假 ETF 新闻过后，Pyth 如何应对比特币价格剧烈波动

根据美国证券交易委员会（SEC）官方账户于 2024 年 1 月 9 日 21:11 UTC 发布的虚假帖子，比特币价格在本周再次经历了短暂的波动。在虚假声明发布大约 15 分钟后，Gary Gensler 从他的 个人账户 发表了一份官方声明，表示 SEC 的账户遭到了攻击。

本篇案例研究，展示了 Pyth Network 如何处理这次突然的价格飙升和随后的暴跌事件。

又一次价格剧烈波动

在下图中，你可以看到 2024 年 1 月 9 日 21:11 至 21:26 UTC 之间的 Pyth 聚合价格及紫色阴影显示的置信区间。

在价格高峰时期，BTC 价格在大多数交易所徘徊在 $4.8 万美元左右。Pyth 置信区间相应扩大，以反映不同比特币交易市场之间价格的不确定性。

我们将 BTC/USD 的 Pyth 聚合价格序列与 OKX 的 BTC/USDT 市场价格相比，这是一个高流动性的交易对，因此是一个很好的比特币实时价格的代表值。你可以在下面的图表中看到，Pyth 聚合价格（紫色）与 OKX 价格（黑色）紧密匹配。即使在价格突然波动的时候，Pyth 价格预言机也可以在多个真实市场中以高分辨率追踪这种价格活动。

让我们仔细看看 Pyth BTC/USD 聚合价格的构成。

下图显示了聚合价格及其置信区间值。它还显示了在线的数据发布者（或数据提供者）发布的最低和最高价格，以及在线的数据发布者价格的第 25 和第 75 百分位值。

第 25 和第 75 百分位值范围接近表明，大多数数据发布者可靠地追踪了主要中心化交易所的比特币价格飙升活动。虽然在两个方向上都有一些异常值（例如在线数据发布者的最大值），但 Pyth 聚合算法成功地消除了这些异常值。

下图显示了在线的数据发布者之间价格的标准差、这些数据发布者的四分位数范围（第 75 和第 25 个百分位数之间的差距）、以及聚合置信区间的宽度。

Pyth 聚合算法过滤异常值的能力在这个图中是非常清晰的：数据发布者之间的标准差明显超过了四分位数范围，主要是因为少数异常值的影响。特别是在 21:20 到 21:45 之间报告最高价格的数据发布者可能在这段时间内的数据来源存在问题。然而，由于 BTC/USD 喂价数据通常有大约 30 个在线的数据发布者，并且由于聚合算法内置的抗异常值特性，聚合价格准确地过滤了这种异常值的影响。Pyth 置信区间与四分位数范围紧密一致，而不与异常值范围相关。

一个有趣的观察结果：在一个小时的窗口中，在 73% 的时间里，主要 CEX 交易所之一的价格在 Pyth 聚合价格周围的一个置信区间内；在 93% 的时间里，CEX 价格在 2 个置信区间内。

这一结果反映了良好的校准流程：当交易者和流动性场所之间存在差异时，数据发布者的置信区间将扩大，当他们之间存在共识时，置信区间将收紧。这种行为正是 Pyth 置信区间特性所设计的，并使用 Pyth BTC/USD 喂价数据为下游协议提供了强大的、可操作的洞察。

深入研究：虚假 SEC 推文

让我们来看看当天 21:12:30 GMT 的一个时段。

聚合价格是 $47,673.93 美元。最低的数据发布者价格为 $46,720.02 美元，仅有的两家数据发布者的发布价格低于 $47,000 美元。最高的发布价格为 $47,826.18 美元。总置信区间宽度为 $105.77 美元，23 家在线的数据发布者发行价格处于相对狭窄的 $350 美元范围内，只有 5 家发布者不在该范围内。

让我们继续放大到首次暴涨的主要时期，21:12–21:15 GMT，我们可以直观地看到，在更大的波动性和不确定性中，置信区间扩大了。

事实上，在这 3 分钟的时间里，平均总置信区间宽度超过 $77 美元，约为 0.15%。

在这一小时的剩余时间里，平均总置信区间宽度约为 $45 美元，约为0.1%。

深入研究：Gensler 声明

在 Gensler 发布推文证实 SEC 官方账户的虚假 ETF 批准公告后，比特币的价格可以预见地在许多中心化交易所做了出反应。在这一小时的窗口期里，一些交易所的价格降低至 $44,750 美元。

Pyth 数据发布者立即反映了实时价格的下降，这导致报告的聚合价格迅速下降。Pyth 置信区间大幅扩大，以捕捉不同流动性交易场所之间的价格错位。

随着这些平台的比特币价格回落至 $45,600 美元左右，数据发布者的报价也趋于一致，整体置信区间宽度相应下降。

新闻发布前的置信区间（约为 $46 美元，约为 0.1%）低于新闻发布后的置信区间（约为 $71 美元，约为 0.15%）。

由于对新闻及其随后的调整的持续担忧，比特币价格的不确定性增加，导致价格波动加剧，数据发布者的报价差异扩大。

随着时间的推移，不确定性减少，总体置信区间也相应缩小。本案例研究表明，Pyth 置信区间再次有效地发挥了作用，在市场不可预测性中保持了韧性。