Por que aprender a reconhecer padrões de comportamento on-chain?
No mercado de criptoativos, as informações sempre chegam após o movimento dos fundos on-chain. Gráficos, preços e notícias que os investidores acompanham são os “resultados” das ações dos participantes, não as “causas”.
Reconhecer padrões de comportamento on-chain permite entender antecipadamente os objetivos dos agentes do mercado e antecipar possíveis acontecimentos.
Três cenários típicos
Um endereço compra repetidamente uma nova moeda em pequenos valores durante três dias seguidos
Esse padrão é típico de smart money construindo posição de forma discreta. O mercado ainda não percebeu, mas esses agentes já estão se posicionando, criando uma oportunidade antecipada de entrada.
Uma carteira de equipe ativa um contrato lançado há 18 meses, mintando muitos tokens e transferindo para uma CEX
Esse movimento sinaliza que a equipe está se preparando para vender ou promover um “ataque de liquidez”, indicando aumento de risco no curto prazo.
Uma meme coin recebe vários pequenos pedidos de compra de carteiras novas, mas todos os saques partem do mesmo endereço principal em uma CEX
Normalmente, isso indica que a equipe do projeto está criando FOMO falso (hype interno). Não vale a pena entrar nesse FOMO—evite ser o holder que fica com o prejuízo.
Principais insights do reconhecimento de padrões de comportamento
Ao dominar o reconhecimento de padrões, o investidor consegue identificar:
- Quais fundos são os mais inteligentes?
- Quais negociações são propositalmente falsas?
- Quais ações da equipe ocultam riscos?
- Quais moedas têm hype genuíno versus manipulação da equipe?
- Se o momento do mercado é de “acumulação”, “distribuição” ou “corrida dos bagholders”?
Todos esses julgamentos podem ser feitos diretamente a partir do comportamento on-chain.
Quatro principais tipos de participantes on-chain
Os agentes do universo on-chain podem ser divididos em quatro tipos, cada um com características comportamentais bem distintas:
1. Smart Money
Características:
- Baixa frequência de negociação, mas alta precisão
- Se posiciona cedo e espera com paciência
- Testa ordens antes de entrar
- Constrói posição em lotes após confirmar valor
- Vende grandes volumes no topo, sem buscar o último lucro
Características visuais:
- Compras mostram “acumulação em escada”
- Curvas de ativos sobem de forma estável
- Histórico de lucro em todos os ciclos
Exemplos comuns:
- Carteiras rastreadas frequentemente pelo Lookonchain
- Carteiras institucionais de teste
- Carteiras OG experientes (mintaram vários tokens blue-chip)
2. Criadores de volume falso
Características:
- Muitas negociações pequenas e frequentes
- Vários “novos wallets” financiados pelo mesmo endereço
- Ordens de compra excessivamente uniformes
- Sem baleias, apenas wallets falsas dispersas
Características visuais:
- Curva de compras “muito alinhada”
- Carteiras formam estruturas de “cadeia” evidentes
- Atividade concentrada em uma única cadeia e um único token
Fórmula de análise: Alta densidade de negociações + novos wallets + mesma origem = alta probabilidade de volume falso
3. Carteiras de equipe
Características:
- Iniciam mint, emissão, queima, etc.
- Horários fixos (folha de pagamento trimestral, recompra, etc.)
- Transferências para CEX normalmente indicam risco de curto prazo
Métodos de identificação:
- Mint de token → carteira de equipe → CEX
- Endereços multi-sig controlados por contratos
- Mencionados publicamente pela equipe oficial
Características visuais:
- Grandes volumes em carteira
- Operações intensivas relacionadas à liquidez
- Raramente trocam por outros tokens
4. Emoções do varejo
Características:
- FOMO, correndo atrás do movimento
- Compra no topo, venda no fundo
- Muitas negociações pequenas e frequentes
- Grande número de wallets, mas valores individuais baixos
Características visuais:
- Surto repentino de novos wallets em máximas de preço
- “Saldo líquido de compras” altamente correlacionado com variação de preço
- Grande volume de pequenas compras nos picos (topo típico)
Esses comportamentos formam o “sentimento de mercado” mais autêntico nos dados on-chain.
Cinco dimensões-chave para analisar comportamento de endereços
Ao analisar carteiras de baleias, equipes ou fundos discretos, todos os comportamentos on-chain podem ser divididos em cinco dimensões:
1. Idade da carteira
Carteiras antigas:
- Menos propensas a serem contas falsas temporárias
- Mais prováveis de serem OGs ou técnicos
- Possivelmente com custo de aquisição menor e padrão diferente de pressão de venda
Carteiras novas:
- Podem ser volume falso
- Podem ser contas novas construindo posição discretamente
- Comportamento
Isenção de responsabilidade
* O investimento em criptomoedas envolve grandes riscos. Prossiga com cautela. O curso não se destina a servir de orientação para investimentos.
* O curso foi criado pelo autor que entrou para o Gate Learn. As opiniões compartilhadas pelo autor não representam o Gate Learn.
