ชื่อเรื่องเดิม: "On-chain Data Academy (VII): วิธีการกำหนดราคาสุดมหัศจรรย์ของ $BTC แบบใหม่ (II) ซึ่ง Ark ได้มีส่วนร่วมในการวิจัย"
ผู้เขียนเดิม: คุณเบิร์ก นักวิเคราะห์ข้อมูลบนเครือข่าย
บทความนี้เป็นบทความที่ 7 ในชุด On-chain Data Academy โดยมีทั้งหมด 10 บทความ เราจะพาคุณทีละขั้นตอนเพื่อทำความเข้าใจการวิเคราะห์ข้อมูลบนเครือข่าย ผู้สนใจสามารถติดตามบทความชุดนี้ได้
การอ่านที่เกี่ยวข้อง: "On-chain Data School (VI): วิธีการกำหนดราคา BTC แบบใหม่และมหัศจรรย์ซึ่ง Ark ได้มีส่วนร่วมในการวิจัย (I)"
- มีบทความสามบทความในซีรีส์ Cointime Price และบทความนี้เป็นบทความที่สอง
- บทความนี้จะแนะนำวิธีการใช้งานของ Cointime Price เพื่อหลีกหนีจากจุดสูงสุด
- บทความนี้จะแนะนำโมเดลการเบี่ยงเบนที่ออกแบบเอง
แนวคิดของราคา Cointime มาจาก Cointime Economics ซึ่งใช้แนวทาง "ถ่วงน้ำหนักตามระยะเวลา" เพื่อประเมินราคาที่เหมาะสมของ BTC
เมื่อเปรียบเทียบกับ LTH (ผู้ถือระยะยาว) และ STH (ผู้ถือระยะสั้น) ทั่วไป Cointime Price จะมีความยืดหยุ่นและละเอียดอ่อนมากกว่า ในเวลาเดียวกัน โมเดลนี้สามารถแยกผลกระทบของ BTC ที่สูญเสียไปในสมัยโบราณได้อย่างมีประสิทธิภาพ
บทความแรกได้แนะนำราคาของ Cointime และแอปพลิเคชันการเลือกจากตัวเลือกล่างสุดอย่างละเอียด หากคุณเข้าใจแนวคิดแล้ว มาเข้าสู่หัวข้อประจำวันนี้อย่างเป็นทางการ: แอปพลิเคชัน top-escape กันเลย
การเบี่ยงเบนราคาของ Cointime เป็นหนึ่งในโมเดลที่ฉันออกแบบเมื่อศึกษาข้อมูลบนเชน และได้ถูกนำไปใช้ในรายงานรายสัปดาห์ของการวิเคราะห์การหลีกหนีจากจุดสูงสุด
ทวีตที่เกี่ยวข้อง: [แนะนำสุดยอดโมเดลที่หลบหนี](https://x.com/market_beggar/status/1870763628645032213)
ต่อไปนี้จะอธิบายหลักการออกแบบโมเดลและวิธีใช้โมเดลเพื่อกำหนดจุดสูงสุดของ BTC เนื้อหาทั้งหมดในบทความนี้เป็นงานวิจัยต้นฉบับ กระบวนการวิจัยไม่ใช่เรื่องง่าย และเราหวังว่าคุณจะสนับสนุนเรา
เหตุใดเราจึงต้องวัดระดับความเบี่ยงเบน?
- ราคา Cointime แสดงให้เห็นถึงต้นทุนการถือครองที่แท้จริงของชิป BTC โดยเฉพาะต้นทุนการถือครองของผู้ถือในระยะยาว (LTH)
- เนื่องจากผู้ถือในระยะยาวมีผลกระทบต่อราคา Cointime มากกว่า เมื่อราคาปัจจุบันของ BTC สูงกว่าราคา Cointime อย่างมาก แรงจูงใจของผู้ถือในระยะยาวในการทำกำไรก็จะเพิ่มขึ้น ซึ่งอาจกระตุ้นพฤติกรรมการแจกจ่าย
· สูตรการคำนวณ: อัตราเบี่ยงเบน = (ราคาปัจจุบัน - ราคาต่อเหรียญ) / ราคาปัจจุบัน
· อัตราการเบี่ยงเบนที่สังเกตได้ (อัตราส่วนการกระจาย)

ดังที่แสดงในรูป เราสามารถหาเส้นโค้งอัตราส่วนการกระจาย (เส้นสีม่วง) ได้ เราจะเห็นได้ว่าเมื่อใดก็ตามที่อัตราส่วนการกระจายสูง มักจะตรงกับยอดของ BTC
แล้วคุณจะนิยามคำว่า "สูง" ว่าอย่างไร? ต่อไปเราจะใช้วิธีการทางสถิติเพื่อแก้ปัญหานี้
หากเราสังเกตข้อมูลในอดีต เราจะพบว่าจุดสูงสุดของการเบี่ยงเบนนั้นไม่คงที่ ในตลาดกระทิงแต่ละครั้ง ค่าจุดสูงสุดของค่าเบี่ยงเบนจะลดลงเล็กน้อย ดังนั้นการใช้ค่าคงที่เพียงเพื่อกำหนด "ตำแหน่งสูง" จึงไม่ใช่เรื่องเข้มงวดนัก
ในโซลูชัน ฉันนำแนวคิดของ "ค่าเบี่ยงเบนมาตรฐาน" มาใช้ในสถิติ:
· คำนวณค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐานของข้อมูลค่าเบี่ยงเบนในอดีต
· กำหนด “ค่าเฉลี่ย + ค่าเบี่ยงเบนมาตรฐาน n” เป็น “ระดับสูง (สัญญาณสูงสุด)” และบันทึกเป็นค่าเกณฑ์
· ปรับข้อมูลส่วนเบี่ยงเบนให้เรียบโดยใช้ค่าเฉลี่ยเคลื่อนที่เพื่อลดสัญญาณรบกวน
· เมื่อค่าเฉลี่ยเคลื่อนที่ของค่าเบี่ยงเบน > เกณฑ์ สัญญาณสูงสุดถูกกระตุ้น
· เหตุใดจึงต้องใช้ค่าเบี่ยงเบนมาตรฐาน?
· แนวโน้มทางประวัติศาสตร์ของการเบี่ยงเบนมีลักษณะของการกลับสู่ค่าเฉลี่ย (ดังแสดงในรูปภาพ)
· ค่าเบี่ยงเบนมาตรฐานวัดความผันผวน เมื่อราคา BTC มีความผันผวนน้อยลง Threshold ก็จะถูกปรับแบบไดนามิกเพื่อให้มีความยืดหยุ่นมากขึ้น

ดังที่แสดงไว้ด้านบน หลังจากดำเนินการตามข้างต้นแล้ว เราจะได้ภาพเช่นนี้
· คำอธิบายเพิ่มเติม
- ค่า n ใน “ค่าเฉลี่ย + ค่าเบี่ยงเบนมาตรฐาน n” ข้อ 2 เป็นพารามิเตอร์ที่ปรับได้: เมื่อ n มีค่ามากขึ้น ความน่าจะเป็นที่สัญญาณจุดยอดจะปรากฏก็จะน้อยลง และแบบจำลองก็จะเข้มงวดยิ่งขึ้น
- การปรับค่าเฉลี่ยเคลื่อนที่ในจุดที่ 3: กรองความผันผวนของตลาดในระยะสั้นออกไปเป็นหลัก และปรับปรุงความน่าเชื่อถือของสัญญาณ

ดังที่แสดงในรูป เมื่อเส้นสีม่วง (อัตราส่วนการกระจาย) เกินเส้นสีส้ม (เกณฑ์) ราคา BTC ที่เกี่ยวข้องมักจะอยู่ที่จุดสูงสุดเป็นระยะ
บทความนี้เป็นบทความที่สองในซีรีส์ราคา Cointime เป็นการสานต่อแนวคิดจากบทความก่อนหน้าและแบ่งปันวิธีที่ผู้คนใช้ Cointime Price เพื่อออกแบบโมเดลการหลบหนีจากจุดสูงสุด
· สรุปประเด็นสำคัญ: - การเบี่ยงเบนของราคา Cointime จะระบุปริมาณการเบี่ยงเบนระหว่างราคา BTC ปัจจุบันและราคา Cointime อนุมานแรงจูงใจของผู้ถือในระยะยาว และใช้เพื่อกำหนดจุดสูงสุดของ BTC
- วิธี “ค่าเบี่ยงเบนมาตรฐาน” ใช้เพื่อกำหนดสัญญาณสูงสุดแบบไดนามิกเพื่อให้แน่ใจว่าแบบจำลองมีการปรับตัวได้มากขึ้น
- โมเดลนี้ได้รับการนำมาใช้กับรายงานรายสัปดาห์และสามารถจับสัญญาณ BTC ระดับสูงได้อย่างมีประสิทธิภาพ
แผนงานถัดไป:
- บทความที่สามในซีรีส์นี้จะสำรวจการใช้ราคาของ Cointime ในการหลีกหนีจากจุดสูงสุดต่อไป ดังนั้นโปรดติดตามต่อไป
ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:
กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats
กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App
บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia