Syklus topp-/bunndeteksjon: Bruk av borekonsepter i kjedeanalyse

---

Markedspulsen

Market Pulses er en serie med premium glassnode-innhold, utgitt ukentlig for avanserte og profesjonelle medlemmer Glassnode Forum. Dette stykket har blitt utgitt gratis for å støtte utgivelsen av en ny arbeidsbenk forhåndsinnstilt, som vi utvikler i analysen nedenfor.

Market Pulse-serien søker å demonstrere unike konsepter og metoder for å analysere Bitcoin- og kryptovalutamarkeder, med vekt på trinnvise veiledninger for bruk av Workbench og Glassnode-verktøy.

---

Introduksjon

Å estimere steinhardhet/styrke på en vilkårlig dybde under boreoperasjoner er en fremtredende utfordring blant geovitenskapsmenn og petroleumsingeniører, også kjent som Måling under boring (MWD). Kjernekonseptet i MWD er å overvåke uregelmessighetene i den underforståtte kraften (trykket) under boreprosessen og deretter assosiere trykkfluktuasjonen med fjellhardhet/styrkevariasjonen ved gjeldende boredybde.

Analogien mellom marked og boring

I denne markedspulsen utnytter vi prinsipper som brukes i Bitcoin atferdsanalyse for å utvikle et rammeverk som er analogt med MWD. Målet er å vurdere investorers motstandskraft mot prisvolatilitet.

Målet med dette stykket er å utvikle en lignende analogi for å vurdere investorenes motstandskraft mot prisvolatilitet. Med andre ord, ved å matche følgende variabler;

• Prisendring ≡ Trykkendring
• Prosent av tilbud i resultatendring ≡ Penetrasjonshastighetsvariasjon
• Selgere utmattelse ≡ Steinhardhet/styrke

Vi kan spore korrelasjonen mellom Prisendringen og endringen i % Tilførsel i Profitt i et forsøk på å estimere iht. Selger utmattelse opplevd gjennom hele markedsbunningsfasen.

Logikken bak denne metaforen er basert på sporadiske avbrudd i konvergensen mellom pris- og tilbudsendring. Følgende diagram bekrefter samløpet mellom forsyningslønnsomhet 🠠 og spotprisendring 🟣 med hensyn til siste ATH.

Til tross for den fremtredende korrelasjonen mellom disse to beregningene på lang sikt, på mikroskalaen, er det mange forbigående intervaller der tilbudslønnsomheten ikke følger trenden med prisendringer.

Med andre ord, når markedet går gjennom et utvidet bjørnemarked (eller oksemarked), fører selgers (eller kjøpers) utmattelse til at den kortsiktige priskorrelasjonen med prosentandelen av tilbudet i profitt avviker fra det typiske området (~0.9) til 1).

---

En nysgjerrig sammenheng

Følgende figur presenterer 7-dagers korrelasjonen mellom pris og prosentandel i fortjeneste og de høye 🟩 (0.9<korr<1.0) og moderate 🟧 (korr<0.75) korrelasjonsintervaller.

???? Arbeidsbenkfunksjoner:
m1 = Pris
m2 = Prosent tilbud i overskudd
f1 = 7-dagers korrelasjon = corr(m1, m2, 7)

Som vist i grafen ovenfor, forblir den diskuterte korrelasjonen konsekvent i området 0.9 til 1 i løpet av en betydelig brøkdel av en typisk markedssyklus. Men når makrotrenden opplever en overgangsfase mellom et okse- og bjørnemarked (eller omvendt), opplever denne korrelasjonen flere fall til verdier under 0.75.

Denne oppførselen kan representeres i ett av følgende scenarier:

• Overgang fra Bear til Bull Market 🟩, hvor bjørnemarkedet er på sine senere stadier og selgere er utslitt. Denne frustrasjonen gjør at den gjenværende deltakeren er motvillig til å flytte midlene sine, og dermed avviker korrelasjonen mellom pris og tilbudslønnsomhet fra 0.9-1 området.
• Overgang fra okse til bjørnemarked 🟥,hvor oksemarkedet er parabolsk, og nesten 100 prosent av tilbudet er i profitt på grunn av prishandel over forrige ATH. Derfor avtar korrelasjonen mellom pris og lønnsomhet i denne fasen til markedet går inn i bearish-stadiet etter ATH.

Bruksområde: Bear Markets

For tiden har markedet mange kjennetegn på en bunnfunnfase. Derfor er overgangen fra Bear til Bull Market perioden av interesse. For å markere korrelasjonsuregelmessighetene har vi bare fremhevet dagene hvor denne korrelasjonen er mindre enn 0.75.

Deretter kan vi redegjøre for uregelmessigheter utelukkende innenfor bjørnemarkedstrenden. For dette vurderer vi kun påmeldinger mens markedsprisen er under den realiserte prisen. dvs. mens det bredere markedet er i et samlet, urealisert tap. Et annet mer bredt alternativ kan være å filtrere etter priser under 200-dagers glidende gjennomsnitt.

???? Arbeidsbenkfunksjoner:
m1 = Pris
m2 = Prosent tilbud i overskudd
m3: Bear Market Indicator = Realisert pris (eller 200DMA)
f1: 7-dagers korrelasjon = korr(m1, m2, 7)
-----------------
For å konstruere gulvmodellindikatoren vist i ⚫, vil vi multiplisere en kombinasjon av to if-then uttalelser for å produsere en AND uttalelse.

Først hvis: Hvis korrelasjonen er < 0.75, returner 1, ellers returnerer 0.
A) if(f1, "<", 0.75, 1, 0)
Andre hvis: Hvis prisen er < Realisert pris, returner 1, ellers returner 0.
B) if(m1, "<=", m3, 1, 0)
Kombinert hvis:
A * B * m1 —> dette vil returnere 1*1*Pris når forholdene er sanne. Sørg for å sette Y-aksen til prisdiagrammet, og diagramstil til søyle.

Endelig Output
f2= if(f1, "<", 0.75, 1, 0)   *  if(m1, "<=", m3, 1, 0)   *   m1

Bruksområde: Bull Markets

Vi kan også bruke den samme teknikken for å identifisere syklustoppformasjon, ved å bruke det velkjente 200-dagers glidende gjennomsnittet og derivatoscillatoren Mayer Multiple som vår oksesyklus ekstrem. Historisk sett, Mayer Multiple verdier over 2.4 har signalisert et relativt overopphetet Bitcoin-marked, med prishandel med en premie på 240 % til 200-dagers MA.

Vi kan nå etablere en ekvivalent okse-til-bjørn-syklusovergang, ved å bytte ut den betingede testen knyttet til den realiserte prisen, for en minimumsverdi av Mayer-multiplen.

???? Arbeidsbenkfunksjoner:
m1 = Pris
m2= Prosent tilbud i overskudd
m3: Bear Market Indicator = Realisert pris (eller 200DMA)
f1: 7-dagers korrelasjon = korr(m1, m2, 7)
f2: Gulvdeteksjonsmodell = if(f1, "<", 0.75, 1, 0)*if(m1, "<=", m3, 1, 0)*m1
f3: Mayer Multiple = m1/sma(m1,200)
------------------
Konstruksjonen er identisk med f2, men vi vil bytte ut tilstanden i pat B) med en test av om Mayer Multiple er ≥ 2.4
Endelig Output
f4 =if(f1, "=", 2.4**, 1, 0)   *   m1

konklusjonen

Ved å bruke analoger til metoder fra fjellboreindustrien i kjedeanalyse, har vi introdusert en metode for å spore potensielle overgangsperioder mellom bjørne- og oksemarkeder.

Sammenhengen mellom lønnsomhet og pris ble undersøkt for å bestemme overgangsfasene i en syklus. Resultatet viste at pris og markedslønnsomhet er sterkt korrelert når makrotrender er fullt etablert (korrelasjon ~ 0.9 til 1).

I løpet av en overgangsfase faller imidlertid korrelasjonen mellom disse to beregningene til nivåer under 0.75. Dette betyr at forsyningslønnsomheten er nær sine ekstreme vendepunkter, et skifte i investoradferd, og at prisendringer ikke fører til en tilhørende lønnsomhetsendring. Denne strukturen er ideell for reversering av makrotrend.

Den endelige gulvdeteksjonsmodellen fanger i hovedsak opp følgende hendelser ved hjelp av en If-then-and utsagnskonstruksjon:

• Prisen er under den realiserte prisen, noe som signaliserer en sannsynlig bjørnemarkedsstruktur i sent stadium.
• Korrelasjonen mellom Pris og Prosent Tilbud i Fortjeneste er under 0.75
• Forverring av korrelasjonen betyr økt sannsynlighet for at HODLere ikke flytter pengene sine.

---