Ethereums gevinster forklaret i 6 originale og fantastiske diagrammer PlatoBlockchain Data Intelligence. Lodret søgning. Ai.

Ethereums gevinster forklaret i 6 originale og fantastiske diagrammer

Ethereum har ikke stabiliseret sig over en periode. Historisk set har risiko - målt ved standardafvigelsen af ​​afkast - en tendens til at være meget mere stabil end afkast. Aktiemarkedet har været relativt mere stabilt sammenlignet med Ethereum. Efterhånden som Ethereum bliver mere etableret, vil vi muligvis se et fald i dets volatilitet. Dette minder mig om at sove godt og sove godt. Aktiemarkedet har sit øvre og nedre kredsløb, men her har vi en rutsjebane af afkast. Så brænd dine penge for at tjene dine penge.

Ethereums gevinster forklaret i 6 originale og fantastiske diagrammer PlatoBlockchain Data Intelligence. Lodret søgning. Ai.
Python genereret

A Normal fordeling, nogle gange kaldet klokkekurven, er en fordeling, der forekommer naturligt i mange situationer. For eksempel ses klokkekurven i test som SAT og GRE. Hovedparten af ​​eleverne vil score gennemsnit ©, mens et mindre antal elever vil score et B eller D. En endnu mindre procentdel af eleverne scorer et F eller et A. Dette skaber en fordeling, der ligner en klokke (deraf kaldenavnet). Klokkekurven er symmetrisk. Halvdelen af ​​dataene vil falde til venstre for betyde; halvdelen falder til højre.
Mange grupper følger denne type mønster. Det er derfor, det er meget brugt i erhvervslivet, statistikker og i offentlige organer som f.eks FDA:

  • Højder af mennesker.
  • Målefejl.
  • Blodtryk.
  • Point på en test.
  • IQ-score.
  • Løn.

empirisk regel fortæller dig, hvor stor en procentdel af dine data der falder inden for et bestemt antal standardafvigelser fra betyde:
• 68 % af dataene falder inden for én standardafvigelse af betyde.
• 95 % af dataene falder inden for to standardafvigelser af betyde.
• 99.7 % af dataene falder inden for tre standardafvigelser af betyde. -

https://www.statisticshowto.com/probability-and-statistics/standard-deviation/

Det samme gælder Ethereum-prisændringer. Hvad der er forbløffende ved dette diagram er, at Ethereum-prisændringer ikke kun er mere samlet omkring gennemsnittet sammenlignet med en normal fordeling, men halerne er meget federe. Med en normalfordeling har omkring to tredjedele af observationerne tendens til at være plus/minus én standardafvigelse væk fra middelværdien, mens 95 procent af observationerne har en tendens til at være plus/minus to standardafvigelser væk fra middelværdien og kun 0.3 procent. er over tre standardafvigelser væk fra middelværdien som vist i grafen ovenfor.

Det, vi ser i dette diagram, er, at halebegivenheder er meget mere udbredte, end vi ville forvente med en normalfordeling. For eksempel skete Ethereums værste fald på én dag den 12. marts 2020 med et fald på 45 procent tidligt i Covid-19-pandemien, og omkring det tidspunkt, hvor lagrene også faldt væsentligt - en hændelse over 8 standardafvigelser under gennemsnitlig prisændring.

Kæmpe prisstigninger er meget mere udbredte end ved en normal fordeling også. For eksempel skete den største endagsprisstigning, 25.3 procent, den 7. december 2017 og fulgte en anden enorm stigning dagen før på 19.9 procent.

Python genereret

Dette diagram viser både afkast og risiko. Jeg måler afkastet her som den sammensatte årlige vækstrate eller CAGR (statistikere kalder dette også det geometriske gennemsnit) eller vækstraten mellem startværdien og slutværdien (et alternativt mål er et simpelt gennemsnit, middelværdien eller aritmetik gennemsnit, som er det gennemsnitlige afkast hvert år over et antal år). Jeg måler risikoen for standardafvigelsen for afkast. Jeg bruger de daglige prisændringer og konverterer dem til årlige afkast- og risikomål.

Det fantastiske ved dette diagram er, at det viser, hvordan Ethereum er i et helt andet risiko-afkast-univers. Vi tænker på det traditionelle aktivunivers i det røde felt i nederste venstre hjørne. Et bredt aktiemarkedsindeks som S&P 500 har haft et langsigtet gennemsnitligt årligt afkast (inklusive udbytte) på omkring 10 procent med en årlig standardafvigelse på lige under 20 procent. Perioden 2014-2021 er i overensstemmelse med disse langsigtede gennemsnit. Individuelle aktier er mere risikable end det overordnede marked, og det var tilfældet med hver af FANG-aktierne, som også havde højere gennemsnitlige afkast end S&P 500-indekset i denne periode (naturligvis per definition er det ikke alle aktier, der kan overgå markedsgennemsnittet! ). Apple har over 50% afkast med 40% afvigelse, Facebook har samme afkast med en lavere afvigelse. Mens Ethereum i gennemsnit havde et utroligt trecifret gennemsnitligt årligt afkast, viste det også mega-risiko med en årlig standardafvigelse på over 100%.

Python genereret

Korrelation er et statistisk mål for, i hvilket omfang to aktivpriser ændrer sig i en lignende eller forskellig sag. Korrelation skaleres fra -1 eller perfekt negativ korrelation til +1 eller perfekt positiv korrelation. I en perfekt negativ korrelation, når aktiv A's pris stiger, falder aktiv B's pris med det samme beløb; med perfekt positiv korrelation bevæger aktiv A's pris og aktiv B's pris sig i låsetrin. En lavere og endda negativ korrelation mellem aktiver er en god ting set ud fra et porteføljediversificeringsperspektiv, da individuelle aktivers op- og nedture til en vis grad udjævnes. Hvis du tilfældigt vælger to aktier, vil de højst sandsynligt have en lav og positiv korrelation.

Det forbløffende ved dette diagram er, hvor lav Ethereum-korrelationen er i forhold til andre aktivklasser. Korrelationen med S&P 500 er 0.20, hvilket tyder på, at det at have Ethereum i sin portefølje er en positiv ting for at hjælpe med at udjævne op- og nedture på aktiemarkedet. Det, der overraskede mig mest, var den stærke positive sammenhæng mellem Ethereum og Bitcoin. Da Ethereum er en altcoin, troede jeg, at der ville være en positiv korrelation med Bitcoin, men ikke denne stærke korrelation.

Source: https://medium.com/technology-hits/ethereums-gains-explained-in-6-original-and-amazing-charts-4686ae0e8ccb?source=rss——-8—————–cryptocurrency

Tidsstempel:

Mere fra Medium