Криптовалюта: Фундаментальный анализ на Python
Год издания: 2025
Автор: Суков Я. В.
Издательство: Литрес/Автор
Язык: Русский
Формат: PDF
Качество: Отсканированные страницы + слой распознанного текста
Количество страниц: 89
Описание: Криптовалюты стали важной частью современного финансового сектора, открывая новые горизонты для инвестиций и инноваций. Тем не менее, для успешного ориентирования в этом изменчивом и зачастую непредсказуемом пространстве, инвесторам и аналитикам необходимо иметь глубокие знания и навыки в области фундаментального анализа. В Книге "Криптовалюта: Фундаментальный анализ на Python описаны методы, инструменты и практические кейсы", которые представляют всестороннее руководство по анализу криптовалют, начиная с основ и заканчивая продвинутыми техниками и инструментами.
Примеры страниц (скриншоты)
Оглавление
Оглавление
Введение
Автоматизация анализа криптоактивов через
фундаментальные метрики ........................................................... 5
Почему Python? Обзор инструментов для работы
с блокчейн-данными .................................................................... 5
Часть 1: Основы криптовалют и фундаментального анализа
1. Криптовалюты vs. Традиционные активы
Особенности крипторынка: волатильность,
децентрализация, токеномика ...................................................... 29
Зачем нужен фундаментальный анализ в крипте?. ......................... 30
2. Ключевые метрики фундаментального анализа
Ончейн-данные: активные адреса, хешрейт,
объем транзакций ........................................................................ 32
Финансовые метрики: рыночная капитализация,
ликвидность, оборот ..................................................................... 33
Социальные факторы: активность в соцсетях,
GitHub, сообщество ...................................................................... 35
Протокольные показатели: стейкинг, доходность (АРУ),
сжигание токенов ......................................................................... 35
Часть 2: Работа с данными в Python
3. Источники данных для криптоанализа
API криптобирж (Binance, CoinGecko, CoinMarketCap) ...................... 37
Блокчейн-эксплореры (Etherscan, Blockchain.com) .......................... 38
Парсинг социальных данных (Twitter, Reddit, Telegram) ................... 40
4. Настройка среды и инструменты
Установка Python и библиотек: Pandas, Requests, WеЬЗ.ру, Plotly. .... 42
Работа с Jupyter Notebook для визуализации данных. ...................... 42
Часть 3: Автоматизация сбора и обработки данных
5. Сбор ончейн-данных
Анализ транзакций и адресов через API ......................................... 44
Расчет Network V alue to Transactions (NVT) Ratio ........................... .44
6. Финансовые метрики криптовалют
Скрипты для отслеживания рыночной капитализации и объема ...... .45
Анализ токеномики: распределение токенов, инфляция ................. .46
7. Социальный анализ
Парсинг активности в Twitter и Reddit (Tweepy, PRAW) .................... .47
GitHub: оценка активности разработчиков ..................................... .48
Часть 4: Построение аналитических моделей
8. Оценка стоимости криптовалют
Модель МЕТАВАЛЮТА
(MVRV Z-Score, Stock-to-Flow для Bitcoin). ...................................... 49
DСF-адаптации для криптоактивов ................................................. 51
9. Дашборды и визуализация
Создание интерактивных графиков (Plotly/Dash) ............................. 52
Мониторинг метрик в реальном времени ......................................... 53
10.Мониторинг рисков
Анализ волатильности и корреляции активов .................................. 54
Сигналы перекупленности/перепроданности ................................... 54
Часть 5: Практические кейсы
1 1.Кейс 1: Оценка Bitcoin
Анализ хешрейта, адресов, рыночных циклов ................................. 55
12.Кейс 2: DеFi-протоколы (Uniswap, Aave)
Расчет TVL (Total Value Locked), доходности пулов ........................... 67
13.Кейс 3: NFТ-коллекции
Метрики уникальных владельцев, объемов торгов, роялти ............... 68
Часть 6: Интеграция с ML и продвинутые методы
14.Машинное обучение для прогнозирования
Предсказание цены на основе фундаментальных данных ................ 70
Классификация проектов (скам vs. перспективные) ........................ 71
15.Анализ смарт-контрактов
Оценка безопасности кода (Solidity, Rust) ...................................... 72
Трекинг активов в реальном времени через WеЬЗ.ру ...................... 73
Часть 7: Интеграция с ML и продвинутые методы
Хакерские атаки на блокчейны, криптобиржи
и криптокошельки трейдеров ........................................................ 77
Часть 8: Интеграция с ML и продвинутые методы
Мошеннические схемы с криптовалютами и блокчейнами ................ 81
Заключение ..................................................................................85
• Фундаментальный анализ в условиях WеЬЗ: тренды и вызовы.
• Как избежать "туманных" метрик? Критическое мышление.
• Будущее: DAO, кросс-чейн аналитика, регулирование.
Приложения ................................................................................ 86
• Термины (стейкинг, газовые сборы, TVL и др.).
• Полезные ресурсы (курсы, блоги, подкасты).
