Time Series Forecasting based on Solana Digital Asset Dataset
Cet article présente le premier ensemble de données exhaustif de séries temporelles d'actifs numériques sur Solana s'étendant de mars 2024 à mars 2025, en l'utilisant pour caractériser la dynamique de marché à l'échelle de l'écosystème pilotée par l'activité des DEX et le prix du SOL tout en validant son utilité prédictive via des modèles de prévision de pointe tels que PatchTST.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans l'immense économie numérique de la cryptomonnaie, la valeur ne circule pas par les banques ou les coffres-forts, mais à travers des registres publics qui enregistrent chaque transaction avec une précision temporelle rigoureuse. Ce monde est dominé par deux types d'activités distinctes : l'échange d'actifs majeurs sur des plateformes d'échange centralisées, qui fonctionnent comme les marchés boursiers traditionnels, et le commerce frénétique et décentralisé qui se déroule directement sur les réseaux blockchain. L'un de ces réseaux, Solana, est apparu comme une autoroute à haute vitesse pour ces actifs numériques, capable de traiter des milliers de transactions par seconde avec un coût minimal. Contrairement aux systèmes plus anciens où les données peuvent être opaques ou différées, l'architecture de Solana laisse une trace complète et horodatée du parcours de chaque jeton, de sa création jusqu'à son échange final. Comprendre comment ces jetons numériques montent et descendent en valeur est un défi qui intrigue les analystes depuis longtemps, principalement parce que le marché est piloté par un mélange chaotique de comportements de traders individuels, d'événements d'actualité soudains et de la santé globale du réseau lui-même. La question que les chercheurs se posent depuis longtemps est de savoir s'il est possible de prédire le prix futur de ces actifs en observant les modèles du réseau qu'ils habitent, plutôt que de se contenter de l'historique de l'actif lui-même.
Une équipe de chercheurs a franchi une étape significative vers la réponse à cette question en construisant le premier ensemble de données complet spécifiquement conçu pour suivre la vie quotidienne des jetons Solana. Ils ont recueilli des informations sur 1 584 jetons différents, les observant quotidiennement de mars 2024 à mars 2025. Cette collection n'est pas simplement une liste de prix ; c'est une riche tapisserie de 27 variables différentes pour chaque jeton, incluant le nombre de personnes qui achètent ou vendent, le volume total des transactions, le montant d'argent déposé dans les pools de liquidité, et le prix de la monnaie native du réseau Solana. En tissant ensemble ces détails au niveau du jeton avec des signaux plus larges de l'écosystème, les chercheurs ont créé une fenêtre sur un marché qui croît rapidement et change vite. Leur objectif n'était pas seulement de construire un meilleur outil de prédiction, mais de comprendre le comportement réel de cet écosystème numérique durant une période d'expansion intense.
L'analyse de ces données a révélé que le marché ne se déplace pas de manière isolée. Les chercheurs ont identifié deux moments distincts d'activité synchronisée où l'ensemble de l'écosystème semblait respirer à l'unisson : l'un à la mi-novembre 2024 et l'autre à la mi-janvier 2025. Durant ces pics, les volumes de transactions, le nombre de portefeuilles actifs et le nombre de nouveaux traders ont tous augmenté simultanément à travers le réseau. Le second pic, survenu en janvier 2025, coïncidait avec le lancement d'un jeton spécifique associé à un ancien président des États-Unis, un événement qui a déclenché une vague massive de spéculation. Les données ont montré un schéma de comportement clair précédant cet événement : les investisseurs accumulaient de la liquidité, injectant de l'argent dans les pools, pour ensuite commencer à retirer leurs fonds peu après le sommet. Cela suggère que le destin des jetons individuels est profondément lié à l'humeur globale du marché de Solana et aux niveaux d'activité de ses plateformes d'échange décentralisées, plutôt que d'exister en tant qu'entités séparées et isolées.
Pour tester si ces données détaillées pouvaient réellement aider à la prédiction, les chercheurs ont mené une série d'expériences de prévision. Ils ont demandé à divers modèles informatiques de prédire la valeur de marché de ces jetons trois jours à l'avance. Les résultats ont montré que, si des modèles statistiques simples reposant sur la répétition de motifs pouvaient bien fonctionner pour certains jetons stables, ils peinaient face aux fluctuations sauvages de cet écosystème. L'approche la plus fructueuse fut un modèle d'apprentissage profond appelé PatchTST, qui excellait dans l'identification de tendances complexes et non répétitives dans les données. Un modèle basé sur un cadre de langage pré-entraîné, lorsqu'il était soigneusement ajusté aux données spécifiques, performait presque aussi bien. Ces conclusions suggèrent que l'ensemble de données contient de véritables signaux à court terme qui peuvent être utilisés pour prévoir les mouvements du marché, à condition que le modèle soit assez sophistiqué pour gérer la volatilité.
Une enquête plus approfondie sur la manière dont ces modèles prenaient leurs décisions a révélé ce qui stimule réellement les prédictions. Les facteurs les plus importants n'étaient pas seulement l'historique d'un seul jeton, mais la santé globale du réseau. Le prix de Solana lui-même, ses moyennes mobiles, le volume total des transactions à travers tout le système d'échange décentralisé, et le nombre de nouvelles paires de trading créées étaient tous des indicateurs critiques. Cela confirme que dans cette économie numérique, le prix d'un jeton spécifique est fortement influencé par le comportement collectif de l'ensemble du marché. L'étude conclut qu'en combinant des données détaillées sur les jetons avec des signaux à l'échelle de l'écosystème, il est possible de construire une image plus claire de la dynamique du marché. Ce travail fournit un nouveau fondement pour comprendre comment les actifs numériques se comportent, offrant un moyen de distinguer le bruit aléatoire des changements de marché significatifs dans un environnement souvent difficile à naviguer.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.