> 原文タイトル：《オンチェーンデータ学堂（九）：市場天気計 RUPL (I) - データ紹介 & ディップを買うアプリケーション》> 原文作者：ベイグ氏、オンチェーンデータアナリスト#TLDRの- RUPL シリーズの記事は 2 つに分かれており、これは第 1 篇です。- RUPL は市場の現在の未実現利益状況を示すことができます。- RUPL を観察することで、市場のトップとボトムの動きの法則を見つけることができます。- 本文は RUPL に基づいて設計されたディップを買うモデルを共有します。# 一、RUPLとは何ですか？RUPLの正式名称はRelative Unrealized Profit & Lossで、中国語で「Relative Unrealized Profit & Loss」を意味する。 この指標は、RUP と RUL の 2 つの部分に分けることができます。RUPの計算方法を例に挙げると：1、現在の価格を各 $BTC 最後の移転時の価格と比較し、「現価格 > 最後の移転価格」のチップを利益チップとして分類する。2.収益性の高い各チップの利益額に、対応する金額を掛けて、未実現利益を求めます。 3、最後に、そのデータを当時の時価総額に基づいて標準化処理します。言い換えれば、Unrealized Profit は現在の市場における総未実現利益であり、RUP はそれを時価総額に基づいて標準化し、各時期の市場の収益状況を横断的に比較できるようにしたものです。RUL のアルゴリズムは RUP と同じであり、この記事では詳細には述べません。! [](https://img.gateio.im/social/moments-b3fc4f7c26e93c56b925a921c1f2aef1)上の図1のように、緑の線はRUP、赤の線はRULです。価格はRUPと高度に正の相関があり、RULと高度に負の相関があることがわかります。これは直感的です。なぜなら、コインの価格が上昇するにつれて、利益のチップと未実現の利益が自然に増加するからです。しかし、上の図をさらに観察すると、RULが特定の時間帯にRUP（つまり、赤い線が緑の線より高い、図中の黄色の枠の部分）を上回ることがあることがわかります。これは市場全体が未実現損失の状態にあることを示しています。では、これらの時間帯には特別な意味があるのでしょうか？引き続きお読みください。# 二、RUPL のディップを買うアプリケーション承上、有句話說得好：「他人が恐れているときに私は貪欲になる」、市場の大多数のチップが損失状態にあるとき、私たちがチップを集めるための良いタイミングかもしれません。! [](https://img.gateio.im/social/moments-2a76d546bad4077ed454c4dc2324ef1d)上の図2のように、図1のRUL > RUPの時間帯をマークした後、このグラフを描きました。RUL > RUPの時、ほぼすべてが歴史的な周期の底にあることが明確にわかります。これは舟に剣を求めることではなく、その論理は次のようになります： 「市場全体が損失状態にあるとき、低価格の大量のトークンを保有している投資家が基本的に売却を完了したことを意味します。一方、損失を抱えている投資家は、価格が非常に低いため損切りをしたくないことが多いです。この二つの感情が交錯し、売り圧力が大幅に減少します。したがって、少しでも買いが入れば、トレンドが反転し始めて上昇する可能性があります。」この論理は以前に共有した LTH-RP ディップを買う戦略と非常に似ています。興味のある読者はこの投稿を参照できます：《オンチェーンデータ学堂（二）：いつも利益を上げている Hodlers たち、彼らが BTC を購入したコストはいくらですか？》# 三、ディップを買うモデル設計ロジック共有次に、RULは一時的に見ず、RUPチャートを単独で観察すると、RUPが歴史的な底にあるときに比較的近い数値範囲があることがわかります。! [](https://img.gateio.im/social/moments-b1fa48a20191d5969684460daca9c99d)例えば、チャートに0.4の水平線を追加すると、RUP < 0.4の領域が明確に見えます。（ここでの0.4はモデルパラメータであり、調整可能です。後でさらに言及します。）既然 RUP の明らかな底部区間が発見されたので、RUP < 0.4 という条件を前の RUP < RUL 条件に重ね合わせて、二次信号フィルタリングを行い、以下の結果を得る：! [](https://img.gateio.im/social/moments-526f8496456a9a04c355f82443d09ffb)これはモデル設計で一般的に使用される方法であり、目的は信号をフィルタリングしてより正確な効果を達成し、モデルが出力する信号がより参考価値を持つようにすることです。上の図は（RUP < 0.4）+（RUP < RUL）の2つの条件の組み合わせを示しています。フィルタリング効果はそれほど顕著ではありませんが、単独でRUP < RULを使用するよりも厳密であることがわかります。0.4を小さく設定すると（例えば0.38に設定する）、モデルはより厳格になりますが、パラメータ調整の過程で過剰適合（overfitting）の問題に注意する必要があります。歴史的データに基づいてモデルを微調整し続けると、モデルが将来無効になる可能性があります。補足：Overfittingは「過度にフィッティングする」という意味で、私たちがよく言う刻舟求剣に似ています。# IV. まとめ本文は RUPL シリーズの第 1 篇で、主に RUPL 指標の定義と計算方法について紹介し、その指標に基づいて設計されたディップを買うモデルのロジックを共有します。次の記事では、RUPLベースのトップへの脱出の実用化を紹介し、過去のサイクルトップをレビューおよび分析して、乾物でいっぱいになっていることを確認しますので、ご期待ください。原文リンク**：**
オンチェーンデータ学堂（九）：マーケットバロメーターRUPL(I) データ紹介＆ディップを買うアプリケーション
#TLDRの
RUPL シリーズの記事は 2 つに分かれており、これは第 1 篇です。
RUPL は市場の現在の未実現利益状況を示すことができます。
RUPL を観察することで、市場のトップとボトムの動きの法則を見つけることができます。
本文は RUPL に基づいて設計されたディップを買うモデルを共有します。
一、RUPLとは何ですか？
RUPLの正式名称はRelative Unrealized Profit & Lossで、中国語で「Relative Unrealized Profit & Loss」を意味する。 この指標は、RUP と RUL の 2 つの部分に分けることができます。
RUPの計算方法を例に挙げると：
1、現在の価格を各 $BTC 最後の移転時の価格と比較し、「現価格 > 最後の移転価格」のチップを利益チップとして分類する。
2.収益性の高い各チップの利益額に、対応する金額を掛けて、未実現利益を求めます。
3、最後に、そのデータを当時の時価総額に基づいて標準化処理します。
言い換えれば、Unrealized Profit は現在の市場における総未実現利益であり、RUP はそれを時価総額に基づいて標準化し、各時期の市場の収益状況を横断的に比較できるようにしたものです。RUL のアルゴリズムは RUP と同じであり、この記事では詳細には述べません。
!
上の図1のように、緑の線はRUP、赤の線はRULです。価格はRUPと高度に正の相関があり、RULと高度に負の相関があることがわかります。これは直感的です。なぜなら、コインの価格が上昇するにつれて、利益のチップと未実現の利益が自然に増加するからです。
しかし、上の図をさらに観察すると、RULが特定の時間帯にRUP（つまり、赤い線が緑の線より高い、図中の黄色の枠の部分）を上回ることがあることがわかります。これは市場全体が未実現損失の状態にあることを示しています。では、これらの時間帯には特別な意味があるのでしょうか？引き続きお読みください。
二、RUPL のディップを買うアプリケーション
承上、有句話說得好：「他人が恐れているときに私は貪欲になる」、市場の大多数のチップが損失状態にあるとき、私たちがチップを集めるための良いタイミングかもしれません。
!
上の図2のように、図1のRUL > RUPの時間帯をマークした後、このグラフを描きました。RUL > RUPの時、ほぼすべてが歴史的な周期の底にあることが明確にわかります。
これは舟に剣を求めることではなく、その論理は次のようになります：
「市場全体が損失状態にあるとき、低価格の大量のトークンを保有している投資家が基本的に売却を完了したことを意味します。一方、損失を抱えている投資家は、価格が非常に低いため損切りをしたくないことが多いです。この二つの感情が交錯し、売り圧力が大幅に減少します。したがって、少しでも買いが入れば、トレンドが反転し始めて上昇する可能性があります。」
この論理は以前に共有した LTH-RP ディップを買う戦略と非常に似ています。興味のある読者はこの投稿を参照できます：《オンチェーンデータ学堂（二）：いつも利益を上げている Hodlers たち、彼らが BTC を購入したコストはいくらですか？》
三、ディップを買うモデル設計ロジック共有
次に、RULは一時的に見ず、RUPチャートを単独で観察すると、RUPが歴史的な底にあるときに比較的近い数値範囲があることがわかります。
!
例えば、チャートに0.4の水平線を追加すると、RUP < 0.4の領域が明確に見えます。（ここでの0.4はモデルパラメータであり、調整可能です。後でさらに言及します。）
既然 RUP の明らかな底部区間が発見されたので、RUP < 0.4 という条件を前の RUP < RUL 条件に重ね合わせて、二次信号フィルタリングを行い、以下の結果を得る：
!
これはモデル設計で一般的に使用される方法であり、目的は信号をフィルタリングしてより正確な効果を達成し、モデルが出力する信号がより参考価値を持つようにすることです。
上の図は（RUP < 0.4）+（RUP < RUL）の2つの条件の組み合わせを示しています。フィルタリング効果はそれほど顕著ではありませんが、単独でRUP < RULを使用するよりも厳密であることがわかります。0.4を小さく設定すると（例えば0.38に設定する）、モデルはより厳格になりますが、パラメータ調整の過程で過剰適合（overfitting）の問題に注意する必要があります。歴史的データに基づいてモデルを微調整し続けると、モデルが将来無効になる可能性があります。
補足：Overfittingは「過度にフィッティングする」という意味で、私たちがよく言う刻舟求剣に似ています。
IV. まとめ
本文は RUPL シリーズの第 1 篇で、主に RUPL 指標の定義と計算方法について紹介し、その指標に基づいて設計されたディップを買うモデルのロジックを共有します。
次の記事では、RUPLベースのトップへの脱出の実用化を紹介し、過去のサイクルトップをレビューおよび分析して、乾物でいっぱいになっていることを確認しますので、ご期待ください。
原文リンク
：