上周，Vitu 开源了 SPV 的算法并画了逐笔交易的分布图，将 coinbene 在某一天的刷量行为抓了个现行。

根据 coinmarketcap 修正后的交易量来排名，在 2019 年 11 月 12 日的交易所榜单，Binance 作为 Real Ten 中硕果仅存的交易所，也在十名开外。有意思的事，coinmarketcap 在同一天推出了一个新的排名准则 — 流动性。

本来嘛，心痒痒，Vitu 想继续看看排名第一的 coinbene 的 SPV，但是既然人家已经坦荡荡地在刷量，那么我们就来研究一个新的对象MXC。

突然发现一个有意思的点，在 coinmarketcap 的榜单上，大多数的交易所都是在 2017 年和 2018 年之间诞生的。有点期待在未来的数字资产生态里，是否会有新类型的玩家参与进来。

而 Vitu.ai 作为数字资产数据和研究服务商，将会为广大投资人解决两个痛点，在本篇继续手把手教导大家如何在线识别刷量：

• 痛点一：在于到底如何定义一眼就能看懂刷量的指标
• 痛点二：在获取各交易所高质量的交易数据

（一）指标公式

我们来温习一个重要的衡量指标，SPV，全称size per visit，这个指标可以估计每过来一个用户在指定的交易所平均的成交量是多少。

其中，本分析中会使用到两个重要的数据：

（1）当日的总成交额

以 Binance 的 BTC/USDT 这一交易对的成交量为例。从交易所 api 采集到的是成交时间序列，数据结构如下：

​

将指定日期中 00:00:00 到 23:59:59 之间的每笔成交额汇总，得到当日的总成交额。

（2）交易所平均日访问人数

我们将采用 SimilarWeb 的 9 月统计的交易所平均月访问人数，再除以 30 得到交易所平均日访问人数。

（二）数据准备

这个研究将会以 2019 年 9 月 27 日的 binance，poloniex，coinbase，和 MXC 的交易数据为例。

从上方代码的运行结果，我们可以看到在 2019 年 9 月 27 日的当天，四个交易所：

• poloniex 发生了 8 千多笔成交
• binance 发生了 45 万多笔成交
• coinbene 发生了 9 万多笔成交
• MXC 发生了 3 万多笔成交

（三）画图时间

这里会用直方图一一描述四个交易所在 2019 年 9 月 27 日的当日成交量, 9 月访问人数和 SPV。

(1) 交易所的成交量

我们先来看一下成交量，一个交易所 可以 自我伪造的数据。

MXC(红色)居然超越了 binance(橙色)是最多的，而 coinbase(绿色)紧随其后，和 poloniex (蓝色)第四位。

(2) 交易所的月访问人数

再看看月访问人数，一个交易所 无法 自我伪造的数据。

我们发现 coinbase(绿色)是最多的，binance(橙色)其次，poloniex (蓝色)第三，而 MXC(红色)是最少的。

(3) SPV

最后我们来看一下通过以上两个数据计算得到的 size per visit。

从上图可以看到，poloniex,binance 和 coinbase 的 SPV 都比较正常，而 MXC(红色)的每个用户平均交易量为 4.6 个比特币，又是红色的一柱擎天。

意料之中，MXC 也是坦荡荡地刷量。

因此，通过 SPV 这一指标，我们可以清晰明了地推理出 MXC 在 2019 年 9 月 27 日这一天伪造了交易量。

（四）交易所的成交分布

如果 SPV 是需要计算后画图的，那么我们可以直接将采集到的逐笔成交量画图，这个直方图一目了然地展现交易所是否在刷交易量。

(1) poloniex 成交分布

(2) binance 成交分布

(3) coinbase 成交分布

poloniex，binance 和 coinbase 在 2019 年 9 月 27 日的成交分布都很正常，绝大多数用户的比特币交易量呈现散户的特质，分布于 0.00 到 0.04 之间。

同时单笔交易的成交量有正常人类的整数效应，即买 1 或者 2 个比特币，而不是买 0.42 或者 0.78 个比特币。

(4) MXC 成交分布

MXC 在 2019 年 9 月 27 日这一天，明显在 1.8-2.8 个比特币之间刷量，看上去极大概率是一个程序控制的算法叠加生成的，在每个区间连续分布而又不具备自然人类的整数效应。

因而，我们通过逐笔成交的分布直方图，也可以得出 MXC 在 2019 年 9 月 27 日伪造了交易量。

（五）coinbene 和 MXC 的刷量逻辑

接下来 Vitu 要做一个有趣但是不严谨的对比，将 2019 年 9 月 24 日 coinbene 的逐笔分布和 2019 年 9 月 27 日 MXC 的逐笔分布，两张直方图放在一起看。

都是五彩斑斓的算法谎言，相比而言，coinbene 还是稍胜一筹。两家交易所的刷量算法都还需要学习正常投资者的交易行为。

由此可见，现在的交易所伪造交易量时也是大大的狡猾，作为数字资产的投资人，只能擦亮眼睛，用数据时刻验证，毕竟数据从不说谎，区块链的世界也不例外。

（六）总结

一方面来说，SPV (Size per Visit) 是衡量刷量一个最简单直接的办法，因为访问量是做市团队没办法作假的数据，这个是由交易所的综合运营实力和真实的市场流量来决定的。

另一方面来说，逐笔成交的分布是另外一个容易去分析的数据。

另外还有很多可以深入研究的方法，而 Vitu 也拥有 80+ 的交易所数据来支持更多有趣的研究。

我们在 Vitu.ai 等你来挖掘。