Os pagamentos de empréstimos Stablecoin sinalizam sinais iniciais de volatilidade do Ethereum, o relatório encontra

Os pagamentos de empréstimos na cadeia usando stablecoins geralmente podem servir como um indicador de alerta precoce de mudanças de liquidez e picos de volatilidade no Ethereum (Eth) preço, de acordo com um relatório recente da Amberdata.

O relatório destacou como os comportamentos de empréstimos nos ecossistemas definem, particularmente a frequência do reembolso, podem servir como indicadores iniciais do estresse emergente do mercado.

O estudo examinou a conexão entre os movimentos de preços do Ethereum e a atividade de empréstimo baseada em Stablecoin envolvendo USDCAssim, USDTe Dai. A análise revelou uma relação consistente entre a atividade de reembolso aumentada e o aumento das flutuações de preços da ETH.

Estrutura de volatilidade

O relatório usou o estimador Garman-Klass (GK). Esse modelo estatístico é responsável pela faixa de preço intradiário completa, incluindo preços abertos, altos, baixos e próximos, em vez de depender apenas no fechamento dos preços.

Segundo o relatório, esse método permite uma medição mais precisa das mudanças de preço, principalmente durante períodos de alta atividade no mercado.

Amberdata aplicou o estimador GK aos dados de preços ETH em pares de negociação com USDC, USDT e DAI. Os valores de volatilidade resultantes foram então correlacionados com as métricas de empréstimos defi para avaliar como os comportamentos transacionais influenciam as tendências do mercado.

Nos três ecossistemas Stablecoin, o número de pagamentos de empréstimos mostrou a correlação positiva mais forte e consistente com a volatilidade do Ethereum. Para USDC, a correlação foi de 0,437; para USDT, 0,491; e Dai, 0,492.

Esses resultados sugerem que a atividade frequente de reembolso tende a coincidir com a incerteza ou o estresse do mercado, durante o qual comerciantes e instituições ajustam suas posições para gerenciar riscos.

Um número crescente de pagamentos pode refletir comportamentos de desbaste, como o fechamento de posições alavancadas ou o realocação de capital em resposta aos movimentos de preços. Amberdata vê isso como evidência de que a atividade de reembolso pode ser um indicador precoce de mudanças nas condições de liquidez e nos próximos picos de volatilidade do mercado Ethereum.

Além da frequência de reembolso, as métricas relacionadas à retirada exibiram correlações moderadas com a volatilidade da ETH. Por exemplo, as quantidades de retirada e a taxa de frequência no ecossistema USDC exibiram correlações de 0,361 e 0,357, respectivamente.

Esses números sugerem que o financiamento de saídas das plataformas de empréstimos, independentemente do tamanho, pode sinalizar posicionamento defensivo pelos participantes do mercado, reduzindo a liquidez e ampliando a sensibilidade dos preços.

Efeitos de Comportamento de Empréstimos e Volume de Transação

O relatório também examinou outras métricas de empréstimos, incluindo valores emprestados e volumes de pagamento. No ecossistema do USDT, os valores denominados em dólares para reembolsos e empréstimos se correlacionam com a volatilidade da ETH em 0,344 e 0,262, respectivamente.

Embora menos pronunciados do que os sinais de pagamento baseados em contagem, essas métricas ainda contribuem para a imagem mais ampla de como a intensidade transacional pode refletir o sentimento do mercado.

Dai exibiu um padrão semelhante em uma escala menor. A frequência dos acordos de empréstimos permaneceu um sinal forte, enquanto os tamanhos médios de transações menores do ecossistema silenciaram a força de correlação das métricas baseadas em volume.

Notavelmente, métricas como retiradas denominadas em dólares em DAI mostraram uma correlação muito baixa (0,047), reforçando a importância da frequência da transação sobre o tamanho da transação na identificação de sinais de volatilidade nesse contexto.

Multicolinearidade em métricas de empréstimos

O relatório também destacou a questão da multicolinearidade, que é uma alta intercorrelação entre variáveis independentes dentro de cada conjunto de dados de empréstimos do Stablecoin.

Por exemplo, no ecossistema do USDC, o número de pagamentos e retiradas mostrou uma correlação em pares de 0,837, indicando que essas métricas podem capturar comportamento semelhante ao usuário e poder introduzir redundância em modelos preditivos.

No entanto, a análise conclui que a atividade de reembolso é um indicador robusto do estresse no mercado, oferecendo uma lente orientada a dados através da qual as métricas de defi podem interpretar e antecipar as condições de preços nos mercados do Ethereum.