Titre original : « L'école de données off-chain (sept) : un nouveau piége, la méthode de tarification magique de $BTC, co-recherchée par Ark (II) »

Auteur original : M. Beg, analyste de données off-chain

Si vous n'êtes pas encore familier avec le Cointime Price, il est conseillé de lire d'abord le premier article : « École de données on-chain (6) : un piége nouveau, méthode de tarification magique BTC recherchée par Ark (I) »

TLDR

• La série d'articles Cointime Price se compose de trois articles, celui-ci est le deuxième.

• Cet article présentera la méthode d'application de Cointime Price dans la chasse au sommet.

• Cet article présentera un modèle de déviation conçu par un particulier.

I. Révision brève du prix de Cointime

Le concept de prix Cointime provient de l'économie Cointime et évalue le prix équitable du BTC en utilisant une méthode de « pondération temporelle ».

Comparé aux LTH (long terme) et STH (court terme) purs, le prix Cointime est plus flexible et plus sensible, tout en permettant également d'éliminer efficacement l'impact des BTC perdus depuis l'époque ancienne.

Le premier article présente en détail Cointime Price et son application de rachat. Si vous avez déjà compris le concept, entrons officiellement dans le sujet d'aujourd'hui : l'application d'évasion.

II. Méthodologie d'application pour éviter les sommets : Conception du modèle de déviation des prix Cointime

Cointime Price Deviation (Cointime Price偏离度) est l'un des modèles que j'ai conçu lors de mes recherches sur les données off-chain et a été appliqué dans le rapport hebdomadaire d'analyse des sommets.

Tweets associés : [Modèle de fuite](

Le texte ci-dessous expliquera les principes de conception du modèle, ainsi que la manière d'utiliser ce modèle pour déterminer le sommet du BTC. Tout le contenu de cet article est une recherche originale, le processus de recherche n'est pas facile, donc je vous prie de soutenir davantage.

1. Degré de déviation entre le prix actuel quantifié et le prix Cointime

Pourquoi mesurer le degré d'écart ?

• Le prix Cointime représente le coût réel de détention des jetons BTC, en particulier le coût de détention des investisseurs à long terme (LTH).

• Étant donné que les détenteurs à long terme ont un impact plus important sur le prix de Cointime, lorsque le prix actuel de BTC est largement supérieur au prix de Cointime, la motivation des détenteurs à long terme à prendre des bénéfices augmentera, ce qui pourrait déclencher un comportement de distribution.

· Formule de calcul : Taux de déviation = (Prix actuel - Cointime Price) / Prix actuel

· Taux d'écart (taux de distribution)

Comme montré sur le graphique, nous pouvons obtenir la courbe de taux de distribution (ligne violette). Nous pouvons voir que : chaque fois que le taux de distribution est élevé, cela correspond souvent au sommet du BTC.

Alors, comment définir un « niveau élevé » ? Ensuite, nous allons résoudre ce problème en utilisant des méthodes statistiques.

2. Définition des valeurs extrêmes de l'écart de prix Cointime

Si nous examinons les données historiques, nous constatons que le niveau élevé de la Déviation n'est pas fixe, et lors de chaque cycle de marché haussier, le pic de la Déviation diminue légèrement. Par conséquent, il n'est pas rigoureux de définir un "niveau élevé" simplement en utilisant une valeur fixe.

Dans la résolution, j'adopte le concept de "écart-type" en statistique :

· Calculer la moyenne et l'écart type des données de déviation historiques.

· Définir « moyenne + n écarts-types » comme « niveau élevé (signal de sommet) », noté Threshold.

· Lissage des données de déviation par moyenne mobile pour réduire le bruit.

· Lorsque la valeur moyenne de Deviation > Threshold, un signal de sommet est déclenché.

· Pourquoi utiliser l'écart type ?

· L'historique de la déviation présente des caractéristiques de retour à la moyenne (voir figure).

· L'écart type mesure la volatilité, lorsque la fluctuation du prix de BTC diminue, le Threshold s'ajuste également dynamiquement, devenant plus flexible.

Comme indiqué sur l'image ci-dessus, après avoir effectué le traitement mentionné, nous pouvons obtenir une image comme celle-ci.

· Informations complémentaires

• Le point 2 « moyenne + n écarts-types » où n est un paramètre ajustable : plus n est grand, plus la probabilité d'apparition du signal de sommet est faible, le modèle est plus strict.

• Traitement de lissage des moyennes mobiles au point 3 : principalement pour filtrer les fluctuations à court terme du marché et améliorer la fiabilité des signaux.

3. Exemple de signal de fuite

Comme montré sur le graphique, lorsque la ligne violette (taux de distribution) dépasse la ligne orange (seuil), le prix du BTC correspondant se trouve souvent au sommet d'une phase.

Trois, conclusion

Cet article est le deuxième de la série Cointime Price, poursuivant le concept de l'article précédent et partageant comment un individu utilise Cointime Price pour concevoir un modèle de piège.

· Résumé des points clés :

• Cointime Price Deviation en quantifiant la déviation du prix actuel du BTC par rapport au Cointime Price, on peut déduire le moteur de distribution des détenteurs à long terme, utilisé pour juger du sommet du BTC.

• Utiliser la méthode de "l'écart type" pour définir dynamiquement les signaux de sommet, afin d'assurer que le modèle soit plus adaptable.

• Le modèle a été appliqué dans le rapport hebdomadaire et peut capturer efficacement les signaux de haut niveau de BTC.

Planification future :

• Le troisième article de cette série continuera d'explorer l'application du Cointime Price dans le piège de la vente, restez à l'écoute.

Lien original

：