پیشبینی قیمت بیت کوین بر اساس مدل انباشت به جریان
پیش بینی قیمت بیت کوین یکی از داغ ترین بحثهای حوزه ارزهای دیجیتال است. بسیاری از معامله گران با استفاده از مدل های مختلف تلاش می کنند قیمت این ارز دیجیتال را پیشبینی کرده و سود بدست آورند. یکی از این مدل ها، مدل انباشت به عرضه (Stock to Flow) می باشد.در این مقاله قصد داریم ضمن معرفی مدل انباشت به جریان، به بررسی اجزای نمودار این مدل و انتقاداتی که نسبت به آن وجود دارد بپردازیم.
مدل Stock to Flow چیست و چگونه اختراع شد؟
مدل انباشت به جریان یا بررسی میزان فراوانی یک کالا خاص، یکی از معروف ترین مدل های پیش بینی قیمت بیت کوین می باشد که توسط PlanB، حساب توییتر یک معاملهگر ناشناس ارزهای دیجیتال، در ماه مارس 2019 معرفی شد.
انباشت به جریان در واقع نسبت مقدار ذخیره بر مقداری که بصورت سالانه تولید می شود، می باشد. این مدل معمولا برای منابع طبیعی مورد استفاده قرار می گیرد و براساس آن کمیابی یک منبع مثل طلا و نقره باعث افزایش ارزش آن می شود.
مدل انباشت به جریان با بیت کوین نیز مانند این فلزهای گرانبها رفتار می کند. همانطور که می دانید تعداد کل واحدهای بیت کوین محدود به 21 میلیون واحد است که طی فرایند استخراج تولید و عرضه می شود، طبق برنامه ریزی هر 4 سال یکبار نیز میزان عرضه بیت کوین طی رویدادی تحت عنوان هاوینگ نصف میشود.
بنابراین استفاده از این مدل برای پیش بینی قیمت بیت کوین کاملا منطقی است. چرا که به باور بسیاری از طرفداران مدل انباشت به جریان، بیت کوین همانند طلا و نقره: کمیاب است، هزینه استخراج بالایی دارد و البته داری منابع محدودی می باشد.
براساس مدل انباشت به جریان اصلیترین گزارههای ارزش بیتکوین، کمیابی و کاهش میزان عرضه آن است. در این مدل برای محاسبه انباشت به جریان بیتکوین از فرمول زیر استفاده میکنند.
انباشت به جریان= انباشت/ جریان
رقم به دست آمده نشان میدهد چند سال طول میکشد تا مقدار فعلی آن دوباره استخراج شود؛ مثلا فرض کنید تعداد بیتکوینهای در حال گردش جهان حدود 18,550,000 واحد باشند. میزان استخراج سالانه نیز حدود 700,000 بیتکوین باشد. حالا با توجه به فرمول بالا میتوانید دریابید که S2F بیتکوین حدودا 26 است. یعنی حدود 26 سال طول میکشد تا 18,550,000 واحد بیتکوین دیگر استخراج شود. در حالی که عرضه بیتکوین به 21 میلیون واحد محدود است. خوب است بدانید که این رقم در هر هاوینگ افزایش مییابد. به همین دلیل با گذشت زمان ارزش بیتکوین بیشتر میشود.
معرفی اجزای نمودار مدل موجودی به جریان (Stock to Flow)
اجزای نمودار مدل موجودی به جریان با توجه به شکل زیر بدین گونه است:
قیمت نهایی روز: قیمت نهایی رمز ارز را در روز مشخص با توجه به نقطههای رنگی نشان میدهند که راهنمای آنها را میتوانید در کنار جدول به صورت خط عمودی مشاهده کنید.
انباشت به جریان 10 روز: خط بنفشی که در تصویر مشاهده میکنید همان بخش انباشت به جریان 10 روز است. این خط، قیمت مدل را بر اساس ارز انتخاب شده نشان میدهد. معمولا تحلیلگران، تولید یک روزه رمز ارز را در این خط 10 روزه در نظر میگیرند و سپس آن را در 365 روز سال ضرب میکنند تا با تخمین تولید سالانه، مدل انباشت به جریان را محاسبه کنند. علت نامسطح بودن خط هم دلیل تغییرات زمان ایجاد بلاکها و سختی شبکه رمز ارز است؛ زیرا سختی شبکه (Difficulty) بیتکوین با توجه به ماینرهای (Miners) فعال در شبکه دائماً در حال تغییر است. این کار میتواند روی مدت زمان ایجاد هر بلاک نیز موثر باشد.
انباشت به جریان 365 روز: خط مسطح آبی رنگ نشاندهنده انباشت به جریان 365 روز است. در آن تغییرات 365 روز قبل اعمال شده است که به وسیله آن میتوانید تعداد کل بیتکوینهای ایجاد شده در کل سال را حساب کنید. سپس به کمک آنها ارزش انباشت به جریان را محاسبه کنید.
قیمت مدل سختی: ارزش رمز ارز را با خط قرمز در این نمودار نشان دادهاند و قیمت مدل را نیز با استفاده سختی شبکه تعیین کردهاند. فرمول مورد استفاده در این بخش به صورت زیر است که در آن از متوسط سختی روزانه به جای «سختی» استفاده میکنند:
0.002 ضربدر سختی ^0.51
البته در این نمودار چهار کارت انباشت به جریان فعلی، مدل قیمت فعلی، تخمین هاوینگ بعدی و آخرین بروز رسانی نیز قابل مشاهده هستند.
محدودیتهای استفاده از مدل Stock to Flow
مدل stock to flow توانایی زیادی در پیشبینی قیمت ارزهای دیجیتال و کالاهایی دارد که کمیاب هستند. در حالی که اگر بیتکوین هیچ ارزش و ویژگی خاصی به غیر کمیاب بودن نداشته باشد، آنگاه مدل stock to flow در پیشبینی قیمت آن تاثیری نخواهد داشت؛ بنابراین باید تنها برای متدهایی از آن استفاده کنند که ذخیره ارزش دارند و کمیاب میباشند.
مدل Stock to Flow پیشی بینی میکند نوسانات قیمت بیتکوین با گذشت زمان کمتر میشود. در حالی که این رمز ارز دائماً نوسانات زیادی را تجربه میکند. با این وجود این مدل نمیتواند آنها را محاسبه کند.