RUPL serisi makaleler 2 bölümden oluşacaktır, bu birinci bölümüdür.
RUPL, piyasanın mevcut "gerçekleşmemiş kar/zarar" durumunu yansıtabilir.
RUPL'yi gözlemleyerek piyasa tepe ve diplerinin çalışma düzenlerini keşfedebilirsiniz.
RUPL'e göre tasarlanmış bir dip alma modeli paylaşımı
🟡 RUPL Tanıtımı
RUPL, tam adıyla Relative Unrealized Profit & Loss, Türkçeye "Göreli Gerçekleşmemiş Kâr & Zarar" olarak çevrilebilir.
Göstergenin kendisi iki parçaya ayrılabilir: RUP ve RUL.
RUP örneği ile hesaplama şekli aşağıdaki gibidir:
"Mevcut fiyat"ı "her bir BTC'nin son transferindeki fiyatla" karşılaştırın, "mevcut fiyat > son transfer fiyatı" olan jetonları kâr jetonu olarak sınıflandırın.
Her bir çipin kârını, karşılık gelen çip sayısı ile çarpın, Unrealized Profit'i elde edin.
Son olarak elde edilen verileri, o anda piyasa değerine göre standartlaştırın.
Başka bir deyişle, Unrealized Profit mevcut piyasada "gerçekleşmemiş kârların toplamı"dır;
RUP ise piyasa değerine göre bu verileri standartlaştırarak farklı dönemlerdeki piyasa kazanç durumunu karşılaştırmaya olanak tanır.
RUL algoritması ile RUP mantığı tamamen aynıdır, bu nedenle burada fazla ayrıntıya girmeyeceğim.
Yukarıdaki resimde, yeşil çizgi RUP, kırmızı çizgi ise RUL'dur.
Fiyatın RUP ile yüksek pozitif, RUL ile yüksek negatif bir ilişkiye sahip olduğunu görebiliriz.
Bu oldukça açıktır, çünkü kripto para fiyatları arttıkça, gerçekleşmemiş kazançların toplam karı da doğal olarak artacaktır.
Ama yukarıdaki resmi daha dikkatli incelersek, RUL'un bazı dönemlerde RUP'u (kırmızı çizgi yeşil çizginin üzerinde) aştığını göreceğiz,
Bu, piyasanın genel olarak gerçekleşmemiş kazanç ve zarar durumunun negatif olduğu anlamına geliyor, bu durumun özel bir anlamı var mı? Lütfen okumaya devam edin ...
🟡 RUPL'nin dip alma uygulaması
Eski bir söz der ki: "Başkaları korktuğunda ben açgözlüyüm", piyasanın varlık sahipleri genel olarak zarar durumundayken,
Belki de içeri girmek ve pozisyon almak için değerli bir zamandır.
Yukarıdaki resimde, RUL > RUP zaman dilimini işaretledim ve bu sinyal grafiğini elde ettim.
Açıkça görebiliyoruz ki: RUL > RUP olduğunda, genellikle döngüsel büyük diplerle karşılık geliyor!
Bu kesinlikle sadece bir kayıkla kılıç aramak değil, mantığı şudur:
"Piyasa genel olarak ortalama bir zarar durumundayken, bu, ellerindeki pozisyonları satmak istemeyen yatırımcıların muhtemelen fiyatların çok düşük olmasından kaynaklandığını gösterir." Büyük bir satış baskısının azalması durumunda, yalnızca biraz artan alım satışı, trendin tersine dönmesine ve yükselmeye başlamasına neden olabilir.
Bu mantık, önceki yazıda tanıtılan LTH-RP dip avlama stratejisiyle oldukça benzerdir. İlgilenen okuyucular, önceki gönderilere göz atabilir.
🟡 RUPL Dip Alma Modelinin Tasarım Mantığı Paylaşımı
Sonra, RUL'ü bir süreliğine göz ardı edelim ve RUP grafiğine odaklanalım, RUP'un tarihsel dip değerinin aslında oldukça yakın olduğunu göreceğiz.
Örneğin, RUP grafiğine 0,4 değerinde bir yatay çizgi ekledim, böylece RUP < 0.4 konumunu net bir şekilde görebiliyoruz.
(Buradaki 0.4 ayarlanabilir bir parametredir, daha sonra bir kez daha bahsedeceğiz)
RUP'un nispeten belirgin bir dip bölgesine sahip olduğunu bulduğumuzda, sinyal üzerinde ikincil filtreleme yapmak için RUP < 0.4 koşulunu önceki "RUP < RUL" koşulunun üzerine yerleştirebiliriz ve sonuç aşağıdaki gibidir:
Bu, model tasarlarken yaygın olarak kullanılan bir yöntemdir; amacı, sinyal filtresi aracılığıyla bir filtreleme etkisi elde etmek ve nihayetinde tasarladığımız modelin daha hassas olmasını sağlamaktır.
Yukarıdaki iki koşul (RUP < 0.4 & RUP < RUL), filtreleme etkisi aslında çok belirgin değil,
Ama dikkatlice bakıldığında, gerçekten de sadece RUP < RUL'den daha katı olanlar var.
Burada, 0.4'ü küçültürseniz (örneğin 0.38'e ayarlarsanız), genel sinyalin daha katı olmasını sağlayabilirsiniz;
Ancak parametreleri ayarlarken, aşırı uyum (Overfitting) sorununa dikkat etmek gerekir; sonuçta, yalnızca tarihsel verilere dayanarak modeli uyarlamak, gelecekte başarısız olma olasılığını artırır!
View Original
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
On-chain veri okulu (Dokuz): Piyasa barometresi RUPL (I) - Veri tanıtımı & dipten satın alma uygulaması
Yazar: Bay Beg
🔸TL;DR
RUPL serisi makaleler 2 bölümden oluşacaktır, bu birinci bölümüdür.
RUPL, piyasanın mevcut "gerçekleşmemiş kar/zarar" durumunu yansıtabilir.
RUPL'yi gözlemleyerek piyasa tepe ve diplerinin çalışma düzenlerini keşfedebilirsiniz.
RUPL'e göre tasarlanmış bir dip alma modeli paylaşımı
🟡 RUPL Tanıtımı
RUPL, tam adıyla Relative Unrealized Profit & Loss, Türkçeye "Göreli Gerçekleşmemiş Kâr & Zarar" olarak çevrilebilir.
Göstergenin kendisi iki parçaya ayrılabilir: RUP ve RUL.
RUP örneği ile hesaplama şekli aşağıdaki gibidir:
"Mevcut fiyat"ı "her bir BTC'nin son transferindeki fiyatla" karşılaştırın, "mevcut fiyat > son transfer fiyatı" olan jetonları kâr jetonu olarak sınıflandırın.
Her bir çipin kârını, karşılık gelen çip sayısı ile çarpın, Unrealized Profit'i elde edin.
Son olarak elde edilen verileri, o anda piyasa değerine göre standartlaştırın.
Başka bir deyişle, Unrealized Profit mevcut piyasada "gerçekleşmemiş kârların toplamı"dır;
RUP ise piyasa değerine göre bu verileri standartlaştırarak farklı dönemlerdeki piyasa kazanç durumunu karşılaştırmaya olanak tanır.
RUL algoritması ile RUP mantığı tamamen aynıdır, bu nedenle burada fazla ayrıntıya girmeyeceğim.
Yukarıdaki resimde, yeşil çizgi RUP, kırmızı çizgi ise RUL'dur.
Fiyatın RUP ile yüksek pozitif, RUL ile yüksek negatif bir ilişkiye sahip olduğunu görebiliriz.
Bu oldukça açıktır, çünkü kripto para fiyatları arttıkça, gerçekleşmemiş kazançların toplam karı da doğal olarak artacaktır.
Ama yukarıdaki resmi daha dikkatli incelersek, RUL'un bazı dönemlerde RUP'u (kırmızı çizgi yeşil çizginin üzerinde) aştığını göreceğiz,
Bu, piyasanın genel olarak gerçekleşmemiş kazanç ve zarar durumunun negatif olduğu anlamına geliyor, bu durumun özel bir anlamı var mı? Lütfen okumaya devam edin ...
🟡 RUPL'nin dip alma uygulaması
Eski bir söz der ki: "Başkaları korktuğunda ben açgözlüyüm", piyasanın varlık sahipleri genel olarak zarar durumundayken,
Belki de içeri girmek ve pozisyon almak için değerli bir zamandır.
Yukarıdaki resimde, RUL > RUP zaman dilimini işaretledim ve bu sinyal grafiğini elde ettim.
Açıkça görebiliyoruz ki: RUL > RUP olduğunda, genellikle döngüsel büyük diplerle karşılık geliyor!
Bu kesinlikle sadece bir kayıkla kılıç aramak değil, mantığı şudur:
"Piyasa genel olarak ortalama bir zarar durumundayken, bu, ellerindeki pozisyonları satmak istemeyen yatırımcıların muhtemelen fiyatların çok düşük olmasından kaynaklandığını gösterir." Büyük bir satış baskısının azalması durumunda, yalnızca biraz artan alım satışı, trendin tersine dönmesine ve yükselmeye başlamasına neden olabilir.
Bu mantık, önceki yazıda tanıtılan LTH-RP dip avlama stratejisiyle oldukça benzerdir. İlgilenen okuyucular, önceki gönderilere göz atabilir.
🟡 RUPL Dip Alma Modelinin Tasarım Mantığı Paylaşımı
Sonra, RUL'ü bir süreliğine göz ardı edelim ve RUP grafiğine odaklanalım, RUP'un tarihsel dip değerinin aslında oldukça yakın olduğunu göreceğiz.
Örneğin, RUP grafiğine 0,4 değerinde bir yatay çizgi ekledim, böylece RUP < 0.4 konumunu net bir şekilde görebiliyoruz.
(Buradaki 0.4 ayarlanabilir bir parametredir, daha sonra bir kez daha bahsedeceğiz)
RUP'un nispeten belirgin bir dip bölgesine sahip olduğunu bulduğumuzda, sinyal üzerinde ikincil filtreleme yapmak için RUP < 0.4 koşulunu önceki "RUP < RUL" koşulunun üzerine yerleştirebiliriz ve sonuç aşağıdaki gibidir:
Bu, model tasarlarken yaygın olarak kullanılan bir yöntemdir; amacı, sinyal filtresi aracılığıyla bir filtreleme etkisi elde etmek ve nihayetinde tasarladığımız modelin daha hassas olmasını sağlamaktır.
Yukarıdaki iki koşul (RUP < 0.4 & RUP < RUL), filtreleme etkisi aslında çok belirgin değil,
Ama dikkatlice bakıldığında, gerçekten de sadece RUP < RUL'den daha katı olanlar var.
Burada, 0.4'ü küçültürseniz (örneğin 0.38'e ayarlarsanız), genel sinyalin daha katı olmasını sağlayabilirsiniz;
Ancak parametreleri ayarlarken, aşırı uyum (Overfitting) sorununa dikkat etmek gerekir; sonuçta, yalnızca tarihsel verilere dayanarak modeli uyarlamak, gelecekte başarısız olma olasılığını artırır!