Crypto Sector Radar - 加密货币板块雷达

一个全栈数据分析项目，通过自动化 ETL 管道、Supabase 数据库和机器学习模型，实现对加密货币市场的板块级分析和趋势预测。

Crypto Sector Radar - 加密货币板块雷达

Crypto Sector Radar 是一个功能完善的分析原型，旨在解决加密货币市场缺乏标准化资产分类框架的问题。该项目通过整合 ETL 管道、云数据库、统计模型和交互式仪表板，将原本碎片化的市场数据转化为可操作的战略洞察，帮助投资者从投机转向基于数据的资产配置。

核心功能

自动化数据管道 (ETL)

构建了基于 Python 的自动化 ETL 系统，每日从 CoinMarketCap API 抓取 Top 500 加密货币数据。

  • 数据清洗与转换：自动处理缺失值，标准化时间戳。
  • 智能分类引擎：基于标签的优先级规则集，将 533 种代币自动归类为 "DeFi"、"AI"、"Layer1" 等 17 个不同板块。
  • 高可靠性设计：采用幂等设计（Idempotent Pipeline），确保数据更新的稳定性和一致性。
Solution Architecture

Figure 1: Data Solution Architecture

高性能分析数据库

使用 Supabase (PostgreSQL) 构建了针对分析优化的数据仓库。

  • 混合架构：结合了规范化的 OLTP 核心表（用于原始数据）和预聚合的 OLAP 汇总表（用于快速查询），兼顾数据完整性与仪表板性能。
  • 安全治理：实施行级安全策略 (RLS)，确保数据访问的安全性。
ER Diagram

Figure 2: ER Diagram

Supabase Screenshot

Figure 3: Supabase Database Interface

预测性分析模型

集成机器学习算法，提供超越简单描述性统计的深度洞察。

  • 决策树分类器：构建了可解释性强的决策树模型，基于 7 天动量、波动率等指标生成“买入/持有”信号。
  • 关键发现：模型识别出“14天波动率”和“7天板块动量”是影响市场走势的最关键因素。
  • 性能指标：模型在测试集上实现了 0.805 的 AUC 值，显著优于随机猜测。
Decision Tree Model

Figure 4: Decision Tree Model (Top Levels)

交互式决策仪表板

最终交付物为 Power BI 交互式仪表板，讲述完整的数据故事：

  • 宏观概览：可视化展示市场结构，揭示了“比特币生态”和“Layer1”占据 81% 市场份额的极度集中化特征。
  • 趋势追踪：通过热力图和堆叠面积图，捕捉到资金从老牌板块向“DeFi”和“AI”等新兴高动量板块轮动的趋势。
  • 策略支持：直观展示各板块的 30 天加权回报率和换手率，辅助识别潜在的投资机会和流动性陷阱。
Power BI Dashboard

Figure 5: Power BI Interactive Dashboard

技术架构

项目的技术栈覆盖了数据全生命周期的管理：

  • 数据采集与处理: Python (Pandas, Requests)
  • 数据库: Supabase (PostgreSQL)
  • 分析与建模: Scikit-learn (Decision Tree), Statistics
  • 可视化: Power BI

项目成效

该项目不仅是一个技术实现，更是一个完整的商业分析解决方案。它成功处理了超过 30,500 条每日指标记录，将原本混沌的市场数据转化为结构化的板块洞察。

关键洞察：分析显示，虽然市场整体由大盘主导，但 DeFi 和 AI 等新兴板块在短期内表现出极高的超额收益和资金流入，验证了“板块轮动”策略的有效性。

未来展望

虽然目前的基于规则的分类引擎已经表现良好，但未来计划引入 NLP 模型来动态分析项目描述，以实现更灵活的资产分类。同时，计划接入链上数据和社交媒体情绪数据，进一步增强预测模型的准确性。