# 加密貨幣 - 情緒指標

在沒有時間盯盤以及頻繁做短線進出情況下，較適合的方式不外乎定期定額，若可以搭配情緒指標，在市場情緒低迷時，可以以較低成本的金額投資商品，並且在市場情高昂時高歌離席。

常見的加密貨幣情緒指標有 [恐慌指數(Greed and Fear Index)](https://alternative.me/crypto/fear-and-greed-index/) 與 [資金費率(Funding Rate)](https://www.binance.com/en/futures/funding-history/perpetual/real-time-funding-rate)。這裡介紹另一種觀察市場情緒的指標：**應用程式排行**。

## 應用程式排行

### 原理

加密貨幣交易所發行在行動裝置 iOS 以及 Android 作業系統的應用程式下載量（使用量）可依照其排行而定。若排行越前面，其使用量越高，代表越多用戶參與這個市場。反之排名越後，使用量越低，越少用戶參與市場。
應用程式排行可以充分反應市場情緒，參與市場者越多，象徵市場情緒升溫，隨時有高點反轉的可能，是個警示訊號。反之參與市場者越少，象徵市場情緒過冷，可以適時搭配其他指標進場布局。
這裡使用 [Binance 台灣](https://www.binance.com/zh-TC) 在 iOS 上的排行為例，以 Python 抓取數據並分析加密市場的情緒熱度。

### 資料來源

以網站 [Sensor Tower](https://sensortower.com/) 每日公佈的應用程式排行為資料來源，使用 Python 抓取 Binance 台灣在財經類別的排行，分析用戶參與市場的熱度。

### 數據處理

使用 Python 的 requests 函式庫，爬取網站資料：

url = 'https://app.sensortower.com/api/ios/category/category_history?app_ids%5B%5D=1436799971&categories%5B%5D=6015&categories%5B%5D=0&categories%5B%5D=36&chart_type_ids%5B%5D=topfreeapplications&chart_type_ids%5B%5D=topfreeipadapplications&chart_type_ids%5B%5D=toppaidapplications&countries%5B%5D=TW'

response = requests.get(
    url=url
)

轉為 DataFrame 格式：

df = pd.DataFrame(response.json()['1436799971']['TW']['6015']['topfreeapplications']['graphData'], columns=['timestamp', 'rank', 'status'])
df.set_index('timestamp', inplace=True)
df.index = pd.to_datetime(df.index*1000000000, utc=True)
df = df.drop(['status'], axis=1)

我們有興趣的資料欄位需透過 ```1436799971```， ```TW``` ， ```6015```， ```topfreeapplications```
以及```graphData``` 索引而得，並且捨去不需要的欄位。

![image](https://hackmd.io/_uploads/BymooRnoT.png)


### 分析

#### 繪製排行歷史

df.plot(figsize=[20, 10])

![image](https://hackmd.io/_uploads/r1I0A9A96.png)

由於網站限制存取 2 個月的資料，因此呈現效果有限。剛好手邊有個比較完整的歷史數據如下：

![image](https://hackmd.io/_uploads/rJwrJiR5a.png)

在接近 2024 年有一天抓到了排名 500 的資料，推測是當天沒有排名或是沒有抓取到，因此移除此筆並沿用前一日的排名：

![image](https://hackmd.io/_uploads/rymlQVw2T.png)


與 BTC 走勢一起繪製：

![image](https://hackmd.io/_uploads/BJOfmVw2p.png)

將排名曲線以 20 日平均繪製，去除雜訊：

![image](https://hackmd.io/_uploads/SJkhm4Pnp.png)

可以大致看出，排名曲線與比特幣走勢呈現反向。

我們也可以縮進 (zoom in) 至較短的時間區段，觀察走勢，較不易受全局的龐大尺度影響。

* 首先觀察 2017 年底至 2018 年初，此段歷經暴漲與暴跌。

![image](https://hackmd.io/_uploads/ry_k4xxoT.png)

可以看到 2017 年底的漲幅，伴隨著使用量上升，象徵用戶積極參與市場。從 2017 年底至 2018 年初，使用量一直維持著名列前茅，而後得跌勢也可以發現使用量大量下滑。


* 2020 年三月至十月，比特幣經歷了暴跌與大幅成長，兩者的走勢出現反向的趨勢。

![image](https://hackmd.io/_uploads/ByvxUxliT.png)

* 2020 年九月至 2022 年 6 月，比特幣連續經歷了兩次 ATH 與 Luna 暴雷事件，兩者的走勢出現反向的趨勢。

![image](https://hackmd.io/_uploads/HybwwKss6.png)

#### Coinbase 數據

這裡只分析了 Binance 台灣的 iOS 使用情形，同時參考 Coinbase 於美國的使用情形，是否有同樣的走勢：

![image](https://hackmd.io/_uploads/HkNidIwnp.png)



將排名曲線以 20 日平均繪製，去除雜訊：

![image](https://hackmd.io/_uploads/rk9ndUvnp.png)



直接觀察 2020 年九月至 2022 年 6 月：

![image](https://hackmd.io/_uploads/HkcdiKssa.png)

可以看出 Coinbase 於美國的使用情形與 Binance 台灣的使用情形相似。

### 結論

應用程式排行雖無法指出可以精準抄底的時機，但對於逃頂有清楚的指示，且台灣與美國用戶的使用情形相似。

若能再納入 Upbit 於韓國的排行合併較完整的情緒指標。

### 程式碼連結

首先下載完整的 Binance iOS 應用程式排行：
[TW Binance iOS](https://drive.google.com/file/d/1i0dXMdGlriPHwhRAqnF1XVJSAfrBhxl5/view?usp=drive_link)
再至 Colab 連結：
[Sentiment analyze](https://colab.research.google.com/drive/12qezVEb27WELWEs1a75VT9-5lezByQQW?usp=sharing)
於左方檔案列表新增資料夾，可自行命名，此處以 data 為範例，將以上的應用程式排行檔案移至新增的資料夾。