Este artigo é o 9º artigo da série On-Chain Data Academy, com um total de 10 artigos. Leve você passo a passo para entender a análise de dados on-chain, dê as boas-vindas aos leitores interessados para acompanhar esta série de artigos. (Sinopse: On-Chain Data Academy (6): Uma nova metodologia de precificação mágica BTC com participação ARK (I) ) (Suplemento de antecedentes: Academia de dados on-chain (7): Um novo conjunto de metodologia de precificação mágica BTC com participação ARK (II) TLDR A série de artigos da RUPL será dividida em 2, esta é a primeira RUPL pode apresentar a atual situação de "lucro e perda não realizados" do mercado Ao observar a RUPL, você pode encontrar a lei de operação do mercado superior e inferior de acordo com a RUPL O modelo de leitura inferior projetado compartilha RUPL Introdução RUPL, nome completo Lucro Relativo Não Realizado & Perda, tradução chinesa "lucro e perda não realizados relativos". O indicador em si pode ser dividido em duas partes, RUP e RUL. Tomando o RUP como exemplo, o cálculo é o seguinte: Compare o "preço atual" com o "preço na última transferência de cada BTC" e classifique as fichas com o "preço atual > último preço de transferência" como fichas de lucro. Multiplique o lucro de cada chip pelo número correspondente de fichas para obter lucro não realizado. Por fim, os dados obtidos serão padronizados de acordo com o valor de mercado naquele momento. Em outras palavras, o Lucro Não Realizado é a "soma dos lucros não realizados" no mercado atual; O RUP, por outro lado, normaliza esses dados com base na capitalização de mercado para comparar os ganhos de mercado em diferentes períodos. O algoritmo do RUL é exatamente o mesmo que a lógica do RUP, então não vou entrar em detalhes aqui. Como mostrado acima, a linha verde é RUP e a linha vermelha é RUL. Podemos descobrir que o preço está altamente correlacionado positivamente com o RUP e altamente negativamente correlacionado com o RUL. Isso é intuitivo, porque à medida que o preço da moeda sobe, a soma dos lucros das fichas de lucro não realizadas aumenta naturalmente. Mas se olharmos mais para o gráfico acima, veremos que o RUL excede o RUP (a linha vermelha está acima da linha verde) em alguns períodos, o que significa que a posição P&L não realizada do mercado como um todo é negativa, esta situação é de particular importância? Continuar a ler... Aplicação de leitura de fundo da RUPL Há um velho ditado: "Eu sou ganancioso quando os outros têm medo", quando os detentores de chips do mercado, a média geral está em um estado de perda, pode ser um momento digno de nós para entrar no mercado para coletar fichas. Como mostrado na figura acima, marquei o período de tempo do RUL > RUP para obter este gráfico de sinal. Podemos descobrir claramente que quando RUL > RUP, basicamente corresponde a um grande fundo periódico! Esta não é de forma alguma uma simples espada, a lógica é: "quando o mercado como um todo está em estado perdedor, significa que o caçador provavelmente não está disposto a vender suas fichas porque o preço está muito baixo", no caso de uma redução acentuada na pressão de venda, desde que haja um ligeiro aumento na compra, a tendência pode se inverter e começar a subir. Esta lógica é muito semelhante à estratégia de caça ao fundo LTH-RP introduzida no artigo anterior, e os leitores interessados podem folhear os posts anteriores. Compartilhando a lógica de design do modelo de leitura inferior RUPL Então, vamos ignorar o RUL por um momento e nos concentrar no gráfico RUP em si, e descobriremos que os valores inferiores do RUP na história são realmente muito próximos. Por exemplo, adicionei uma linha horizontal de 0,4 ao gráfico RUP para que possamos ver claramente onde o RUP < 0,4. (0.4 aqui é um parâmetro ajustável, que será mencionado novamente mais tarde) Quando descobrimos que o RUP tem uma área inferior relativamente óbvia, podemos sobrepor a condição do RUP < 0,4 à condição do anterior "RUP < RUL" para realizar filtragem secundária no sinal, e o resultado é o seguinte: Este é um método muito comum ao projetar modelos, a fim de alcançar o efeito de filtragem através da tela de sinal, para que nosso modelo de design final possa ser mais preciso. As duas condições na figura acima (RUP < 0,4 > RUP < RUL), o efeito de filtragem não é muito óbvio, mas se você olhar de perto, você ainda pode descobrir que existem realmente mais rigorosos do que simples RUP < RUL. Aqui, se você ajustar 0,4 para baixo (por exemplo, para 0,38), você pode tornar o sinal geral mais apertado; Mas no processo de ajuste de parâmetros, você ainda tem que prestar atenção ao problema do overfitting, afinal, simplesmente ajustar o modelo com base em dados históricos provavelmente falhará no futuro! Conclusão O acima é tudo sobre a academia de dados on-chain (nove), o próximo artigo dará uma introdução mais aprofundada ao RUP e compartilhará um sinal superior clássico com você. Leitores interessados em saber mais sobre análise de dados on-chain, não deixe de acompanhar esta série de artigos! Se você quiser ver mais análise de dados on-chain e conteúdo de ensino, por favor, siga minha conta no Twitter (X)! Espero que este artigo te ajude, obrigado pela leitura. Histórias relacionadas on-chain data academy (8): Uma nova metodologia de precificação mágica BTC com pesquisa ARK! (III) On-Chain Data Academy (1): Você sabe qual é o custo médio do BTC em todo o mercado? On-Chain Data Academy (II): Quanto custa para os Hodlers que estão sempre ganhando dinheiro? "On-Chain Data Academy (9): Market Barometer RUPL(I) - Data Introduction & Bottom Reading Application" Este artigo foi publicado pela primeira vez no "Dynamic Trend - The Most Influential Blockchain News Media" da BlockTempo.
O conteúdo é apenas para referência, não uma solicitação ou oferta. Nenhum aconselhamento fiscal, de investimento ou jurídico é fornecido. Consulte a isenção de responsabilidade para obter mais informações sobre riscos.
na cadeia dados acadêmicos (nove): termômetro de mercado RUPL (I) - introdução de dados & comprar na baixa aplicação
Este artigo é o 9º artigo da série On-Chain Data Academy, com um total de 10 artigos. Leve você passo a passo para entender a análise de dados on-chain, dê as boas-vindas aos leitores interessados para acompanhar esta série de artigos. (Sinopse: On-Chain Data Academy (6): Uma nova metodologia de precificação mágica BTC com participação ARK (I) ) (Suplemento de antecedentes: Academia de dados on-chain (7): Um novo conjunto de metodologia de precificação mágica BTC com participação ARK (II) TLDR A série de artigos da RUPL será dividida em 2, esta é a primeira RUPL pode apresentar a atual situação de "lucro e perda não realizados" do mercado Ao observar a RUPL, você pode encontrar a lei de operação do mercado superior e inferior de acordo com a RUPL O modelo de leitura inferior projetado compartilha RUPL Introdução RUPL, nome completo Lucro Relativo Não Realizado & Perda, tradução chinesa "lucro e perda não realizados relativos". O indicador em si pode ser dividido em duas partes, RUP e RUL. Tomando o RUP como exemplo, o cálculo é o seguinte: Compare o "preço atual" com o "preço na última transferência de cada BTC" e classifique as fichas com o "preço atual > último preço de transferência" como fichas de lucro. Multiplique o lucro de cada chip pelo número correspondente de fichas para obter lucro não realizado. Por fim, os dados obtidos serão padronizados de acordo com o valor de mercado naquele momento. Em outras palavras, o Lucro Não Realizado é a "soma dos lucros não realizados" no mercado atual; O RUP, por outro lado, normaliza esses dados com base na capitalização de mercado para comparar os ganhos de mercado em diferentes períodos. O algoritmo do RUL é exatamente o mesmo que a lógica do RUP, então não vou entrar em detalhes aqui. Como mostrado acima, a linha verde é RUP e a linha vermelha é RUL. Podemos descobrir que o preço está altamente correlacionado positivamente com o RUP e altamente negativamente correlacionado com o RUL. Isso é intuitivo, porque à medida que o preço da moeda sobe, a soma dos lucros das fichas de lucro não realizadas aumenta naturalmente. Mas se olharmos mais para o gráfico acima, veremos que o RUL excede o RUP (a linha vermelha está acima da linha verde) em alguns períodos, o que significa que a posição P&L não realizada do mercado como um todo é negativa, esta situação é de particular importância? Continuar a ler... Aplicação de leitura de fundo da RUPL Há um velho ditado: "Eu sou ganancioso quando os outros têm medo", quando os detentores de chips do mercado, a média geral está em um estado de perda, pode ser um momento digno de nós para entrar no mercado para coletar fichas. Como mostrado na figura acima, marquei o período de tempo do RUL > RUP para obter este gráfico de sinal. Podemos descobrir claramente que quando RUL > RUP, basicamente corresponde a um grande fundo periódico! Esta não é de forma alguma uma simples espada, a lógica é: "quando o mercado como um todo está em estado perdedor, significa que o caçador provavelmente não está disposto a vender suas fichas porque o preço está muito baixo", no caso de uma redução acentuada na pressão de venda, desde que haja um ligeiro aumento na compra, a tendência pode se inverter e começar a subir. Esta lógica é muito semelhante à estratégia de caça ao fundo LTH-RP introduzida no artigo anterior, e os leitores interessados podem folhear os posts anteriores. Compartilhando a lógica de design do modelo de leitura inferior RUPL Então, vamos ignorar o RUL por um momento e nos concentrar no gráfico RUP em si, e descobriremos que os valores inferiores do RUP na história são realmente muito próximos. Por exemplo, adicionei uma linha horizontal de 0,4 ao gráfico RUP para que possamos ver claramente onde o RUP < 0,4. (0.4 aqui é um parâmetro ajustável, que será mencionado novamente mais tarde) Quando descobrimos que o RUP tem uma área inferior relativamente óbvia, podemos sobrepor a condição do RUP < 0,4 à condição do anterior "RUP < RUL" para realizar filtragem secundária no sinal, e o resultado é o seguinte: Este é um método muito comum ao projetar modelos, a fim de alcançar o efeito de filtragem através da tela de sinal, para que nosso modelo de design final possa ser mais preciso. As duas condições na figura acima (RUP < 0,4 > RUP < RUL), o efeito de filtragem não é muito óbvio, mas se você olhar de perto, você ainda pode descobrir que existem realmente mais rigorosos do que simples RUP < RUL. Aqui, se você ajustar 0,4 para baixo (por exemplo, para 0,38), você pode tornar o sinal geral mais apertado; Mas no processo de ajuste de parâmetros, você ainda tem que prestar atenção ao problema do overfitting, afinal, simplesmente ajustar o modelo com base em dados históricos provavelmente falhará no futuro! Conclusão O acima é tudo sobre a academia de dados on-chain (nove), o próximo artigo dará uma introdução mais aprofundada ao RUP e compartilhará um sinal superior clássico com você. Leitores interessados em saber mais sobre análise de dados on-chain, não deixe de acompanhar esta série de artigos! Se você quiser ver mais análise de dados on-chain e conteúdo de ensino, por favor, siga minha conta no Twitter (X)! Espero que este artigo te ajude, obrigado pela leitura. Histórias relacionadas on-chain data academy (8): Uma nova metodologia de precificação mágica BTC com pesquisa ARK! (III) On-Chain Data Academy (1): Você sabe qual é o custo médio do BTC em todo o mercado? On-Chain Data Academy (II): Quanto custa para os Hodlers que estão sempre ganhando dinheiro? "On-Chain Data Academy (9): Market Barometer RUPL(I) - Data Introduction & Bottom Reading Application" Este artigo foi publicado pela primeira vez no "Dynamic Trend - The Most Influential Blockchain News Media" da BlockTempo.