📢 Gate广场 #MBG任务挑战# 发帖赢大奖活动火热开启!
想要瓜分1,000枚MBG?现在就来参与,展示你的洞察与实操,成为MBG推广达人!
💰️ 本期将评选出20位优质发帖用户,每人可轻松获得50枚MBG!
如何参与:
1️⃣ 调研MBG项目
对MBG的基本面、社区治理、发展目标、代币经济模型等方面进行研究,分享你对项目的深度研究。
2️⃣ 参与并分享真实体验
参与MBG相关活动(包括CandyDrop、Launchpool或现货交易),并晒出你的参与截图、收益图或实用教程。可以是收益展示、简明易懂的新手攻略、小窍门,也可以是现货行情点位分析,内容详实优先。
3️⃣ 鼓励带新互动
如果你的帖子吸引到他人参与活动,或者有好友评论“已参与/已交易”,将大幅提升你的获奖概率!
MBG热门活动(帖文需附下列活动链接):
Gate第287期Launchpool:MBG — 质押ETH、MBG即可免费瓜分112,500 MBG,每小时领取奖励!参与攻略见公告:https://www.gate.com/announcements/article/46230
Gate CandyDrop第55期:CandyDrop x MBG — 通过首次交易、交易MBG、邀请好友注册交易即可分187,500 MBG!参与攻略见公告:https://www.gate.com/announcements
链上数据学堂(七):一套崭新、ARK 参与研究的 BTC 神奇定价方法论(II)
本文为 链上数据学堂 系列文章 第 7 篇,共有 10 篇。带您一步步认识链上数据分析,欢迎有兴趣的读者追踪本系列文章。 (前情提要:链上数据学堂(六):一套崭新、ARK 参与研究的 BTC 神奇定价方法论(I) ) (背景补充:链上数据学堂(一):你知道全市场的 BTC 平均成本是多少吗? ) TLDR Cointime Price 系列文章将分为三篇,这是第二篇 强烈建议先阅读本系列的前一篇文章! 本文将介绍 Cointime Price 的其中一种逃顶应用方法论 个人模型分享:Cointime Price 偏离度模型 Cointime Price 简易复习 Cointime Price 是 Cointime Economics 中提出的概念,透过「时间加权」的设计,对 BTC 的公允价格进行评估,相较於单纯的 LTH、STH 更为弹性、更为敏感。 同时,在这个设计框架下,也能有效排除远古时期已丢失筹码的影响。 如果是对于 Cointime Price 还不熟悉的读者,强烈建议先阅读前一篇文章! 逃顶应用方法论:Cointime Price Deviation 模型 Cointime Price Deviation 是我个人在研究链上数据时设计的模型之一,下文将讲解此模型的设计原理,以及我们将如何使用这个模型进行逃顶判断。 一、将现价与 Cointime Price 的偏离程度进行量化 由于 Cointime Price 很高程度的代表了 BTC 筹码的真实持仓成本,更精确来说,是「长期持有者」的持仓成本(因为持有时间愈长,对 Cointime Price 的影响愈大)。 因此,当现价与 Cointime Price 偏离太多时,理论上会提升长期持有者获利了结的动机,将筹码进行派发。 我将偏离率(派发比率)的公式设计如下: 偏离率 =(现价 – Cointime Price)/ 现价 如图,我们便可得出派发比率的状况(紫色线)。 可以看到:每当派发比率处于高位时,都是对应顶部的位置。 既然如此,那何谓「高位」? 个人在此将采用统计学的方式定义高位,细节如下。 二、Cointime Price Deviation 的极端值定义 各位可以再看一次上面那张图,会发现其实 Deviation 的高位并不容易定义。 每一轮牛市顶部对应的 Deviation 峰值,都有略微下降的迹象,因此单纯以一个固定的数字去定义高位,显然不严谨。 在解决上,我采用了统计学中「标准差」的概念: 计算历史 Deviation 数值的平均数与标准差 将「平均数 + n 个标准差」定义为「高位」,下称 Threshold 再对 Deviation 数值进行均线平滑化处理 当 Deviation 的均线值 > Threshold 时,显示顶部讯号 如上图所示,进行上述的处理后,可以得出这样的一张图。 在此补充两点: 上述「平均数 + n 个标准差」中的「n」是可调参数,当 n 愈大,讯号出现的条件就会愈严格 上述的「均线平滑化处理」,主要目的是为了过滤杂讯 将图二紫色线超出橘色线的部分,标记于价格图表上后,可得到如上图的讯号。 结语 以上就是链上数据学堂(七)的全部内容,后续还会有一篇针对 Cointime Price 的详细教学,有兴趣更深入学习链上数据分析的读者,记得务必追踪本系列文章! 如果想看到更多关于链上数据的分析、教学内容,也欢迎追踪我的推特(X)帐号! 希望本文有帮助到你,感谢阅读。 相关报导 链上数据学堂(二):老是赚钱的 Hodlers 们,他们买 BTC 的成本是多少? 链上数据学堂(三):底部吸筹的庄家们获利了结了吗? 链上数据学堂(四):视觉化的 BTC 筹码价位分布图〈链上数据学堂(七):一套崭新、ARK 参与研究的 BTC 神奇定价方法论(II)〉这篇文章最早发布于动区BlockTempo《动区动趋-最具影响力的区块链新闻媒体》。