoriel, les ratios basés sur la valeur de transfert, la capitalisation réalisée et le domaine émergent de l'analyse UTXO en tant que partie 2 de notre guide de recherche sur la valorisation des actifs cryptographiques.

Équation d'échange

L'équation d'échange de Fisher incarne un volet de la littérature qui a eu une influence dans le domaine de la conception de jetons. Conçu à l'origine pour explorer la relation entre la masse monétaire et le niveau des prix dans le domaine de l'économie monétaire, il a été appliqué au domaine de l'évaluation des crypto-actifs et constitue actuellement l'un des cadres théoriques les plus explorés.

L'idée centrale est simple et intuitive: l'équation de l'échange est la relation MV = PQ, où M est le montant nominal de l'argent, V est la vitesse de l'argent, P est le niveau des prix et Q est l'indice des dépenses réelles. Ceci est expliqué succinctement dans Wang (2014).

L'équation est adaptée pour prendre en compte les aspects uniques des crypto-actifs tels que Bitcoin (BTC). Tout d'abord, toutes les quantités sont définies en unités de monnaie fiduciaire, la valeur P étant égale à 1. M est défini comme le nombre de crypto-actifs existant multiplié par le prix d'une seule unité du crypto-actif (c'est-à-dire la capitalisation boursière). Q est la quantité de valeur transférée sur le réseau. Et l'interprétation de V reste inchangée.

L'implication de ce modèle est que la valeur d'un cryptoasset a une relation inverse avec la vitesse – c'est-à-dire que des niveaux élevés de vitesse conduisent à des évaluations de cryptoasset plus faibles. Wang (2014) constate que le prix du BTC est déterminé uniquement par la probabilité que le BTC soit sauvé. Ciaian, Rajcaniova et Kancs (2015) tester empiriquement l'impact des facteurs d'offre et de demande sur le prix du BTC, y compris la vitesse (qu'ils procurent en utilisant les jours BTC détruits), et constater qu'ils ont un impact significatif.

La vitesse du BTC a diminué ces dernières années à mesure que le prix a augmenté, ce qui correspond au modèle d'équation des échanges. Le graphique suivant montre la vitesse ajustée (c'est-à-dire la vitesse calculée en utilisant la valeur de transfert ajustée qui filtre les auto-envois et les transactions de spam) de l'approvisionnement actif d'un an (c'est-à-dire l'approvisionnement qui a été traité au moins une fois au cours de la dernière année) de BTC.

e55b1822 60c6 4676 bd2f

La fixation de la littérature sur la vitesse se poursuit Buterin (2017) et Pfeffer (2017), deux articles fondateurs qui appliquent l'équation d'échange à l'évaluation des jetons d'utilité. Les deux chercheurs postulent que les jetons utilitaires sont sensibles à des niveaux extrêmement élevés de vitesse des jetons, car les utilisateurs n'achètent que de petites quantités de jetons pour utiliser un service fourni par le réseau et les fournisseurs du service vendent immédiatement tous les jetons qu'ils reçoivent. Buterin (2017) conclut que la valeur d'un cryptoasset «dépend essentiellement du temps de détention» du jeton et plaide pour des puits de jetons – des mécanismes qui réduisent l'approvisionnement en jetons ou la vitesse des jetons (par exemple, le brûlage des frais de transaction). Pfeffer (2017) conclut que la vitesse du jeton pourrait être élevée à l'équilibre et que la valeur d'un jeton d'utilité convergerait vers un niveau bas qui est une fraction du coût réel des ressources informatiques nécessaires pour entretenir le réseau.

La vitesse ajustée des ETH de l'offre active d'un an a augmenté, menant au pic de prix de 2018, et s'est depuis stabilisée. L'augmentation de la vitesse de l'ETH en 2017 coïncide également avec le boom des ICO et l'augmentation des jetons d'utilité, qui s'est depuis calmée. La vitesse de l’ETH semble être relativement conforme au prix de l’ETH.

761212a6 8d91 4ebe 831a

Samani (2017) et Samani (2018) présenter des idées sur des modèles économiques de jetons qui répondent au «problème de vitesse» pour permettre à un jeton d'utilité d'augmenter sa valeur. Des modèles de brûlage et de jalonnement sont envisagés. Collectivement, les articles publiés par des chercheurs de l'industrie sous ce thème en 2017 et 2018 ont eu une forte influence dans le domaine de la conception de jetons.

La thèse de la grande vitesse a cependant suscité sa juste part de critiques. Evans (2018) présente l'une des critiques les plus saillantes, suggérant que les cadres précédents considèrent la vitesse des jetons comme une variable exogène (une valeur déterminée en dehors du modèle) qui peut être réglée à un niveau souhaité grâce à la conception du mécanisme des jetons. Au lieu, Evans (2018) modélise la vitesse comme étant endogène au modèle et fonction de PQ. Koralewski (2018) fait des critiques similaires concernant l'exogénéité de la vitesse. Weber (2018) remet en question le fondement même de la thèse de la vitesse en faisant valoir que l'équation de l'échange a été mal appliquée mathématiquement et présente deux applications correctes. De même, Locklin (2019) présente une critique dévastatrice de l'équation de l'échange et fait valoir que les conclusions courantes concernant la vitesse du jeton et la conception optimale du jeton sont fausses.

Malgré ses critiques, l'équation de l'échange reste l'un des cadres les plus largement adoptés pour l'évaluation des jetons. Dans les années à venir, alors que des gagnants et des perdants émergent dans l'espace des jetons d'utilité, nous nous attendons à ce que davantage de recherches empiriques soient effectuées dans ce domaine pour tester la thèse de la vitesse des jetons.

Futurs modèles d'utilité réduits

La famille de modèles d'utilité future actualisée s'inspire de l'évaluation en utilisant une approche de marché adressable totale, une analyse des flux de trésorerie actualisés et l'équation de l'échange. Il représente une extension significative de la théorie présentée dans la recherche sur l'équation des échanges en proposant un modèle empirique pour estimer la valeur des jetons d'utilité. La vitesse des jetons, entre autres hypothèses, est l'un des paramètres clés du modèle. Cette famille de modèles ressemble le plus à un modèle de flux de trésorerie actualisé trouvé dans la finance traditionnelle, mais adapté aux caractéristiques uniques des crypto-actifs.

Burniske (2017a) représente la première contribution significative à la littérature en introduisant un modèle pour évaluer un jeton d'utilité hypothétique. Les principaux déterminants du modèle sont les caractéristiques de l'offre du jeton telles que le nombre de jetons en circulation, la taille totale du marché sur lequel le jeton de service public est utilisé pour acheter des services, la courbe d'adoption du réseau, la vitesse du jeton et le taux d'actualisation . Winton (2017) introduit un modèle similaire avec de nombreux paramètres du même modèle mais permet également des attentes de rendement différentes de différentes cohortes d'investisseurs.

Burniske (2017b) introduit les termes «valeur d'utilité actuelle» et «valeur d'utilité escomptée actualisée» et présente un cadre théorique sur la façon dont la valeur dérivée des deux sources fluctue tout au long du cycle de vie d'un jeton d'utilité.

L'application de futurs modèles d'utilité actualisés reste un domaine dans lequel des recherches empiriques considérables peuvent être menées. Les réseaux fonctionnels sur lesquels les jetons utilitaires sont construits sont toujours en cours de développement, et quelques projets importants voient des quantités significatives d'activité. La modélisation de la valeur des jetons utilitaires avec de nouvelles conceptions de jetons telles que la gravure, la remise et le jalonnement reste également un domaine actif d'expérimentation et de recherche.

Loi de Metcalfe

La loi de Metcalfe stipule que la valeur d'un réseau de communication est proportionnelle au carré du nombre d'utilisateurs connectés du système. Le fondement de cette loi réside dans la relation mathématique que chaque utilisateur d'un réseau de communication peut établir (n – 1) connexions avec d'autres utilisateurs. Si chaque connexion est considérée comme ayant une valeur égale, la valeur totale du réseau est proportionnelle à n (n – 1) / 2, qui approche asymptotiquement n2. La loi de Metcalfe a été appliquée avec succès à l'évaluation des réseaux sociaux. Par exemple, Zhang, Liu et Xu (2015) tester empiriquement la loi de Metcalfe et plusieurs autres lois sur les effets de réseau en utilisant les données de Tencent et Facebook et constater que la loi de Metcalfe est mieux adaptée que les lois concurrentes.

L’application de la loi de Metcalfe à l’évaluation des actifs cryptographiques est simple et a été menée gbianchi (2014), où la clé a été faite pour définir un utilisateur du réseau Bitcoin comme le nombre d'adresses avec un solde nul, un proxy choisi après backtesting et en considérant d'autres alternatives. Une formule pour prédire le prix du BTC sur la base du carré du nombre d'adresses avec un solde nul est présentée. L'article a également apporté une contribution significative à un autre fil conducteur de la littérature en introduisant l'idée de suivre le nombre d'adresses entre certains seuils d'équilibre.

Alabi (2017) teste la loi de Metcalfe sur BTC, Ethereum (ETH) et Dash (DASH), et illustre comment les écarts par rapport aux valeurs prédites peuvent être utilisés pour identifier les bulles d'actifs. Peterson (2018) applique la loi de Metcalfe en utilisant une représentation alternative pour les utilisateurs: le nombre de portefeuilles de blockchain.info. Le modèle est utilisé pour identifier une période de manipulation suspecte du marché en 2013. Franek (2018) teste la loi de Metcalfe et les lois concurrentes sur la BTC et les ETH, et introduit un rapport prix / Metcalfe pour identifier les périodes de surévaluation ou de sous-évaluation. Kalichkin (2018) combine les prévisions de la loi de Metcalfe avec les prévisions de la loi d'Odlyzko et introduit de la même manière un rapport prix / Metcalfe.

L’application de la loi de Metcalfe aux crypto-actifs touche à un autre élément émergent de la littérature: l’étude du nombre d’utilisateurs d’un crypto-actif particulier. Bien que la transparence offerte par les registres de la blockchain permette à de nombreux mandataires candidats de représenter le nombre d'utilisateurs, nous manquons toujours de la clarté d'un concept similaire aux utilisateurs actifs quotidiens, une métrique commune utilisée pour suivre l'utilisation des applications Internet. La cartographie de l'activité en chaîne avec des entités et des individus du monde réel n'est pas encore claire et constitue un domaine de recherche actif. Comme plus de travail est effectué dans cette zone adjacente, une application plus précise de la loi de Metcalfe à l'évaluation des crypto-actifs est possible.

Modèles de régression des prix

Les modèles de régression des prix se réfèrent à une approche de l'évaluation des actifs cryptographiques où le prix est régressé sur une autre variable, généralement le temps (ou une variable qui est fonction du temps). La caractéristique déterminante de cette approche est que les valeurs de prix prédites peuvent être générées dans le futur, certains modèles prédisant des prix qui sont inimaginables aujourd'hui. Bien que certains praticiens puissent rejeter cette famille de modèles en raison de son approche simple, nous pensons que c'est une erreur de les ignorer complètement – les premiers modèles ont eu des résultats hors échantillon remarquablement précis, ont identifié de manière fiable des périodes historiques de surévaluation et de sous-évaluation, et reçoivent toujours une attention considérable de la part des acteurs du marché.

Trololo (2014), s'appuyant sur les premières recherches antérieures dans le domaine de l'évaluation des actifs cryptographiques, représente la genèse de la famille de modèles de régression des prix. En utilisant un modèle qui régresse le prix sur le logarithme naturel du temps, Trololo (2014) a pu prédire la date à laquelle le BTC atteindrait 10000 $ avec une erreur de seulement quelques jours à un moment où le prix actuel était de 275 $. Les résidus du modèle sont utilisés pour identifier les périodes de surévaluation et de sous-évaluation.

feb3d9eb 0e88 4dd9 8c88

Awe & Wonder (2018) utilise une approche similaire avec des données mises à jour et fournit une prédiction pour le bas du cycle du marché avec une très bonne précision hors échantillon. Burger (2019) présente divers modèles de régression des prix utilisant des sous-ensembles de données pour tester la robustesse de l'ajustement.

PlanB (2019) a été la prochaine avancée significative dans le domaine et représente l'un des articles les plus percutants de la recherche sur l'évaluation des crypto-actifs. S'inspirer de Ammous (2018), PlanB (2019) postule qu'il existe une relation entre la valeur de la CTB et son ratio stock / flux. Le ratio stocks / flux est défini comme l'inverse des émissions d'approvisionnement annualisées et représente la rareté et l'adéquation de la CTB en tant que réserve de valeur. Un test utilisant des données empiriques révèle une co-intégration entre la valeur de marché et le rapport stock / flux avec une bonne qualité d'ajustement. Le modèle prévoit un prix BTC de 55000 $ après la prochaine réduction de moitié en mai 2020.

Les modèles de régression des prix ont connu un succès remarquable dans la prédiction et l'adoption. Mais leur légitimité repose sur l'hypothèse que la CTB, en particulier, continuera sur la voie d'un équilibre à long terme où elle deviendra un actif mondial de stockage de valeur, comparable à l'or. Les prochaines années généreront des données supplémentaires qui pourront être utilisées pour tester les hypothèses principales de ces modèles, telles que la co-intégration entre la valeur de la CTB et son ratio stock / flux.

Modèles de coût de production

Les modèles de coût de production touchent à un volet de la littérature qui quantifie les coûts d'exploitation minière afin d'évaluer les crypto-actifs. Une telle approche est intuitivement simple et est enracinée dans l'économie classique où, par exemple, Adam Smith a introduit le concept d'un prix naturel et du prix du marché pour les matières premières. Le prix naturel est le niveau de prix qui est égal au coût des différents facteurs de production nécessaires à la production d'une marchandise. Le prix du marché est le prix réel auquel le produit est vendu. Smith soutient que le prix naturel est le prix central auquel tous les produits gravitent continuellement.

Satoshi Nakamoto succinctement explique la logique fondamentale derrière cette approche: «Le prix de toute marchandise tend à graviter vers le coût de production. Si le prix est inférieur au coût, la production ralentit. Si le prix est supérieur au coût, un profit peut être réalisé en générant et en vendant plus. Dans le même temps, l'augmentation de la production augmenterait la difficulté, poussant le coût de la production vers le prix. »

L’application d’un modèle de coût de production pour l’évaluation de la CTB s’est produite par nécessité dès 2009, la première année d’existence de la CTB. Nouvelle norme Liberty, le premier site Web à offrir un échange BTC, a également été le premier à établir un taux de change pour le BTC – le premier taux de change publié en octobre 2009 était de 1 309,03 BTC pour un dollar américain. En l'absence d'un marché établi, l'administrateur du site Web a calculé le taux de change à l'aide d'un modèle simple qui se rapprochait du coût de l'électricité nécessaire pour extraire du BTC.

Hayes (2015) représente le premier traitement sérieux du sujet et propose un modèle basé sur le coût de l'électricité, l'efficacité de la technologie des mineurs, le prix du marché du BTC et la difficulté de l'exploitation minière. Hayes (2016) effectue une analyse transversale sur 66 crypto-monnaies et constate qu'une valeur de crypto-actifs peut être expliquée par la difficulté d'exploration, le taux d'émission de l'offre et le type d'algorithme d'exploration utilisé.

le Indice de consommation d'électricité Cambridge Bitcoin, en utilisant les performances du matériel mineur dans Bevand (2017) fournit une borne inférieure, une borne supérieure et la meilleure estimation pour la consommation d'électricité du BTC. Edwards (2019) présente un modèle dans lequel la valeur de la CTB (appelée sa valeur énergétique) est fonction de l'apport d'énergie, de la délivrance de l'offre et du coût fiduciaire de l'apport d'énergie. Les valeurs prévues du modèle à l'aide de données empiriques trouvent un bon ajustement.

Comprendre le coût de production de la CTB a un impact important sur les mineurs qui jouent un rôle dans la formation de bulles et de collisions d'actifs en raison de leur comportement procyclique. L'économie de l'exploitation minière et le modèle conceptuel pour estimer le coût de production des crypto-actifs sont maintenant bien compris. De nouveaux progrès dans ce domaine devraient permettre de recueillir des données empiriques plus précises sur lesquelles ces modèles sont basés.

Identification de bulle d'actif

La tendance des spéculateurs à créer des bulles dans les actifs financiers est profondément enracinée dans la psychologie humaine. Les actifs cryptographiques, sans ancrage solide aux méthodes traditionnelles d'évaluation des actifs, sont particulièrement sensibles aux bulles et des cycles de bulles et de crash se sont produits à plusieurs reprises dans la courte histoire de la CTB. La taille et la fréquence des bulles dans les crypto-actifs invitent à appliquer des techniques de détection de bulles, d'abord développées dans les actifs financiers traditionnels.

Cheah et Fry (2015) est l'un des premiers articles à appliquer les techniques de détection de bulles établies au BTC. En utilisant une variété de modèles de détection de bulles, il trouve des preuves empiriques que le BTC est sujet à des bulles spéculatives importantes. En utilisant une technique de détection récemment développée, Cheung et Su (2015) trouve de nombreuses bulles éphémères et trois grosses bulles entre 2011 et 2013. Wheatley, Sornette, Huber, Reppen et Gantner (2018) présente une version généralisée de la loi de Metcalfe qui n'exige pas que la valeur du réseau croisse proportionnellement au carré du nombre d'utilisateurs pour modéliser la valeur fondamentale de la CTB. Les écarts par rapport aux valeurs prédites de ce modèle sont considérés comme des bulles et ils sont officiellement testés à l'aide d'une technique de détection de bulles de manuels. Quatre bulles sont détectées et une prédiction ex ante est fournie qui fonctionne bien hors échantillon.

Conclusion

La Dutch East India Company, fondée en 1602, a été la première entreprise à émettre des obligations et des actions au public, devenant ainsi la première société publique officiellement cotée au monde. Il a ensuite fallu plus de 300 ans pour développer les concepts fondamentaux nécessaires jusqu'à ce que la discipline officielle de l'évaluation des actions soit établie dans les années 1930. Avec les crypto-actifs, nous sommes sur les épaules des géants, et des progrès substantiels ont été réalisés au cours des 10 dernières années dans le domaine émergent de la recherche sur la valorisation des crypto-actifs. Les méthodes d'évaluation existantes dans de nombreuses disciplines sont adaptées pour s'adapter aux crypto-actifs. Dans le même temps, des méthodes uniques spécifiques aux cryptoassets sont activement développées. Les concepts fondamentaux commencent seulement à être établis et de nombreux concepts restent probablement à découvrir.

Dans l'état du réseau de la semaine prochaine, nous poursuivons la partie 2 de notre revue de littérature complète et couvrons d'autres avancées importantes dans la recherche sur l'évaluation des actifs cryptographiques. L'investissement factoriel, les ratios fondés sur la valeur de transfert, la capitalisation réalisée et le domaine émergent de l'analyse UTXO figurent parmi les sujets traités. Nous partageons également nos perspectives sur les orientations futures les plus prometteuses de la recherche en évaluation.

Métriques récapitulatives

69b5bac6 cbea 4ca3 b16a

Les principaux crypto-actifs ont connu une autre semaine solide, poursuivant un démarrage à chaud jusqu'en 2020. Le BTC était en hausse dans la plupart des mesures, mais l'ETH était encore plus dans presque toutes les catégories. Bien que la BTC ait ouvert la voie pendant une grande partie de 2019, nous avons maintenant vu l'ETH et de nombreux actifs à petite capitalisation surclasser la BTC au début de 2020. L'ETH a affiché cinq jours de rendements positifs consécutifs du 5 février au 9 février, ce qui n'est arrivé que 21 fois dans l'histoire de l'ETH.

ETH a également dépassé BTC la semaine dernière dans la croissance de l'utilisation. Les adresses actives ETH ont augmenté de 21,5% et le nombre de transactions a augmenté de 13,2% d'une semaine à l'autre, tandis que les adresses actives BTC ont augmenté de 4,2% et le nombre de transactions a augmenté de 3,3%.

Points saillants du réseau

La vitesse de l'offre active sur un an (c'est-à-dire l'offre qui a été effectuée au moins une fois au cours de la dernière année) de pièces stables est proche de ses plus hauts historiques. Le graphique suivant montre la vitesse moyenne de l'offre active sur un an pour les pièces stables suivantes: Tether (Omni, Ethereum et Tron), Paxos, USD COIN, DAI, TrueUSD et Gemini Dollar. L'augmentation de la vitesse suggère que les pièces stables changent de mains plus souvent, ce qui suggère qu'elles sont potentiellement de plus en plus utilisées comme moyen d'échange.

c9f5646d e352 4dfd 90e3

Le plafond réalisé par Tezos (XTZ) a augmenté plus rapidement que la plupart des autres actifs au début de 2020. Le plafond réalisé peut servir d'indicateur de la base des coûts pour les investisseurs. Bien que BTC ait réalisé une croissance des plafonds supérieure à XTZ pendant la majeure partie de 2019, XTZ a dépassé BTC en 2020.

325f29dd 8e27 40cd 979b

Un mouvement important, largement attendu par les acteurs du marché, ne s'est pas encore concrétisé. L'intérêt ouvert sur le contrat XBTUSD de BitMEX reste élevé et la différence entre la volatilité réalisée et implicite sur le marché des options reste élevée. Une forte baisse du prix de la BTC de 10 100 $ à 9 800 $ au cours du week-end a provoqué certaines liquidations du contrat XBTUSD mais n'a pas déclenché une cascade de liquidations supplémentaires.

L'étendue du marché est assez positive, presque tous les actifs de notre univers de couverture conservant de solides gains hebdomadaires. La tendance récente des autres actifs surperformant la BTC s'est poursuivie, la BTC ne gagnant que + 9%. ETH (+ 21%) est un artiste remarquable, avec XTZ (+ 41%) atteignant un niveau record et Binance Coin (+ 31%).

e36fb6d6 37d4 47d0 ac55

Ethereum Classic (+ 3%), Dash (+ 12%) et ZCash (+ 7%) ont été des surperformants importants au cours des dernières semaines, mais n'ont enregistré que des gains relativement modestes cette semaine. NEM (+ 35%) est désormais un projet à surveiller – il a connu l'un des gains hebdomadaires les plus forts et est en hausse de + 98% au cours du dernier mois.

05dc09a1 39c8 44ac 95ec

Cette semaine, les crypto-actifs et les index ont poursuivi leur impressionnant début d'année. Les indices de pondération égale ont de nouveau affiché la meilleure performance, démontrant la nature à l'échelle du marché de la performance de cette semaine et la force de certains des actifs de moindre valeur de chaque indice.

Parmi les indices pondérés en fonction de la capitalisation boursière, les Bletchley 20 (moyenne capitalisation) et Bletchley 40 (petite capitalisation) ont continué d'afficher les meilleures performances, avec des rendements hebdomadaires de 19% et 18% respectivement. Ces deux indices n'ont pas encore connu de semaine de performance négative en 2020.

Tous les indices ont surperformé l'indice CMBI Bitcoin pour la semaine, l'indice Bletchley 20 Even et l'indice CMBI Ethereum affichant les performances les plus élevées, avec des rendements respectifs de 24% et 21%.

09b998b1 c150 4276 8d04

Mises à jour de l'équipe de Coin Metrics cette semaine:

  • Coin Metrics recrute! Nous avons récemment ouvert 4 nouveaux rôles, dont celui d'ingénieur de données Blockchain et de responsable de la qualité des données et des opérations. Veuillez consulter notre Page Carrières pour voir les ouvertures.

Comme toujours, si vous avez des commentaires ou des demandes, n'hésitez pas à contacter [email protected]

État du réseau de Coin Metrics, est une vue hebdomadaire impartiale du marché de la cryptographie informée par notre propre réseau (en chaîne) et des données de marché.

Si vous souhaitez obtenir l'état du réseau dans votre boîte de réception, veuillez vous abonner ici. Vous pouvez voir les numéros précédents de State of the Network ici.

Vérifiez Blog des métriques pour une recherche et une analyse plus approfondies.





Traduction de l’article de Jacob Franek : Article Original

BlockBlog

Le Meilleur de l'Actualité Blockchain Francophone & Internationale | News, Guides, Avis & Tutoriels pour s'informer et démarrer facilement avec Bitcoin, les Crypto-Monnaies et le Blockchain. En Savoir Plus sur L'Équipe BlockBlog

Commenter cet Article

Commenter cet Article

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Plus dans News

Les Plus Populaires

Acheter des Bitcoin

Acheter des Alt-Coins

Sécuriser vos Cryptos

Vêtements et Produits Dérivés

Top
libero Phasellus diam non Aliquam venenatis elit. Praesent adipiscing vulputate, felis ut