Este artículo es el noveno de la serie On-Chain Data Academy, con un total de 10 artículos. Llevarlo paso a paso para comprender el análisis de datos en cadena, bienvenido a los lectores interesados a seguir esta serie de artículos. (Sinopsis: On-Chain Data Academy (6): Una nueva metodología de fijación de precios mágica de BTC con la participación de ARK (I) ) (Suplemento de antecedentes: Academia de datos on-chain (7): Un nuevo conjunto de metodología de fijación de precios mágicos de BTC con participación de ARK (II) La serie de artículos TLDR RUPL se dividirá en 2, esta es la primera vez que RUPL puede presentar la situación actual de "ganancias y pérdidas no realizadas" del mercado Al observar RUPL, puede encontrar la ley de operación del mercado superior e inferior Uno según RUPL El modelo de lectura inferior diseñado comparte RUPL Introducción RUPL, nombre completo Relative Unsuccessful Profit & Loss, traducción china "ganancias y pérdidas no realizadas relativas". El indicador en sí se puede dividir en dos partes, RUP y RUL. Tomando RUP como ejemplo, el cálculo es el siguiente: Compara el "precio actual" con el "precio en la última transferencia de cada BTC" y clasifica las fichas con el "precio actual > último precio de transferencia" como fichas de beneficio. Multiplique la ganancia de cada ficha por el número correspondiente de fichas para obtener una ganancia no realizada. Finalmente, los datos obtenidos se estandarizarán de acuerdo con el valor de mercado en ese momento. En otras palabras, el beneficio no realizado es la "suma de los beneficios no realizados" en el mercado actual; RUP, por otro lado, normaliza estos datos en función de la capitalización bursátil para comparar las ganancias del mercado en diferentes períodos. El algoritmo de RUL es exactamente el mismo que la lógica de RUP, por lo que no entraré en detalles aquí. Como se muestra arriba, la línea verde es RUP y la línea roja es RUL. Podemos encontrar que el precio está altamente correlacionado positivamente con RUP y altamente correlacionado negativamente con RUL. Esto es intuitivo, porque a medida que aumenta el precio de la moneda, la suma de las ganancias de las fichas de ganancias no realizadas aumenta naturalmente. Pero si miramos más a fondo el gráfico anterior, encontraremos que el RUL supera al RUP (la línea roja está por encima de la línea verde) en algunos períodos, lo que significa que la posición de pérdidas y ganancias no realizada del mercado en su conjunto es negativa, ¿es esta situación de particular importancia? Sigue leyendo... Hay un viejo dicho: "Soy codicioso cuando los demás tienen miedo", cuando los poseedores de chips del mercado, el promedio general está en un estado de pérdidas, puede ser un momento digno de nosotros para ingresar al mercado para recolectar chips. Como se muestra en la figura anterior, marqué el período de tiempo de RUL > RUP para obtener este gráfico de señal. Podemos encontrar claramente que cuando RUL > RUP, ¡básicamente corresponde a un gran fondo periódico! Esto no es de ninguna manera una simple espada, la lógica es: "cuando el mercado en su conjunto está en un estado perdedor, significa que es probable que el trampero no esté dispuesto a vender sus fichas porque el precio es demasiado bajo", en el caso de una fuerte reducción de la presión de venta, siempre que haya un ligero aumento en la compra, la tendencia puede revertirse y comenzar a subir. Esta lógica es muy similar a la estrategia de búsqueda de fondo de LTH-RP introducida en el artículo anterior, y los lectores interesados pueden hojear las publicaciones anteriores. Compartir la lógica de diseño del modelo de lectura inferior de RUPL Luego, ignoremos el RUL por un momento y centrémonos en el gráfico RUP en sí, y encontraremos que los valores mínimos de RUP en la historia son en realidad muy cercanos. Por ejemplo, agregué una línea horizontal de 0,4 al gráfico RUP para que podamos ver claramente dónde < 0.4. (0.4 aquí hay un parámetro ajustable, que se mencionará nuevamente más adelante) Cuando encontramos que RUP tiene un área inferior relativamente obvia, podemos superponer la condición de RUP < 0.4 a la condición del anterior "RUP < RUL" para realizar el filtrado secundario en la señal, y el resultado es el siguiente: Este es un método muy común a la hora de diseñar modelos, con el fin de conseguir el efecto de filtrado a través de la pantalla de señal, para que nuestro modelo de diseño final pueda ser más preciso. Las dos condiciones en la figura anterior (RUP < 0.4 > RUP < RUL), el efecto de filtrado no es muy obvio, pero si mira de cerca, aún puede encontrar que de hecho hay RUP < RUL más estrictos que simples. Aquí, si ajusta 0.4 hacia abajo (por ejemplo, a 0.38), puede hacer que la señal general sea más ajustada; Pero en el proceso de ajuste de parámetros, aún debe prestar atención al problema del sobreajuste, después de todo, ¡es probable que simplemente ajustar el modelo basado en datos históricos falle en el futuro! Conclusión Lo anterior tiene que ver con la academia de datos en cadena (nueve), el próximo artículo brindará una introducción más profunda a RUP y compartirá una señal superior clásica con usted. Los lectores que estén interesados en aprender más sobre el análisis de datos en cadena, ¡asegúrense de seguir esta serie de artículos! Si quieres ver más análisis de datos en cadena y contenido didáctico, ¡sigue mi cuenta de Twitter (X)! Espero que este artículo te ayude, gracias por leer. Artículos relacionados on-chain data academy (8): ¡Una nueva metodología mágica de fijación de precios de BTC con ARK research! (III) On-Chain Data Academy (1): ¿Sabes cuál es el coste medio de BTC en todo el mercado? On-Chain Data Academy (II): ¿Cuánto cuesta para los Hodlers que siempre están ganando dinero? "On-Chain Data Academy (9): Market Barometer RUPL(I) - Data Introduction & Bottom Reading Application" Este artículo se publicó por primera vez en "Dynamic Trend - The Most Influential Blockchain News Media" de BlockTempo.
El contenido es solo de referencia, no una solicitud u oferta. No se proporciona asesoramiento fiscal, legal ni de inversión. Consulte el Descargo de responsabilidad para obtener más información sobre los riesgos.
Escuela de Datos On-Chain (9): Barómetro del Mercado RUPL (I) - Introducción de Datos & Comprar la Caída Aplicación
Este artículo es el noveno de la serie On-Chain Data Academy, con un total de 10 artículos. Llevarlo paso a paso para comprender el análisis de datos en cadena, bienvenido a los lectores interesados a seguir esta serie de artículos. (Sinopsis: On-Chain Data Academy (6): Una nueva metodología de fijación de precios mágica de BTC con la participación de ARK (I) ) (Suplemento de antecedentes: Academia de datos on-chain (7): Un nuevo conjunto de metodología de fijación de precios mágicos de BTC con participación de ARK (II) La serie de artículos TLDR RUPL se dividirá en 2, esta es la primera vez que RUPL puede presentar la situación actual de "ganancias y pérdidas no realizadas" del mercado Al observar RUPL, puede encontrar la ley de operación del mercado superior e inferior Uno según RUPL El modelo de lectura inferior diseñado comparte RUPL Introducción RUPL, nombre completo Relative Unsuccessful Profit & Loss, traducción china "ganancias y pérdidas no realizadas relativas". El indicador en sí se puede dividir en dos partes, RUP y RUL. Tomando RUP como ejemplo, el cálculo es el siguiente: Compara el "precio actual" con el "precio en la última transferencia de cada BTC" y clasifica las fichas con el "precio actual > último precio de transferencia" como fichas de beneficio. Multiplique la ganancia de cada ficha por el número correspondiente de fichas para obtener una ganancia no realizada. Finalmente, los datos obtenidos se estandarizarán de acuerdo con el valor de mercado en ese momento. En otras palabras, el beneficio no realizado es la "suma de los beneficios no realizados" en el mercado actual; RUP, por otro lado, normaliza estos datos en función de la capitalización bursátil para comparar las ganancias del mercado en diferentes períodos. El algoritmo de RUL es exactamente el mismo que la lógica de RUP, por lo que no entraré en detalles aquí. Como se muestra arriba, la línea verde es RUP y la línea roja es RUL. Podemos encontrar que el precio está altamente correlacionado positivamente con RUP y altamente correlacionado negativamente con RUL. Esto es intuitivo, porque a medida que aumenta el precio de la moneda, la suma de las ganancias de las fichas de ganancias no realizadas aumenta naturalmente. Pero si miramos más a fondo el gráfico anterior, encontraremos que el RUL supera al RUP (la línea roja está por encima de la línea verde) en algunos períodos, lo que significa que la posición de pérdidas y ganancias no realizada del mercado en su conjunto es negativa, ¿es esta situación de particular importancia? Sigue leyendo... Hay un viejo dicho: "Soy codicioso cuando los demás tienen miedo", cuando los poseedores de chips del mercado, el promedio general está en un estado de pérdidas, puede ser un momento digno de nosotros para ingresar al mercado para recolectar chips. Como se muestra en la figura anterior, marqué el período de tiempo de RUL > RUP para obtener este gráfico de señal. Podemos encontrar claramente que cuando RUL > RUP, ¡básicamente corresponde a un gran fondo periódico! Esto no es de ninguna manera una simple espada, la lógica es: "cuando el mercado en su conjunto está en un estado perdedor, significa que es probable que el trampero no esté dispuesto a vender sus fichas porque el precio es demasiado bajo", en el caso de una fuerte reducción de la presión de venta, siempre que haya un ligero aumento en la compra, la tendencia puede revertirse y comenzar a subir. Esta lógica es muy similar a la estrategia de búsqueda de fondo de LTH-RP introducida en el artículo anterior, y los lectores interesados pueden hojear las publicaciones anteriores. Compartir la lógica de diseño del modelo de lectura inferior de RUPL Luego, ignoremos el RUL por un momento y centrémonos en el gráfico RUP en sí, y encontraremos que los valores mínimos de RUP en la historia son en realidad muy cercanos. Por ejemplo, agregué una línea horizontal de 0,4 al gráfico RUP para que podamos ver claramente dónde < 0.4. (0.4 aquí hay un parámetro ajustable, que se mencionará nuevamente más adelante) Cuando encontramos que RUP tiene un área inferior relativamente obvia, podemos superponer la condición de RUP < 0.4 a la condición del anterior "RUP < RUL" para realizar el filtrado secundario en la señal, y el resultado es el siguiente: Este es un método muy común a la hora de diseñar modelos, con el fin de conseguir el efecto de filtrado a través de la pantalla de señal, para que nuestro modelo de diseño final pueda ser más preciso. Las dos condiciones en la figura anterior (RUP < 0.4 > RUP < RUL), el efecto de filtrado no es muy obvio, pero si mira de cerca, aún puede encontrar que de hecho hay RUP < RUL más estrictos que simples. Aquí, si ajusta 0.4 hacia abajo (por ejemplo, a 0.38), puede hacer que la señal general sea más ajustada; Pero en el proceso de ajuste de parámetros, aún debe prestar atención al problema del sobreajuste, después de todo, ¡es probable que simplemente ajustar el modelo basado en datos históricos falle en el futuro! Conclusión Lo anterior tiene que ver con la academia de datos en cadena (nueve), el próximo artículo brindará una introducción más profunda a RUP y compartirá una señal superior clásica con usted. Los lectores que estén interesados en aprender más sobre el análisis de datos en cadena, ¡asegúrense de seguir esta serie de artículos! Si quieres ver más análisis de datos en cadena y contenido didáctico, ¡sigue mi cuenta de Twitter (X)! Espero que este artículo te ayude, gracias por leer. Artículos relacionados on-chain data academy (8): ¡Una nueva metodología mágica de fijación de precios de BTC con ARK research! (III) On-Chain Data Academy (1): ¿Sabes cuál es el coste medio de BTC en todo el mercado? On-Chain Data Academy (II): ¿Cuánto cuesta para los Hodlers que siempre están ganando dinero? "On-Chain Data Academy (9): Market Barometer RUPL(I) - Data Introduction & Bottom Reading Application" Este artículo se publicó por primera vez en "Dynamic Trend - The Most Influential Blockchain News Media" de BlockTempo.