原文標題：《鏈上數據學堂（七）：一套嶄新、Ark 參與研究的 $BTC 神奇定價方法論 (II)》

原文作者：貝格先生，鏈上數據分析師

如果對 Cointime Price 還不熟悉，建議先閱讀第一篇文章：《鏈上數據學堂（六）：一套嶄新、Ark 參與研究的 BTC 神奇定價方法論 (I)》

TLDR

• Cointime Price 系列文章共三篇，本文為第二篇

• 本文將介紹 Cointime Price 在逃頂中的應用方法

• 本文將介紹個人設計的偏離度模型

一、Cointime Price 簡要複習

Cointime Price 概念源自 Cointime Economics，採用「時間加權」的方式評估 BTC 的公允價格。

相比單純的 LTH（長期持有者）和 STH（短期持有者），Cointime Price 更具彈性，且更加敏感，同時，該模型還能有效排除遠古時期已丟失 BTC 的影響。

第一篇文章詳細介紹了 Cointime Price 及其抄底應用，如果已經理解概念，那就正式進入今天的主題：逃頂應用

二、逃頂應用方法論：Cointime Price Deviation 模型設計

Cointime Price Deviation（Cointime Price 偏離度）是我在研究鏈上數據時自行設計的模型之一，並已被應用在每週逃頂分析的週報中。

相關推文：[逃頂模型介紹](

下文將講解模型設計原理，以及如何利用該模型判斷 BTC 頂部。本文所有內容均為原創研究，研究過程不易，還請各位多多支持

1. 量化現價與 Cointime Price 的偏離程度

為什麼要衡量偏離程度？

• Cointime Price 高度代表 BTC 籌碼的真實持倉成本，特別是長期持有者（LTH）的持倉成本。

• 由於長期持有者對 Cointime Price 影響更大，當 BTC 現價大幅高於 Cointime Price 時，長期持有者的獲利了結動機會上升，可能引發派發行為。

· 計算公式：偏離率 =（現價 - Cointime Price）/ 現價

· 觀察偏離率（派發比率）

如圖，我們可以得到派發比率曲線（紫線）。我們可以看到：每當派發比率處於高位，往往對應 BTC 頂部。

那麼，如何定義「高位」呢？接下來，我們用統計學方法來解決這個問題

2. Cointime Price Deviation 極端值定義

如果我們觀察歷史數據，會發現 Deviation 的高位並不固定，在每輪牛市中，Deviation 峰值都略有下降。因此，單純使用固定數值來定義「高位」是不嚴謹的。

在解決上，我採用統計學「標準差」的概念：

· 計算曆史 Deviation 數據的均值和標準差。

· 定義「均值 + n 個標準差」為「高位（頂部信號）」，記作 Threshold。

· 對 Deviation 數據進行均線平滑化，減少噪音。

· 當 Deviation 的均線值 > Threshold 時，觸發頂部信號。

· 為何採用標準差？

· Deviation 的歷史走勢具有均值迴歸的特性（如圖）。

· 標準差衡量波動性，當 BTC 價格波動變小時，Threshold 也會動態調整，更具彈性。

如上圖，進行上述的處理後，我們可以得到這樣一張圖。

· 補充說明

• 第 2 點「均值 + n 個標準差」中的 n 為可調參數：當 n 越大，頂點信號出現的概率越低，模型更嚴格。

• 第 3 點的均線平滑處理：主要過濾市場短期波動，提高信號可靠性。

3. 逃頂信號示例

如圖，當紫線（派發比率）超出橙線（Threshold）時，對應的 BTC 價格往往處於階段性頂部。

三、結語

本文是 Cointime Price 系列 的第二篇，延續前文的概念，分享了個人如何利用 Cointime Price 設計逃頂模型。

· 總結核心觀點：

• Cointime Price Deviation 通過量化 BTC 現價與 Cointime Price 的偏離，推測長期持有者的派發動機，用於判斷 BTC 頂部。

• 採用「標準差」方法動態定義頂部信號，確保模型更具適應性。

• 模型已實際應用於週報，並能有效捕捉 BTC 高位信號。

後續計劃：

• 本系列第三篇文章將繼續探討 Cointime Price 在逃頂中的應用，敬請期待

原文鏈接

：