Cet article est le 7e de la série de 10 articles de l’On-Chain Data Academy. Vous emmener étape par étape pour comprendre l’analyse de données on-chain, invitons les lecteurs intéressés à suivre cette série d’articles. (Synopsis : On-Chain Data Academy (6) : Un nouvel ensemble de méthodologies de tarification passionnantes pour le BTC avec la participation de l’ARK (I) (Supplément de contexte : On-chain Data Academy (I) : Savez-vous quel est le coût moyen du BTC sur l’ensemble du marché ? Il s’agit du deuxième de la série TLDR Cointime Price qui sera divisée en trois, et il est fortement recommandé de lire d’abord l’article précédent de cette série ! Cet article présentera l’une des principales méthodologies d’application de Cointime Price Partage de modèle personnel : Modèle d’écart de prix Cointime Cointime Price Simple Review Cointime Price est un concept proposé par Cointime Economics, qui évalue le juste prix du BTC grâce à la conception d’une « pondération temporelle », qui est plus flexible et sensible que les simples LTH et TH. Dans le même temps, dans ce cadre de conception, il peut également exclure efficacement l’influence des puces perdues dans les temps anciens. Si vous êtes nouveau sur Cointime Price, il est fortement recommandé de lire d’abord l’article précédent ! L’écart de prix de Cointime est l’un des modèles que j’ai personnellement conçus lors de l’étude des données on-chain, et ce qui suit expliquera comment ce modèle est conçu et comment nous allons l’utiliser pour porter des jugements d’échappement. Quantifier l’écart entre le prix actuel et le prix du Cointime Étant donné que le prix du Cointime est très représentatif du coût réel de détention des jetons BTC, plus précisément, le coût de détention des « détenteurs à long terme » (car plus le temps de détention est long, plus l’impact sur le prix du Cointime est important). Par conséquent, lorsque le prix actuel s’écarte trop du prix du Cointime, cela augmentera théoriquement l’incitation pour les détenteurs à long terme à prendre des bénéfices et à distribuer des jetons. Je conçois la formule du taux d’écart (ratio de distribution) comme suit : Taux d’écart = (prix actuel – prix Cointime) / prix actuel Comme le montre la figure, nous pouvons obtenir l’état du ratio de distribution (ligne violette). Comme vous pouvez le voir, chaque fois que le ratio de distribution est à un niveau élevé, c’est la position supérieure correspondante. Si c’est le cas, qu’est-ce qu’une « position haute » ? Les individus ici définiront statistiquement les positions élevées, comme détaillé ci-dessous. Deuxièmement, la définition des valeurs extrêmes de l’écart de prix Cointime Vous pouvez regarder à nouveau le graphique ci-dessus, et vous constaterez que le niveau élevé de l’écart n’est pas facile à définir. Le pic de déviation correspondant au sommet de chaque marché haussier montre des signes de légère baisse, il n’est donc évidemment pas rigoureux de définir le sommet avec un nombre fixe. Pour le résoudre, j’ai adopté le concept d'« écart-type » en statistique : Calculer la moyenne et l’écart-type des valeurs d’écart historiques Définir « moyenne + n écarts-types » comme « lieu élevé », ci-après dénommé Seuil, puis lisser la moyenne de la valeur de l’écart Lorsque la valeur moyenne de l’écart est > Seuil, le signal supérieur s’affiche Comme le montre la figure ci-dessus, un tel graphique peut être obtenu après le traitement ci-dessus. Voici deux points supplémentaires : Le « n » dans la « moyenne + n écarts-types » ci-dessus est un paramètre réglable, et plus le n est grand, plus les conditions d’apparition du signal sont strictes L’objectif principal du « traitement de lissage de la moyenne mobile » ci-dessus est de filtrer le bruit Après avoir marqué la partie de la ligne violette de la figure 2 au-delà de la ligne orange sur le graphique des prix, vous pouvez obtenir le signal comme indiqué dans la figure ci-dessus. Conclusion Ce qui précède est tout le contenu de l’académie de données on-chain (sept), et il y aura un enseignement détaillé pour Cointime Price à l’avenir, lecteurs qui sont intéressés à apprendre l’analyse de données on-chain plus en profondeur, n’oubliez pas de suivre cette série d’articles ! Si vous voulez voir plus d’analyse de données on-chain et de contenu pédagogique, veuillez suivre mon compte Twitter (X) ! J’espère que cet article vous aidera, merci d’avoir lu. On-Chain Data Academy (II) : Combien cela coûte-t-il pour les Hodlers qui gagnent toujours de l’argent ? On-chain data academy (3) : Les makers en bas de l’échelle ont-ils fait des bénéfices ? On-Chain Data Academy (4) : Carte visuelle de distribution des prix des puces BTC [On-Chain Data Academy (7) : Une nouvelle méthodologie de tarification magique BTC (II) avec la participation d’ARK Cet article a été publié pour la première fois dans « Dynamic Trends - The Most Influential Blockchain News Media » de BlockTempo.
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
Données on-chain École (7) : un piège novateur, méthodologie de tarification magique BTC participant à ARK (II)
Cet article est le 7e de la série de 10 articles de l’On-Chain Data Academy. Vous emmener étape par étape pour comprendre l’analyse de données on-chain, invitons les lecteurs intéressés à suivre cette série d’articles. (Synopsis : On-Chain Data Academy (6) : Un nouvel ensemble de méthodologies de tarification passionnantes pour le BTC avec la participation de l’ARK (I) (Supplément de contexte : On-chain Data Academy (I) : Savez-vous quel est le coût moyen du BTC sur l’ensemble du marché ? Il s’agit du deuxième de la série TLDR Cointime Price qui sera divisée en trois, et il est fortement recommandé de lire d’abord l’article précédent de cette série ! Cet article présentera l’une des principales méthodologies d’application de Cointime Price Partage de modèle personnel : Modèle d’écart de prix Cointime Cointime Price Simple Review Cointime Price est un concept proposé par Cointime Economics, qui évalue le juste prix du BTC grâce à la conception d’une « pondération temporelle », qui est plus flexible et sensible que les simples LTH et TH. Dans le même temps, dans ce cadre de conception, il peut également exclure efficacement l’influence des puces perdues dans les temps anciens. Si vous êtes nouveau sur Cointime Price, il est fortement recommandé de lire d’abord l’article précédent ! L’écart de prix de Cointime est l’un des modèles que j’ai personnellement conçus lors de l’étude des données on-chain, et ce qui suit expliquera comment ce modèle est conçu et comment nous allons l’utiliser pour porter des jugements d’échappement. Quantifier l’écart entre le prix actuel et le prix du Cointime Étant donné que le prix du Cointime est très représentatif du coût réel de détention des jetons BTC, plus précisément, le coût de détention des « détenteurs à long terme » (car plus le temps de détention est long, plus l’impact sur le prix du Cointime est important). Par conséquent, lorsque le prix actuel s’écarte trop du prix du Cointime, cela augmentera théoriquement l’incitation pour les détenteurs à long terme à prendre des bénéfices et à distribuer des jetons. Je conçois la formule du taux d’écart (ratio de distribution) comme suit : Taux d’écart = (prix actuel – prix Cointime) / prix actuel Comme le montre la figure, nous pouvons obtenir l’état du ratio de distribution (ligne violette). Comme vous pouvez le voir, chaque fois que le ratio de distribution est à un niveau élevé, c’est la position supérieure correspondante. Si c’est le cas, qu’est-ce qu’une « position haute » ? Les individus ici définiront statistiquement les positions élevées, comme détaillé ci-dessous. Deuxièmement, la définition des valeurs extrêmes de l’écart de prix Cointime Vous pouvez regarder à nouveau le graphique ci-dessus, et vous constaterez que le niveau élevé de l’écart n’est pas facile à définir. Le pic de déviation correspondant au sommet de chaque marché haussier montre des signes de légère baisse, il n’est donc évidemment pas rigoureux de définir le sommet avec un nombre fixe. Pour le résoudre, j’ai adopté le concept d'« écart-type » en statistique : Calculer la moyenne et l’écart-type des valeurs d’écart historiques Définir « moyenne + n écarts-types » comme « lieu élevé », ci-après dénommé Seuil, puis lisser la moyenne de la valeur de l’écart Lorsque la valeur moyenne de l’écart est > Seuil, le signal supérieur s’affiche Comme le montre la figure ci-dessus, un tel graphique peut être obtenu après le traitement ci-dessus. Voici deux points supplémentaires : Le « n » dans la « moyenne + n écarts-types » ci-dessus est un paramètre réglable, et plus le n est grand, plus les conditions d’apparition du signal sont strictes L’objectif principal du « traitement de lissage de la moyenne mobile » ci-dessus est de filtrer le bruit Après avoir marqué la partie de la ligne violette de la figure 2 au-delà de la ligne orange sur le graphique des prix, vous pouvez obtenir le signal comme indiqué dans la figure ci-dessus. Conclusion Ce qui précède est tout le contenu de l’académie de données on-chain (sept), et il y aura un enseignement détaillé pour Cointime Price à l’avenir, lecteurs qui sont intéressés à apprendre l’analyse de données on-chain plus en profondeur, n’oubliez pas de suivre cette série d’articles ! Si vous voulez voir plus d’analyse de données on-chain et de contenu pédagogique, veuillez suivre mon compte Twitter (X) ! J’espère que cet article vous aidera, merci d’avoir lu. On-Chain Data Academy (II) : Combien cela coûte-t-il pour les Hodlers qui gagnent toujours de l’argent ? On-chain data academy (3) : Les makers en bas de l’échelle ont-ils fait des bénéfices ? On-Chain Data Academy (4) : Carte visuelle de distribution des prix des puces BTC [On-Chain Data Academy (7) : Une nouvelle méthodologie de tarification magique BTC (II) avec la participation d’ARK Cet article a été publié pour la première fois dans « Dynamic Trends - The Most Influential Blockchain News Media » de BlockTempo.