第 23 章 · 链上数据如何观察真实世界

一个现实问题

你在研究同一个协议，手上有三份材料。

第一份是它的官方季度报告，写着上个季度收入 2400 万美元。 第二份是一家研究机构的报告，同一个季度，写着 900 万美元。 第三份是社交平台上一个人做的表格，写着这个协议净亏损 1800 万美元。

三个数字，同一个协议，同一个季度。相差一个数量级，而且符号都不一样。

你的第一反应可能是「一定有人在撒谎」。但如果你逐个去查，会发现一件更麻烦的事：三份材料里的每一个数字，都能在链上找到对应的交易。

它们不是在编数字，它们在回答三个不同的问题：

• 第一份算的是用户一共付了多少费。
• 第二份算的是其中归协议的那部分。
• 第三份把协议当期发出去的代币激励也算了进来，得到一个净额。

三个都对，因为「收入」这个词从来没有被定义过。

这就是这个行业里最普遍的一种混乱：数据是公开的，口径是私有的。

链上的每一笔交易都对所有人可见，这是 Crypto 相对于几乎所有其他行业的巨大优势。但公开的是原始事实，不是结论。从事实到结论中间的那一步——你决定把哪些交易算进来——决定了最终的数字。

而那一步，通常不写在报告里。

所以这一章要解决的问题是：怎样绕开所有人的结论，自己从原始事实出发，做出一个你能为它辩护的数字。

这是整个 Part A 里技能密度最高的一章，也是毕业项目里你会用得最多的一项能力。

思想实验

先离开链上，看一家咖啡店。

这家店在一个外卖平台上卖咖啡。上个月的账是这样的：

• 顾客通过平台一共付了 100 万元。
• 平台抽走 20%，也就是 20 万元。
• 店里为了拉新，发了一批 15 万元的代金券，顾客用券抵扣了咖啡钱。
• 这些代金券是店主自己印的，印刷成本几乎为零。

现在请回答：这家店上个月的「收入」是多少？

至少有五个答案，每个都能自圆其说：

A  100 万   顾客支付的总额
B   80 万   扣掉平台抽成后进店的钱
C   65 万   再扣掉代金券的面值
D   80 万   代金券是自己印的，没有现金流出，不该扣
E   65 万   券会在未来被兑换成真咖啡，成本是真的

D 和 E 的分歧特别值得停下来看。代金券到底算不算成本？

如果只看这个月的现金，它不算——店主没有掏一分钱。如果看长期，它算——那 15 万的券迟早要用真咖啡去兑付。

这就是链上代币激励的处境。 协议用自己发行的代币去奖励用户，当期没有任何现金流出，但这些代币会稀释所有持有人（第 20 章讲过）。算不算进成本，取决于你在回答什么问题。

再看两个更容易混的数字。

「店里有多少钱」不等于「店赚了多少钱」。

假设店里的保险柜里放着 500 万元，其中 480 万是顾客存的充值余额。保险柜里的总额是一个很漂亮的数字，但它是顾客的钱，不是店的钱，而且顾客随时可以取走。

链上有一个指标就是这个保险柜的总额。 它经常被当作协议规模的代表，而它衡量的其实是「别人放在这里多少钱」。

「今天来了多少人」也需要拆。

上个月门店进来 6000 人次。其中 4500 次是来领免费券的，领完就走，从没买过一杯全价咖啡。剩下 1500 次里，有 300 个人来了五次。

所以「6000」这个数字可以是：6000 人次、1800 个独立的人、300 个真实回头客，或者 1500 笔真实交易。每一个都是真的，每一个描述的东西完全不同。

把咖啡店换成协议，把顾客换成地址，这三组问题一模一样地成立。区别只有一个：链上的每一笔都记录在案，你可以自己去数。

你来决定

你要回答一个具体问题：这个协议上个月赚了多少钱。你从哪里开始？

观察结果

四个选项指向同一个结论：

链上数据的难点不在取数，在定义。

技术上，查询一个协议 90 天的手续费收入，写对了查询就是几秒钟的事。真正花时间的是回答这六个问题：

六个问题里任何一个答案不同，最终数字就不同。而绝大多数引用链上数据的文章，六个问题一个都没交代。

于是同一个协议的同一个月，可以合法地产生下面这些数字：

这一章要教你的，就是每次看到一个数字时，先把它归到这张表的某一行，再决定要不要用。

最后说一件必须单独强调的事。第 19 章讲过流通市值和完全稀释估值的区别，在数据实践中它是最常见的一类错误：引用一个估值数字时，如果不说明是哪一种，整段分析都不成立。 这两个数字在同一个项目上可以差十倍以上，而且很多数据源默认展示的是其中一个却不标注。

建立模型

这一章的模型是一套流程，六步。每一步都有一个必须交付的东西。

逐步展开：

第五步值得单独说。交叉验证的价值不在于确认两个数字一样，而在于当它们不一样时去解释为什么。

两个来源差 3%，可能是时间切分的边界问题。差 40%，几乎一定是口径不同，而找出那个不同，你就理解了这个协议的一个结构性特征。差异是信息，不是噪音。

第六步是把研究和宣传区分开的那一步。一份诚实的数据分析必须包含一段「我不确定」，比如：这个协议在另外两条链上也有部署，我没有覆盖；激励我按当期均价折算，价格波动会影响结论；有三个大额地址我无法判断是不是同一个实体。

一份写清楚自己盲区的分析，比一份看起来无懈可击的分析更值得相信。

最后给出六个核心指标的定义和它们各自的陷阱。这张表建议抄进自己的笔记，毕业项目会一直用。

它叫什么

动手

算哪些地址：主合约 0x…（在链上找到，不要从文章里抄），只算主网，
            不含其他链的部署（这一条要写进不确定性清单）
算哪些事件：Swap / Borrow / …（写出具体事件名），失败交易不算
总额还是净额：算归协议的部分 = 总费用 × 协议分成比例
              分成比例来自合约参数 …（记下参数名和当前值）
激励处理：本次不扣激励，单独列一条激励支出曲线做对照
时间切分：按 UTC 自然日，区间为最近 90 个完整日
去重方式：按 from 地址去重，不做人的归并（写进不确定性清单）

select
  date_trunc('day', block_time) as day,
  sum(fee_amount_usd)           as fees_usd,
  count(*)                      as tx_count
from <平台的事件表>
where contract_address = <你核对过的合约地址>
  and block_time >= now() - interval '90' day
group by 1
order by 1

select
  date_trunc('day', block_time)  as day,
  count(distinct tx_from)        as active_addresses
from <平台的事件表>
where contract_address = <合约地址>
  and block_time >= now() - interval '90' day
group by 1
order by 1

AI Lab

我要统计某协议过去 90 天的协议收入和每日活跃地址。

第一步，先不要写查询。先输出一份取数口径文档，回答六个问题：
1. 算哪些合约地址（主网 + 其他链，分别列出）
2. 算哪些事件，失败交易怎么处理
3. 算用户支付总费用还是归协议的净额，分成比例来自哪个参数
4. 代币激励怎么处理，如果扣除按什么价格折算
5. 时间怎么切分，边界怎么处理
6. 活跃地址按什么字段去重，通过聚合器的用户怎么算

第二步，基于这份口径写查询，写出你用的表名和字段名。

第三步，单独列出：这个查询覆盖不到什么？哪些地方可能低估或高估？

规则：
- 每一个合约地址、参数名、事件名都要标注出处。
- 不确定的写「需要人工核对」，不要给一个看起来合理的值。

真实案例

改一个变量

带走的问题

本章自测