Data On-Chain Academy (Nine): Market Barometer RUPL (I) - Pengenalan Data & Buy the Dip Application

robot
Pembuatan abstrak sedang berlangsung

Penulis: Tuan Beg

🔸TL;DR

  • Seri artikel RUPL akan dibagi menjadi 2 bagian, ini adalah bagian 1

  • RUPL dapat menunjukkan status "keuntungan dan kerugian yang belum direalisasi" saat ini di pasar.

  • Melalui pengamatan RUPL, dapat ditemukan pola pergerakan puncak dan dasar pasar.

  • Sebuah model pembelian berdasarkan desain RUPL

🟡 RUPL diperkenalkan

RUPL, singkatan dari Relative Unrealized Profit & Loss, diterjemahkan sebagai "keuntungan dan kerugian yang belum direalisasi relatif".

Indikator itu sendiri dapat dibagi menjadi dua bagian, yaitu RUP dan RUL.

Sebagai contoh RUP, cara perhitungannya adalah sebagai berikut:

  1. Bandingkan "harga saat ini" dengan "harga terakhir saat setiap BTC dipindahkan", klasifikasikan chip "harga saat ini > harga terakhir dipindahkan" sebagai chip yang menguntungkan.

  2. Kalikan setiap keuntungan chip dengan jumlah chip yang sesuai untuk mendapatkan Keuntungan yang Belum Direalisasi

  3. Terakhir, data yang diperoleh akan dinormalisasi berdasarkan nilai pasar saat itu.

Dengan kata lain, Unrealized Profit adalah "total keuntungan yang belum direalisasikan" di pasar saat ini.

Sedangkan RUP adalah standar yang menormalkan data ini berdasarkan nilai pasar, agar dapat membandingkan kondisi keuntungan pasar pada periode yang berbeda.

Algoritma RUL sama sekali tidak berbeda dengan logika RUP, jadi saya tidak akan menjelaskan lebih lanjut di sini.

Seperti gambar di atas, garis hijau adalah RUP, garis merah adalah RUL.

Kita dapat menemukan: harga memiliki korelasi positif yang tinggi dengan RUP, dan korelasi negatif yang tinggi dengan RUL.

Ini sangat intuitif, karena dengan kenaikan harga koin, total keuntungan dari chip yang belum direalisasikan secara alami akan meningkat.

Namun, jika kita mengamati gambar di atas lebih lanjut, kita akan menemukan bahwa RUL dalam beberapa periode akan melebihi RUP (garis merah berada di atas garis hijau),

Ini berarti bahwa kondisi keuntungan dan kerugian yang belum direalisasi secara keseluruhan di pasar adalah negatif. Apakah kondisi ini memiliki arti khusus? Silakan lanjutkan membaca ...

🟡 Aplikasi Memanfaatkan Penurunan RUPL

Ada pepatah kuno yang mengatakan: "Saat orang lain takut, saya rakus". Ketika pemegang aset di pasar secara keseluruhan rata-rata berada dalam keadaan rugi,

Mungkin ini adalah waktu yang layak bagi kita untuk masuk dan mengumpulkan saham.

Seperti pada gambar di atas, saya menandai periode waktu RUL > RUP, sehingga menghasilkan grafik sinyal ini.

Kita dapat dengan jelas menemukan: ketika RUL > RUP, itu hampir selalu sesuai dengan dasar siklik yang besar!

Ini bukan sekadar mencari pedang di perahu, logikanya adalah:

"Ketika pasar secara keseluruhan berada dalam kondisi kerugian rata-rata, itu berarti bahwa para pemegang yang terjebak mungkin tidak mau menjual saham mereka karena harganya terlalu rendah," dalam keadaan tekanan jual yang sangat rendah, selama ada sedikit peningkatan dalam pembelian, itu mungkin dapat membalikkan tren dan mulai naik.

Logika ini sangat mirip dengan strategi LTH-RP yang diperkenalkan dalam artikel sebelumnya. Pembaca yang tertarik dapat merujuk pada postingan sebelumnya.

🟡 Berbagi logika desain model bottom-fishing RUPL

Selanjutnya, mari kita abaikan RUL untuk sementara dan fokus pada grafik RUP itu sendiri, kita akan menemukan bahwa nilai terendah RUP dalam sejarah sebenarnya sangat mendekati.

Sebagai contoh, saya menambahkan garis horizontal 0,4 pada grafik RUP, sehingga kita dapat dengan jelas melihat posisi RUP < 0,4.

(Parameter 0.4 di sini adalah parameter yang dapat disesuaikan, akan disebutkan lagi nanti)

Ketika menemukan bahwa RUP memiliki area dasar yang relatif jelas, kita dapat menambahkan kondisi RUP < 0.4 ke kondisi sebelumnya "RUP < RUL" untuk melakukan penyaringan kedua pada sinyal, hasilnya adalah sebagai berikut:

Ini adalah metode yang umum digunakan saat merancang model, tujuannya adalah untuk mencapai efek penyaringan melalui jaring sinyal, sehingga model yang kita desain akhirnya dapat menjadi lebih akurat.

Dua kondisi di atas (RUP < 0.4 & RUP < RUL) sebenarnya tidak menunjukkan efek penyaringan yang sangat jelas.

Tetapi jika Anda melihat lebih dekat, Anda masih dapat melihat bahwa memang ada RUP yang lebih ketat < RUL daripada hanya RUP.

Di sini, jika 0.4 dikurangi (misalnya diubah menjadi 0.38), sinyal keseluruhan akan menjadi lebih ketat;

Namun dalam proses penyesuaian parameter, tetap harus memperhatikan masalah Overfitting, karena hanya berdasarkan data historis untuk menyesuaikan model, sangat mungkin akan gagal di masa depan!

Lihat Asli
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
  • Hadiah
  • Komentar
  • Bagikan
Komentar
0/400
Tidak ada komentar
  • Sematkan
Perdagangkan Kripto Di Mana Saja Kapan Saja
qrCode
Pindai untuk mengunduh aplikasi Gate.io
Komunitas
Indonesia
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)