On-chain veri okulu (dokuz): Piyasa barometresi RUPL(I) veri tanıtımı & dipten satın alma uygulaması

robot
Abstract generation in progress

> Orijinal Başlık: "On-chain Veri Okulu (Dokuz): Piyasa Hava Durumu Göstergesi RUPL (I) - Veri Tanıtımı & Dipten Satın Alma Uygulamaları"

> Orijinal yazar: Bay Beg, on-chain veri analisti

TLDR

  • RUPL serisi makaleler 2 parçaya ayrılacak, bu birinci parçadır.

  • RUPL, piyasanın mevcut gerçekleşmemiş kâr durumunu gösterebilir.

  • RUPL'yi gözlemleyerek piyasa tepe ve diplerinin çalışma düzenini keşfedebilirsiniz.

  • Bu makalede RUPL tasarımına dayalı bir dipten satın al modelini paylaşacağım.

Bir, RUPL nedir?

RUPL, tam adı Relative Unrealized Profit & Loss, Türkçe'de "Göreli Gerçekleşmemiş Kar & Zarar" anlamına gelir. Bu gösterge iki parçaya ayrılabilir: RUP ve RUL.

RUP hesaplama yöntemi örneği olarak:

  1. Mevcut fiyatı her bir $BTC'nin son transfer fiyatı ile karşılaştırarak, "mevcut fiyat > son transfer fiyatı" olan chipleri kazançlı chipler olarak sınıflandırın.

2, Her kâr çipinin kâr miktarını ilgili miktarla çarparak Unrealized Profit (gerçekleşmemiş kâr) elde edin.

  1. Son olarak, bu veriyi o anki piyasa değerine göre standartlaştırma işlemi gerçekleştirilir.

Başka bir deyişle, Unrealized Profit mevcut piyasadaki toplam gerçekleşmemiş kârdır; RUP ise bunu piyasa değeri cinsinden standartlaştırarak farklı dönemlerdeki piyasa kârlarını karşılaştırmak için kullanılmaktadır. RUL'un algoritması RUP ile aynıdır, bu yazıda yeniden detaylandırılmayacaktır.

Yukarıdaki şekilde, yeşil hat RUP'u, kırmızı hat ise RUL'u temsil etmektedir. Görülebileceği gibi: fiyat RUP ile yüksek pozitif korelasyona, RUL ile ise yüksek negatif korelasyona sahiptir. Bu oldukça açıktır, çünkü kripto para fiyatı yükseldikçe, kar yapma imkanı ve gerçekleşmemiş kazanç doğal olarak artar.

Ancak yukarıdaki resmi daha ayrıntılı inceleyecek olursak, RUL'un belirli zaman dilimlerinde RUP'u (yani kırmızı çizginin yeşil çizgiyi aştığı yer, resimdeki sarı kutu) aştığını göreceğiz. Bu, piyasanın genel olarak gerçekleşmemiş zarar durumunda olduğu anlamına gelir. Peki, bu zaman dilimlerinin özel bir anlamı var mı? Lütfen okumaya devam edin.

İkincisi, RUPL'nin dipten satın al uygulaması

Üstteki gibi, iyi bir söz var: "Başkaları korkarken ben açgözlüyüm". Piyasa çoğunluğunun kayıpta olduğu durumlarda, belki de bizler için pozisyona girip token toplamak için iyi bir zaman.

Yukarıdaki Şekil 2'de, Şekil 1'de RUL > RUP olan zaman dilimlerini işaretledikten sonra bu grafiği çizdim. RUL > RUP olduğunda, neredeyse her zaman tarihsel döngü diplerinde olduğunu açıkça görebiliyoruz.

Bu bir kayıktan kılıç aramak değil, mantığı şudur:

"Piyasa genel olarak zarar durumunda olduğunda, bu, düşük fiyatlı varlıkları elinde bulunduran yatırımcıların neredeyse tasfiye işlemlerini tamamladığı anlamına gelir; sıkışıp kalan yatırımcılar genellikle fiyat çok düşük olduğu için zarar kesmeye istekli değildir, bu iki duygu iç içe geçtiğinde satış baskısı büyük ölçüde azalır, bu nedenle sadece biraz alım müdahalesi olduğunda, trendin tersine dönmesi ve yükselmeye başlaması mümkün olabilir."

Bu mantık, daha önce paylaşılan LTH-RP dipten satın alma stratejisi ile oldukça benzer. İlgilenen okuyucular bu gönderiye göz atabilir: "On-chain Veri Okulu (2): Sürekli Para Kazanan Hodler'lar, BTC'yi satın alma maliyetleri nedir?"

Üç, dipten satın al modeli tasarım mantığı paylaşımı

Sonrasında, RUL'e geçici olarak bakmayacağız, yalnızca RUP grafiklerini gözlemleyeceğiz. RUP'un tarihsel dip noktası sırasında, yakın bir değer aralığı olduğu görülebilir:

Örnek vermek gerekirse, grafiğe 0.4 seviyesinde bir yatay çizgi eklediğimde, RUP < 0.4 bölgesini net bir şekilde görebiliyorum. (Buradaki 0.4, model parametresi olup ayarlanabilir, ilerleyen bölümlerde tekrar bahsedilecektir.)

RUP'nin belirgin bir dip aralığında bulunduğunu keşfettikten sonra, RUP < 0.4 koşulunu önceki RUP < RUL koşuluyla birleştirerek ikinci sinyal filtrasyonu yapabiliriz ve aşağıdaki sonuçları elde ederiz:

Bu, model tasarımında yaygın olarak kullanılan bir yöntemdir; amacı, sinyalleri filtreleyerek daha hassas sonuçlar elde etmek ve modelin ürettiği sinyallerin daha yüksek referans değeri taşımasını sağlamaktır.

Yukarıdaki grafik, (RUP < 0.4) + (RUP < RUL) iki koşulunun kombinasyonunu göstermektedir. Filtreleme etkisi çok belirgin olmasa da, RUP < RUL'ü tek başına kullanmaktan daha titiz olduğu görülebilir. Eğer 0.4'ü küçültürseniz (örneğin 0.38 olarak ayarlarsanız), model daha katı hale gelecektir; ancak parametre ayarlama sürecinde aşırı uyum (overfitting) sorununa dikkat edilmelidir, çünkü yalnızca tarihî verilere dayanarak modeli ince ayar yapmak, modelin gelecekte başarısız olmasına neden olabilir.

Tamamlayıcı: Overfitting yani "aşırı uyum sağlama", sıkça söylediğimiz "kayıktaki kılıcı aramak" ile benzer.

Dört, Sonuç

Bu makale RUPL serisinin 1. bölümüdür; temel olarak RUPL göstergesinin tanımını ve hesaplama yöntemini tanıtarak, bu göstergeye dayalı dipten satın al modelinin mantığını paylaşmaktadır.

Bir sonraki yazımda RUPL tabanlı bir zirve kaçış uygulamasını tanıtacağım ve tarihsel döngü zirvelerini gözden geçirerek analiz edeceğim, bol bilgi olacağından eminim, lütfen bekleyin.

Orijinal bağlantı

View Original
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
  • Reward
  • Comment
  • Share
Comment
0/400
No comments
  • Pin