Time Series Forecasting based on Solana Digital Asset Dataset
Dit artikel introduceert de eerste uitgebreide tijdreeksdataset van Solana digitale activa die de periode van maart 2024 tot maart 2025 beslaat, waarbij deze wordt gebruikt om ecosysteembrede marktdynamiek aan te tonen die wordt gedreven door DEX-activiteit en de SOL-prijs, terwijl de voorspellende bruikbaarheid ervan wordt gevalideerd via state-of-the-art voorspellingsmodellen zoals PatchTST.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de uitgestrekte, digitale economie van cryptovaluta beweegt waarde zich niet via banken of kluizen, maar over publieke grootboeken die elke transactie met nauwkeurige timing registreren. Deze wereld wordt gedomineerd door twee verschillende soorten activiteit: de handel in belangrijke activa op gecentraliseerde beurzen, die functioneren als traditionele aandelenmarkten, en de hectische, gedecentraliseerde handel die rechtstreeks op blockchain-netwerken plaatsvindt. Eén dergelijke netwerken, Solana, is opgekomen als een hogesnelheidsweg voor deze digitale activa, in staat om duizenden transacties per seconde te verwerken tegen minimale kosten. In tegenstelling tot oudere systemen waar gegevens opaak of vertraagd kunnen zijn, laat de architectuur van Solana een volledig, tijdgestempeld spoor achter van de reis van elke token, van de creatie tot de uiteindelijke handel. Begrijpen hoe deze digitale tokens in waarde stijgen en dalen is een uitdaging die analisten al lang verbijstert, grotendeels omdat de markt wordt gedreven door een chaotische mix van individueel handelsgedrag, plotseling nieuws en de algehele gezondheid van het netwerk zelf. De vraag die onderzoekers zich al lang stellen is of het mogelijk is om de toekomstige prijs van deze activa te voorspellen door te kijken naar de patronen van het netwerk waarin ze verblijven, in plaats van alleen naar de geschiedenis van het activum zelf.
Een team van onderzoekers heeft een belangrijke stap gezet in het beantwoorden hiervan door de eerste uitgebreide dataset te construeren die specifiek is ontworpen om het dagelijks leven van Solana-tokens te volgen. Ze verzamelden informatie over 1.584 verschillende tokens en observeerden deze dagelijks van maart 2024 tot maart 2025. Deze collectie is niet louter een lijst met prijzen; het is een rijk tapijt van 27 verschillende variabelen voor elke token, inclusend hoeveel mensen kopen of verkopen, het totale handelsvolume, de hoeveelheid geld die in liquiditeitspools zit, en de prijs van de onderliggende Solana-netwerkvaluta. Door deze token-specifieke details te verweven met bredere ecosystemische signalen, creëerden de onderzoekers een venster naar een markt die snel groeit en snel verandert. Hun doel was niet alleen om een beter voorspellingsinstrument te bouwen, maar om het werkelijke gedrag van dit digitale ecosysteem tijdens een periode van intense expansie te begrijpen.
De analyse van deze data onthulde dat de markt niet in isolatie beweegt. De onderzoekers identificeerden twee duidelijke momenten van gesynchroniseerde activiteit waarbij het hele ecosysteem leek te ademen in eenheid: één in het midden van november 2024 en een andere in het midden van januari 2025. Tijdens deze pieken stegen handelsvolumes, het aantal actieve wallets en het aantal nieuwe handelaren simultaan over het hele netwerk. De tweede piek, die plaatsvond in januari 2025, viel samen met de lancering van een specifieke token geassocieerd met een voormalig Amerikaans president, een gebeurtenis die een enorme golf van speculatie ontketende. De data toonden een duidelijk gedragspatroon voorafgaand aan deze gebeurtenis: investeerders accumuleerden liquiditeit en pompten geld in de pools, om vervolgens kort na de piek hun fondsen weer terug te trekken. Dit suggereert dat het lot van individuele tokens diep verbonden is met de bredere stemming van de Solana-markt en de activiteitsniveaus van haar gedecentraliseerde beurzen, in plaats van te bestaan als afzonderlijke, geïsoleerde entiteiten.
Om te testen of deze gedetailleerde data daadwerkelijk kan helpen bij het voorspellen, voerden de onderzoekers een reeks voorspellingsexperimenten uit. Ze vroegen diverse computermodellen om de marktwaarde van deze tokens drie dagen in de toekomst te voorspellen. De resultaten lieten zien dat hoewel eenvoudige statistische modellen die vertrouwen op herhalende patronen goed konden werken voor sommige stabiele tokens, zij worstelden met de wilde schommelingen van dit ecosysteem. De meest succesvolle aanpak was een deep learning-model genaamd PatchTST, dat uitblonk in het identificeren van complexe, niet-herhalende trends in de data. Een model gebaseerd op een vooraf getraind taalframework presteerde bijna even goed wanneer het zorgvuldig werd aangepast aan de specifieke data. Deze bevindingen suggereren dat de dataset echte, kortetermijn-signalen bevat die gebruikt kunnen worden om marktbewegingen te voorspellen, mits het model verfijnd genoeg is om de volatiliteit aan te kunnen.
Verder onderzoek naar hoe deze modellen hun beslissingen namen, onthulde wat de voorspellingen werkelijk drijft. De belangrijkste factoren waren niet alleen de geschiedenis van een enkele token, maar de bredere gezondheid van het netwerk. De prijs van Solana zelf, de voortschrijdende gemiddelden, het totale handelsvolume over het gehele gedecentraliseerde beurssysteem en het aantal nieuw gecreëerde handelsparen waren allemaal cruciale indicatoren. Dit bevestigt dat in deze digitale economie de prijs van een specifieke token zwaar wordt beïnvloed door het collectieve gedrag van de gehele markt. De studie concludeert dat door gedetailleerde token-data te combineren met ecosystemische signalen, het mogelijk is om een helderder beeld van de marktdynamiek te vormen. Dit werk biedt een nieuw fundament voor het begrijpen van hoe digitale activa zich gedragen, en biedt een manier om onderscheid te maken tussen willekeurige ruis en betekenisvolle marktomslagen in een omgeving die vaak moeilijk te navigeren is.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.