BlockChange｜比特币的数据地图

几年前，比特币还处于社会边缘。 一位码农花了10000个比特币买了一个披萨，店家勉强接受了这笔交易。 到去年，比特币一年涨十多倍，大妈说的就是区块链。

过去几年，一个至少有1700种数字货币的家族在互联网上悄然进化。 比特币一年涨十几倍相对于山寨币来说相对保守，但也扼杀了近20年来大部分城市的房价涨幅，终于在去年12月底遭遇滑铁卢年。 从19,000 USD开始，最低跌破Paid 6000USD。

敏感问题这里不讨论，但有意思的是，比特币的数据非常透明和公开，比如所有的账号、转账记录、计算机节点和交易所的信息（从某种意义上说，交易所的数据是水性的）。 如果不谈法律，交易所的游戏规则其实有点类似于证券、期货等交易系统。 至少数据能让我们窥见一斑。

互联网上有很多比特币机制。 本回答“比特币（Bitcoin）系统是如何运作的？” 写得很好。 这里我们主要讨论一些基于事实的机制和数据分析。 数据分析基于众安科技的可视化。 产品 Zatlas。

货币市场

法币是各国的法定货币，如人民币、美元、代币和其他虚拟货币，如BTC（比特币）、ETH（以太坊），它们统称为数字货币。 数字货币是一个庞大的数字货币家族。 仅在Coinmarketcap上记录的数字货币就有1000多种。 我们从 Coinmarketcap 爬取了一些数据，并将其放在产品 Zatlas 上。 你可以通过Zatlas -> Import Data -> Open data 创建一个新的页面来找到它们。

本表币提供市场上主流数字货币的信息。 更详细的解释可以参考coinmarketcap的FAQ：

一个很重要的参数是market_cap（类似于股票市值的计算），即市场上流通的虚拟货币折算成美元多少，因为很多大佬不炒交易所，所以他们一直比特币静态 悄悄放在钱包里，比如中本聪的账户已经很久没变了，还有一些人的币密码在硬盘里，如果丢失坏了，这些币就永远从这个世界上消失了. 此类币种不做市值统计。

因此，比较直接的指标如下。 我们定义一个circle_percent=volumn_24（24小时内的活跃资金）/available_supply（总可用存量），也就是这些币的持有者，在过去的一天里，有多少百分比的币被用于投资，或者说活跃资金的比例为总资金。

我们去zatlas用双直方图的时候，可以找到这样的对比。 直方图是资金总量，折线图是流通比例，即当天的交易活跃度。 其中，非常有意思的是排名靠前的币种，最活跃的是USDT，USDT是一种等值于美元的货币比特币缩写，成为了比特币行情变化的避险通道。 它的使用率是最高的，排在后面的一些山寨币也很高，可能是因为这些币的投机性很强。

生日大pk

那么还有一个问题，1000多虚拟币是什么时候出来的？ coinmarketcap从2013年4月开始记录各种货币的发行情况（这比比特币的生日晚了几年），但当时虚拟货币很少，我从历史记录中查看了各个货币的监测值。 最早的时间就是上表中的trade_time_start。 我们使用每周诞生的硬币数量作为直方图。 用zatlas画出来和比特币的价格比较。 发现基本呈正相关，去年10月份收币数量最多。 想想去年频繁出现的各种ICO，好像也没错。

货币交易网络

可以交易代币和法币，也可以交易代币。 原理类似于外汇交易。 在外汇市场上，您可以将美元兑换成欧元，将欧元兑换成日元。 不断变化的价格是供需的短期平衡。 .

用a币买b币。 这种交易关系称为交易对（别名对/符号/市场）。 如果有n种代币，它们之间就有n*(n+1)笔交易比特币缩写，这是一个天文数字。 数字，但实际上并不是所有22个交易对都可以交易，每个交易所都不会那么灵活，比如在Binance上，所有交易对都与四种货币相关：BNB（自己发行的一种货币），BTC（比特币)、USDT（与美元挂钩的 Tether）、ETH（以太坊）。 你认为如果交易对很多，每个交易对之间的交易量会减少，即交易深度会变小，价格变化会很不连续），那么，人们会选择交易哪些对呢？

从 coinmarketcap 中，捕获了 9000 多个交易对。 这些交易对分布在数百个交易所。 这里，表pair中也记录并存储了某交易所某交易对最近24小时的交易量：

通过这张表，我们考虑做一个交易关系网络，想象我们把币当做一个点，点的大小和颜色与币的总交易量（上面提到的市场流通量market_cap，priced in USD），并使用边来表示币之间的交易，边的粗细和颜色与24小时内的交易流向相关联。 我们可以根据这种关联来描述他们的亲密程度。

对于关系网络，zatlas目前需要构建一个宽大的表，里面包含了边和点之间的关系。 我们将 pair 和 coin 结合起来构建一个大表 trade_graph。 这张大表也上传到zatlas，可以直接分析（sql比较长，略过）。

我们在zatlas上绑定trade_graph对应的字段，画出这样一个网络，我们可以在这个地址访问交互版

#/:

在这个网络中，我们可以清楚地发现很多东西：

最大的交易发生在美元和比特币之间的蓝色一侧（美元点很小，因为美元不计入流通中）。

最大的资金流向发生在 BTC（大红点）上，而 ETH 是第二大点

下面那一堆硬币（姑且称之为第二世界营地吧）很受欢迎。 他们直接用美元、USDT、BTC、美元进行交易，他们之间的交易更多。 这些点数比较大，都是大佬们，比如莱特币、蚂蚁、EOS、Qtum等币种。

而中间的一小部分币种（称为第三世界阵营），他们可以与ETH、BTC、USD进行交易，但往往与下面的第二阵营没有高度的交易相关性。

我们看一下双方的关系。 日元和韩元都非常本地化。 很容易看出，日本人喜欢买卖BTC，而韩国人除了BTC，还喜欢很多第二世界的币，比如EOS、BCH。

我们稍微解读一下这张图：

中心性和市值

从地理上讲，中心度高的地方往往很富有。 陆路贸易时代，敦煌连接东唐和西域三十六国； 在陆海贸易时代，上海是一个重要的经济城市，长江口、东海、杭州湾也通过航运与许多遥远的目的地相连。 你看上图，比特币也是一样。

从某种意义上说，每个连接都代表一种成本。 城市商业的成本是交通，虚拟货币的成本是每笔交易要支付千分之几的交易手续费。 因此，一种货币只要能与各种货币进行兑换，其价格就比较稳定，成交量也较大（我们下一篇文章会进一步分析价格稳定的一些特点）。

一般人都比较愿意把资金存放在这些稳定币里面，因为我进了这个币我想买什么就买什么。 这就好比国际贸易中的美元。 跟韩国人做生意，往往要先换美元。 在虚拟货币中，BTC是老大哥，大部分山寨币都可以兑换，但只能用美元兑换少数数字货币。

所以无论是地理中心度还是网络中心度，中心度都是一个非常重要的概念，那么对于虚拟货币来说，中心度越高是不是越丰富（24小时内流通量越大）呢？

我们首先如何描述中心？ 中心性有很多定义。 我们简单看一下，就是某种货币可以用n个币进行交易，它的中心度为n，然后我们关联这个货币在24小时内的流通量（volume_24_usd）。

我们先写一个SQL，然后将数据上传到Zatlas中绘制散点图：

WITH t AS (
SELECT left_coin, right_coin, sum(volume_24_usd) AS volume_24_usd, count(1) AS pair_count
FROM pair
WHERE volume_24_usd IS NOT NULL
GROUP BY left_coin, right_coin
)
SELECT left_coin AS coin, floor(sum(pair_count) ) AS pair_count, sum(volume_24_usd) AS volume_24_usd
FROM (
 SELECT right_coin AS left_coin, left_coin as right_coin, volume_24_usd, pair_count
 from t UNION ALL SELECT * FROM t

) AS t1
GROUP BY coin
ORDER BY pair_count DESC;

因为BTC和ETH太变态了，一个币种在上百个交易所可以有上千个交易对。 画出来的图，两个大佬遥遥领先，一堆比较弱的币缩在一起，所以直接过滤掉中心度高的2个币，得到下图。

我们发现刚才存在于交易网络中的第二世界和第三世界的阵营在这个抽象空间中仍然是邻居。

右下角有两个孤立的点，日元和韩元。 它们数量多，连接性小。 但我认为这在本质上是非常可以理解的。 如果很多外汇涉及法币，国家会来查你是不是洗钱，是不是要交税，是不是需要认证。 所以这些交易对注定是很难打开的，而且交易对的数量也不会多。 人们买币，归根结底还是要支付法币，走这个渠道，所以资金量肯定大，中心性小。

很有意思的是，我们可以继续过滤掉大的币种，比如小于10种，这时候币种之间的差异会非常大。 左边的币连接度高，但交易量不大。 我认为山寨币最近正在萎缩并回归零。 即使交易对多，也难以改变其交易量小的命运。 只有几个硬币在右边的坐标空间里，按照正常的斜率，你自己在飞……

那么如何更科学地衡量中心性呢？ 下面介绍Zatlas的一些黑科技。 当我们在关系网络中绑定字段时，如果我们将列表拖到底部，有几种中心性算法：

其实使用第一种算法，我们就不用刚才写那么多sql了。 这意味着如果一个点连接到n个点，值就会很大。 如果我们把入度算法的值和点的大小绑定起来，就会画出下图，可以看到第二世界阵营的货币还是在一起的：

山寨

这张表还可以分析出一个有趣的事情。 除了比特币和以太币，大部分都被称为山寨币。 模仿者不是白叫的。 我们用一个PostgreSQL看词频（里面用到的show_trgm函数可以把一个词分解成相邻的序列，BTC=>BT,TC,BTC，然后统计有多少个）。

SELECT str, count(1) AS count

FROM (
SELECT UNNEST(show_trgm(coin_name)) AS str
FROM coin
) AS t
WHERE length(replace(str, ' ', '')) > 1
GROUP BY str, length(str)
ORDER BY count DESC

我们发现BIT、BTC、COIN、TH、TC、RC都是高频词。 它们似乎来自 BTC（比特币）、ETH 和 LRC。 比如比特币的缩写是BTC，还有一堆类似的币，BTM，BCC，BTCZ，BTCS，BTCR等等。

这实际上是一个仿冒品。 其实，之所以有这么多假币，是因为虚拟币都是开源的，改个代码就可以了。 比如ETH说你要铸币，直接用我的平台就可以了。

因此，coinmarketcap将虚拟货币分为两种。 Token是一种使用现有平台的货币。 至少可以说是我借鉴别人开发的，而Coins就是各种基础货币（应该有很多假的）。 我们可以看看山寨币的来源和流向。 这个数字非常夸张。 我们在Zatlas中画饼图，ETH达到了80%的空间：

货币竞争

当时只有比特币这个虚拟货币，后来出现这么多假币，是不是割了比特币市场？ 从市值（Market Cap）=流通量*价格来看，BTC最大的竞争对手应该是ETH。

我们有一个历史表（来自coinmarketcap）coin_history 描述了历年货币的变化，因为数据比较大，这个数据每周采样一次：

市场波动剧烈，周期为数年，比特币价格统计上呈上涨趋势，但其在虚拟货币市场中的占比一直在变化。

其实这张图不仅可以在Zatlas中生成，coinmarketcap的这个页面也可以生成。 黄线是BTC，黑线是ETH。 你觉得他们很规律吗？

首先，从统计的角度来看，比特币的市值比例是在下降的。 从去年年初到年中，经历了较大的下滑。

竞争关系显而易见。 当 ETH 上涨时，BTC 将下跌，但这是必要的，因为该图是基于百分比的。

去年12月左右，BTC暴跌，份额也有所下降，但今年2月开始又逐渐回升。

货币价差

货币的价值更像是一个哲学问题（也许是一个法律问题）。 有人说它有价值，有人说它不值钱。 津巴布韦和委内瑞拉的货币已经贬值，所以他们喜欢在全世界买一个比特币来保值。 在军事演习期间，韩国的比特币价格上涨。

当然，我认为讨论这个没有多大意义。 但非常有趣的是利率差异很小。 事实上，比特币的实际价格在每个国家都是不同的。 例如，韩国和日本的许多人都在买卖比特币。 以韩国为例，他们的交易所比较封闭，除了bithumb，很多交易所都没有外语版本，而且如果要申请提现，据说必须在韩国住半年，有韩国特定银行的卡，反正外国人进不去，以至于去年币市火爆的时候，比特币在韩国比国外贵50%（这个价差几乎消失了现在）。

好处无处不在。 差价就像筑坝截流。 只要有一个小孔，管道就可以消除差异。 如果在人前出现利率差异，那么已经有一堆人在做生意。 比如我做一个交易所 USD->比特币->韩元-外汇->USD 的流通业务，但是为什么可以存在呢？

这个问题非常值得思考。 首先，韩国的货币交易价格相差不大。 多少是因为可以随便用比特币来回调用，但是和法币兑换有很多区别（以前是），因为刚才在链上，比特币->韩元，韩元-> 美元没那么容易，这两次拦截，我觉得可以说是韩国的国控了。

所以我想一个问题，价差的本质，可能一个是买卖平衡，一个是政府控制，我们怎么衡量国家控制？

我想了一个办法，叫OTC price。 以中国为例。 当时可以通过平台提现比特币来提人民币，但是最后被封了，任何平台都不能兑换比特币。 而且国外也很严格，可能要收税。 正式流程一般是撤回。 周期也很长。

于是就有了一种新的业务，叫场外交易：你呢，私下交易，我的平台做担保，别的我什么都不知道，你的交易就是你的事。 除了手续费比较高之外，其实政策因素并不多，所以我觉得价格更接近人们的心理预期。

许多场外交易非常本地化。 比如我的用户都是中国人，但是有个高手叫localbitcoin，交易的人很多。 我们抓取了 localbitcoin 上 3100 多笔最近的交易，做了一个简单的分析：

其中，委内瑞拉换算成美元的物价极高，是外界的10倍，6万多美元一张，我查了一下，委内瑞拉保持着世界上最高的通货膨胀率记录，我不了解localbitcoin是汇率数据滞后，导致价格比较高。

而且还有很多小国热衷于比特币交易，比如尼日利亚、秘鲁、伊朗等。 这些小国的交易量比较大，人口也不是很多。 他们之所以喜欢比特币，或多或少是因为他们自己。 国家货币的不稳定。

在第一篇中，我快速浏览了一下比特币的各种基本面，卖了一段时间，还有后续。 本文的分析使用了两个工具，一个是常用的数据库PostgreSQL，另一个是众安科技开发的数据可视化平台Zatlas（v.anlink.com）。

Zatlas 目前处于免费公开测试阶段。 我们可以通过Project->New Project->New Canvas->Select a blank template来自己玩。 比如本文中的大部分图片，就是搭建这样一个工程。 文章中的大部分数据，也都上传到了里面，可以直接使用。 可以随意摆弄，修改，随便玩。 欢迎为我们的产品提出建议和错误，看看您是否能找到有趣的模式。