Glassnode 入驻 Snowflake:数字资产数据直送您的数据仓库

insights.glassnode發佈於 2026-06-04更新於 2026-06-04

文章摘要

Glassnode推出Snowflake数据共享环境,成为首个将全面链上分析数据引入Snowflake生态的提供商。该集成允许机构用户通过Snowflake Marketplace私有列表,将Glassnode全历史可信指标直接接入其数据仓库,无需构建自定义API管道或管理ETL任务。 数据涵盖链上分析、衍生品、现货与交易所数据、ETF及公司持仓等多个维度,支持10分钟、小时和日粒度。特别为量化团队提供防回视偏差的点对时(PiT)数据,确保历史数据不可变,满足回测完整性要求。该服务适用于系统化交易、风险与投资组合构建、宏观研究及基金运营等多种工作流,支持在现有SQL环境中直接查询,并与仓库内其他数据集无缝关联。 用户可通过分享Snowflake账户标识快速开通试用,数据按包订阅并自动更新。Glassnode凭借近十年的数据工程积累,提供实体聚类调整、全栈衍生品数据和持续扩展的覆盖范围,旨在为机构客户提供驱动阿尔法收益的深度分析能力。

最精密的机构团队不仅需要更好的数据。他们更需要将数据集成到其研究和执行工作流已然运行的环境中。

我们已推出 Glassnode 的 Snowflake 数据共享环境,成为首家将全面的链上分析引入 Snowflake 生态系统的提供商。

要开始使用或了解有关 Glassnode 数据共享的更多信息,请与我们的产品专家交流。

申请访问权限

在您自己的环境中直接访问可信的数字资产数据

Snowflake 是机构金融领域的首选数据仓库。但在此之前,将数字资产数据集成到这些工作流中意味着需要构建自定义的 API 数据摄取管道、管理 ETL 任务并协调数据更新。这些本应用于生成超额收益的工程开销。

我们的 Snowflake 集成消除了所有这些麻烦。通过 Snowflake 市场私有列表,我们的数据共享将每个可信的 Glassnode 指标的全部历史数据直接送达您的环境。

您可以像查询仓库中的任何其他表一样查询它,因为它正是如此。

包含内容

这是为全球领先的加密货币原生机构的研究工作流提供动力的相同数据,现在无需进行一次 API 调用即可访问。

链上分析 | 比特币、以太坊及其他资产的地址活动、实体行为、供应动态、交易所资金流向、矿工指标,以及基于聚类的深度洞察。

衍生品 | 期货未平仓合约、资金费率、强平数据,以及我们最近扩展的期权套件:期权费、交易者资金流、组合策略、隐含波动率曲面等。

现货和交易所数据 | 交易所余额、流入/流出动态,以及显示实时资金轮动的交易所层级细分数据。

ETF 和公司资金库 | 比特币和以太坊 ETF 的资金流、资产管理规模动态以及公司资金库持仓。

多种时间粒度 | 10分钟、小时和日度粒度的数据,适用于从日内信号到长周期宏观研究的各种需求。

为您的工作流而构建

量化与系统化交易 | 在 SQL 中查询链上、衍生品和市场数据的全部深度,并与您的专有信号相结合。提供用于回测保真度的 PiT 变体。亚小时级粒度满足日内信号需求。无速率限制,无分页。

风险与投资组合构建 | 统一查看交易所集中度、杠杆动态、ETF 资金流和供应过剩情况。原生 Snowflake 交付意味着可与现有风险仪表板直接集成。

多策略与宏观研究 | 将 Glassnode 数据与您仓库中已有的股票、固定收益和宏观数据集连接。同一查询层,无中间件。

基金运营与合规 | 无需定制管道意味着更少的操作风险。Snowflake 的访问控制和审计日志开箱即用地处理治理问题。时间点时间戳为监管要求和内部治理提供数据沿袭。

从回测中消除前视偏差

对于量化团队而言,历史数据完整性是不可妥协的。在事后修订的数据上进行回测并非真正的回测,而是过拟合。

Glassnode 是 首家在 Snowflake 中提供时间点链上数据的提供商。时间点指标是仅追加且历史不可变的。每个数据点都精确反映了其计算时所知的信息。无事后修正,无前视偏差。

这很重要,因为链上数据本质上是可变的。聚类算法的改进、延迟报告的交易所数据以及精炼的标签都可能导致标准指标的修订。时间点变体冻结了记录,因此您的回测反映了每个时间点参与者实际可获得的信息。每个时间点数据点都包含一个 computed_at 时间戳,以实现完全的可审计性。

开始使用

无论您是在构建经过回测的系统化模型、将加密资产集成到跨资产框架中,还是建立机构级风险基础设施,Glassnode on Snowflake 都是从区块链数据到生产应用的最快途径。

要申请试用或了解有关 Glassnode 数据共享的更多信息,请联系我们的机构团队:sales@glassnode.com。

Glassnode on Snowflake 的设置步骤

  1. 通过 Snowflake 的标准流程或简单的 SQL 查询获取您的 Snowflake 账户标识符。
  2. 将其提供给 Glassnode 团队。我们通过 Snowflake 市场私有列表来配置访问权限。
  3. 接受列表。初始复制后,数据即在您的仓库中生效。

数据共享按包(链上、市场、信号、通用、元数据)进行组织,因此您可以根据需要订阅。更新自动同步。

或者,您也可以通过 Snowflake 列表发起试用。

i️
完整的设置文档请参见 Glassnode 文档。

Glassnode 提供驱动超额收益的分析深度

仅凭覆盖范围不足以脱颖而出。真正让我们与众不同的是在近十年的机构级数据工程基础上构建的分析深度。

专有实体调整 | 我们的聚类技术识别的是真实世界的实体(交易所、机构、长期持有者、矿工),而非原始地址。嘈杂的区块链数据因此转化为可操作的情报。

全栈衍生品 | 链上、期货、期权和现货数据来自单一提供商,具有统一的方法论和一致的质量。

不断扩展的覆盖范围 | 新的链、工具和产品持续添加。您的 Snowflake 环境会自动反映每一次更新。

* 试用期间的默认历史数据限制为 14 天和 1 小时/24 小时粒度 - 请联系 sales@glassnode.com 申请更高粒度和更长历史的试用。


  • 在 X 上关注我们,获取及时的市场更新和分析
  • 加入我们的 Telegram 频道,获取定期的市场洞察
  • 如需链上指标、仪表板和警报,请访问 Glassnode Studio

相關問答

QGlassnode 在 Snowflake 上推出的数据共享服务,其主要目标客户群体是谁?

A其目标客户是那些需要将数字资产数据无缝集成到现有研究和工作流程中的、最复杂的机构团队。

QGlassnode 的 Snowflake 集成服务主要解决了传统数字资产数据集成中的哪些痛点?

A它解决了传统方式中需要构建自定义API数据摄入管道、管理ETL任务以及协调数据更新的问题,从而节省了工程开销,让团队能将精力专注于(阿尔法)收益的生成。

Q文章中提到 Glassnode 是首个在 Snowflake 中提供“点-in-time”数据的提供商。为什么这一点对量化团队尤其重要?

A因为点-in-time数据是只追加且历史不可变的,每个数据点都精确反映了计算时可用的信息,避免了因聚类改进、交易所数据延迟报告或标签优化而进行的追溯性修正。这确保了回测过程中没有前瞻性偏差,使测试结果真实反映历史时刻可获得的信息。

QGlassnode 通过 Snowflake 共享的数据包含哪些主要类别?

A数据包含以下主要类别:链上分析(地址活动、供应动态、交易所资金流、矿工指标等)、衍生品数据(期货持仓、资金费率、期权相关数据)、现货与交易所数据、ETF与公司持仓数据,并提供从10分钟到日频的多种时间粒度。

Q机构用户如何开始使用 Glassnode on Snowflake 服务?

A用户首先需要获取自己的 Snowflake 账户标识符,并将其提供给 Glassnode 团队。Glassnode 将通过 Snowflake Marketplace 的私人列表提供访问权限。用户接受列表后,经过初始复制,数据即可在其数据仓库中实时使用。也可以直接通过 Snowflake 上的列表发起试用。

你可能也喜歡

越过“内存墙”,AI推理时代的晶圆级革命与算力路线

2026年,AI产业进入新拐点:全球主要云厂商的推理资本支出首次超过训练。这意味着算力需求核心从“炼模型”转向“用模型”,瓶颈也从计算规模变为“内存墙”——即数据在GPU与片外存储间搬运带来的高能耗与延迟。 为突破内存墙,Cerebras公司选择了“晶圆级计算”的激进路线。其核心产品WSE-3不切割晶圆,直接制成超大芯片,集成90万个AI核心和44GB片上SRAM,带来远超传统GPU(如英伟达B200)的片上内存带宽。其架构将模型权重存储于片外MemoryX,按需流式传输至芯片计算,从而在LLM推理,尤其是首token延迟和长上下文任务中展现出显著优势,token生成速率可达GPU的1.5-5倍。同时,其芯片内互联功耗也远低于当前GPU。 但这种极致物理优化也带来挑战:通过先进制程提升SRAM容量的路径已近天花板;整片晶圆发热量大,需专用液冷;片外I/O带宽有限,难以高速扩展形成大规模集群;软件生态也与主流CUDA不兼容。 与此同时,行业巨头正通过多条路径围剿:1)自研ASIC推理芯片(如谷歌TPU、微软Maia);2)利用台积电SoW等先进封装技术将“晶圆级”能力通用化、平民化;3)探索光互联/光计算作为终极解决方案。 Cerebras还面临商业转型的挑战,巨额订单迫使其从芯片商转向云服务商,需快速建设专用数据中心,交付压力巨大。 最终,AI推理时代的算力架构呈现路线分野:Cerebras向左,追求单任务下的极致低延迟;英伟达向右,以通用性应对多变负载。技术变革仍在继续,谁将主导未来,尚无定论。

marsbit1 小時前

越过“内存墙”,AI推理时代的晶圆级革命与算力路线

marsbit1 小時前

TechFlow 情报局:Anthropic 呼吁全球暂停 AI 开发却正筹备万亿美元 IPO,SpaceX IPO 路演火爆但 S&P 500 拒绝快速纳入

本期科技资讯围绕“信任危机”展开。Anthropic公开呼吁暂停全球AI开发,称其Claude模型存在“递归自我改进”风险,但该公司自身正筹备估值近万亿美元的IPO,引发外界质疑其动机。同时,大量用户抱怨Claude近期体验质量大幅下滑。 在加密领域,比特币价格跌破6.1万美元,导致超11亿美元多单爆仓,市场情绪转向悲观。与此同时,AI在生物医药领域取得突破,全球首款AI设计疫苗完成首阶段人体试验。 芯片方面,英伟达CEO黄仁勋访韩,宣布三星、SK海力士和美光的HBM4内存均已通过认证。但有经济学家警告,英伟达可能面临类似2000年互联网泡沫时期思科的风险。 科技公司动态中,Cloudflare收购前端工具链公司VoidZero,其CEO称互联网上机器人流量已超过真人。字节跳动的AI应用“豆包”推出付费订阅后,月活用户锐减超600万,凸显商业化困境。 美股市场焦点在SpaceX,其IPO路演备受追捧,高盛预测其2030年收入将增长百倍。然而,标普道琼斯指数公司明确表示不会为SpaceX等巨型IPO修改快速纳入规则,为其上市后表现增添不确定性。 总体而言,当前科技领域呈现“言行不一”的割裂现象,无论是AI公司、加密货币还是应用商业化,都面临信任拷问,市场狂热叙事与冷静规则之间形成鲜明对比。

marsbit1 小時前

TechFlow 情报局:Anthropic 呼吁全球暂停 AI 开发却正筹备万亿美元 IPO,SpaceX IPO 路演火爆但 S&P 500 拒绝快速纳入

marsbit1 小時前

交易

現貨
合約
活动图片