Glassnode запустила новый анализатор для изучения поведения инвесторов

Компания представила инструмент для анализа поведенческих алгоритмов криптоинвесторов — Supply Mapping, который расширяет возможности классической метрики распределения стоимости (CBD). Также он позволяет сегментировать участников торгов с учетом их действий и мотивации.

В отличие от традиционных финансовых рынков, на которых эмоции и намерения инвесторов остаются скрытыми, блокчейн делает их поведение прозрачным и поддающимся точному анализу. Новый инструмент уже доступен в Glassnode Studio для изучения BTC и всех токенов стандарта ERC-20.

Supply Mapping делит инвесторов на 5 поведенческих когорт: Conviction Buyers (пользователи с высокой уверенностью), Momentum Buyers (следующие за трендом), First-Time Buyers (новички на рынке), Profit Takers (фиксирующие прибыль) и Loss Sellers (продающие в убыток). Такой подход позволяет понять не только то, где сосредоточено предложение, но и по каким причинам оно движется. Данная модель дает возможность оценить рыночную динамику на новом уровне — от стадий накопления до паники.

В отличие от базовой Cost Basis Distribution, которая показывает, на каких уровнях цены сосредоточено предложение, Supply Mapping добавляет поведенческую глубину. Теперь можно точно определить, кто именно участвует в движении цены: инвесторы, уверенные в росте, или те, кто капитулирует под давлением. Это помогает выявлять не просто технические уровни поддержки и сопротивления, а психологические границы, формирующие рыночный ландшафт.

Представители Glassnode подчеркнули, что данная модель полезна как для краткосрочных трейдеров, так и для долгосрочных инвесторов. С ее помощью можно заметить сигналы начала фиксации прибыли, появления уверенного спроса или волн панических распродаж. Это позволяет принимать решения на основе более точных и объективных данных, а не эмоций или субъективных оценок. Инструмент особенно актуален в условиях высокой волатильности, когда поведение участников меняется стремительно. Supply Mapping помогает заранее распознавать потенциальные разворотные точки и изменения тренда, анализируя реальные действия пользователей.

Автор

Петр Иванов