主要结论：
1、相对于交易量，滑点是一个更好体现流动性的指标。
2、流动性最强的资产与流动性最差的资产，两者差距600倍以上。
3、市值更高的资产和稳定币有更好的流动性。
1.??如何测量流动性
为了测量流动性，本报告使用滑点指标来衡量买卖单对价格的影响。
1.1.?滑点定义
滑点是指预期的交易价格与实际交易价格的差值。深度好、流动性高的订单滑点较低，而深度交差、流动性低的订单具有很高的滑点。
?1.2.?滑点的计算
首先，我们每小时对订单采取高精度的快照。然后,我们计算1万美元订单的滑点，并对该滑点一个月以上的数据求平均值。有关更多细节，请看后面章节。
动态 | 币安研究院项目研报中文版上线:今日，币安研究院（Binance Research）项目研报中文版正式上线。据悉，中文版研报是由中文区区块链爱好者发起并承担翻译工作，经社群与官方共同完成。[2018/11/29]
?1.3.?滑点vs交易量
滑点是流动性的事前指标，而交易量是事后指标。使用交易量衡量流动性也会导致产生虚假交易量的负面激励。我们相信滑点是一个更好的度量手段。
2.??数据集
本报告的数据集包括资产、来源、时间段和精度。
2.1.?资产
基础资产包括基于BTC交易对和基于USDT的交易对。如果某项资产有BTC和USDT两个交易对，我们通过交易量加权求得该项资产的滑点。
动态 | 多伦多上市公司研报：全球哈希率与比特币价格差异显著:据消息，近日多伦多上市区块链投资公司Block One Capital Inc.发表了一篇关于加密货币采矿业的研究报告。研究显示，随着越来越多比特币矿工的加入，哈希率迅速上升，采矿收益率迅速下降，因此，当下并不是投资挖矿业的好时机。同时，研究还显示，采矿硬件在运营最初几天利润率最高，采矿设备的部署时机对收入影响极大。[2018/9/6]
2.2.?数据来源
在这份报告中，我们使用了Binance2019年8月的数据。报告之后的版本可能包括来自其他交易对的数据。
2.3.?精度
使用不同的精度订单数据。
3.??加密货币的流动性分布
流动性服从幂指数分布，其中超过80%的资产滑点大于5%，60%以上的资产滑点大于1%。
分析 | 火币研报：8 月8 日至15日大跌或是大量用户抛售个人钱包中的比特币:据火币研报，通过分析 2018年8 月8 日至8 月15日所有的比特币地址与转账记录，基于分类算法得出活跃地址数的分布：活跃地址中，44%为交易所地址，30%为服务商地址，19%为个人钱包地址，6%为公司，1%为矿池。再进一步分析新建地址数和转账明细得出：1）交易所和服务商新增地址数在这几周内变化不大，但是新建个人钱包地址 数却呈现明显下降趋势。 2）比特币由个人地址转入交易所的量远远大于从交易所转入个人地址的量。最后推测该周比特币价格大幅下挫原因可能有：1）新入场的投资者人数的减少。2）很有可能是有大量用户将个人钱包中的比特币转入交易所进行抛售。[2018/9/5]
动态 | 医务调研报告显示区块链在该领域应用场景逐渐扩大:据ETH News消息，近日，一篇医学领域调研报告由苏格兰、美国、英国三国调研成员联合发表。报告显示仅2018年6月，医务领域便有40篇以“区块链”为关键词的研究报告得以发布。报告显示，区块链解决方案在医疗健康领域有大量的应用案例，包括数据管理，调研，欺诈监测，公众健康监察，并通过不同设备实现医疗物联网等应用。[2018/7/7]
图1?加密货币的流动性分布
?4.??流动性排名前20的加密货币
BTC、ETH和稳定币是流动性最好的资产。即使是流动性最好的代币，彼此之间的滑点差距非常大。排名第11的资产的滑点是排名第10的2倍。比特币的滑点比排名第20的资产好15倍。
图2?流动性排名前20的的数字货币
5.??流动性排名倒数20的加密货币
长尾资产的流动性出现明显的不足。而流动性问题的一个根本原因是缺乏有效的做市商。专业做市商没有动力执行技术集成和对流动性差的长尾资产进行维护。
图3?流动性排名倒数20的的数字货币
?6.??流动性与市值的相关性分析
流动性与市值呈强正相关关系，以8月份为例，流动性与市值的相关系数为0.76。但是也存在异常的情况，HarmonyProtocol(ONE)与MaticNetwork(MATIC)虽然市值非常低，但是他们的滑点也非常低，而DogeCoin(DOGE)与Dent(DENT)市值较低，但是滑点比较高。
图4?排名前150的市值与流动性的相关性
7.??流动性与价格波动的相关性分析
价格波动与流动性并没有显著的关系。2019年8月价格的变化与流动性并不相关，因为加密货币在短期内有朝着相同方向波动的趋势。
图5?排名前150的价格波动与流动性的相关性
?8.??模型所运用的方法
8.1.?滑点的计算
我们通过Binnance交易所的WebSocketAPI获取每个单一交易对不同的订单数据和完整的交易数据。这使得我们可以重新模拟出2019年8月份的订单和交易
。然后我们每小时对订单进行快照，计算中间价格和执行价格百分比差的滑点，其中:
中间价格=/2
执行价格=10000美元订单的实际成交价格
我们计算了卖单滑点和买单滑点，并将两者求平均值，然后导出每个交易对的快照滑点。
?8.2.?回归分析
因为我们每小时进行一次订单快照，所以我们有720-744张给定月份的滑点数据。然后对一个月以上的数据求算术平均，从而计算每个交易对的月平均滑点。
9.??附录：原始数据
作者：Hummingbot
编译：Dcoin大币研究院
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。