Эта статья является 9-й статьей в серии On-Chain Data Academy, всего 10 статей. Шаг за шагом мы познакомим вас с анализом данных в сети, приглашаем заинтересованных читателей следить за этой серией статей. (Синопсис: On-Chain Data Academy (6): Новая методология магического ценообразования BTC с участием ARK (I) ) (Справочное дополнение: On-chain data academy (7): Новый набор методологии магического ценообразования BTC с участием ARK (II) Серия статей TLDR RUPL будет разделена на 2 части, это первый RUPL может представить текущую ситуацию с «нереализованными прибылями и убытками» на рынке Наблюдая за RUPL, вы можете найти закон работы верхней и нижней части рынка Один по RUPL Разработанная модель с нижним чтением разделяет RUPL Введение RUPL, полное название Relative Unrealize Profit & Loss, что в переводе с китайского означает «относительная нереализованная прибыль и убыток». Сам индикатор можно разделить на две части: RUP и RUL. Взяв в качестве примера RUP, расчет выглядит следующим образом: сравните «текущую цену» с «ценой при последнем переводе каждого BTC» и классифицируйте фишки с «текущей ценой > ценой последнего перевода» как фишки прибыли. Умножьте прибыль каждой фишки на соответствующее количество фишек, чтобы получить нереализованную прибыль. Наконец, полученные данные будут стандартизированы в соответствии с рыночной стоимостью на тот момент. Другими словами, нереализованная прибыль – это «сумма нереализованной прибыли» на текущем рынке; RUP, с другой стороны, нормализует эти данные на основе рыночной капитализации, чтобы сравнить рыночную прибыль за разные периоды. Алгоритм RUL точно такой же, как и логика RUP, поэтому я не буду вдаваться в подробности. Как показано выше, зеленая линия — это RUP, а красная — RUL. Мы можем обнаружить, что цена очень положительно коррелирует с RUP и сильно отрицательно коррелирует с RUL. Это интуитивно понятно, потому что по мере роста цены монеты сумма прибыли от нереализованных фишек прибыли естественным образом увеличивается. Но если мы посмотрим дальше на график выше, то обнаружим, что RUL превышает RUP (красная линия выше зеленой) на нескольких периодах, а это значит, что нереализованная P&L позиция рынка в целом отрицательная, имеет ли эта ситуация особое значение? Читать дальше... Есть старая поговорка: «Я жадный, когда другие боятся», когда держатели фишек рынка, общий средний показатель находится в убыточном состоянии, возможно, это достойное нас время, чтобы выйти на рынок, чтобы забрать фишки. Как показано на рисунке выше, я выделил временной период RUL > RUP, чтобы получить этот график сигнала. Мы можем ясно обнаружить, что когда RUL > RUP, это в основном соответствует периодическому большому дну! Это отнюдь не простой меч, логика такая: «когда рынок в целом находится в убыточном состоянии, это означает, что траппер, скорее всего, не захочет продавать свои фишки из-за слишком низкой цены», в случае резкого снижения давления продавцов, пока есть небольшой рост покупок, тренд может развернуться и начать расти. Эта логика очень похожа на стратегию охоты за дном LTH-RP, представленную в предыдущей статье, и заинтересованные читатели могут пролистать предыдущие посты. Разделяем логику проектирования модели чтения дна RUPL Затем давайте на мгновение отвлечемся от RUL и сосредоточимся на самом графике RUP, и мы обнаружим, что нижние значения RUP в истории на самом деле очень близки. Например, я добавил на график RUP горизонтальную линию 0,4, чтобы мы могли четко видеть, где RUP < 0.4. (0.4 здесь настраиваемый параметр, о котором мы еще раз упомянем позже) Когда мы обнаружим, что RUP имеет относительно очевидную нижнюю область, мы можем наложить условие RUP < 0.4 на условие предыдущего "RUP < RUL" для выполнения вторичной фильтрации сигнала, и результат будет следующим: Это очень распространенный метод при проектировании моделей, чтобы добиться эффекта фильтрации через сигнальный экран, чтобы наша окончательная расчетная модель могла быть более точной. Два условия на рисунке выше (RUP < 0,4 > RUP < RUL) эффект фильтрации не очень очевиден, но если присмотреться, то все же можно обнаружить, что есть действительно более строгие, чем простые RUP < RUL. Здесь, если вы настроите 0.4 вниз (например, на 0.38), вы можете сделать общий сигнал более плотным; Но в процессе настройки параметров все равно придется обратить внимание на проблему переобучения, ведь простая подгонка модели на основе исторических данных, скорее всего, не удастся в будущем! Заключение Выше все об ончейн-академии данных (девять), в следующей статье мы дадим более глубокое введение в RUP и поделимся с вами классическим топ-сигналом. Читатели, которым интересно узнать больше об ончейн-анализе данных, обязательно следите за этой серией статей! Если вы хотите увидеть больше ончейн-анализа данных и обучающего контента, пожалуйста, подпишитесь на мой аккаунт в Twitter (X)! Надеюсь, эта статья вам поможет, спасибо, что прочитали. Материалы по теме Ончейн-академия данных (8): новая волшебная методология ценообразования BTC с исследованиями ARK! (III) On-Chain Data Academy (1): Знаете ли вы, какова средняя стоимость BTC на всем рынке? On-Chain Data Academy (II): Сколько это стоит ходлерам, которые всегда зарабатывают деньги? «On-Chain Data Academy (9): Market Barometer RUPL(I) - Data Introduction & Bottom Reading Application» Эта статья была впервые опубликована в BlockTempo's "Dynamic Trend - The Most Influence Blockchain News Media".
Содержание носит исключительно справочный характер и не является предложением или офертой. Консультации по инвестициям, налогообложению или юридическим вопросам не предоставляются. Более подробную информацию о рисках см. в разделе «Дисклеймер».
в блокчейне данные учебное заведение (九): рыночный барометр RUPL (I) - введение в данные & покупайте падения применения
Эта статья является 9-й статьей в серии On-Chain Data Academy, всего 10 статей. Шаг за шагом мы познакомим вас с анализом данных в сети, приглашаем заинтересованных читателей следить за этой серией статей. (Синопсис: On-Chain Data Academy (6): Новая методология магического ценообразования BTC с участием ARK (I) ) (Справочное дополнение: On-chain data academy (7): Новый набор методологии магического ценообразования BTC с участием ARK (II) Серия статей TLDR RUPL будет разделена на 2 части, это первый RUPL может представить текущую ситуацию с «нереализованными прибылями и убытками» на рынке Наблюдая за RUPL, вы можете найти закон работы верхней и нижней части рынка Один по RUPL Разработанная модель с нижним чтением разделяет RUPL Введение RUPL, полное название Relative Unrealize Profit & Loss, что в переводе с китайского означает «относительная нереализованная прибыль и убыток». Сам индикатор можно разделить на две части: RUP и RUL. Взяв в качестве примера RUP, расчет выглядит следующим образом: сравните «текущую цену» с «ценой при последнем переводе каждого BTC» и классифицируйте фишки с «текущей ценой > ценой последнего перевода» как фишки прибыли. Умножьте прибыль каждой фишки на соответствующее количество фишек, чтобы получить нереализованную прибыль. Наконец, полученные данные будут стандартизированы в соответствии с рыночной стоимостью на тот момент. Другими словами, нереализованная прибыль – это «сумма нереализованной прибыли» на текущем рынке; RUP, с другой стороны, нормализует эти данные на основе рыночной капитализации, чтобы сравнить рыночную прибыль за разные периоды. Алгоритм RUL точно такой же, как и логика RUP, поэтому я не буду вдаваться в подробности. Как показано выше, зеленая линия — это RUP, а красная — RUL. Мы можем обнаружить, что цена очень положительно коррелирует с RUP и сильно отрицательно коррелирует с RUL. Это интуитивно понятно, потому что по мере роста цены монеты сумма прибыли от нереализованных фишек прибыли естественным образом увеличивается. Но если мы посмотрим дальше на график выше, то обнаружим, что RUL превышает RUP (красная линия выше зеленой) на нескольких периодах, а это значит, что нереализованная P&L позиция рынка в целом отрицательная, имеет ли эта ситуация особое значение? Читать дальше... Есть старая поговорка: «Я жадный, когда другие боятся», когда держатели фишек рынка, общий средний показатель находится в убыточном состоянии, возможно, это достойное нас время, чтобы выйти на рынок, чтобы забрать фишки. Как показано на рисунке выше, я выделил временной период RUL > RUP, чтобы получить этот график сигнала. Мы можем ясно обнаружить, что когда RUL > RUP, это в основном соответствует периодическому большому дну! Это отнюдь не простой меч, логика такая: «когда рынок в целом находится в убыточном состоянии, это означает, что траппер, скорее всего, не захочет продавать свои фишки из-за слишком низкой цены», в случае резкого снижения давления продавцов, пока есть небольшой рост покупок, тренд может развернуться и начать расти. Эта логика очень похожа на стратегию охоты за дном LTH-RP, представленную в предыдущей статье, и заинтересованные читатели могут пролистать предыдущие посты. Разделяем логику проектирования модели чтения дна RUPL Затем давайте на мгновение отвлечемся от RUL и сосредоточимся на самом графике RUP, и мы обнаружим, что нижние значения RUP в истории на самом деле очень близки. Например, я добавил на график RUP горизонтальную линию 0,4, чтобы мы могли четко видеть, где RUP < 0.4. (0.4 здесь настраиваемый параметр, о котором мы еще раз упомянем позже) Когда мы обнаружим, что RUP имеет относительно очевидную нижнюю область, мы можем наложить условие RUP < 0.4 на условие предыдущего "RUP < RUL" для выполнения вторичной фильтрации сигнала, и результат будет следующим: Это очень распространенный метод при проектировании моделей, чтобы добиться эффекта фильтрации через сигнальный экран, чтобы наша окончательная расчетная модель могла быть более точной. Два условия на рисунке выше (RUP < 0,4 > RUP < RUL) эффект фильтрации не очень очевиден, но если присмотреться, то все же можно обнаружить, что есть действительно более строгие, чем простые RUP < RUL. Здесь, если вы настроите 0.4 вниз (например, на 0.38), вы можете сделать общий сигнал более плотным; Но в процессе настройки параметров все равно придется обратить внимание на проблему переобучения, ведь простая подгонка модели на основе исторических данных, скорее всего, не удастся в будущем! Заключение Выше все об ончейн-академии данных (девять), в следующей статье мы дадим более глубокое введение в RUP и поделимся с вами классическим топ-сигналом. Читатели, которым интересно узнать больше об ончейн-анализе данных, обязательно следите за этой серией статей! Если вы хотите увидеть больше ончейн-анализа данных и обучающего контента, пожалуйста, подпишитесь на мой аккаунт в Twitter (X)! Надеюсь, эта статья вам поможет, спасибо, что прочитали. Материалы по теме Ончейн-академия данных (8): новая волшебная методология ценообразования BTC с исследованиями ARK! (III) On-Chain Data Academy (1): Знаете ли вы, какова средняя стоимость BTC на всем рынке? On-Chain Data Academy (II): Сколько это стоит ходлерам, которые всегда зарабатывают деньги? «On-Chain Data Academy (9): Market Barometer RUPL(I) - Data Introduction & Bottom Reading Application» Эта статья была впервые опубликована в BlockTempo's "Dynamic Trend - The Most Influence Blockchain News Media".