Цены на биткойн превысят 190 000 долларов в 2025 году
В долгосрочной стратегии мы углубляемся в ключевые факторы, влияющие на цену биткойна. Точно рассчитав корреляцию этих факторов с ценой биткойна, мы обнаруживаем, что они тесно связаны со стоимостью биткойна. Чтобы более эффективно прогнозировать разумную цену биткойна, мы построили модель прогнозирования, основываясь на историческом опыте, определили предельное значение отклонения цены и рассчитали верхнюю и нижнюю границы цены, наблюдая за ценой биткойна и верхними и нижними границами цены, которые могут направлять транзакцию, и на основе текущих данных рассчитать верхнюю границу цены биткойна в 2025 году. Исторические симуляции доказывают, что результаты прогнозирования модели хорошо согласуются с фактической ценой, что полностью доказывает ее надежность при прогнозировании ценовых колебаний.
Как сказал Алан Гринспен: «Когда будущее непредсказуемо и неопределенно, люди часто выбирают стагнацию, избегают рисков или даже отказываются от своих первоначальных планов». «Прогнозы для биткойна сложны, но мы сделали первые шаги к исследованию.
Каталог:
Шаг 1: Определите факторы, которые оказывают наибольшее влияние на цену биткойна
Шаг 2: Создайте модель прогнозирования цены биткойна
Шаг 3: Ищите индикаторы раннего предупреждения для нижней части медвежьего рынка и вершины бычьего рынка
Шаг 4: Спрогнозируйте ограничение цены биткойна в 2025 году
Шаг 5: Проверьте производительность индикатора оповещения биткойна
Шаг 1: Определите факторы, которые оказывают наибольшее влияние на цену биткойна
Коэффициент корреляции: математическая концепция для измерения воздействия
Для того, чтобы предсказать движение цены Биткойна, нам нужно глубже изучить факторы, которые оказывают наибольшее влияние на цену Биткойна. Эти факторы или переменные могут быть выражены математически или статистически в виде коэффициентов корреляции. Коэффициент корреляции — это мера степени корреляции между двумя переменными со значением от -1 до 1. Значение 1 указывает на то, что две переменные полностью положительно коррелируют, а значение -1 указывает на то, что две переменные полностью отрицательно коррелируют.
В случае с ценами на кукурузу и свиней, рост цен на кукурузу обычно приводит к соответствующему росту цен на свиней, поскольку кукуруза является основным источником кормов для свиноводства. При этом коэффициент корреляции между ценами на кукурузу и свиней составляет около 0,3. Это означает, что кукуруза является фактором, влияющим на цены на свиней. Например, если показатели одного стрелка улучшаются, а у другого снижаются из-за повышенного психологического напряжения, то можно сказать, что первое является фактором, влияющим на производительность второго.
Поэтому, чтобы выяснить факторы, оказывающие наибольшее влияние на цену Биткойна, нам нужно найти фактор с наибольшим коэффициентом корреляции с ценой Биткойна. Если с помощью корреляционного анализа цены биткойна и ончейн-данных будет обнаружено, что определенный фактор данных в сети имеет наибольший коэффициент корреляции с ценой биткойна, то этот фактор ончейн-данных может быть определен как фактор, который оказывает наибольшее влияние на цену биткойна. После расчетов мы выяснили, что число Биткойн Блок является одним из факторов, оказывающих 🔵 наибольшее влияние на цену Биткойн. Из исторических данных видно, что
🔵 Биткойн Блок в основном совпадает с направлением Биткойн цены. Проанализировав данные за последние десять лет, мы получаем:
🔵 Дневной коэффициент корреляции между ценой Биткойн Блок и Биткойн равен 0,93.
Шаг 2: Создайте модель прогнозирования цены биткойна
Прогностическая модель: какая формула используется для прогнозирования цены биткойна?
Среди различных прогностических моделей линейная функция является предпочтительной моделью из-за ее высокой точности. В случае стандартного веса изображение линейной функции представляет собой прямую линию, поэтому мы выбрали модель линейной функции. Однако цена Биткойна и его размер блока растут чрезвычайно быстро, что не соответствует характеристикам линейной функции. Поэтому, чтобы привести эти два показателя в соответствие с характеристиками линейных функций, мы сначала выполним логарифмическое преобразование этих двух. Глядя на логарифмический график цены биткойна и размера блока, мы видим, что после логарифмического преобразования они больше согласуются с характеристиками линейных функций. Исходя из этой особенности, мы выбрали модель линейной регрессии для построения прогностической модели.
Как видно из графика ниже, фактическое красно-зеленое свечное колебание вокруг прогнозируемой 🟢 сине-зеленой линии. Эти прогнозы основаны на фундаментальных факторах Биткойна, которые лежат в основе стоимости Биткойна и отражают его справедливую стоимость. Эта картина совпадает с теорией Маркса о «колебаниях цен вокруг стоимости», выдвинутой в «Капитале».
Шаг 3: Ищите индикаторы раннего предупреждения в нижней части Биткойн Медвежий рынок и в верхней части Бычий рынок
Индикатор раннего предупреждения: как определить, достигла ли цена биткойна дна медвежьего рынка или вершины бычьего рынка?
Глядя на график логарифмического прогноза цены биткойна выше, мы обнаруживаем, что в нижней части медвежьего рынка фактическая цена, как правило, ниже прогноза, а на пике бычьего рынка фактическая цена превышает прогноз. Этот паттерн показывает, что отклонение между фактическим значением и прогнозируемым значением может быть использовано в качестве сигнала для раннего предупреждения. 🟠 Когда значение отклонения цены биткойна низкое, график с зеленым фоном показывает, что это обычно означает, что мы находимся на дне медвежьего рынка; и наоборот, когда 🟠 значение отклонения цены биткойна высокое, график с красным фоном указывает на то, 🟩 🟥 что мы находимся на вершине бычьего рынка.
Этот закон был проверен шестью бычьими рынками и медвежьим рынком, и величина отклонения действительно имеет эффект раннего предупреждения, который можно использовать в качестве важного эталонного индикатора для нас для оценки рыночного тренда.
Мы можем найти закономерности, взглянув на логарифм цены биткойна и график отклонения цены биткойна. Например, 25 августа 2015 года отклонение цены биткойна было на самом низком значении -1,11; 17 декабря 2017 🟠 года
🟠 Отклонение цены биткойна на тот момент было на самом высоком значении 1,69; 16 марта 2020 года
🟠 Отклонение цены биткойна на тот момент было на самом низком значении -0,91; 13 марта 2021 года
🟠 Отклонение цены биткойна на тот момент было на самом высоком значении 1,1; 31 декабря 2022 года
🟠 Отклонение цены биткойна было на самом низком значении -1 в то время.
Из консервативных соображений мы установили нижнюю границу отклонения цены биткойна предупреждающего индикатора на большее из трех самых низких значений -0,9, а верхнюю границу на меньшее из двух самых высоких значений 1.
Когда мы добавляем верхнее и нижнее значения отклонения цены биткойна к прогнозируемой цене, мы получаем верхнюю и 🟤 нижнюю границы 🟠 цены. Вы можете интуитивно направлять транзакцию. Когда цена биткойна ниже ценового минимума, покупайте. Продавайте, когда цена биткойна превышает ценовой предел.
Шаг 4: Спрогнозируйте ограничение цены биткойна в 2025 году
Предельная цена для Биткойн, рассчитанная на основе данных на 25 февраля 2024 года, составляет $194287, что является верхней границей для этого раунда Бычий рынок. Пик последнего бычьего рынка составил 68 664 доллара 9 ноября 2021 года, а цикл медвежьего рынка составляет 4 года, поэтому ожидается, что ценовой пик этого бычьего рынка придется на 2025 год, а ценовой потолок биткойна превысит 190 000 долларов. Биткойн Цена закрытия 25 февраля 2024 года составляет $51 729, который, как ожидается, увеличится в 2,7 раза.
Шаг 5: Проверьте производительность индикатора оповещения биткойна
Проверка точности модели: как судить о точности модели цены биткойна?
Точность модели выражается коэффициентом детерминации R, который отражает степень совпадения прогнозируемого значения с фактическим. Я разделил все исторические данные с 18 августа 2015 года на две группы, используя данные с 18 августа 2011 года по 18 августа 2015 года в качестве обучающих данных для построения модели. Результаты показывают, что коэффициент детерминации R периода обучения с 2011 по 2015 гг. достигает 0,81, что свидетельствует о достаточно высокой точности модели. Как видно из графика прогноза цены биткойна на графике ниже, прогнозируемое значение не сильно отклоняется от фактического значения, а это означает, что большинство прогнозных значений хорошо объясняют фактическое значение.
Проверьте надежность модели: как подтвердить надежность модели цены биткойна при появлении новых данных?
Надежность модели достигается за счет валидации модели. Я установил последний день периода обучения на 2 февраля 2024 года в качестве «группы проверки» и использовал его в качестве проверочных данных для проверки надежности модели. Это означает, что после создания модели, если появляются новые данные, я использую эти новые данные вместе с моделью для прогнозирования, а затем оцениваю точность модели. Если коэффициент детерминации при использовании валидационных данных аналогичен коэффициенту предыдущего обучения, и оба остаются на высоком уровне, то можно считать модель надежной. Коэффициент достоверности, рассчитанный по данным за период валидации и результатам прогнозирования модели, достигает 0,83, что аналогично предыдущим 0,81, что еще раз доказывает надежность модели.
Стратегия: Когда покупать или продавать, количество лонгов выбирать?
Мы представили стратегию Биткойн 5А. Эта стратегия требует от нас генерировать торговые сигналы на основе порога предупреждающего индикатора, проводить симуляцию торговли и подсчитывать данные о производительности для оценки. В стратегии Биткойн 5А есть три ключевых параметра: индикатор предупреждения о покупке, пакетные торговые дни и индикатор предупреждения о продаже. Дни торговли лотами предназначены для того, чтобы после получения торгового сигнала мы могли торговать партиями, чтобы купить по более низкой цене, продать по более высокой цене и Падение стоимость торговых шоков.
Для того, чтобы найти оптимальный порог индикатора алерта и количество дней пакетной торговли, нам необходимо многократно корректировать эти параметры и тестировать их на истории. Тестирование на истории — это метод, основанный на изучении исторических данных, который может помочь нам лучше понять движения рынка и торговые возможности.
Когда индикатор раннего предупреждения об отклонении цены биткойна ниже -0,9, то есть, когда цена биткойна ниже нижнего предела цены, покупайте. Когда он выше 1, то есть когда цена биткойна выше ценового предела, продавайте. Кроме того, мы установили количество торговых дней партиями в 25 дней для достижения стратегии средней покупки и средней продажи. В течение 25 дней мы равномерно вкладываем все деньги в рынок, покупая один раз в день, и в то же время продаем позицию в том же темпе, раз в день.
Настройка пороговых значений: ключевой шаг для оптимизации торговой стратегии
В погоне за более высокой производительностью регулировка порогов является незаменимым шагом. Ниже приведены рекомендуемые корректировки количества дней пакетной торговли и порогового значения предупреждающего индикатора:
- Дни пакетной торговли: поэкспериментируйте с разными днями, например, 25 днями, чтобы увидеть, как это влияет на общую производительность.
- Пороговые значения покупок и продаж для индикаторов раннего предупреждения: исчерпывающая и итеративная настройка пороговых значений покупки -0,9 и продаж 1, чтобы найти оптимальную комбинацию пороговых значений.
С помощью этой тонкой настройки мы можем найти схему оптимизации с меньшей максимальной просадкой (например, 11%) и более высокой совокупной доходностью по сделкам закрытия позиций (например, 474x). На следующем рисунке показан график оптимизации транзакций стратегии Биткойн 5А, который дает нам наглядное представление о корректировке и оптимизации стратегии.
Таким образом, мы можем лучше понимать рыночные тенденции и торговые возможности, чтобы достичь более надежной и эффективной торговой стратегии.
Оценка производительности: как точно оценить результаты тестирования на истории?
Для того, чтобы убедиться в точности и достоверности результатов после исчерпывающего тестирования стратегии, необходимо провести детальную оценку эффективности результатов тестирования на истории. Ключевые показатели оценки включают:
- Кривая эквити: Как показано розовой красной линией, она визуально отражает рост капитала счета. Глядя на кривую эквити, мы можем понять общую эффективность и прибыльность стратегии.
Основные свойства этой стратегии заключаются в следующем:
Торговый диапазон: 2015-8-19—2024-2-18, диапазон тестирования на истории: 2011-8-18—2024-2-18
Начальные средства: 1000USD, размер ордера: 1 контракт, пирамида: 50 ордеров, комиссия 0,2%, проскальзывание: 20 маркеров.
На обзорной диаграмме тестера стратегий мы также получаем следующие ключевые данные:
- Маржа чистой прибыли по сделкам закрытия позиций: до 474x, что намного превышает бенчмарк, биткойн покупался и удерживал 210x в профиле производительности тестера стратегий.
- Количество сделок закрытия позиции и процент выигрышей: все 100 сделок прибыльные, что демонстрирует стабильность и надежность стратегии.
- Соотношение просадки к выигрышу и проигрышу: максимальная просадка составляет всего 11%, что намного ниже, чем 78% у Биткойна. Профит-фактор, т.е. соотношение выигрышей и проигрышей 500, еще раз доказывает силу стратегии.
С помощью этих подробных оценок мы можем ясно увидеть отличный баланс между риском и доходностью стратегии Биткойн 5A.
(перенаправлено с «TV-lilibtc»)
![]()
