Расширение Glassnode: Макроэкономические данные и данные традиционных финансов

insights.glassnodeОпубликовано 2026-04-16Обновлено 2026-04-16

Введение

Glassnode расширяет аналитическую платформу, интегрируя макроэкономические и традиционные финансовые (TradFi) данные для комплексного анализа крипторынков. В связи с ростом институционального участия и влияния Bitcoin-ETF (активы превысили $100 млрд к 2026 году), цена Биткоина всё больше зависит от макрофакторов: денежно-кредитной политики, геополитических рисков и глобальной ликвидности. Ключевые метрики включают: денежную массу (M2), балансы центробанков, процентные ставки и доходность гособлигаций. Bitcoin эволюционирует от «цифрового золота» к активу, чувствительному к ликвидности, и теперь коррелирует с S&P 500, отражая общие рыночные тренды. Glassnode предоставляет инструменты для анализа ставок, кривых доходности, индексов страха, курсов валют и цен на сырье, помогая оценивать рыночные режимы и глобальные риски. Платформа объединяет ончейн-аналитику с TradFi-контекстом, обеспечивая полное понимание цифровых активов в рамках мировой экономики.

Нашим руководящим принципом в разработке продуктового предложения Glassnode всегда было обеспечение всестороннего обзора рынков цифровых активов. Это подразумевало предоставление аналитики блокчейна и деривативов, являющейся лидером в отрасли, а также помощь инвесторам в интерпретации более широких сил, формирующих рыночное поведение.

По мере того как цифровые активы становятся зрелыми, эти силы все чаще выходят за пределы данных блокчейна. Сегодня мы further расширяем наш продукт, чтобы отразить это продолжающееся изменение. Теперь Glassnode интегрирует макроэкономические данные и данные традиционных финансов (TradFi), объединяя все необходимое для понимания Биткойна и цифровых активов на единой платформе.

Почему макроэкономика сейчас важна как никогда

Цифровые активы больше не являются нишевым экспериментом. Это мейнстримовый класс активов с растущим участием институтов, ETF и игроков традиционных финансов. Недавнее одобрение и быстрый рост Биткойн-ETF – теперь превышающих $100 миллиардов под управлением по состоянию на начало 2026 года – являются явным сигналом этого сдвига.

Но с этой интеграцией возникает новая динамика: цена Биткойна все больше подвержена влиянию традиционных финансовых сил. Геополитические риски, денежно-кредитная политика и более широкие макроэкономические тенденции теперь играют критическую роль в формировании траектории Биткойна. Для инвесторов, трейдеров и институтов это делает доступ к более широкому набору действенных данных более важным, чем когда-либо.

Именно поэтому Glassnode расширяет свое покрытие данных, включив в него показатели TradFi и макроэкономики. Цель состоит не в том, чтобы выйти за рамки анализа блокчейна, а в том, чтобы расширить его, позволив пользователям соединить точки между рынками цифровых активов, данными традиционных финансов и глобальной экономикой.

От цифрового золота к активу, чувствительному к ликвидности

Биткойн был создан сразу после Глобального финансового кризиса в 2009 году как прямой ответ его создателя на то, что он видел как фундаментальный изъян современного финансы: способность центральных банков и правительств создавать деньги по своему усмотрению. Фиксированное предложение Биткойна в 21 миллион монет – это не просто техническая деталь; это политическое заявление.

Этот аспект становится наиболее актуальным, когда центральные банки наиболее активны. Когда центральные банки расширяют свои балансы, денежная масса растет, финансовые условия становятся более поддерживающими, и у инвесторов, как правило, появляется больше капитала для распределения по рисковым активам. В такой среде Биткойн часто выигрывал наряду с другими активами, чувствительными к ликвидности.

Напротив, периоды ужесточения денежно-кредитной политики, как правило, создают более сложный фон. Более высокие ставки, сокращение балансов центральных банков и более слабые условия ликвидности обычно снижают аппетит к риску и могут оказывать давление на рынки цифровых активов.

Вот почему полезно отслеживать такие показатели, как:

  • Денежная масса США (M2)
  • Баланс Центрального банка США
  • Денежная масса зоны евро (M2)
  • Баланс Центрального банка зоны евро

Они помогают поместить движение цены Биткойна в более широкий контекст глобальных циклов ликвидности и предоставить более четкую макроэкономическую основу для интерпретации рыночных движений.

Смотреть график в реальном времени

От «голубиного» к «ястребиному»: как сдвиги процентных ставок влияют на Биткойн

Процентные ставки – это еще один ключевой канал передачи. Биткойн не генерирует денежный поток, поэтому альтернативная стоимость его владения значительно меняется с изменением денежно-кредитной политики. В условиях ужесточения более высокие ставки, как правило, поддерживают доллар, повышают реальную доходность и снижают аппетит к спекулятивным активам. В условиях смягчения более легкие финансовые условия могут поддерживать более широкое принятие рисков. Вот почему такие показатели, как Процентная ставка США, Процентная ставка зоны евро, Доходность 10-летних гособлигаций США и Доходность 10-летних гособлигаций Германии, актуальны для инвесторов в цифровые активы, а не только для трейдеров облигациями.

Как показано выше, периоды низких процентных ставок, как правило, поддерживают Биткойн и другие рисковые активы, поскольку более дешевый капитал и более мягкие финансовые условия поощряют принятие рисков. И наоборот, рост процентных ставок увеличивает стоимость капитала и, как правило, снижает аппетит инвесторов к риску, создавая более сложную среду для динамики цены Биткойна.

Смотреть график в реальном времени

Данные традиционных финансов в цифровых активах

По мере созревания рынков цифровых активов они становятся все более связанными с теми же макросилами, которые движут акциями, облигациями, валютами и товарами. Биткойн теперь торгуется в среде, формируемой процентными ставками, условиями ликвидности, силой доллара, инфляционными ожиданиями и настроениями к риску.

Как следствие, понимание рынков цифровых активов требует большего, чем просто данные блокчейна. Добавляя показатели TradFi, Glassnode предоставляет пользователям контекст, необходимый для интерпретации рыночных движений, выявления смены режимов и оценки того, является ли движение специфичным для цифровых активов или частью более широкого кросс-активного тренда.

На приведенном выше графике показана 180-дневная скользящая корреляция между Биткойном и S&P 500 с использованием логарифмической доходности. Основной сигнал заключается в том, что BTC, по-видимому, со временем стал более чувствительным к макроэкономике и более широкой динамике рисковых активов. В earlier годы корреляция колебалась около нуля или иногда была отрицательной, тогда как в последние годы она часто была существенно положительной.

Это не кажется временным искажением, а структурным сдвигом, движимым тремя силами:

  • приход институционального капитала, который распределяется по классам активов;
  • цикл ликвидности после COVID, который одновременно надул, а затем сдул рисковые активы;
  • и запуск спотовых Биткойн-ETF, которые более непосредственно встраивают BTC в потоки традиционных портфелей.

Это подтверждает точку зрения, что Биткойн больше не является исключительно самостоятельным, нативным для криптовалют активом; теперь он торгуется в соответствии с более широкими условиями ликвидности и риска чаще, чем в прошлом.

Смотреть график в реальном времени

Использование показателей TradFi для контекстуализации рынков цифровых активов

Набор рыночных показателей TradFi от Glassnode помогает пользователям понять внешние силы, которые все больше влияют на рынки цифровых активов.

Индикаторы ставок и кривой доходности дают представление о денежно-кредитной политике, ожиданиях роста и риске рецессии. Relevant metrics: Спред 10Y-2Y США, Спред 10Y-2Y Германии, Доходность 2Y США, Доходность 10Y США, Доходность 2Y Германии и Доходность 10Y Германии.

Бенчмарки акций помогают оценить глобальный аппетит к риску и рыночный стресс. Relevant metrics: Индекс фондового рынка США 500 и Индекс фондового рынка EU50, наряду с Индексом страха США и Индексом страха ЕС

Валютные меры предоставляют контекст о силе доллара и условиях ликвидности, оба из которых могут существенно влиять на производительность цифровых активов. Relevant metrics: EUR/USD и Индекс доллара США

Цены на товары, включая Золото, Серебро и нефть марки WTI, добавляют еще один слой, отражая инфляционные ожидания, спрос на убежище и геополитический риск.

Одна платформа, полный рыночный контекст

Более широкая мысль заключается в том, что рынки цифровых активов созревают. Появление спотовых ETF, растущее участие институтов и более сильные связи с политикой и геополитикой означают, что цифровые активы все чаще находятся в той же информационной экосистеме, что и акции, облигации, валюта и товары. Макроэкономические категории и категории показателей TradFi от Glassnode созданы для этой среды.

Glassnode остается домом для глубокой нативной аналитики цифровых активов. В то же время, предоставление всестороннего аналитического обзора рынков теперь требует инструментов для понимания макроэкономических и традиционных финансовых сил, которые их формируют.

Исследуйте новые макроэкономические показатели и показатели TradFi в Glassnode Studio или сравните тарифные планы, чтобы получить доступ.

Сравнить планы

  • Подписывайтесь на нас в X для своевременных рыночных обновлений и анализа
  • Присоединяйтесь к нашему Telegram-каналу для регулярных рыночных инсайтов
  • Для получения метрик блокчейна, дашбордов и оповещений посетите Glassnode Studio

Отказ от ответственности: Этот отчет предназначен только для информационных и образовательных целей. Анализ представляет собой ограниченное тематическое исследование со значительными ограничениями и не должен толковаться как инвестиционная консультация или окончательные торговые сигналы. Прошлые модели производительности не гарантируют будущих результатов. Всегда проводите тщательную комплексную проверку и учитывайте множество факторов, прежде чем принимать инвестиционные решения.

Связанные с этим вопросы

QПочему Glassnode расширяет свои продукты, включая макроэкономические и традиционные финансовые данные?

AПоскольку цифровые активы стали мейнстрим-классом активов, на цену Биткойна всё больше влияют традиционные финансовые факторы, такие как геополитические риски, монетарная политика и макроэкономические тренды. Это делает доступ к более широкому набору данных критически важным для инвесторов.

QКакие макроэкономические показатели, по мнению Glassnode, особенно важны для анализа рынка Биткойна?

AКлючевые показатели включают денежную массу (M2) США и еврозоны, балансы центральных банков США и еврозоны, а также процентные ставки и доходности государственных облигаций (например, US 10Y Yield, Germany 10Y Yield).

QКак изменения монетарной политики влияют на цену Биткойна?

AВ периоды мягкой монетарной политики (низкие ставки, рост ликвидности) Биткойн часто растёт вместе с другими рискованными активами. При ужесточении политики (высокие ставки, сокращение ликвидности) аппетит к риску снижается, что негативно влияет на цену.

QКак изменилась корреляция Биткойна с традиционными рынками, такими как S&P 500?

AКорреляция Биткойна с S&P 500 структурно усилилась: от околонулевой или отрицательной в ранние годы до значительной положительной в последнее время. Это связано с притоком институционального капитала, циклом ликвидности после COVID и запуском спотовых BTC-ETF.

QКакие традиционные финансовые метрики Glassnode рекомендует для контекстуализации рынка цифровых активов?

AРекомендуемые метрики включают индикаторы кривой доходности (спред 10Y-2Y), индексы акций (S&P 500, EU50), индексы страха (VIX), курсы валют (EUR/USD, DXY) и цены на товары (золото, нефть), чтобы оценивать аппетит к риску, ликвидность и инфляционные ожидания.

Похожее

Claude представляет мощное обновление: запись экрана + голос, одним кликом дистиллируйте навык для работы за вас

Claude представил новую функцию «Record a Skill» (Записать навык) в десктопном приложении Cowork. Теперь пользователи Pro, Max и Team могут создавать автоматизированные рабочие процессы, просто записывая свои действия на экране и сопровождая их голосовыми комментариями. Система автоматически анализирует запись, извлекает логику и шаги, а затем преобразует их в готовый к использованию Skill (навык). Это устраняет необходимость вручную писать инструкции в формате Markdown, значительно снижая порог входа для нетехнических специалистов. Функция фиксирует не только явные действия, но и скрытую логику, контекст и условия, о которых пользователь рассказывает в процессе записи. Статья отмечает, что такая технология меняет подход к управлению знаниями в компаниях, облегчая документирование и передачу экспертизы. С другой стороны, упоминается случай, когда фрилансер автоматизировал свою работу для клиента с помощью Claude, что в итоге привело к прекращению сотрудничества. Это подчеркивает двойственное влияние технологии: она повышает эффективность, но одновременно снижает зависимость от конкретного исполнителя, перенося конкурентное преимущество работника в область уникальных, сложно автоматизируемых задач. Функция доступна с 21 июля для пользователей соответствующих подписок.

marsbit1 мин. назад

Claude представляет мощное обновление: запись экрана + голос, одним кликом дистиллируйте навык для работы за вас

marsbit1 мин. назад

Кормление ИИ "шумом" тоже повышает точность: это исследование позволяет шуму осуществить позитивный перенос

В статье представлен новый метод полуконтролируемого обучения под названием **Semi-Supervised Noise Adaptation (SSNA)**. Вместо использования реальных данных (например, изображений или текста) в качестве исходного домена, подход использует синтетические **шумовые векторы**, сгенерированные из простого гауссовского распределения. Эти шумовые данные не несут семантического содержания, но им присваиваются искусственные метки классов, соответствующие целевым классам. Основная идея заключается в том, чтобы обучить модель формировать **дискриминативную классовую структуру** в общем пространстве представлений сначала на шумовых данных, а затем адаптировать (выровнять) эту структуру к данным целевого домена с помощью небольшого количества размеченных примеров. Для этого используется **Noise Adaptation Framework (NAF)**, который минимизирует три компонента потерь: классификацию на размеченных целевых данных, классификацию на шумовых данных и расстояние между распределениями шумового и целевого доменов. Эксперименты на наборах данных CIFAR-10, CIFAR-100, DTD-47 и других показали значительное улучшение точности по сравнению с базовым методом ERM при использовании всего 4 размеченных примера на класс. Например, на CIFAR-10 точность выросла на 12.35%. Метод также совместим с существующими полуконтролируемыми алгоритмами (UDA, FixMatch), дополнительно улучшая их результаты. Ключевой вывод исследования: для положительного переноса знаний в задачах трансферного обучения **не обязательно наличие семантически богатых исходных данных**. Достаточно сформировать в пространстве признаков четкую, разделимую классовую структуру, даже на искусственном шуме, и успешно перенести её на реальные данные. Это открывает новые возможности для сценариев, где доступ к реальным исходным данным ограничен из-за проблем конфиденциальности, авторских прав или их отсутствия.

marsbit2 мин. назад

Кормление ИИ "шумом" тоже повышает точность: это исследование позволяет шуму осуществить позитивный перенос

marsbit2 мин. назад

Телесуфлёр из Белого дома "для внутреннего пользования" заработал на инсайдерской информации более $100 000

Белый дом раскрыл дело о внутренней торговле: помощник по суфлеру, работавший на Дональда Трампа, использовал инсайдерскую информацию для ставок на рынках предсказаний и заработал более 100 000 долларов. Габриэль Перес, помощник президента и технический советник, отвечавший за работу суфлера Трампа с 2016 года, имел доступ к черновикам речей до их публичного произнесения. Используя эти знания, он делал ставки на платформе Kalshi, предсказывая, какие конкретные слова или фразы упомянет Трамп в своих выступлениях. За три месяца, делая ставки на более чем десяток речей, включая обращение о положении страны, Перес получил прибыль в размере шестизначной суммы. Его деятельность была выявлена системами мониторинга Kalshi, которая заблокировала его средства и передала дело в Комиссию по торговле товарными фьючерсами (CFTC). В отличие от предыдущих аналогичных случаев с военным и инженером Google, против Переса не были выдвинуты уголовные обвинения. Согласно сообщениям, CFTC договорилась о урегулировании, по которому он вернет прибыль и прекратит такую деятельность. Трамп, назвав его действия «предосудительными», отстранил Переса от работы без сохранения зарплаты. Этот инцидент подчеркивает уязвимость рынков предсказаний, особенно категорий «упоминаний», для манипуляций со стороны инсайдеров. Ранее были случаи, когда сами ораторы (например, генеральный директор Coinbase) намеренно упоминали ключевые слова, чтобы повлиять на результаты рынка. В ответ Kalshi ужесточила правила, требуя от пользователей раскрывать место работы. Эксперты отмечают, что очистка рынков от инсайдерской торговли повышает соответствие нормам, но может отдалить их от идеи «мудрости толпы», приблизив к чистому азарту.

marsbit1 ч. назад

Телесуфлёр из Белого дома "для внутреннего пользования" заработал на инсайдерской информации более $100 000

marsbit1 ч. назад

«Домашний» оператор суфлёра Белого дома заработал более $100 тыс. на инсайдерских прогнозах

Недавно в Белом доме США произошел очередной скандал, связанный с инсайдерской торговлей. Габриэль Перес, сотрудник Белого дома, отвечавший за работу суфлера во время выступлений Дональда Трампа, использовал служебную информацию для получения прибыли на рынках предсказаний. Перес, который с 2016 года был одним из ближайших помощников Трампа и имел доступ к его подготовленным речам, в течение примерно трех месяцев делал ставки на то, какие конкретные слова или фразы президент упомянет в своих выступлениях. За это время ему удалось заработать более 100 тысяч долларов. Его деятельность была выявлена платформой предсказаний Kalshi, которая заблокировала его средства и передала информацию Комиссии по торговле товарными фьючерсами (CFTC). В результате Перес был отстранен от работы без сохранения зарплаты. Однако, в отличие от предыдущих аналогичных случаев со спецназовцем и инженером Google, против Переса не были выдвинуты уголовные обвинения. По данным источников, CFTC договорилась о мировом соглашении, согласно которому он должен вернуть прибыль и прекратить подобную деятельность. Этот инцидент высветил уязвимость рынков предсказаний, особенно категорий, связанных с упоминанием определенных слов («mention markets»), перед манипуляциями со стороны инсайдеров или самих ораторов. Ранее подобные манипуляции демонстрировали ведущий церемонии «Грэмми» и CEO Coinbase. В ответ платформы ужесточают контроль: Kalshi теперь требует от пользователей раскрывать место работы. Скандал с Пересом рассматривается как часть общего процесса очистки рынков предсказаний от инсайдерской торговли.

Odaily星球日报1 ч. назад

«Домашний» оператор суфлёра Белого дома заработал более $100 тыс. на инсайдерских прогнозах

Odaily星球日报1 ч. назад

Биткойн-майнинг-фермы превращаются в AI-фабрики

Биткойн-майнинг превращается в инфраструктуру для ИИ. Компании, ранее занимавшиеся майнингом, такие как Crusoe и CoreWeave, перепрофилируют свои центры обработки данных с криптовалют на искусственный интеллект. Их главный актив — не оборудование, а уже готовый доступ к большим объемам электроэнергии, земле и разрешениям на подключение к сетям, что критически важно для создания дата-центров под ИИ. На фоне снижения доходности от майнинга биткойнов и высокого спроса со стороны ИИ-компаний этот переход стал экономически оправданным. Крупные майнинговые компании, включая TeraWulf, Cipher Mining и IREN, уже заключили долгосрочные контракты на сотни миллиардов долларов с такими гигантами, как Anthropic, AWS и Microsoft. Люди и капитал из криптоиндустрии также активно перемещаются в сферу ИИ. Основатель OpenSea создал агрегатор ИИ-моделей OpenRouter, а бывший сотрудник Coinbase основал платформу для медиа-моделей Fal.ai. Крипто-капитал финансирует ИИ-инфраструктуру, как в случае с Voltage Park Джеда Маккалеба, и поддерживает эксперименты, такие как распределенная сеть для обучения моделей Psyche от Nous Research. Хотя успех не гарантирован, криптоиндустрия передает ИИ три ключевых ресурса: энергомощности, инженерные кадры и капитал, накопленный в предыдущем цикле.

链捕手1 ч. назад

Биткойн-майнинг-фермы превращаются в AI-фабрики

链捕手1 ч. назад

Торговля

Спот
活动图片