Artikel ini adalah artikel ke-9 dalam seri On-Chain Data Academy, dengan total 10 artikel. Membawa Anda selangkah demi selangkah untuk memahami analisis data on-chain, sambut pembaca yang tertarik untuk mengikuti seri artikel ini. (Ringkasan: Akademi Data On-Chain (6): Metodologi penetapan harga ajaib BTC baru dengan partisipasi ARK (I)) (Suplemen latar belakang: Akademi data on-chain (7): Satu set baru metodologi penetapan harga ajaib BTC dengan partisipasi ARK (II) Seri artikel TLDR RUPL akan dibagi menjadi 2, ini adalah yang pertama RUPL dapat menyajikan situasi "untung dan rugi yang belum direalisasi" pasar saat ini Dengan mengamati RUPL, Anda dapat menemukan hukum operasi pasar atas dan bawah Satu menurut RUPL Model pembacaan bawah yang dirancang berbagi RUPL Pendahuluan RUPL, nama lengkap Laba Rugi Relatif Belum Direalisasi, terjemahan bahasa Mandarin "laba rugi relatif belum direalisasi". Indikatornya sendiri dapat dibagi menjadi dua bagian, RUP dan RUL. Mengambil RUP sebagai contoh, perhitungannya adalah sebagai berikut: Bandingkan "harga saat ini" dengan "harga pada transfer terakhir setiap BTC" dan klasifikasikan chip dengan "harga saat ini > harga transfer terakhir" sebagai chip keuntungan. Kalikan keuntungan setiap chip dengan jumlah chip yang sesuai untuk mendapatkan Keuntungan yang Belum Direalisasi. Akhirnya, data yang diperoleh akan distandarisasi sesuai dengan nilai pasar pada saat itu. Dengan kata lain, Laba yang Belum Direalisasi adalah "jumlah keuntungan yang belum direalisasi" di pasar saat ini; RUP, di sisi lain, menormalkan data ini berdasarkan kapitalisasi pasar untuk membandingkan pendapatan pasar selama periode yang berbeda. Algoritma RUL persis sama dengan logika RUP, jadi saya tidak akan membahas detailnya di sini. Seperti yang ditunjukkan di atas, garis hijau adalah RUP dan garis merah adalah RUL. Kita dapat menemukan bahwa harga sangat berkorelasi positif dengan RUP dan sangat berkorelasi negatif dengan RUL. Ini intuitif, karena ketika harga koin naik, jumlah keuntungan dari chip keuntungan yang belum direalisasi secara alami meningkat. Tetapi jika kita melihat lebih jauh pada grafik di atas, kita akan menemukan bahwa RUL melebihi RUP (garis merah berada di atas garis hijau) pada beberapa periode, yang berarti bahwa posisi P&L pasar yang belum terealisasi secara keseluruhan adalah negatif, apakah situasi ini sangat penting? Baca terus ... Aplikasi membaca bawah RUPL Ada pepatah lama: "Saya serakah ketika orang lain takut", ketika pemegang chip pasar, rata-rata keseluruhan dalam keadaan rugi, mungkin ini waktu yang layak bagi kita untuk memasuki pasar untuk mengumpulkan chip. Seperti yang ditunjukkan pada gambar di atas, saya menandai periode waktu RUL > RUP untuk mendapatkan grafik sinyal ini. Kita dapat dengan jelas menemukan bahwa ketika RUL > RUP, itu pada dasarnya sesuai dengan dasar besar periodik! Ini sama sekali bukan pedang sederhana, logikanya adalah: "ketika pasar secara keseluruhan dalam keadaan merugi, itu berarti bahwa penjebak cenderung tidak mau menjual chipnya karena harganya terlalu rendah", dalam kasus penurunan tajam dalam tekanan jual, selama ada sedikit peningkatan pembelian, tren dapat berbalik dan mulai naik. Logika ini sangat mirip dengan strategi berburu bawah LTH-RP yang diperkenalkan di artikel sebelumnya, dan pembaca yang tertarik dapat membolak-balik posting sebelumnya. Berbagi logika desain model pembacaan bawah RUPL Kemudian, mari kita abaikan RUL sejenak dan fokus pada grafik RUP itu sendiri, dan kita akan menemukan bahwa nilai bawah RUP dalam sejarah sebenarnya sangat dekat. Sebagai contoh, saya menambahkan garis horizontal 0,4 ke grafik RUP sehingga kita dapat melihat dengan jelas di mana RUP < 0,4. (0.4 di sini adalah parameter yang dapat disesuaikan, yang akan disebutkan lagi nanti) Ketika kita menemukan bahwa RUP memiliki area bawah yang relatif jelas, kita dapat menempatkan kondisi RUP < 0,4 pada kondisi "RUP < RUL" sebelumnya untuk melakukan penyaringan sekunder pada sinyal, dan hasilnya adalah sebagai berikut: Ini adalah metode yang sangat umum ketika merancang model, untuk mencapai efek penyaringan melalui layar sinyal, sehingga model desain akhir kami dapat lebih akurat. Dua kondisi pada gambar di atas (RUP < 0,4 > RUP < RUL), efek penyaringan tidak terlalu jelas, tetapi jika Anda melihat lebih dekat, Anda masih dapat menemukan bahwa memang ada yang lebih ketat daripada RUP sederhana < RUL. Di sini, jika Anda menyesuaikan 0,4 ke bawah (misalnya, ke 0,38), Anda dapat membuat sinyal keseluruhan lebih ketat; Tetapi dalam proses menyesuaikan parameter, Anda masih harus memperhatikan masalah overfitting, lagipula, cukup memasang model berdasarkan data historis kemungkinan akan gagal di masa depan! Kesimpulan Di atas adalah semua tentang akademi data on-chain (sembilan), artikel berikutnya akan memberikan pengenalan yang lebih mendalam tentang RUP, dan berbagi sinyal top klasik dengan Anda. Pembaca yang tertarik untuk mempelajari lebih lanjut tentang analisis data on-chain, pastikan untuk mengikuti seri artikel ini! Jika Anda ingin melihat lebih banyak analisis data on-chain dan konten pengajaran, silakan ikuti akun Twitter (X) saya! Semoga artikel ini membantu Anda, terima kasih telah membaca. Cerita terkait akademi data on-chain (8): Metodologi penetapan harga ajaib BTC baru dengan penelitian ARK! (III) Akademi Data On-Chain (1): Apakah Anda tahu berapa biaya rata-rata BTC di seluruh pasar? On-Chain Data Academy (II): Berapa biaya untuk Hodlers yang selalu menghasilkan uang? "Akademi Data On-Chain (9): Barometer Pasar RUPL (I) - Pengenalan Data & Aplikasi Membaca Bawah" Artikel ini pertama kali diterbitkan di "Tren Dinamis - Media Berita Blockchain Paling Berpengaruh" BlockTempo.
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
Data On-Chain School (Nine): Market Barometer RUPL (I) - Data Introduction & Buy the Dip Application
Artikel ini adalah artikel ke-9 dalam seri On-Chain Data Academy, dengan total 10 artikel. Membawa Anda selangkah demi selangkah untuk memahami analisis data on-chain, sambut pembaca yang tertarik untuk mengikuti seri artikel ini. (Ringkasan: Akademi Data On-Chain (6): Metodologi penetapan harga ajaib BTC baru dengan partisipasi ARK (I)) (Suplemen latar belakang: Akademi data on-chain (7): Satu set baru metodologi penetapan harga ajaib BTC dengan partisipasi ARK (II) Seri artikel TLDR RUPL akan dibagi menjadi 2, ini adalah yang pertama RUPL dapat menyajikan situasi "untung dan rugi yang belum direalisasi" pasar saat ini Dengan mengamati RUPL, Anda dapat menemukan hukum operasi pasar atas dan bawah Satu menurut RUPL Model pembacaan bawah yang dirancang berbagi RUPL Pendahuluan RUPL, nama lengkap Laba Rugi Relatif Belum Direalisasi, terjemahan bahasa Mandarin "laba rugi relatif belum direalisasi". Indikatornya sendiri dapat dibagi menjadi dua bagian, RUP dan RUL. Mengambil RUP sebagai contoh, perhitungannya adalah sebagai berikut: Bandingkan "harga saat ini" dengan "harga pada transfer terakhir setiap BTC" dan klasifikasikan chip dengan "harga saat ini > harga transfer terakhir" sebagai chip keuntungan. Kalikan keuntungan setiap chip dengan jumlah chip yang sesuai untuk mendapatkan Keuntungan yang Belum Direalisasi. Akhirnya, data yang diperoleh akan distandarisasi sesuai dengan nilai pasar pada saat itu. Dengan kata lain, Laba yang Belum Direalisasi adalah "jumlah keuntungan yang belum direalisasi" di pasar saat ini; RUP, di sisi lain, menormalkan data ini berdasarkan kapitalisasi pasar untuk membandingkan pendapatan pasar selama periode yang berbeda. Algoritma RUL persis sama dengan logika RUP, jadi saya tidak akan membahas detailnya di sini. Seperti yang ditunjukkan di atas, garis hijau adalah RUP dan garis merah adalah RUL. Kita dapat menemukan bahwa harga sangat berkorelasi positif dengan RUP dan sangat berkorelasi negatif dengan RUL. Ini intuitif, karena ketika harga koin naik, jumlah keuntungan dari chip keuntungan yang belum direalisasi secara alami meningkat. Tetapi jika kita melihat lebih jauh pada grafik di atas, kita akan menemukan bahwa RUL melebihi RUP (garis merah berada di atas garis hijau) pada beberapa periode, yang berarti bahwa posisi P&L pasar yang belum terealisasi secara keseluruhan adalah negatif, apakah situasi ini sangat penting? Baca terus ... Aplikasi membaca bawah RUPL Ada pepatah lama: "Saya serakah ketika orang lain takut", ketika pemegang chip pasar, rata-rata keseluruhan dalam keadaan rugi, mungkin ini waktu yang layak bagi kita untuk memasuki pasar untuk mengumpulkan chip. Seperti yang ditunjukkan pada gambar di atas, saya menandai periode waktu RUL > RUP untuk mendapatkan grafik sinyal ini. Kita dapat dengan jelas menemukan bahwa ketika RUL > RUP, itu pada dasarnya sesuai dengan dasar besar periodik! Ini sama sekali bukan pedang sederhana, logikanya adalah: "ketika pasar secara keseluruhan dalam keadaan merugi, itu berarti bahwa penjebak cenderung tidak mau menjual chipnya karena harganya terlalu rendah", dalam kasus penurunan tajam dalam tekanan jual, selama ada sedikit peningkatan pembelian, tren dapat berbalik dan mulai naik. Logika ini sangat mirip dengan strategi berburu bawah LTH-RP yang diperkenalkan di artikel sebelumnya, dan pembaca yang tertarik dapat membolak-balik posting sebelumnya. Berbagi logika desain model pembacaan bawah RUPL Kemudian, mari kita abaikan RUL sejenak dan fokus pada grafik RUP itu sendiri, dan kita akan menemukan bahwa nilai bawah RUP dalam sejarah sebenarnya sangat dekat. Sebagai contoh, saya menambahkan garis horizontal 0,4 ke grafik RUP sehingga kita dapat melihat dengan jelas di mana RUP < 0,4. (0.4 di sini adalah parameter yang dapat disesuaikan, yang akan disebutkan lagi nanti) Ketika kita menemukan bahwa RUP memiliki area bawah yang relatif jelas, kita dapat menempatkan kondisi RUP < 0,4 pada kondisi "RUP < RUL" sebelumnya untuk melakukan penyaringan sekunder pada sinyal, dan hasilnya adalah sebagai berikut: Ini adalah metode yang sangat umum ketika merancang model, untuk mencapai efek penyaringan melalui layar sinyal, sehingga model desain akhir kami dapat lebih akurat. Dua kondisi pada gambar di atas (RUP < 0,4 > RUP < RUL), efek penyaringan tidak terlalu jelas, tetapi jika Anda melihat lebih dekat, Anda masih dapat menemukan bahwa memang ada yang lebih ketat daripada RUP sederhana < RUL. Di sini, jika Anda menyesuaikan 0,4 ke bawah (misalnya, ke 0,38), Anda dapat membuat sinyal keseluruhan lebih ketat; Tetapi dalam proses menyesuaikan parameter, Anda masih harus memperhatikan masalah overfitting, lagipula, cukup memasang model berdasarkan data historis kemungkinan akan gagal di masa depan! Kesimpulan Di atas adalah semua tentang akademi data on-chain (sembilan), artikel berikutnya akan memberikan pengenalan yang lebih mendalam tentang RUP, dan berbagi sinyal top klasik dengan Anda. Pembaca yang tertarik untuk mempelajari lebih lanjut tentang analisis data on-chain, pastikan untuk mengikuti seri artikel ini! Jika Anda ingin melihat lebih banyak analisis data on-chain dan konten pengajaran, silakan ikuti akun Twitter (X) saya! Semoga artikel ini membantu Anda, terima kasih telah membaca. Cerita terkait akademi data on-chain (8): Metodologi penetapan harga ajaib BTC baru dengan penelitian ARK! (III) Akademi Data On-Chain (1): Apakah Anda tahu berapa biaya rata-rata BTC di seluruh pasar? On-Chain Data Academy (II): Berapa biaya untuk Hodlers yang selalu menghasilkan uang? "Akademi Data On-Chain (9): Barometer Pasar RUPL (I) - Pengenalan Data & Aplikasi Membaca Bawah" Artikel ini pertama kali diterbitkan di "Tren Dinamis - Media Berita Blockchain Paling Berpengaruh" BlockTempo.