原文標題:《鏈上數據學堂(七):一套嶄新、Ark 參與研究的 $BTC 神奇定價方法論 (II)》
原文作者:貝格先生,鏈上數據分析師
如果對 Cointime Price 還不熟悉,建議先閱讀第一篇文章:《鏈上數據學堂(六):一套嶄新、Ark 參與研究的 BTC 神奇定價方法論 (I)》
- Cointime Price 系列文章共三篇,本文為第二篇
- 本文將介紹 Cointime Price 在逃頂中的應用方法
-本文將介紹個人設計的偏離模型
Cointime Price 概念源自 Cointime Economics,以「時間加權」的方式評估 BTC 的公允價格。
相比單純的 LTH(長期持有者)和 STH(短期持有者),Cointime Price 更具彈性,且更加敏感,同時,該模型還能有效排除遠古時期已丟失 BTC 的影響。
第一篇文章詳細介紹了 Cointime Price 及其抄底應用,如果已經理解概念,那就正式進入今天的主題:逃頂應用
被應用在每週逃頂分析的週報。
相關推文:[逃頂模型介紹](https://x.com/market_beggar/status/1870763628645032213)
下文將講解模型設計原理,以及下文將講解該模型。本文所有內容均為原創研究,研究過程不易,請各位多多支持
為什麼要衡量偏離程度?
- Cointime Price 高度代表 BTC 籌碼的真實持倉成本,特別是長期持有者(LTH)的持倉成本。
- 由於長期持有者對 Cointime Price 影響更大,當 BTC 現價大幅高於 Cointime Price 時,長期持有者的獲利了結動機會上升,可能引發派發行為。
· 計算公式:偏離率 =(現價 - Cointime Price)/ 現價
· 觀察偏離率(派發比率)
1_0我們可以看到:每當派發比率處於高位,往往對應 BTC 頂部。
那麼,如何定義「高位」呢?接下來,我們用統計方法來解決這個問題
如果我們觀察歷史數據,會發現 Deviation 的高位並不固定,在每輪牛市中,Deviation 峰值都略有下降。因此,單純使用固定數值來定義「高位」是不嚴謹的。
在解決上,我採用統計「標準差」的概念:
· 計算歷史 Deviation 資料的平均值和標準差。
· 定義「平均值 + n 個標準差」為「高位(頂部訊號)」,記作 Threshold。
· 對 Deviation 資料進行均線平滑化,減少雜訊。
· 當 Deviation 的均線值 > Threshold 時,觸發頂部訊號。
· 為何採用標準差?
· Deviation 的歷史走勢具有均值回歸的特性(如圖)。
· 標準差衡量波動性,當 BTC 價格波動變小時,Threshold 也會動態調整,更具彈性。
如上圖,進行上述的處理後,我們可以得到這樣一張圖。
· 補充說明
- 第 2 點「平均值 + n 個標準差」的 n 為可調參數:當 n 越大,頂點訊號出現的機率越低,模型更嚴格。
- 第 3 點的均線平滑處理:主要過濾市場短期波動,提高訊號可靠性。
如圖,當紫線(派發比率)超出性橙線(Threshold)時,對應的 BTC 價格往往處於階段性的 BTC。
本文是 Cointime Price 系列 的第二篇,延續前文的概念,分享了個人如何利用 Cointime Price 設計逃頂模式。
· 總結核心觀點:
- Cointime Price Deviation 透過量化 BTC 現價與 Cointime Price 的偏離,推測長期持有者的派發動機,用於判斷 BTC 頂部。
- 採用「標準差」方法動態定義頂部訊號,確保模型更具適應性。
- 模型已實際應用於週報,並能有效捕捉 BTC 高位訊號。
後續計劃:
- 本系列第三篇文章將繼續探討 Cointime Price 在逃頂中的應用,敬請期待
歡迎加入律動 BlockBeats 官方社群:
Telegram 訂閱群:https://t.me/theblockbeats
Telegram 交流群:https://t.me/BlockBeats_App
Twitter 官方帳號:https://twitter.com/BlockBeatsAsia