na cadeia dados da escola (nove): termômetro de mercado RUPL (I) - introdução aos dados & comprar na baixa aplicação

robot
Geração de resumo em curso

Autor: Senhor Beg

🔸TL;DR

  • A série de artigos RUPL será dividida em 2 partes, esta é a 1ª parte

  • RUPL pode apresentar a situação atual de "ganhos e perdas não realizados" do mercado.

  • Através da observação do RUPL, é possível identificar os padrões de funcionamento dos topos e fundos do mercado.

  • Um modelo de compra baseado no design do RUPL

🟡 Introdução ao RUPL

RUPL, que significa Lucro e Perda Relativa Não Realizados, é traduzido como "lucro e perda relativa não realizados".

O indicador pode ser dividido em duas partes, que são RUP e RUL.

Tomando o RUP como exemplo, a forma de cálculo é a seguinte:

  1. Compare o "preço atual" com o "preço de transferência final de cada BTC" e classifique as fichas com "preço atual > preço de transferência final" como fichas lucrativas.

  2. Multiplique o lucro de cada ficha pelo número correspondente de fichas para obter o Lucro Não Realizado

  3. Por fim, normalize os dados obtidos com base no valor de mercado na altura.

Em outras palavras, o Lucro Não Realizado é a "soma total dos lucros não realizados" no mercado atual;

E o RUP normaliza esses dados com base na capitalização de mercado, para que se possa comparar a situação de lucros do mercado em diferentes períodos.

O algoritmo do RUL é completamente igual à lógica do RUP, portanto, não vou me alongar mais sobre isso.

Como mostrado na imagem acima, a linha verde é RUP e a linha vermelha é RUL.

Podemos observar que: o preço está altamente correlacionado positivamente com o RUP e altamente correlacionado negativamente com o RUL.

Isso é bastante intuitivo, pois à medida que o preço das moedas sobe, o total de lucros dos ativos não realizados naturalmente aumentará.

Mas se fizermos uma observação mais aprofundada da imagem acima, veremos que o RUL ultrapassa o RUP em alguns períodos (a linha vermelha está acima da linha verde).

Isto significa que a situação geral de lucros e perdas não realizados do mercado é negativa. Esta condição tem algum significado especial? Por favor, continue a ler ...

🟡 Aplicação de compra a preços baixos do RUPL

Diz-se na sabedoria antiga: "Quando os outros têm medo, eu sou ganancioso". Quando os detentores de ativos no mercado estão, em média, em estado de prejuízo,

Talvez seja um momento digno de entrarmos e acumularmos ações.

Como mostrado na imagem acima, marquei o intervalo de tempo em que RUL > RUP, obtendo este gráfico de sinal.

Podemos ver claramente que: quando RUL > RUP, isso geralmente corresponde a grandes fundos cíclicos!

Isto não é apenas um simples ato de marcar o barco para encontrar a espada; a lógica por trás é a seguinte:

"Quando o mercado geral está em um estado de perda média, isso significa que os detentores de posições perdidas provavelmente não estão dispostos a vender seus ativos devido ao preço muito baixo". Com a pressão de venda significativamente reduzida, qualquer aumento ligeiro na compra pode fazer com que a tendência se inverta e comece a subir.

Esta lógica é muito semelhante à estratégia de compra em baixa LTH-RP apresentada no artigo anterior; os leitores interessados podem consultar as postagens anteriores.

🟡 Compartilhamento da lógica de design do modelo de compra a preço de liquidação RUPL

Em seguida, vamos ignorar temporariamente o RUL e focar no gráfico RUP em si, e descobriremos que os valores mínimos históricos do RUP são na verdade muito próximos.

Por exemplo, adicionei uma linha horizontal de 0,4 no gráfico RUP, para que possamos ver claramente a posição de RUP < 0,4.

(0.4 aqui é um parâmetro ajustável, será mencionado novamente mais adiante)

Ao descobrir que o RUP tem uma área de fundo relativamente clara, podemos sobrepor a condição RUP < 0.4 à condição anterior "RUP < RUL" para realizar uma segunda filtragem do sinal, resultando nos seguintes resultados:

Este é um método frequentemente utilizado na concepção de modelos, cujo objetivo é alcançar um efeito de filtragem através de uma rede de sinais, permitindo que o modelo que projetamos seja mais preciso.

As condições na imagem acima (RUP < 0.4 & RUP < RUL) não têm um efeito de filtragem muito evidente.

Mas se olharmos com atenção, ainda podemos perceber que realmente existem condições mais rigorosas do que apenas RUP < RUL.

Aqui, se você diminuir 0.4 (por exemplo, ajustando para 0.38), isso tornará o sinal geral mais rigoroso;

Mas, durante o processo de ajuste de parâmetros, ainda é necessário ter atenção ao problema do Overfitting, afinal, ajustar o modelo apenas com base em dados históricos pode muito provavelmente falhar no futuro!

Ver original
O conteúdo serve apenas de referência e não constitui uma solicitação ou oferta. Não é prestado qualquer aconselhamento em matéria de investimento, fiscal ou jurídica. Consulte a Declaração de exoneração de responsabilidade para obter mais informações sobre os riscos.
  • Recompensa
  • Comentar
  • Partilhar
Comentar
0/400
Nenhum comentário
  • Pino
Negocie cripto em qualquer lugar e a qualquer hora
qrCode
Digitalizar para transferir a aplicação Gate.io
Novidades
Português (Portugal)
  • 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)