Chuỗi bài viết RUPL sẽ được chia thành 2 bài, đây là bài thứ 1
RUPL có thể hiện trạng thái "lãi lỗ chưa thực hiện" hiện tại của thị trường.
Qua việc quan sát RUPL có thể phát hiện quy luật vận hành của đỉnh và đáy thị trường.
Một mô hình bắt đáy được thiết kế dựa trên RUPL
🟡 Giới thiệu RUPL
RUPL, viết tắt của Relative Unrealized Profit & Loss, có nghĩa là "Lợi nhuận và thua lỗ chưa thực hiện tương đối".
Chỉ số có thể được chia thành hai phần, lần lượt là RUP và RUL.
Lấy RUP làm ví dụ, cách tính như sau:
So sánh "giá hiện tại" với "giá của mỗi đồng BTC tại lần chuyển nhượng cuối cùng", phân loại các chip "giá hiện tại > giá chuyển nhượng cuối cùng" là chip có lãi.
Nhân lợi nhuận của từng chip với số lượng chip tương ứng, để có được Lợi nhuận chưa thực hiện
Cuối cùng, hãy chuẩn hóa dữ liệu nhận được theo giá trị thị trường tại thời điểm đó.
Nói cách khác, Lợi nhuận chưa thực hiện là tổng số "lợi nhuận chưa thực hiện" hiện có trên thị trường.
RUP được chuẩn hóa dữ liệu này dựa trên giá trị thị trường, để có thể so sánh tình hình lợi nhuận thị trường ở các thời kỳ khác nhau.
Thuật toán của RUL hoàn toàn giống với logic của RUP, ở đây không cần phải nói thêm.
Như hình trên, đường màu xanh lá cây là RUP, đường màu đỏ là RUL.
Chúng ta có thể thấy: giá cả có mối tương quan tích cực cao với RUP, và mối tương quan tiêu cực cao với RUL.
Điều này rất hiển nhiên, vì khi giá coin tăng, tổng lợi nhuận của các mã chưa thực hiện lợi nhuận tự nhiên sẽ tăng theo.
Nhưng nếu chúng ta quan sát hình trên một cách sâu hơn, sẽ phát hiện RUL trong một số thời điểm sẽ vượt qua RUP (đường đỏ nằm trên đường xanh),
Điều này có nghĩa là tình trạng lãi lỗ chưa thực hiện tổng thể của thị trường là âm, tình trạng này có ý nghĩa đặc biệt gì không? Xin vui lòng tiếp tục đọc ...
🟡 Ứng dụng bắt đáy RUPL
Cổ ngữ có câu: "Khi người khác sợ hãi, tôi tham lam", khi những người nắm giữ cổ phiếu trên thị trường, trung bình tổng thể đang ở trạng thái thua lỗ,
Có lẽ đây là thời điểm đáng để chúng ta vào cuộc gom hàng.
Như hình trên, tôi đã đánh dấu khoảng thời gian RUL > RUP, và có được biểu đồ tín hiệu này.
Chúng ta có thể nhận thấy rất rõ: khi RUL > RUP, hầu hết đều tương ứng với đáy lớn theo chu kỳ!
Điều này không chỉ đơn thuần là việc khắc thuyền tìm kiếm kiếm, mà logic của nó nằm ở:
"Khi thị trường trung bình đang trong tình trạng thua lỗ, điều này có nghĩa là những người bị kẹt rất có thể vì giá quá thấp mà không muốn bán những đồng tiền trong tay họ", trong bối cảnh áp lực bán giảm mạnh, chỉ cần có một chút sự gia tăng trong lực mua, có thể khiến xu hướng đảo chiều và bắt đầu tăng.
Logic này rất giống với chiến lược LTH-RP đã được giới thiệu trong bài viết trước, độc giả có thể xem lại bài viết trước đó nếu có hứng thú.
🟡 Chia sẻ logic thiết kế mô hình bắt đáy RUPL
Tiếp theo, hãy tạm thời bỏ qua RUL, tập trung vào biểu đồ RUP chính nó, chúng ta sẽ nhận thấy rằng giá trị đáy lịch sử của RUP thực sự rất gần.
Ví dụ, tôi đã thêm một đường ngang 0,4 trên biểu đồ RUP, giúp chúng ta có thể thấy rõ vị trí của RUP < 0.4.
(0.4 ở đây là một tham số có thể điều chỉnh, sẽ được đề cập lại sau)
Khi phát hiện RUP có một khu vực đáy tương đối rõ ràng, chúng ta có thể chồng thêm điều kiện RUP < 0.4 lên điều kiện trước đó "RUP < RUL" để thực hiện lọc tín hiệu thứ hai, kết quả thu được như sau:
Đây là một phương pháp thường được sử dụng trong thiết kế mô hình, mục đích là đạt được hiệu ứng lọc thông qua lưới tín hiệu, để mô hình mà chúng ta thiết kế cuối cùng có thể chính xác hơn.
Hai điều kiện trong hình trên (RUP < 0.4 & RUP < RUL) thực sự không có hiệu quả lọc rõ ràng lắm,
Nhưng nếu nhìn kỹ thì vẫn có thể phát hiện ra,确实有比单纯的 RUP < RUL 更严格.
Tại đây, nếu giảm 0.4 xuống (ví dụ điều chỉnh thành 0.38), sẽ làm cho tín hiệu tổng thể trở nên nghiêm ngặt hơn;
Nhưng trong quá trình điều chỉnh các tham số, vẫn cần lưu ý đến vấn đề Overfitting, vì rốt cuộc chỉ dựa vào dữ liệu lịch sử để điều chỉnh mô hình rất có thể sẽ không hiệu quả trong tương lai!
Xem bản gốc
Nội dung chỉ mang tính chất tham khảo, không phải là lời chào mời hay đề nghị. Không cung cấp tư vấn về đầu tư, thuế hoặc pháp lý. Xem Tuyên bố miễn trừ trách nhiệm để biết thêm thông tin về rủi ro.
Dữ liệu học viện trên chuỗi (Chín): Thước đo thị trường RUPL (I) - Giới thiệu dữ liệu & mua đáy ứng dụng
Tác giả: ông Bè Gê
🔸TL;DR
Chuỗi bài viết RUPL sẽ được chia thành 2 bài, đây là bài thứ 1
RUPL có thể hiện trạng thái "lãi lỗ chưa thực hiện" hiện tại của thị trường.
Qua việc quan sát RUPL có thể phát hiện quy luật vận hành của đỉnh và đáy thị trường.
Một mô hình bắt đáy được thiết kế dựa trên RUPL
🟡 Giới thiệu RUPL
RUPL, viết tắt của Relative Unrealized Profit & Loss, có nghĩa là "Lợi nhuận và thua lỗ chưa thực hiện tương đối".
Chỉ số có thể được chia thành hai phần, lần lượt là RUP và RUL.
Lấy RUP làm ví dụ, cách tính như sau:
So sánh "giá hiện tại" với "giá của mỗi đồng BTC tại lần chuyển nhượng cuối cùng", phân loại các chip "giá hiện tại > giá chuyển nhượng cuối cùng" là chip có lãi.
Nhân lợi nhuận của từng chip với số lượng chip tương ứng, để có được Lợi nhuận chưa thực hiện
Cuối cùng, hãy chuẩn hóa dữ liệu nhận được theo giá trị thị trường tại thời điểm đó.
Nói cách khác, Lợi nhuận chưa thực hiện là tổng số "lợi nhuận chưa thực hiện" hiện có trên thị trường.
RUP được chuẩn hóa dữ liệu này dựa trên giá trị thị trường, để có thể so sánh tình hình lợi nhuận thị trường ở các thời kỳ khác nhau.
Thuật toán của RUL hoàn toàn giống với logic của RUP, ở đây không cần phải nói thêm.
Như hình trên, đường màu xanh lá cây là RUP, đường màu đỏ là RUL.
Chúng ta có thể thấy: giá cả có mối tương quan tích cực cao với RUP, và mối tương quan tiêu cực cao với RUL.
Điều này rất hiển nhiên, vì khi giá coin tăng, tổng lợi nhuận của các mã chưa thực hiện lợi nhuận tự nhiên sẽ tăng theo.
Nhưng nếu chúng ta quan sát hình trên một cách sâu hơn, sẽ phát hiện RUL trong một số thời điểm sẽ vượt qua RUP (đường đỏ nằm trên đường xanh),
Điều này có nghĩa là tình trạng lãi lỗ chưa thực hiện tổng thể của thị trường là âm, tình trạng này có ý nghĩa đặc biệt gì không? Xin vui lòng tiếp tục đọc ...
🟡 Ứng dụng bắt đáy RUPL
Cổ ngữ có câu: "Khi người khác sợ hãi, tôi tham lam", khi những người nắm giữ cổ phiếu trên thị trường, trung bình tổng thể đang ở trạng thái thua lỗ,
Có lẽ đây là thời điểm đáng để chúng ta vào cuộc gom hàng.
Như hình trên, tôi đã đánh dấu khoảng thời gian RUL > RUP, và có được biểu đồ tín hiệu này.
Chúng ta có thể nhận thấy rất rõ: khi RUL > RUP, hầu hết đều tương ứng với đáy lớn theo chu kỳ!
Điều này không chỉ đơn thuần là việc khắc thuyền tìm kiếm kiếm, mà logic của nó nằm ở:
"Khi thị trường trung bình đang trong tình trạng thua lỗ, điều này có nghĩa là những người bị kẹt rất có thể vì giá quá thấp mà không muốn bán những đồng tiền trong tay họ", trong bối cảnh áp lực bán giảm mạnh, chỉ cần có một chút sự gia tăng trong lực mua, có thể khiến xu hướng đảo chiều và bắt đầu tăng.
Logic này rất giống với chiến lược LTH-RP đã được giới thiệu trong bài viết trước, độc giả có thể xem lại bài viết trước đó nếu có hứng thú.
🟡 Chia sẻ logic thiết kế mô hình bắt đáy RUPL
Tiếp theo, hãy tạm thời bỏ qua RUL, tập trung vào biểu đồ RUP chính nó, chúng ta sẽ nhận thấy rằng giá trị đáy lịch sử của RUP thực sự rất gần.
Ví dụ, tôi đã thêm một đường ngang 0,4 trên biểu đồ RUP, giúp chúng ta có thể thấy rõ vị trí của RUP < 0.4.
(0.4 ở đây là một tham số có thể điều chỉnh, sẽ được đề cập lại sau)
Khi phát hiện RUP có một khu vực đáy tương đối rõ ràng, chúng ta có thể chồng thêm điều kiện RUP < 0.4 lên điều kiện trước đó "RUP < RUL" để thực hiện lọc tín hiệu thứ hai, kết quả thu được như sau:
Đây là một phương pháp thường được sử dụng trong thiết kế mô hình, mục đích là đạt được hiệu ứng lọc thông qua lưới tín hiệu, để mô hình mà chúng ta thiết kế cuối cùng có thể chính xác hơn.
Hai điều kiện trong hình trên (RUP < 0.4 & RUP < RUL) thực sự không có hiệu quả lọc rõ ràng lắm,
Nhưng nếu nhìn kỹ thì vẫn có thể phát hiện ra,确实有比单纯的 RUP < RUL 更严格.
Tại đây, nếu giảm 0.4 xuống (ví dụ điều chỉnh thành 0.38), sẽ làm cho tín hiệu tổng thể trở nên nghiêm ngặt hơn;
Nhưng trong quá trình điều chỉnh các tham số, vẫn cần lưu ý đến vấn đề Overfitting, vì rốt cuộc chỉ dựa vào dữ liệu lịch sử để điều chỉnh mô hình rất có thể sẽ không hiệu quả trong tương lai!