← Home

Sia 分析

如果您对枯燥的数据获取和数据清洗部分不感兴趣,请直接阅读 数据分析;如果您想获取处理好的数据自行分析,请下载 sia-79701,该数据以 1% 系统取样至 79701 区块。

数据获取

Sia 官网有公开数据,网址为 https://explore.sia.tech/,不过只有当前区块的数据。需要通过查询每一区块的信息获得历史信息。

网站数据由 js 生成的,需要安装 phantomjs 来提取数据。速度较慢,因此按 1% 系统取样的方法获得数据,即从区块 1 到 2016 年 11 月 25 日的区块 79795 中,每间隔 100 取一个区块。

采用 R 语言的 rvest 包抓取数据。

比较奇怪的一点是,区块高度为 35001 的区块信息页面加载很慢,导致该数据缺失。

library(rvest)

# 只需要改动 to 后面的区块高度和间隔 by 即可 Height <- seq(from = 1, to = 79795, by = 100) URL <- as.vector(paste0("https://explore.sia.tech/block.html?height=", Height))

Sia <- list(length = length(Height)) j <- 1 for(i in URL){ writeLines(sprintf("var page = require('webpage').create(); page.open('%s', function () { console.log(page.content); //page source phantom.exit(); });", i), con="scrape.js") system("phantomjs scrape.js > scrape.html") Web <- read_html("scrape.html") Sia[[j]] <- as.vector(html_text(html_nodes(Web, "tr .stats-info")))[1:13] print(Sys.time()) print(i) j <- j+1 }

Sia <- t(as.data.frame(Sia)) Sia <- data.frame(Sia) row.names(Sia) <- Height names(Sia) <- c("Height", "ID", "Parent","Time", "Difficulty", "Hashrate", "Total", "Contracts", "Cost", "Proofs", "MinerID", "Address", "Value")

write.csv(Sia, "sia.csv", row.names = F)

数据清洗

主要涉及时间格式转换、用正则表达式格式化数据和数据类型转化,还涉及少量的单位转换。

Sia <- read.csv("sia.csv")
Sia_d <- Sia[, c(-2, -3, -11, -12)]

library(stringr) library(lubridate)

# 时间处理 Time <- as.data.frame(str_split(Sia_d$Time, ",", simplify = T)) Mon <- as.data.frame(str_split(Time$V2, " ", simplify = T)) Mon2 <- match(Mon[[2]], month.abb) Day <- Mon$V3 Year <- Time$V3 Time <- Time$V1

S_time <- str_c(Year, Mon2, Day, sep = "-") S_time <- str_c(S_time, Time, sep = " ") S_time <- ymd_hm(S_time)

Sia_d$Time <- S_time

# 数据格式化和数据转换 Water <- function(x){ as.numeric(gsub("\D", "", x)) }

Sia_d$Height <- Water(Sia_d$Height) Sia_d$Difficulty <- Water(Sia_d$Difficulty) Sia_d$Hashrate <- Water(Sia_d$Hashrate)

Sia_d$Total <- Water(Sia_d$Total) Sia_d$Total[1:34] <- Sia_d$Total[1:34] / 10000000 Sia_d$Total <- Sia_d$Total / 10

Sia_d$Contracts <- Water(Sia_d$Contracts) Sia_d$Cost <- Water(gsub("\D", "", Sia_d$Cost)) Sia_d$Proofs <- Water(Sia_d$Proofs) Sia_d$Value <- Water(Sia_d$Value)

数据分析

挖矿难度

首先看哈希率估计值和挖矿难度。两者其实是一个概念,均表示挖矿难度。Sia 要保证每十分钟产生一个区块,因此每个矿工获得该区块的概率就与全网算力呈反比,哈希率估计值就可以作为矿工投入总量的指标。

library(ggplot2)
ggplot(Sia_d) + 
  geom_line(aes(Time, Hashrate)) +
  scale_x_datetime(date_breaks = "1 month") +
  xlab("日期") +
  ylab("哈希率估计值") +
  ggtitle("Sia 挖矿难度") +
  theme_grey(base_family = "STKaiti") +
  theme(axis.text.x  = element_text(angle = 60, vjust = 0.5))

如图,从 2016 年 6 月份开始,挖矿投入持续上升,而且在七月初有大户入场,在十月中下旬达到最高峰。而在十一月上旬,全网算力恢复到七月初的水平,而随后又开始飙升。

这幅图说明了什么,首先,十月中下旬的暴跌说明这个 Sia 挖矿只有有限的几个玩家,而且其中一名挖矿者至少有全网算力的一半以上,这种断崖式下跌是该玩家退场或者中场休息的结果。

随着挖矿难度的上升,矿工套现的压力也越大,因此从七月份以后,Sia Coin 的价格持续下跌。矿工套现离场应该是一个重要因素。

合约分析

令人异常费解的是,合约数量四月中下旬达到最高峰,现在回落到几乎为零的水平。而 1.0 版本六月才发布,那么这之前的两万多合约数是怎么回事呢?换句话说,1.0 版本的发布没有带来任何新的合约。

这幅图的信息最有用吧,从这幅图,我们知道,起码到目前为止,根本没人在用 Sia 存储

ggplot(Sia_d) + 
  geom_line(aes(Time, Contracts)) +
  scale_x_datetime(date_breaks = "1 month") +
  xlab("日期") +
  ylab("活跃合约数量") +
  ggtitle("Sia 合约数") +
  theme_grey(base_family = "STKaiti") +
  theme(axis.text.x  = element_text(angle = 60, vjust = 0.5))

如果再看看全部存储合约所消耗的 sc,与上图的合约数量完全不对应。sc 消耗在六月和十月分别有一次跃迁,单在这两个时间里,合约数量却没有显著增长,有可能是有两个大户入场了……

无法获得总文件大小的数据,不过记得之前一直保持在 26T,现在是 27T,看来是有个大户入场的。一个 T 的数据居然也成了大户。整个 Sia 的数量已经达到 207 亿,而存储消耗的 sc 只有 3160 万,千分之一点五而已。

ggplot(Sia_d) + 
  geom_line(aes(Time, Cost)) +
  scale_x_datetime(date_breaks = "1 month") +
  xlab("日期") +
  ylab("合约消耗 Sia 数量") +
  ggtitle("合约消耗 Sia 数量") +
  theme_grey(base_family = "STKaiti") +
  theme(axis.text.x  = element_text(angle = 60, vjust = 0.5))

总结

之所以做这样一个分析,是想做一个尝试。假想自己是一个 VC,现在你怎样给一个区块链技术公司估值,是否要买入这家公司的股票。鉴于区块链技术与生俱来的数据开放性特征,非常适合这一尝试。

目前 sia 价格异常低,但是在挖矿难度上却有一个反弹,至少说明大佬们还没有放弃投资。

从开发团队的 GitHub 的 commit 情况上看,八月份之后团队对 sia 本身提交补丁的数量显著减少,说明 sia 本身已经比较完善。而八月九月团队主要在开发 Sia-Ant-Farm

以当前价格 0.00172 人民币和当前数量 207 亿计算,总价值 3572 万,而当前合约价格几乎为零(前面分析只占 0.15%)。在短期内,团队还没有死掉的迹象。因此,如果有下一轮融资,可能会有一个短暂的拉升,但是抛售离场得多,拉升空间很小,而且高位时间很短。

对于短期投资者来说,精准预测下一轮融资时间并在最低价位入场是个关键。而对长期投资者来说,前面还是茫茫黑夜。

在设想做一个区块链的估值指标体系,如同标准普尔,甚至做一个类似债券评级的评估方法,感兴趣的可以发邮件交流: