Ethereums gevinster forklart i 6 originale og fantastiske diagrammer PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.

Ethereums gevinster forklart i 6 originale og fantastiske diagrammer

Ethereum har ikke stabilisert seg over en periode. Historisk sett har risiko - målt ved standardavviket for avkastning - en tendens til å være mye mer stabil enn avkastning. Aksjemarkedet har vært relativt mer stabilt sammenlignet med Ethereum. Etter hvert som Ethereum blir mer etablert, kan vi se en nedgang i volatiliteten. Dette minner meg på å sove godt og sove godt. Aksjemarkedet har sin øvre og nedre krets, men her har vi en berg-og-dal-bane av avkastning. Så brenn penger for å tjene penger.

Ethereums gevinster forklart i 6 originale og fantastiske diagrammer PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.
Python generert

A normal distribusjon, noen ganger kalt klokkekurven, er en fordeling som forekommer naturlig i mange situasjoner. For eksempel sees bjellekurven i tester som SAT og GRE. Hovedtyngden av studentene vil score gjennomsnittlig ©, mens mindre antall elever vil score en B eller D. En enda mindre prosentandel av elevene scorer en F eller en A. Dette skaper en fordeling som ligner en bjelle (derav kallenavnet). Klokkekurven er symmetrisk. Halvparten av dataene vil falle til venstre for bety; halvparten vil falle til høyre.
Mange grupper følger denne typen mønster. Det er derfor det er mye brukt i næringslivet, statistikker og i offentlige organer som FDA:

  • Høyder av mennesker.
  • Målefeil.
  • Blodtrykk.
  • Poeng på en test.
  • IQ-score.
  • Lønn.

De empirisk regel forteller deg hvor mange prosent av dataene dine som faller innenfor et visst antall standardavvik fra bety:
• 68 % av dataene faller innenfor én standardavvik av bety.
• 95 % av dataene faller innenfor to standardavvik av bety.
• 99.7 % av dataene faller innenfor tre standardavvik av bety. -

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

Det samme gjelder Ethereum-prisendringer. Det som er utrolig med dette diagrammet er at ikke bare er prisendringer på Ethereum mer samlet rundt gjennomsnittet sammenlignet med en normal fordeling, men halene er mye fetere. Med en normalfordeling har omtrent to tredjedeler av observasjonene en tendens til å være pluss/minus ett standardavvik unna gjennomsnittet, mens 95 prosent av observasjonene har en tendens til å være pluss/minus to standardavvik unna gjennomsnittet, og bare 0.3 prosent. er over tre standardavvik unna gjennomsnittet som vist i grafen ovenfor.

Det vi ser i dette diagrammet er at halehendelser er mye mer utbredt enn vi forventer med en normalfordeling. For eksempel skjedde Ethereums verste fall på én dag 12. mars 2020, med en nedgang på 45 prosent, tidlig i Covid-19-pandemien, og rundt den tiden også aksjene falt betydelig – en hendelse over 8 standardavvik under gjennomsnittlig prisendring.

Store prisøkninger er mye mer utbredt enn ved normalfordeling også. For eksempel skjedde den største endagsprisøkningen, 25.3 prosent, 7. desember 2017, og fulgte en annen enorm oppgang dagen før på 19.9 prosent.

Python generert

Dette diagrammet fanger opp både avkastning og risiko. Jeg måler avkastning her som den sammensatte årlige vekstraten eller CAGR (statistikere kaller dette også det geometriske gjennomsnittet) eller veksthastigheten mellom startverdien og sluttverdien (et alternativt mål er et enkelt gjennomsnitt, gjennomsnittet eller aritmetikk gjennomsnitt, som er gjennomsnittlig avkastning hvert år over antall år). Jeg måler risiko med hensyn til standardavviket for avkastning. Jeg bruker de daglige prisendringene og konverterer dem til årlige avkastnings- og risikomål.

Det som er utrolig med dette diagrammet er at det viser hvordan Ethereum er i et helt annet risiko-avkastningsunivers. Vi tenker på det tradisjonelle aktivauniverset i den røde boksen i nedre venstre hjørne. En bred børsindeks som S&P 500 har hatt en langsiktig gjennomsnittlig årlig avkastning (inkludert utbytte) på rundt 10 prosent med et årlig standardavvik på rett under 20 prosent. Perioden 2014–2021 er i samsvar med disse langsiktige gjennomsnittene. Individuelle aksjer er mer risikofylte enn det totale markedet, og det var tilfellet med hver av FANG-aksjene, som også hadde høyere gjennomsnittlig avkastning enn S&P 500-indeksen over denne perioden (selvfølgelig per definisjon kan ikke alle aksjer overgå markedsgjennomsnittet! ). Apple har over 50 % avkastning med 40 % avvik, Facebook har samme avkastning med lavere avvik. Mens Ethereum hadde en utrolig tresifret gjennomsnittlig årlig avkastning, viste den også megarisiko, med et årlig standardavvik på over 100 %.

Python generert

Korrelasjon er et statistisk mål på i hvilken grad to formuespriser endres i en lignende eller annen sak. Korrelasjon skaleres fra -1 eller perfekt negativ korrelasjon til +1 eller perfekt positiv korrelasjon. I en perfekt negativ korrelasjon, når aktiva A sin pris øker, synker aktiva B sin pris med samme beløp; med perfekt positiv korrelasjon beveger aktiva A sin pris og aktiva B sin pris i låstrinn. En lavere og til og med negativ korrelasjon mellom aktiva er en god ting fra et porteføljediversifiseringsperspektiv, da individuelle aktiva opp- og nedturer jevnes ut til en viss grad. Hvis du tilfeldig velger to aksjer, vil de mest sannsynlig ha en lav og positiv korrelasjon.

Det som er utrolig med dette diagrammet er hvor lav Ethereum-korrelasjonen er i forhold til andre aktivaklasser. Korrelasjonen med S&P 500 er 0.20, noe som tyder på at det å ha Ethereum i sin portefølje er en positiv ting for å jevne ut opp- og nedturer i aksjemarkedet. Det som overrasket meg mest var den sterke positive korrelasjonen mellom Ethereum og Bitcoin. Siden Ethereum er en altcoin, trodde jeg det ville være en positiv korrelasjon med Bitcoin, men ikke denne sterke korrelasjonen.

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

Tidstempel:

Mer fra Medium