Waarom de on-chain cijfers die je online ziet niet altijd kloppen

Elke week verschijnt er wel een onderzoek dat vertelt hoeveel wallets een nieuwe token echt heeft, of welk deel van het volume van een handvol adressen komt. Die cijfers worden overgenomen, doorgestuurd en gebruikt om beslissingen op te baseren. Wat er zelden bij staat is hoe ze verzameld zijn, en dat bepaalt vaak of ze kloppen.

Dit stuk gaat over die verzamelkant. Niet om onderzoek onderuit te halen, maar omdat je met een paar controlevragen zelf kunt zien of een cijfer stevig is of niet.

Vrijwel niemand leest de blockchain rechtstreeks uit. In de praktijk loopt alles via een RPC node of een data-aanbieder, en daar zit de eerste vertekening. Publieke nodes beperken het aantal verzoeken per adres, en bij een limiet krijg je meestal geen foutmelding maar een onvolledig antwoord.

● Rate limits, waardoor een script stilletjes minder blokken ophaalt dan het denkt

● Verschillende nodes die net een ander beeld geven, zeker rond reorganisaties van de keten

● API's van exchanges die per regio andere paren en andere dieptes tonen

● Indexers die met vertraging bijwerken, waardoor recente activiteit ontbreekt

● Cachelagen die een antwoord van tien minuten geleden teruggeven alsof het live is

Het probleem is niet dat deze dingen misgaan. Het probleem is dat ze stilletjes misgaan. Een geblokkeerd verzoek levert vaak gewoon een leeg antwoord op, en een leeg antwoord telt in de meeste scripts als nul in plaats van als ontbrekend.

Als twee partijen dezelfde token onderzoeken en verschillende uitkomsten publiceren, ligt dat zelden aan de analyse. Het ligt bijna altijd aan het venster dat is gebruikt, aan welke contracten zijn meegeteld en aan hoeveel van de data daadwerkelijk is opgehaald.

Wie serieus verzamelt, spreidt de verzoeken over meerdere uitgangen zodat één limiet niet het hele beeld vervormt. Vaak gebeurt dat via isp proxies, omdat die adressen bij een consumentenprovider staan en door de meeste endpoints als gewone bezoekers worden behandeld in plaats van als serververkeer. Het kost een paar tientjes per maand en het verschil zit niet in snelheid maar in volledigheid.

Een gewoonte die niets kost en veel oplevert: neem in elke ronde één getal mee dat je al kent. Komt dat controlegetal verkeerd terug, dan is de hele ronde verdacht en heb je het gezien voordat het in een grafiek belandt.

● Over welke periode is gemeten, en is die periode representatief of net rond een gebeurtenis gekozen

● Welke contracten en welke keten zijn meegenomen, en welke bewust niet

● Is er gecorrigeerd voor wash trading en voor adressen die duidelijk bij elkaar horen

● Hoeveel verzoeken zijn er mislukt, en hoe zijn die geteld

● Is het onderzoek herhaalbaar, dus staat erbij hoe en waarvandaan er is opgehaald

Ontbreekt het antwoord op de laatste vraag, dan is het geen onderzoek maar een momentopname. Dat kan nog steeds interessant zijn, maar het is iets anders dan bewijs.

Je hoeft geen data-analist te zijn om hier iets aan te hebben. Als een bericht zegt dat een bepaald percentage van de tokens bij enkele wallets zit, is de vraag simpel: gemeten wanneer, en zijn adressen van exchanges apart gehouden. Beide antwoorden zijn kort en beide veranderen het getal aanzienlijk.

En als een dashboard iets anders laat zien dan een nieuwsbericht over dezelfde token, is de kans groter dat de twee verschillende bronnen en vensters gebruiken dan dat een van beide liegt.

On-chain data heeft de reputatie objectief te zijn omdat de keten openbaar is. De keten is inderdaad openbaar, maar de weg ernaartoe is dat niet. Tussen het blok en de grafiek zitten nodes, limieten, caches en keuzes, en elk daarvan kan een cijfer verschuiven zonder dat iemand het merkt.

Voor losse opzoekingen prima. Zodra je duizenden verzoeken doet loop je tegen limieten aan, en die leveren meestal onvolledige antwoorden op in plaats van een duidelijke fout.

Omdat één uitgang die tegen een limiet aanloopt je hele dataset vertekent. Spreiden is de goedkoopste manier om te voorkomen dat je conclusie afhangt van hoe streng één endpoint die dag was.

Kijk of er iets staat over adressen die naar elkaar terug handelen en over volume dat zich concentreert in korte pieken. Staat daar niets over, dan is er waarschijnlijk niet voor gecorrigeerd.

Dit is geen beleggingsadvies. Het punt is alleen dat een cijfer zonder methode geen argument is, hoe overtuigend de grafiek er ook uitziet.