Corn于2025-01-22获得金额为830萬美元的社群輪融资

我這一代人，點過煤油燈，看過黑白電視，看過漫畫書，騎過28個酒吧，買了一毛錢冰棒，吃了一分錢的拉絲糖果，吃了2毛錢的霜淇淋，拿了一根玉米稈當甘蔗，在村口偷瓜，在小溪裡摸魚蝦，鑽過麥田，抓蚱蜢， 這一切，昨天似乎都成了遙遠的記憶， 我小時候戴在手腕上的手錶， 從未走過， 卻帶走了我們的美好時光， ！ 小時候， 我想從商店買所有東西， 但我口袋裡沒有錢， 長大后，超市裡什麼都能買到，卻不知道買什麼才能開心，小時候哭笑不得，長大後哭過...... 雞毛一地生活，80后兄弟姐妹們辛苦了！！

到2025年，比特幣價格將超過190,000美元 在長期戰略中，我們深入挖掘影響比特幣價格的關鍵因素。 通過精確計算這些因素與比特幣價格的相關性，我們發現它們與比特幣的價值密切相關。 為了更有效地預測比特幣的合理價格，我們構建了一個預測模型，根據歷史經驗，確定了價格偏差的極限值，並計算了價格的上限和下限，觀察比特幣價格和價格的上下限可以指導交易，並根據當前數據，計算出2025年比特幣價格的上限。 歷史模擬證明，該模型的預測結果與實際價格吻合較好，充分證明瞭其預測價格波動的可靠性。 正如艾倫·格林斯潘所說，“當未來不可預測和不確定時，人們往往會選擇停滯不前，規避風險，甚至放棄最初的計劃。 “對比特幣的預測具有挑戰性，但我們已經邁出了探索的第一步。 目錄： 第 1 步：確定對比特幣價格影響最大的因素 步驟 2：構建比特幣價格預測模型 第 3 步：尋找熊市底部和牛市頂部的預警指標 第 4 步：預測 2025 年的比特幣價格上限 步驟 5：驗證比特幣警報指示器的性能 第 1 步：確定對比特幣價格影響最大的因素 相關係數：衡量影響的數學概念 為了預測比特幣的價格走勢，我們需要更深入地挖掘對比特幣價格影響最大的因素。 這些因數或變數可以用數學或統計方式表示為相關係數。 相關係數是兩個變數之間相關程度的度量，其值介於 -1 和 1 之間。 值為 1 表示兩個變數完全正相關，值為 -1 表示兩個變數完全負相關。 就玉米和生豬價格而言，玉米價格的上漲通常會導致生豬價格的相應上漲，因為玉米是養豬業的主要飼料來源。 在這種情況下，玉米和生豬價格之間的相關係數約為0.3。 這意味著玉米是影響生豬價格的一個因素。 例如，如果一個射手的表現有所提高，而另一個射手的表現由於心理壓力增加而下降，那麼我們可以說前者是影響後者表現的一個因素。 因此，為了找出對比特幣價格影響最大的因素，我們需要找到與比特幣價格相關係數最大的因素。 如果通過對比特幣價格和鏈上數據的相關性分析，發現某個鏈上數據因數與比特幣價格的相關係數最大，那麼這個鏈上數據因數可以確定為對比特幣價格影響最大的因素。 經過計算，我們發現比特幣 區塊數是對比特幣價格影響最大的因素🔵之一。 從歷史數據中可以明顯看出， 🔵 比特幣 區塊與比特幣價格的方向基本相同。 通過對過去十年數據的分析，我們得出： 🔵 比特幣 區塊和比特幣價格之間的每日相關係數為0.93。 步驟 2：構建比特幣價格預測模型 預測模型：使用什麼公式來預測比特幣價格？ 在各種預測模型中，線性函數因其高精度而成為首選模型。 在標準權重的情況下，線性函數的圖像是一條直線，這就是我們選擇線性函數模型的原因。 然而，比特幣的價格及其區塊容量增長極快，這不符合線性函數的特性。 因此，為了使兩者更符合線性函數的特性，我們首先對兩者進行對數變換。 看比特幣價格和區塊容量的對數圖，我們可以看到，經過對數轉換后，兩者更符合線性函數的特徵。 基於這一特性，我們選擇了線性回歸模型來構建預測模型。 從下圖可以看出，實際的紅綠燭台波動預測的🟢藍綠線附近。 這些預測基於比特幣的基本因素，這些因素支撐比特幣的價值並反映其公允價值。 這一圖景與馬克思在《資本論》中提出的「價格圍繞價值波動」的理論不謀而合。 第三步：尋找比特幣 熊市底部和牛市頂部的預警指標 預警指標：如何判斷比特幣價格是到達熊市底部還是牛市頂部？ 查看上面的比特幣價格對數預測圖，我們發現在熊市底部，實際價格往往低於預測，而在牛市的峰值，實際價格超過預測。 該模式表明，實際值與預測值之間的偏差可以作為預警信號。 🟠 當比特幣價格偏差值較低時，綠色背景的圖表表明這通常意味著我們處於熊市的底部;相反，當比特幣價格偏差值較高時🟠，🟩 🟥紅色背景的圖表表示我們處於牛市的頂部。 這一規律已經過六牛市和熊市的驗證，偏差值確實有預警作用，可以作為我們判斷市場走勢的重要參考指標。 我們可以通過查看比特幣價格對數和比特幣價格偏差圖來找到模式。 例如，2015 年 8 月 25 日，比特幣價格偏差處於最低值 -1.11;2017 年 12 月 17 日， 🟠 🟠 比特幣價格偏差在當時的最高值1.69; 2020年3月16日， 🟠 比特幣價格偏差處於當時的最低值-0.91; 2021年3月13日， 🟠 比特幣價格偏差在當時的最高值1.1; 2022年12月31日， 🟠 比特幣價格偏差處於當時的最低值-1。 出於保守原因，我們將警告指標的比特幣價格偏差的下限設置為三個最低值 -0.9 中的較大值，並將上限設置為兩個最高值 1 中的較小者。 當我們將比特幣價格偏差的上限和下限添加到預測價格時，我們得到了價格的🟠上限和🟤下限。 您可以直觀地指導交易。 當比特幣的價格低於價格下限時，買入。 當比特幣價格高於價格上限時賣出。 第 4 步：預測 2025 年的比特幣價格上限 根據 2024 年 2 月 25 日的數據計算的 比特幣 價格上限為 194287 美元，這是本輪牛市的上限。 上一次牛市的峰值在 2021 年 11 月 9 日為 68,664 美元，熊市週期為 4 年，因此該牛市的價格峰值預計將在 2025 年，比特幣價格上限將超過 190,000 美元。 2024 年 2 月 25 日的比特幣 收盤價為 51,729 美元，預計將增長 2.7 倍。 步驟 5：驗證比特幣警報指示器的性能 驗證模型的準確性：如何判斷比特幣價格模型的準確性？ 模型的精度用決定係數R表示，決定係數R反映了預測值與實際值的匹配程度。 我將 2015 年 8 月 18 日的所有歷史數據分為兩組，將 2011 年 8 月 18 日至 2015 年 8 月 18 日的數據作為訓練數據來構建模型。 結果表明，2011—2015年訓練週期的決定係數R高達0.81，表明模型的準確率相當高。 從下圖比特幣價格日誌預測圖表中可以看出，預測值與實際值相差不遠，這意味著大多數預測值都能很好地解釋實際值。 驗證模型的可靠性：當有新數據可用時，如何確認比特幣價格模型的可靠性？ 模型的可靠性是通過模型驗證實現的。 我將訓練期的最後一天設置為 2024 年 2 月 2 日作為“驗證組”，並將其用作驗證數據來驗證模型的可靠性。 這意味著在模型生成后，如果有新數據，我將該新數據與模型一起使用進行預測，然後評估模型的準確性。 如果使用驗證數據時的決定係數與之前訓練的決定係數相似，並且兩者都保持在較高水準，那麼我們可以認為模型是可靠的。 根據驗證期間的數據和模型的預測結果計算出的確定係數高達0.83，與之前的0.81相似，進一步證明瞭模型的可靠性。 策略：何時買入或賣出，多數量可供選擇？ 我們引入了比特幣5A戰略。 該策略要求我們根據警告指標的閾值生成交易信號，進行類比交易，並統計性能數據進行評估。 在比特幣5A策略中，有三個關鍵參數：買入預警指標、批量交易日和賣出預警指標。 手數交易日是為了保證在交易信號發出后，我們可以分批交易，以較低的價格買入，以較高的價格賣出，並降低交易衝擊的成本。 為了找到警報指標的最佳閾值和批量交易的天數，我們需要反覆調整這些參數並對其進行回測。 回溯測試是一種通過查看歷史數據構建的方法，可以幫助我們更好地瞭解市場走勢和交易機會。 當預警指標比特幣價格偏差低於-0.9時，即當比特幣價格低於價格下限時，買入。 當它高於1時，即當比特幣價格高於價格限制時，賣出。 此外，我們將批量交易天數設置為25天，以實現平均買入和平均賣出策略。 在25天內，我們將總資金均勻地投入市場，每天買入一次，同時，我們也以相同的速度賣出頭寸，每天一次。 調整閾值：優化交易策略的關鍵步驟 在追求更高性能的過程中，調整閾值是不可或缺的一步。 以下是對批量交易天數和警告指標閾值的建議調整： - 批量交易日：嘗試不同的日期，例如 25 天，看看它如何影響整體表現。 - 預警指標的買入和賣出閾值：詳盡反覆運算地調整 -0.9 的買入閾值和 1 的賣出閾值，以找到最佳閾值組合。 通過這種微調，我們可能能夠找到最大回撤較低（例如，11%）和平倉交易累積回報率較高的優化方案（例如，474x）。 下圖是比特幣 5A策略回測交易優化圖表，為我們提供了策略調整和優化的可視化展示。 通過這種方式，我們可以更好地把握市場趨勢和交易機會，從而實現更穩健高效的交易策略。 性能評估：如何準確評估歷史回測結果？ 為了保證詳盡策略測試后結果的準確性和可靠性，我們需要對回測結果進行詳細的性能評估。 關鍵評估指標包括： - 凈值曲線：如玫瑰紅線所示，它直觀地反映了帳戶凈值的增長。 通過查看凈值曲線，我們可以瞭解策略的整體表現和盈利能力。 此策略的基本屬性如下： 交易範圍：2015-8-19—2024-2-18，回測範圍：2011-8-18—2024-2-18 初始資金：1000美元，訂單大小：1個合約，金字塔：50個訂單，傭金率：0.2%，滑點：20個標記。 在策略測試器概述圖中，我們還獲得了以下關鍵數據： - 平倉交易的凈獲利率：高達 474 倍，遠遠超過基準，比特幣在策略測試器性能配置檔中買入並持有 210 倍。 - 平倉交易數量和獲勝百分比：100筆交易都是盈利的，這證明瞭策略的穩定性和可靠性。 - 回撤與輸贏比率：最大回撤僅為11%，遠低於比特幣的78%。 利潤因數，即500的輸贏比，進一步證明瞭該策略的實力。 通過這些詳細的評估，我們可以清楚地看到比特幣5A策略在風險和回報之間的出色平衡。 （重定向自TV-lilibtc）

結束語 RWA的概念有望爲房地產、大宗商品和債務等傳統資產帶來新的全球准入和流動性水平。如果對RWA的大膽預測成爲現實，這些資產的代幣化可能會重新定義世界如何交易這些資產的方式，進而將更多的人帶入鏈上

不久後，其中之一將成爲X1000。🔮🤠

$CORN Keep an eye on daily close for inverse head and shoulders break out