> Tiêu đề gốc: "Học viện dữ liệu on-chain (Chương 9): Thước đo thị trường RUPL (I) - Giới thiệu dữ liệu & ứng dụng mua đáy"
> Tác giả gốc: Ông Baige, nhà phân tích dữ liệu on-chain
TLDR
Chuỗi bài viết RUPL sẽ được chia thành 2 bài, đây là bài đầu tiên.
RUPL có thể trình bày trạng thái lợi nhuận chưa thực hiện hiện tại của thị trường.
Qua việc quan sát RUPL, có thể phát hiện quy luật hoạt động của đỉnh và đáy thị trường.
Bài viết này sẽ chia sẻ một mô hình mua đáy dựa trên thiết kế RUPL
Một, RUPL là gì?
RUPL, viết tắt của Relative Unrealized Profit & Loss, tiếng Trung là「相对未实现损益」. Chỉ số này có thể được chia thành hai phần: RUP và RUL.
Ví dụ về cách tính RUP:
1、So sánh giá hiện tại với giá của mỗi $BTC khi chuyển nhượng lần cuối, phân loại những đồng tiền có "giá hiện tại > giá chuyển nhượng cuối cùng" là đồng tiền có lợi nhuận.
2、Nhân số lợi nhuận của mỗi chip lợi nhuận với số lượng tương ứng, để có được Unrealized Profit (Lợi nhuận chưa thực hiện).
3、Cuối cùng, chuẩn hóa dữ liệu này dựa trên giá trị thị trường tại thời điểm đó.
Nói cách khác, Lợi nhuận chưa thực hiện (Unrealized Profit) là tổng lợi nhuận chưa thực hiện hiện tại trên thị trường; trong khi đó, RUP là việc chuẩn hóa nó theo tiêu chuẩn vốn hóa thị trường, để có thể so sánh tình hình lợi nhuận của các thời kỳ khác nhau. Thuật toán của RUL giống như RUP, bài viết này sẽ không nhắc lại.
Như hình trên, đường màu xanh lá là RUP, đường màu đỏ là RUL. 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 trực quan, vì khi giá coin tăng, lợi nhuận và lợi nhuận chưa thực hiện tự nhiên tăng lên.
Nhưng nếu quan sát kỹ hơn hình trên, sẽ thấy RUL trong một số khoảng thời gian cao hơn RUP (tức là đường đỏ cao hơn đường xanh, như ở khu vực khung vàng trong hình), điều này cho thấy thị trường tổng thể đang trong trạng thái lỗ chưa thực hiện, vậy những khoảng thời gian này có ý nghĩa đặc biệt gì không? Xin hãy tiếp tục đọc bên dưới.
Hai, ứng dụng mua đáy của RUPL
Theo đó, có một câu nói rất hay: "Khi người khác sợ hãi, tôi tham lam", khi phần lớn các mã chứng khoán trên thị trường đang trong trạng thái thua lỗ, có lẽ đó là thời điểm tốt để chúng ta vào thị trường thu thập mã.
Như hình trên, tôi đã đánh dấu khoảng thời gian RUL > RUP trong hình một và vẽ biểu đồ này. Có thể thấy rõ ràng: khi RUL > RUP, hầu như đều ở đáy chu kỳ lịch sử.
Điều này không phải là khắc thuyền tìm kiếm kiếm, mà logic nằm ở:
"Khi thị trường đang trong trạng thái thua lỗ tổng thể, điều này có nghĩa là các nhà đầu tư nắm giữ một lượng lớn cổ phiếu giá thấp đã cơ bản hoàn thành việc phân phối; trong khi những nhà đầu tư bị kẹt thường không muốn cắt lỗ vì giá quá thấp, hai loại tâm lý này đan xen vào nhau, dẫn đến áp lực bán giảm mạnh, vì vậy chỉ cần có một chút lực mua tham gia, có thể thúc đẩy sự đảo chiều xu hướng và bắt đầu tăng."
Logic này rất giống với chiến lược mua đáy LTH-RP đã được chia sẻ trước đó, các độc giả có thể tham khảo bài viết này: "Dữ liệu chuỗi (phần 2): Những Hodlers luôn kiếm tiền, chi phí mua BTC của họ là bao nhiêu?"
Ba, chia sẻ logic thiết kế mô hình mua đáy
Tiếp theo, chúng ta tạm thời không xem RUL, quan sát riêng biểu đồ RUP, có thể thấy RUP có một khoảng giá trị khá gần khi ở đáy lịch sử:
Ví dụ, tôi thêm một đường ngang 0.4 vào biểu đồ, có thể thấy rõ vùng RUP < 0.4. (Ở đây, 0.4 là tham số mô hình, có thể điều chỉnh, sẽ được đề cập sau.)
Vì đã phát hiện RUP tồn tại trong khoảng đáy rõ ràng, chúng ta có thể chồng điều kiện RUP < 0.4 lên điều kiện RUP < RUL trước đó, để thực hiện lọc tín hiệu lần hai, thu được kết quả như sau:
Đây là cách thường được sử dụng trong thiết kế mô hình, mục đích là thông qua việc lọc tín hiệu để đạt được hiệu quả chính xác hơn, làm cho tín hiệu đầu ra của mô hình có giá trị tham khảo hơn.
Hình trên hiển thị sự kết hợp của hai điều kiện (RUP < 0.4) + (RUP < RUL), mặc dù hiệu ứng lọc không quá nổi bật, nhưng vẫn có thể thấy rõ tính chính xác hơn so với việc chỉ sử dụng RUP < RUL. Nếu giảm 0.4 xuống (ví dụ đặt thành 0.38), mô hình sẽ nghiêm ngặt hơn, nhưng trong quá trình tinh chỉnh tham số cần chú ý đến vấn đề quá khớp (overfitting), vì việc điều chỉnh mô hình chỉ dựa trên dữ liệu lịch sử có thể dẫn đến việc mô hình không còn hiệu lực trong tương lai.
Phụ lục: Overfitting có nghĩa là "overfitting", tương tự như những gì chúng ta thường gọi là khắc một chiếc thuyền cho một thanh kiếm.
Bốn, Kết luận
Bài viết này là bài đầu tiên trong chuỗi RUPL, chủ yếu giới thiệu định nghĩa và cách tính chỉ số RUPL, đồng thời chia sẻ logic mô hình mua đáy được thiết kế dựa trên chỉ số này.
Bài tiếp theo tôi sẽ giới thiệu một ứng dụng thực chiến thoát đỉnh dựa trên RUPL, và sẽ phân tích và đánh giá lại đỉnh chu kỳ lịch sử, đảm bảo đầy đủ thông tin hữu ích, xin vui lòng chờ đợi.
Liên kết gốc
：
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 trên chuỗi học viện (Chín): Thước đo thời tiết thị trường RUPL(I) Giới thiệu dữ liệu & ứng dụng mua đáy
> Tiêu đề gốc: "Học viện dữ liệu on-chain (Chương 9): Thước đo thị trường RUPL (I) - Giới thiệu dữ liệu & ứng dụng mua đáy"
> Tác giả gốc: Ông Baige, nhà phân tích dữ liệu on-chain
TLDR
Chuỗi bài viết RUPL sẽ được chia thành 2 bài, đây là bài đầu tiên.
RUPL có thể trình bày trạng thái lợi nhuận chưa thực hiện hiện tại của thị trường.
Qua việc quan sát RUPL, có thể phát hiện quy luật hoạt động của đỉnh và đáy thị trường.
Bài viết này sẽ chia sẻ một mô hình mua đáy dựa trên thiết kế RUPL
Một, RUPL là gì?
RUPL, viết tắt của Relative Unrealized Profit & Loss, tiếng Trung là「相对未实现损益」. Chỉ số này có thể được chia thành hai phần: RUP và RUL.
Ví dụ về cách tính RUP:
1、So sánh giá hiện tại với giá của mỗi $BTC khi chuyển nhượng lần cuối, phân loại những đồng tiền có "giá hiện tại > giá chuyển nhượng cuối cùng" là đồng tiền có lợi nhuận.
2、Nhân số lợi nhuận của mỗi chip lợi nhuận với số lượng tương ứng, để có được Unrealized Profit (Lợi nhuận chưa thực hiện).
3、Cuối cùng, chuẩn hóa dữ liệu này dựa trên giá trị thị trường tại thời điểm đó.
Nói cách khác, Lợi nhuận chưa thực hiện (Unrealized Profit) là tổng lợi nhuận chưa thực hiện hiện tại trên thị trường; trong khi đó, RUP là việc chuẩn hóa nó theo tiêu chuẩn vốn hóa thị trường, để có thể so sánh tình hình lợi nhuận của các thời kỳ khác nhau. Thuật toán của RUL giống như RUP, bài viết này sẽ không nhắc lại.
Như hình trên, đường màu xanh lá là RUP, đường màu đỏ là RUL. 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 trực quan, vì khi giá coin tăng, lợi nhuận và lợi nhuận chưa thực hiện tự nhiên tăng lên.
Nhưng nếu quan sát kỹ hơn hình trên, sẽ thấy RUL trong một số khoảng thời gian cao hơn RUP (tức là đường đỏ cao hơn đường xanh, như ở khu vực khung vàng trong hình), điều này cho thấy thị trường tổng thể đang trong trạng thái lỗ chưa thực hiện, vậy những khoảng thời gian này có ý nghĩa đặc biệt gì không? Xin hãy tiếp tục đọc bên dưới.
Hai, ứng dụng mua đáy của RUPL
Theo đó, có một câu nói rất hay: "Khi người khác sợ hãi, tôi tham lam", khi phần lớn các mã chứng khoán trên thị trường đang trong trạng thái thua lỗ, có lẽ đó là thời điểm tốt để chúng ta vào thị trường thu thập mã.
Như hình trên, tôi đã đánh dấu khoảng thời gian RUL > RUP trong hình một và vẽ biểu đồ này. Có thể thấy rõ ràng: khi RUL > RUP, hầu như đều ở đáy chu kỳ lịch sử.
Điều này không phải là khắc thuyền tìm kiếm kiếm, mà logic nằm ở:
"Khi thị trường đang trong trạng thái thua lỗ tổng thể, điều này có nghĩa là các nhà đầu tư nắm giữ một lượng lớn cổ phiếu giá thấp đã cơ bản hoàn thành việc phân phối; trong khi những nhà đầu tư bị kẹt thường không muốn cắt lỗ vì giá quá thấp, hai loại tâm lý này đan xen vào nhau, dẫn đến áp lực bán giảm mạnh, vì vậy chỉ cần có một chút lực mua tham gia, có thể thúc đẩy sự đảo chiều xu hướng và bắt đầu tăng."
Logic này rất giống với chiến lược mua đáy LTH-RP đã được chia sẻ trước đó, các độc giả có thể tham khảo bài viết này: "Dữ liệu chuỗi (phần 2): Những Hodlers luôn kiếm tiền, chi phí mua BTC của họ là bao nhiêu?"
Ba, chia sẻ logic thiết kế mô hình mua đáy
Tiếp theo, chúng ta tạm thời không xem RUL, quan sát riêng biểu đồ RUP, có thể thấy RUP có một khoảng giá trị khá gần khi ở đáy lịch sử:
Ví dụ, tôi thêm một đường ngang 0.4 vào biểu đồ, có thể thấy rõ vùng RUP < 0.4. (Ở đây, 0.4 là tham số mô hình, có thể điều chỉnh, sẽ được đề cập sau.)
Vì đã phát hiện RUP tồn tại trong khoảng đáy rõ ràng, chúng ta có thể chồng điều kiện RUP < 0.4 lên điều kiện RUP < RUL trước đó, để thực hiện lọc tín hiệu lần hai, thu được kết quả như sau:
Đây là cách thường được sử dụng trong thiết kế mô hình, mục đích là thông qua việc lọc tín hiệu để đạt được hiệu quả chính xác hơn, làm cho tín hiệu đầu ra của mô hình có giá trị tham khảo hơn.
Hình trên hiển thị sự kết hợp của hai điều kiện (RUP < 0.4) + (RUP < RUL), mặc dù hiệu ứng lọc không quá nổi bật, nhưng vẫn có thể thấy rõ tính chính xác hơn so với việc chỉ sử dụng RUP < RUL. Nếu giảm 0.4 xuống (ví dụ đặt thành 0.38), mô hình sẽ nghiêm ngặt hơn, nhưng trong quá trình tinh chỉnh tham số cần chú ý đến vấn đề quá khớp (overfitting), vì việc điều chỉnh mô hình chỉ dựa trên dữ liệu lịch sử có thể dẫn đến việc mô hình không còn hiệu lực trong tương lai.
Phụ lục: Overfitting có nghĩa là "overfitting", tương tự như những gì chúng ta thường gọi là khắc một chiếc thuyền cho một thanh kiếm.
Bốn, Kết luận
Bài viết này là bài đầu tiên trong chuỗi RUPL, chủ yếu giới thiệu định nghĩa và cách tính chỉ số RUPL, đồng thời chia sẻ logic mô hình mua đáy được thiết kế dựa trên chỉ số này.
Bài tiếp theo tôi sẽ giới thiệu một ứng dụng thực chiến thoát đỉnh dựa trên RUPL, và sẽ phân tích và đánh giá lại đỉnh chu kỳ lịch sử, đảm bảo đầy đủ thông tin hữu ích, xin vui lòng chờ đợi.
Liên kết gốc
：