原文標題：《鏈上資料學堂（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，鏈上資料分析師

本文為第 70 篇系列文章為第 70 篇系列文章。帶您一步步認識鏈上數據分析，歡迎有興趣的讀者追蹤本系列文章。

相關閱讀：《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)》

TLDR

- 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  簡單複習

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

二、逃頂應用方法論：Cointime Price Deviation 模型設計

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，以及如何利用此模型判斷 BTC 頂部。本文所有內容皆為原創研究，研究過程不易，還請各位多多支持

1. 量化現價與 Cointime Price 的偏離程度

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

2. Cointime Price Deviation 極端值定義

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。

3. 逃頂信號示例

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。

三、結語

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 設計逃頂模型。

· 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。

後續計畫：  

- 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

原文連結

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