由于图表反应了每一种代币在 Coin Metrics 上完整的汗青数据（时间跨度并不统一），因此把它们互对较量无疑有些不太公正。下图则向我们展示了 2018 年 1 月 1 日到 2020 年 1 月 12 日每种代币的同类数据， 举办了更直接的较量（尽量个中一些代币的创建时间不到两年），但这样一来就牺牲了一些建设时间更长的代币的数据精确性。 不外，调查哪些代币的价值走势与这些根基网络指标的接洽越发细密，哪些代币和这些指标的相关性更低照旧很有意思的。
虽然，举个例子，这并不就是说就因为你看到活泼地点数上升，你就应该急于买入 BNB。究竟，相关性并不必然会反应因果干系，而对已往的相关性模式的阐明也并不能用于预测将来。
举个例子，我们来看下方的图表，这个图表操作 Coin Metrics 的数据描画出了CoinMarketCap 上前 20 种加密代币的皮尔森相干系数（不变币和 Cosmos 除外，因为在 Coin Metrics 上没有它们的数据）。 预测任何的价值都是坚苦的。可是，假如你想要通过调查及时图表来寻找蛛丝马迹，那么相识哪些数据点大概与价值相关就会很有辅佐了。值得留意的是，差异的加密钱币所需要存眷的数据点也会有相当大的差别。 举个例子，在本文的数据中，我们可以看到的表示与我们的预期相当一致。其生意业务量和活泼地点数看起来都与价值呈正相关性。虽然，这是有理可循的—当利用和生意业务比特币的人越来越多，，从逻辑上来说我们就认为价值也会越高。更多的利用者和生意业务就意味着更大的需求，而比特币的供给却是相对牢靠的。 郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
但值得留意的是，并非所有加密钱币都是如此。譬喻，就 Bitcoin Cash 和 Bitcoin SV 而言，其币价和网络生意业务勾当之间好像不存在相关性。其他一些代币，譬喻币安币（BNB），TRON 和 Tezos ，其生意业务量的增加和价值下跌好像存在弱相关性。
在下图的取值范畴里，数值 1 代表完全正相关（跟着时间的变革两个变量的移动始终相关），而数值 -1 则代表完全负相关（即两个变量的移动始终不相关）。
