12.9 比特币价格今日行情:比特币判断第五浪是否结束,关键点在于是否跌破9万美元,现阶段不做多,上涨空间不大,下跌则会破8万(CRYPTOCAP:BTC 12.9 比特币价格今日行情:现在比特币的价格在101,000美元左右,操作思路是不做多,不管它怎么折腾。之前已经提到,第五浪可能已经完成,但目前还无法完全确认。如果按白色路线走,第五浪高点在104,600美元附近,这里就结束了;但如果按黄色路线,它走的是一个平台型的调整,那么还有一小波冲高的可能,但幅度也非常有限。
关键在于确认第五浪是否结束。确认的方式很简单:跌破90,000美元。如果这一位置被跌破,就可以确定第五浪彻底完成。无论第五浪的高点是在现在还是在冲高之后,确认完成后,下一步就是回调。回调的第一目标是刺破80,000美元,甚至可能见到7字头的价格。所以这里为什么不建议做多,就是因为上涨空间不大,下跌的风险却很明确。
综上分析,入场的小币,盈利现货幅度超5个点的止损上移开仓价上方,自行分批止盈。
BTCUSDC
BTC供求关系研报BTC供求关系研报
东八区时间2024年3月1日,btc 61000
在上一篇分析中,我们观察到BTC利润溢出的情况。无论是灰度基金还是各种规模的机构和散户,都开始进行换仓操作。小币种及许多山寨币种龙头开始补涨。今天,山寨币已经部分被逼涨,特别是BTC生态系统内的部分币种领涨。如果这一状态得以形成,那么BTC多头的局面将更加危险。当换仓行动开始时,期货市场上持有高成本仓位的交易者并未实现利润,这将引发大规模的抛盘,进而形成多头杠杆清算。
在现货市场方面,牛市的主旋律是主流币种涨幅后利润溢出,进而追逐山寨币种。从盘口来看,无论是上轮的明星币种还是本轮的新秀,今日均上涨了5%-20%,这与我们的分析完全吻合。
在上一个交易日中,北京时间2月29日11:00,我们关注的重要数据之一是持仓量和费率。费率依旧维持在0.08-0.12%的高位,日持仓成本平均超过24%。持仓量重新回到了昨天价格顶峰的64K位置,超过270亿美金。
在筹码流动和持仓格局方面,当价格突破64K时,比特币成交额刷新了两年来的历史记录,达到了850亿美金的体量,整体全网成交额更是突破1800亿美金,实际筹码交换量为42万个。主要供应端来自短期主义者,其中40-57K筹码供应占据了31万枚,占比达到73%。这些筹码主要来源于2023年10月底开始的采购。
作为龙头的比特币,在这三日时间内几乎所有山寨币种都未能追上其涨幅,实际涨幅高达22%,振幅更是突破了30%,远超ETH、ORDI等币种的涨幅。
北京时间已至14:00,CME似乎成了一潭死水,超过6小时未有加减仓动作。美盘似乎停止了FOMO,但尚未出现FUD。待到欧盘刺激市场后,美盘将作何反应,现在离欧盘开市已很近,我们观察到价格表现出的信心依旧强劲。
今晚BTC价格将如何定义,是继续扫货还是稍作休息,将是我们关注的焦点。ETF自开市以来不到40个交易日,已吸收超过30万枚筹码,在市值仅有4700亿的市场中,这表明年内参与流通的数量不足40%。目前11个机构联手掌管的ETF基金金额接近400亿美元(287亿),在资本市场的占比中,他们已具备随时影响大盘价格10%以上的能力。
直到北京时间2月29日20:20,CME才有所动作,在此之前的12小时内无任何增持或减持。美盘当日的定价和动向显示,欧盘的影响力相对前一日有所减弱,山寨币吸走了部分资金。上一轮牛市
的明星品种已经开始上涨,涨幅在5%-20%之间,如柴犬币超过了20%的涨幅。距离美盘开市还有不到2小时,CME已经开始行动。
美盘开市后仍然跳空高开,ETF以5%开盘,最终收在3%的位置。与此同时,相关联的上市公司和矿场出现大幅下跌,Coinbase则横盘运行,但行情未有效上行。这充分体现了全球玩家的市场已经复苏,欧亚盘被卷入市场之中,从欧盘开市的盘口流动情况可见一斑,欧盘异常活跃,欧元区的成交额也保持在3亿美金以上,相较上周增长了至少三倍。
持仓方面,美盘收市后开始下跌,跌幅2.8%,未能维持270亿以上的全盘持仓量。CME的持仓减少超过2%,直到北京时间晚间20:00,CME的持仓才开始变化,这是不常见的现象,显示出美盘期货市场的谨慎态度。
现货市场的流动格局显示,23万个比特币的成交量相较昨日缩减一倍,但换手次数超过四次。全球玩家都参与了博弈,但主要供应端仍来自短期主义者,40-57K的成本价筹码占比达到86%。ETF市场继续超过5亿美金的净流入,显示出市场的强劲需求。
综合来看,进入周末的市场全球繁荣,短期价格似乎在停歇,这也验证了我们的分析。所有山寨币种仍有补涨机会。我们看到BTC市场当前位置略显高处不胜寒,近6亿美金的ETF市场未能推高BTC价格,如果出现回调,也将是一个购入机会。期货合约市场并不具备明显的机会,牛市中的回调空间有限,不是理想的期货合约入场点。
云清虚虚拟商品投资研究院
比特币价格在2025年将超过19万美元在长期策略中,我们深入挖掘了影响比特币价格的关键因素。通过精确计算这些因素与比特币价格的相关性,我们发现它们与比特币的价值紧密相连。为了更有效地预测比特币的合理价格,我们构建了一个预测模型,根据历史经验,确定了价格偏差的极限值,并计算出了价格的上下限,观察比特币价格和价格上下限就能指导交易,根据目前的数据,计算出2025年比特币价格的上限。历史模拟证明,该模型的预测结果与实际价格的吻合度相当高,这充分证明了其在预测价格波动中的可靠性。
正如格林斯潘所说:“当未来难以预测,前景不明时,人们往往会选择停滞不前,避免风险,甚至放弃原有的计划。”对比特币的预测充满了挑战,但我们已经迈出了探索的第一步。
目录:
第一步:识别对比特币价格影响最大的因素
第二步:建立比特币价格预测模型
第三步:寻找熊市底部和牛市顶部的预警指标
第四步:预测2025年比特币价格上限
第五步:验证比特币预警指标的绩效
第一步:识别对比特币价格影响最大的因素
相关系数:衡量影响力的数学概念
为了预测比特币的价格走势,我们需要深入挖掘对比特币价格产生最大影响的因素。这些因素或变量可以用数学或统计的相关系数来表示。相关系数是衡量两个变量之间关联程度的指标,其值介于-1和1之间。当值为1时,表示两个变量完全正相关;当值为-1时,表示两个变量完全负相关。
以玉米和生猪价格为例,玉米价格的上涨通常会导致生猪价格相应上涨,因为玉米是生猪养殖的主要饲料来源。在这种情况下,玉米和生猪价格的相关系数约为0.3。这意味着玉米是影响生猪价格的一个因素。再比如,如果一个射击运动员的成绩提高,而另一个射击运动员由于心理压力增大导致成绩下降,那么我们可以说前者是影响后者成绩的一个因素。
因此,为了找出对比特币价格影响最大的因素,我们需要找到与比特币价格相关系数最大的因素。如果通过对比特币价格和链上数据的相关性分析,发现某个链上数据因子与比特币价格的相关系数最大,那么这个链上数据因子就可以被确定为对比特币价格影响最大的因素。经过计算,我们发现 🔵 比特币区块数是对比特币价格影响最大的因素之一。从历史数据中可以明显看出,
🔵 比特币区块数与比特币价格的变动方向基本保持一致。通过对过去十年数据的分析,我们得出了
🔵 比特币区块数与比特币价格的日线相关系数为0.93的结论。
第二步:建立比特币价格预测模型
预测模型:用什么公式预测比特币价格?
在各种预测模型中,线性函数因其较高的准确率而成为首选模型。以标准体重为例,其线性函数的图像是一条直线,这正是我们选择线性函数模型的原因。然而,比特币的价格与其区块数的增长速度极快,这并不符合线性函数的特性。因此,为了使两者更符合线性函数的特点,我们首先对两者进行对数转换。观察对比特币价格和区块数的对数图,我们可以发现,在对数转换后,两者更符合线性函数的特性。基于这一特性,我们选择线性回归模型来建立预测模型。
从下图中可以看出,实际的红绿K线围绕预测的 🟢 蓝绿色线上下波动。这些预测值是基于比特币的基本面因子得出的,这些基本面因子支撑着比特币的价值,反映了其合理价值。这一图景与马克思在《资本论》中提出的“价格围绕价值波动”的理论相吻合。
比特币的预测市值对数是通过模型计算得出的。比特币价格预测值的具体计算公式如下:
btc_predicted_marketcap = math.exp(btc_predicted_marketcap_log)
btc_predicted_price = btc_predicted_marketcap / btc_supply
第三步:寻找比特币熊市底部和牛市顶部的预警指标
预警指标:如何判断比特币价格已经到达熊市底部或牛市顶部?
通过观察上文的比特币价格对数预测图,我们发现,在市场的熊市底部时,实际价格往往低于预测值;而在牛市顶峰时,实际价格则超过预测值。这个规律显示,实际值与预测值的偏差能够作为预警的一种信号。当 🟠 比特币价格偏差值很低,🟩 绿色背景的图表显示这通常意味着我们正处于熊市底部;相反,当 🟠 比特币价格偏差值高企,🟥 红色背景的图表表明我们正处于牛市顶部。
这个规律已经经过了六次牛市和熊市的验证,偏差值确实具备预警作用,可以作为我们判断市场走势的重要参考指标。
比特币价格偏差值的计算公式如下:
btc_price_bias = btc_marketcap_log - btc_predicted_marketcap_log
我们可以通过观察比特币价格对数和比特币价格偏差图来找到规律。例如,在2015年8月25日, 🟠 比特币价格偏差位于最低值-1.11;在2017年12月17日,
🟠 比特币价格偏差位于当时的最高值1.69;在2020年3月16日,
🟠 比特币价格偏差位于当时的最低值-0.91;在2021年3月13日,
🟠 比特币价格偏差位于当时的最高值1.1;在2022年12月31日,
🟠 比特币价格偏差位于当时的最低值-1。
基于保守的原因,我们将预警指标比特币价格偏差的下限值设为三个最低值中较大的-0.9,上限值设为两个最高值中较小的1。
当我们把比特币价格偏差的上限值和下限值加上预测价格时,就得到了价格的 🟠 上限值和 🟤 下限值。就可以直观地指导交易了。当比特币价格低于价格下限时,买入。当比特币价格高于价格上限时,卖出。
价格的上下限值的计算公式如下:
btc_price_upper_limit = math.exp(btc_predicted_price_log + btc_price_bias_upper_limit)
btc_price_lower_limit = math.exp(btc_predicted_price_log + btc_price_bias_lower_limit)
第四步:预测2025年比特币价格上限
根据2024年2月25日的数据计算出的比特币价格上限为194287美元,这是这轮牛市的价格上限。上轮牛市的最高点在2021年11月9日,为68664美元,牛熊市周期为4年,所以这轮牛市的价格最高点预计在2025年,比特币价格上限将超过19万美元。2024年2月25日比特币收盘价为51729美元,预计涨幅为2.7倍。
第五步:验证比特币预警指标的绩效
验证模型的准确性:如何判断比特币价格模型的准确性?
模型的准确性用确定系数R方来表示,它反映预测值与实际值之间的匹配度。我将所有历史数据从2015年8月18日分为两组,2011年8月18日至2015年8月18日的数据作为训练数据,用于生成模型。计算结果显示,2011-2015年训练期的确定系数R方高达0.81,这说明该模型的准确率相当高。从下图中的比特币价格对数预测图可以看出,预测值与实际值的偏离并不远,这意味着大部分预测值都能很好地解释实际值。
确定系数R方的计算公式如下:
residual = btc_close_log- btc_predicted_price_log
residual_square = residual * residual
train_residual_square_sum = math.sum(residual_square, train_days)
train_mse = train_residual_square_sum / train_days
train_r2 = 1 - train_mse / ta.variance(btc_close_log, train_days)
验证模型的可靠性:如何确认有新数据时比特币价格模型的可靠性?
模型的可靠性通过模型验证来实现。我将训练期的最后一天至2024年2月2日设为“验证组”,用此作为验证数据来检验模型的可靠性。这意味着在生成模型后,如果有了新的数据,我会将这些新数据与模型一起用于预测,然后评估模型的准确性。如果使用验证数据时的确定系数与之前训练时的确定系数相近,且都保持在一个较高的水平,那么我们可以认为这个模型是可靠的。验证期的数据与模型的预测结果计算出的确定系数高达0.83,与之前的0.81相近,进一步证明了该模型的可靠性。
策略:何时买入或卖出,数量选择多少?
我们引入了比特币5A策略。这种策略要求我们根据预警指标的临界值来产生交易信号,进行模拟交易,并统计绩效数据以进行评估。在比特币5A策略中,有三个关键参数:买入预警指标、分批交易天数和卖出预警指标。分批交易天数是为了确保在交易信号发出后,我们可以分批进行交易,从而买到更低的价格、卖到更高的价格,并降低交易冲击成本。
为了找到最优的预警指标临界值和分批交易天数,我们需要反复调整这些参数,并进行回测。回测是通过观察历史数据来建立的一种方法,可以帮助我们更好地理解市场的走势和交易机会。
当预警指标比特币价格偏差低于-0.9时,即比特币价格低于价格下限时,买入。当高于1时,即比特币价格高于价格上限时,卖出。此外,我们将分批交易天数设定为25天,以实现平均买入和平均卖出的策略。在25天内,我们将总资金平均地投入市场,每天买一次;同时,我们也按照相同的节奏卖出仓位,每天卖一次。
调整临界值:优化交易策略的关键步骤
为了追求更高的绩效,调整临界值是不可或缺的一步。以下是对分批交易天数和预警指标临界值的调整建议:
- 分批交易天数:尝试不同的天数,如25天,以观察其对整体绩效的影响。
- 预警指标的买入和卖出临界值:穷举式迭代调优买入临界值-0.9和卖出临界值1,以找到最佳的阈值组合。
通过这种细致的调整,我们可能找到一个具有较低最大回撤率(例如11%)和较高已平仓交易累计收益率(例如474倍)的优化方案。下图是比特币5A策略回测交易优化图,它为我们提供了策略调整和优化的直观展示。
通过这种方式,我们可以更好地把握市场的走势和交易机会,从而实现更加稳健和高效的交易策略。
绩效评估:如何精确评估历史回测结果?
在详尽的策略测试后,为了确保结果的准确性和可靠性,我们需要对回测结果进行细致的绩效评估。关键的评估指标包括:
- 净值曲线:如玫红线所示,它直观地反映了账户净值的增长情况。通过观察净值曲线,我们可以了解策略的整体表现和盈利能力。
这个策略的基本属性是这样的:
交易范围:2015-8-19—2024-2-18,回测范围:2011-8-18—2024-2-18
初始资金:1000USD,订单大小:1个合约,金字塔:50个订单,佣金比率:0.2%,滑点:20个标记号。
在策略测试器概述图中,我们还获得了以下关键数据:
- 已平仓交易的净利润率:高达474倍,远超基准,在策略测试器业绩概要图中比特币买入并持有210倍。
-已平仓交易次数与获胜百分比:100次交易全部盈利,这展现了策略的稳定性和可靠性。
- 回撤率与赢亏比:最大回撤率仅为11%,远低于比特币的78%。盈利因子,即赢亏比达到500,进一步证明了策略的优势。
通过这些详细的评估,我们可以清晰地看到比特币5A策略在风险和收益之间的出色平衡。
如何使用Bitcoin 5A Strategy@Lilibtc在长期策略中,我们深入挖掘了影响比特币价格的关键因素。通过精确计算这些因素与比特币价格的相关性,我们发现它们与比特币的价值紧密相连。为了更有效地预测比特币的合理价格,我们构建了一个预测模型,并据此适时调整了投资策略。实践证明,该模型的预测结果与实际价值的吻合度相当高,这充分证明了其在预测价格波动中的可靠性。
正如格林斯潘所说:“当未来难以预测,前景不明时,人们往往会选择停滞不前,避免风险,甚至放弃原有的计划。”对比特币的预测充满了挑战,但我们已经迈出了探索的第一步。
目录:
使用指南
第一步:识别对比特币价格影响最大的因素
第二步:建立比特币价格预测模型
第三步:寻找熊市底部和牛市顶部的预警指标
第四步:制定比特币5A策略
第五步:验证比特币5A策略的绩效
机会与挑战
使用限制
使用指南:
1. 在主界面上修改代码,查找BTCUSD交易对,选择BITSTAMP交易所进行交易。
2. 将时间周期设置为日线图。
3. 在图表类型中选择对数图,以便更好地识别价格趋势。
4. 在策略设置中,根据个人需求调整选项,包括语言、展示指标、展示策略、展示业绩、展示优化、卖出警报、买入提示、开仓天数、回测开始年份、回测开始月份、回测开始日等。
第一步:识别对比特币价格影响最大的因素
相关系数:衡量影响力的数学概念
为了预测比特币的价格走势,我们需要深入挖掘对比特币价格产生最大影响的因素。这些因素或变量可以用数学或统计的相关系数来表示。相关系数是衡量两个变量之间关联程度的指标,其值介于-1和1之间。当值为1时,表示两个变量完全正相关;当值为-1时,表示两个变量完全负相关。
以玉米和生猪价格为例,玉米价格的上涨通常会导致生猪价格相应上涨,因为玉米是生猪养殖的主要饲料来源。在这种情况下,玉米和生猪价格的相关系数约为0.3。这意味着玉米是影响生猪价格的一个因素。再比如,如果一个射击运动员的成绩提高,而另一个射击运动员由于心理压力增大导致成绩下降,那么我们可以说前者是影响后者成绩的一个因素。
因此,为了找出对比特币价格影响最大的因素,我们需要找到与比特币价格相关系数最大的因素。如果通过对比特币价格和链上数据的相关性分析,发现某个链上数据因子与比特币价格的相关系数最大,那么这个链上数据因子就可以被确定为对比特币价格影响最大的因素。经过计算,我们发现🔵比特币区块数是对比特币价格影响最大的因素之一。从历史数据中可以明显看出,🔵比特币区块数与比特币价格的变动方向基本保持一致。通过对过去十年数据的分析,我们得出了🔵比特币区块数与比特币价格的日线相关系数为0.93的结论。
第二步:建立比特币价格预测模型
预测模型:用什么公式预测比特币价格?
在各种预测模型中,线性函数因其较高的准确率而成为首选模型。以标准体重为例,其线性函数的图像是一条直线,这正是我们选择线性函数模型的原因。然而,比特币的价格与其区块数的增长速度极快,这并不符合线性函数的特性。因此,为了使两者更符合线性函数的特点,我们首先对两者进行对数转换。观察对比特币价格和区块数的对数图,我们可以发现,在对数转换后,两者更符合线性函数的特性。基于这一特性,我们选择线性回归模型来建立预测模型。
从下图中可以看出,实际的红绿K线围绕预测的🟢蓝绿色线上下波动。这些预测值是基于比特币的基本面因子得出的,这些基本面因子支撑着比特币的价值,反映了其合理价值。这一图景与马克思在《资本论》中提出的“价格围绕价值波动”的理论相吻合。
比特币的预测市值对数是通过模型计算得出的。比特币价格预测值的具体计算公式如下:
btc_predicted_marketcap = math.exp(btc_predicted_marketcap_log)
btc_predicted_price = btc_predicted_marketcap / btc_supply
第三步:寻找比特币熊市底部和牛市顶部的预警指标
预警指标:如何判断比特币价格已经到达熊市底部或牛市顶部?
通过观察上文的比特币价格对数预测图,我们发现,在市场的熊市底部时,实际价格往往低于预测值;而在牛市顶峰时,实际价格则超过预测值。这个规律显示,实际值与预测值的偏差能够作为预警的一种信号。当🟠比特币价格偏差值很低,🟩绿色背景的图表显示这通常意味着我们正处于熊市底部;相反,当🟠比特币价格偏差值高企,🟥红色背景的图表表明我们正处于牛市顶部。
这个规律已经经过了六次牛市和熊市的验证,偏差值确实具备预警作用,可以作为我们判断市场走势的重要参考指标。
第四步:制定比特币5A策略
策略:何时买入或卖出,数量选择多少?
我们引入了比特币5A策略。这种策略要求我们根据预警指标的临界值来产生交易信号,进行模拟交易,并统计绩效数据以进行评估。在比特币5A策略中,有三个关键参数:买入预警指标、分批交易天数和卖出预警指标。分批交易天数是为了确保在交易信号发出后,我们可以分批进行交易,从而买到更低的价格、卖到更高的价格,并降低交易冲击成本。
为了找到最优的预警指标临界值和分批交易天数,我们需要反复调整这些参数,并进行回测。回测是通过观察历史数据来建立的一种方法,可以帮助我们更好地理解市场的走势和交易机会。
具体来说,我们可以通过观察比特币价格对数和比特币价格偏差图来找到关键的交易点。例如,在2015年8月25日,🟠比特币价格偏差位于最低值-1.11;在2017年12月17日,🟠比特币价格偏差位于当时的最高值1.69;在2020年3月16日,🟠比特币价格偏差位于当时的最低值-0.91;在2021年3月13日,🟠比特币价格偏差位于当时的最高值1.1;在2022年12月31日,🟠比特币价格偏差位于当时的最低值-1。
为了确保这五个关键的交易点都能产生交易信号,我们将预警指标比特币价格偏差的最低值设为三个最低值中较大的-0.9,最高值设为两个最高值中较小的1。然后,当预警指标比特币价格偏差低于-0.9时买入,高于1时卖出。此外,我们将分批交易天数设定为25天,以实现平均买入和平均卖出的策略。在25天内,我们将总资金平均地投入市场,每天买一次;同时,我们也按照相同的节奏卖出仓位,每天卖一次。
调整临界值:优化交易策略的关键步骤
为了追求更高的绩效,调整临界值是不可或缺的一步。以下是对分批交易天数和预警指标临界值的调整建议:
• 分批交易天数:尝试不同的天数,如25天,以观察其对整体绩效的影响。
• 预警指标的买入和卖出临界值:穷举式迭代调优买入临界值-0.9和卖出临界值1,以找到最佳的阈值组合。
通过这种细致的调整,我们可能找到一个具有较低最大回撤率(例如11%)和较高已平仓交易累计收益率(例如474倍)的优化方案。下图是比特币5A策略回测交易优化图,它为我们提供了策略调整和优化的直观展示。
通过这种方式,我们可以更好地把握市场的走势和交易机会,从而实现更加稳健和高效的交易策略。
第五步:验证比特币5A策略的绩效
验证模型的准确性:如何判断比特币价格模型的准确性?
模型的准确性用确定系数R方来表示,它反映预测值与实际值之间的匹配度。我将所有历史数据从2015年8月18日分为两组,2011年8月18日至2015年8月18日的数据作为训练数据,用于生成模型。计算结果显示,2011-2015年训练期的确定系数R方高达0.81,这说明该模型的准确率相当高。从下图中的比特币价格对数预测图可以看出,预测值与实际值的偏离并不远,这意味着大部分预测值都能很好地解释实际值。
确定系数R方的计算公式如下:
residual = btc_close_log- btc_predicted_price_log
residual_square = residual * residual
train_residual_square_sum = math.sum(residual_square, train_days)
train_mse = train_residual_square_sum / train_days
train_r2 = 1 - train_mse / ta.variance(btc_close_log, train_days)
验证模型的可靠性:如何确认有新数据时比特币价格模型的可靠性?
模型的可靠性通过模型验证来实现。我将训练期的最后一天至2024年2月2日设为“验证组”,用此作为验证数据来检验模型的可靠性。这意味着在生成模型后,如果有了新的数据,我会将这些新数据与模型一起用于预测,然后评估模型的准确性。如果使用验证数据时的确定系数与之前训练时的确定系数相近,且都保持在一个较高的水平,那么我们可以认为这个模型是可靠的。验证期的数据与模型的预测结果计算出的确定系数高达0.83,与之前的0.81相近,进一步证明了该模型的可靠性。
绩效评估:如何精确评估历史回测结果?
在详尽的策略测试后,为了确保结果的准确性和可靠性,我们需要对回测结果进行细致的绩效评估。关键的评估指标包括:
• 净值曲线:如玫红线所示,它直观地反映了账户净值的增长情况。通过观察净值曲线,我们可以了解策略的整体表现和盈利能力。
•
这个策略的基本属性是这样的:
交易范围:2015-8-19—2024-2-18,回测范围:2011-8-18—2024-2-18
初始资金:1000USD,订单大小:1个合约,金字塔:50个订单,佣金比率:0.2%,滑点:20个标记号。
在策略测试器概述图中,我们还获得了以下关键数据:
• 已平仓交易的净利润率:高达474倍,远超基准,在策略测试器业绩概要图中比特币买入并持有210倍。
• 已平仓交易次数与获胜百分比:100次交易全部盈利,这展现了策略的稳定性和可靠性。
• 回撤率与赢亏比:最大回撤率仅为11%,远低于比特币的78%。盈利因子,即赢亏比达到500,进一步证明了策略的优势。
通过这些详细的评估,我们可以清晰地看到比特币5A策略在风险和收益之间的出色平衡。
机会:捕捉因子的变化
因子的变化为我们提供了宝贵的交易机会。下图中的🟠橙色线代表因子指标,当它在2024年2月20日的值为-0.32,大于阈值-0.9时,这可能是一个值得关注的信号。这种机会的出现并不频繁,因此需要我们保持警惕并迅速行动。
使用限制:特定情境下的策略应用
请注意,本策略专为比特币设计,未经授权不得应用于其他资产或市场。在实际操作中,我们应根据自己的风险承受能力和投资目标审慎决定。
本年度最佳进场时机已然到来【Tradingview By Ryan】今明年千万不要做空,这一次回调一旦到位, 预计减半落地后,就要开启真正的大行情!大量的优质山寨后续再次爆发的时候,会突破新高,更高! 4月减半后就是大牛格局,行情会再次升温,下一次山寨的大爆发会比前几个月的爆发还要猛!
大饼现价42395刀,到底38550刀这里是不是真正的底部?还是下跌中继?接下来的一周至关重要,38550美金这里作为底,继续开始走牛我举双手赞成,因为至少一半的人会踏空(都还等着更低的价格),假如这里跌破38550美金再次跌破,大概率会造成恐慌盘,我到时候会选择再次进场抄底。 市场不可预测,我们唯有做好相应的应对策略!
当下手里一定要有底仓,该持有的继续持有,这些筹码是要拿到明年大牛市的。要是换来换去,频繁操作,很容易卖飞。
本轮大饼从最高点48900,直接砸了1万跌到38550美金,过程很丝滑,中间没有太大反弹。仍需明确一点: 当下或者说今年所有的回调,都是买点。总之这次调整不管到38500,还是37000,35000,都将是是本轮牛市最后的也是最佳的进场机会!
如果你担心一次性进场会比较被动,那就尝试分批进场,给到机会就慢慢梭哈完,通过多笔交易拉低整体均价。现在是新的减半周期的前期,减半将于4月落地,贝莱德等大型金融机构正在逐步吸纳大饼,减半后一定是是大牛格局,这个信念绝不能动摇!有钱的大胆继续买,子弹打完了的就躺平。
今年任何的下跌都是纸老虎,都是上车机会,而不是跑路机会!模糊的正确,优于精准的算计。2024年跟2022年完全相反,2022年的任何反弹都是逃命机会。今年减半年则全然相反,今天的顶,就是明天的底。
牛市就是要主动求套,被套只是一时!踏空可就是永远 !仅限现货,合约自求多福。
看完点赞,家财万贯!!!
【BTC】1月-3月 重要阻力支撑**技术分析**
从技术分析的角度来看,比特币的价格走势在过去几个月里一直呈上升趋势。在2023年1月,比特币的价格突破了20000美元的阻力位,并在2月创下历史新高。
从斐波那契回撤来看,比特币的价格在2023年8月起,上升趋势至在36000左右建立支撑,触及了0.5的斐波那契回撤位,并在2023年12月建立了0.382的斐波那契回撤支撑位。目前,比特币的价格突破46000上升阻力,在44500-44700区间震荡。
从RSI指标的角度来看,比特币的RSI指标在2023年10月达到第一次90点,并在12月底第二次达到88。目前,比特币的RSI指标已构成了严重的超卖背离,有一定回调的风险。
从交易量的角度来看,比特币的交易量在2023年1月和2月大幅增加。随着ETF的通过获批,比特币的交易量将在今晚东八区时间9点半美股开盘后形成更高的交易量突破,极有可能会形成大区间震荡多日的资金博弈。
**结论**
综上所述,从技术分析的角度来看,比特币的价格走势在过去几个月里一直呈上升趋势。
综合来看,比特币的价格走势在未来2个月内可能继续震荡,但从长期来看,比特币的价格走势仍将是看涨的。
2023-11-13 BTC:进入4h调整阶段,主流山寨调整幅度较大BINANCE:BTCUSDT
BTC 大饼市占比4h级别昨晚快速下行一波之后在支撑位获得支撑,目前在震荡反弹,属于二次确认,小级别力度衰减,对比之前几段4h的时空,这段调整预期会走1~3周,之后主流山寨会迎来较好的机会,仍会有新高;
大饼进入4h调整的第一笔的第三段,支撑位36450,35200,34650,33600,压力位37390,如果出现大饼震荡/小跌,主流山寨大跌的情况,较大概率主流山寨按照预期的调整1~3周的时间,过程漫长波折。
BTC 日线结构图:
BTC 4h结构图:
BTC市占比结构图:
如果觉得TC还不错,请点赞关注,以鼓励我继续前行,欢迎评论交流指正。
本文中的信息仅作学习记录,不构成投资建议。
在任何投资决策中,投资者应该考虑自己的投资目标和风险承受能力,并且在可能的情况下,寻求专业的金融建议,DYOR。
作者不对任何人因依赖本文中的信息而造成的损失负责。
2023-11-10 BTC&BTC.D:BTC走出小牛行情,目前到了牛市哪个阶段?主力山寨调整后迎来小牛行情。CRYPTOCAP:BTC.D BINANCE:BTCUSDT
BTC&BTC.D
大饼走出了一段小牛行情,目前行情到达了哪个阶段?
近段时间大饼市占比可以比较准确的反映出大饼和以太主力山寨的走势关系,从日线看大饼市占比处于日线第5浪的第4子浪,就是还有最后一浪即结束日线5浪的上涨,从力度看第5浪的力度比3浪的力度也衰减;
目前处于第4子浪的调整中,最后还有第5浪的上涨,市占比上涨通常会出现几种情况:
1.大饼独涨;
2.大饼横盘震荡,其它下跌;
3.大饼小跌,其它大跌。
结合目前的走势看,2或者3的概率大一些,这是主流山寨4h级别的调整,随后主力山寨仍会继续上涨,对应图1右侧的大饼市占比的日线级别为期2~6个月的调整阶段,也就是主流山寨也会迎来一波为期2~6个月的小牛市。
之前一段时间主力山寨的上涨是第一波的上涨,看matic、ada、xrp,doge,op等等大市值的均走出了第一段30%~70%的上涨行情,这是第一段的,调整之后仍会有新高。
昨晚大饼到达日线通道上轨后快速下行了一波,高点低点下行幅度6%,随后开启了反弹,低点高点反弹幅度3.7%,带动以太等开启反弹。这是第一波的下行和反弹,结合大饼市占比,大饼后续有较大概率继续下行,带动主力山寨们陆续开启4h级别的调整。大饼的支撑位35200,34500,33900,小压力位37200~37400。
BTC.D 24h结构图:
BTC.D 4h结构图:
BTC 24h结构图:
BTC 4h结构图:
如果觉得TC还不错,请点赞关注,以鼓励我继续前行,欢迎评论交流指正。
本文中的信息仅作学习记录,不构成投资建议。
在任何投资决策中,投资者应该考虑自己的投资目标和风险承受能力,并且在可能的情况下,寻求专业的金融建议,DYOR。
作者不对任何人因依赖本文中的信息而造成的损失负责。
2023-11-5 BTC:日线第二笔上第一段,高位震荡主流山寨补涨阶段BINANCE:BTCUSDT
BTC 日线以中枢为分界点,目前在处于第二笔上涨的第一段(图1),5浪结构;
目前在走的这阶段(图2)两个红圈处的结构应是比较接近的,不断有小新高,大饼震荡时间较长,以太等主流山寨补涨的阶段;
小级别的结构参考图3,因为不知道高点,只能判断大概的范围和结构,操作上仍是低多,没有补涨或者日线级别处于底部状态的那些都会补涨上来。
BTC 日线结构图:
BTC 日线结构图:
BTC 4h结构图:
BTC市占比 4h结构图:
大饼市占比在下降中,4h级别还有小幅度空间,就是大饼震荡,主流山寨涨幅大于大饼的时间还有一些,操作上仍是大饼回调时做多主流,普涨之后提放一下第五段的急跌行情。
如果觉得TC还不错,请点赞关注,以鼓励我继续前行,欢迎评论交流指正。
本文中的信息仅作学习记录,不构成投资建议。
在任何投资决策中,投资者应该考虑自己的投资目标和风险承受能力,并且在可能的情况下,寻求专业的金融建议,DYOR。
作者不对任何人因依赖本文中的信息而造成的损失负责。