منبع: CryptoSlate خبرگزاری
یک ماه پیش•
ارز دیجیتال اهمیت متوسط تحلیل‌شده با هوش مصنوعی
از قوانین توانی تا شبکه‌های هوش مصنوعی؛ چرا مدل‌های پیچیده قیمت بیت‌کوین نویز بازار را حفظ می‌کنند

از قوانین توانی تا شبکه‌های هوش مصنوعی؛ چرا مدل‌های پیچیده قیمت بیت‌کوین نویز بازار را حفظ می‌کنند

پیش‌بینی قیمت بیت‌کوین مجموعه‌ای به‌طرز غیرمعمول متنوع از روش‌ها را گردآوری کرده است. مدل‌های ساده‌ای برای کمیابی وجود دارند که برنامه هاوینگ را به قیمت تبدیل می‌کنند، و همچنین مدل‌های معمول درون‌زنجیره‌ای که فعالیت آدرس‌ها یا تراکنش‌ها را به ارزش تبدیل می‌کنند.
نمادهای مرتبط 1

تحلیل بازار با هوش مصنوعی

تحلیل تولیدشده توسط هوش مصنوعی

این خبر از نظر ساختاری برای اعتماد به مدل‌های ارزش‌گذاری بلندمدت BTC نزولی است، اما مستقیماً برای بنیادهای بیت‌کوین نزولی نیست.

پیامد کلیدی بازار، کاهش اعتبار اهدافی است که به‌صورت مکانیکی و بر اساس مدل‌های نسبت انباشت به جریان، پذیرش به سبک متکالف، کریدورهای قانون توان یا سامانه‌های پیچیده یادگیری ماشین استخراج می‌شوند. یک بررسی که CryptoSlate به آن استناد کرده، نشان داد هیچ رویکرد پیش‌بینی‌ای در افق‌های یک تا شش‌ماهه و در چندین رژیم بازار، به‌طور مستمر عملکردی بهتر از معیارهای ساده و مناسب نداشته است. این بررسی هنوز مورد داوری همتا قرار نگرفته است؛ بنابراین، این یافته‌ها نشانه‌ای از ضعف مدل‌ها هستند، نه رد قطعی همه سیگنال‌های کمی.

برای BTCUSD، اثر فوری احتمالاً از نظر احساسات بازار ترکیبی تا اندکی منفی خواهد بود:

  • معامله‌گرانی که از اهداف مبتنی بر مدل استفاده می‌کنند ممکن است اتکای خود را به پیش‌بینی‌های صعودی یا نزولی افراطی کاهش دهند و در نتیجه، اطمینان و اهرم معاملاتی آن‌ها کاهش یابد.
  • روایت شکست مدل‌ها می‌تواند استدلال «مسیر قیمتی اجتناب‌ناپذیر» را که اغلب برای حمایت از موقعیت‌های خرید بلندمدت استفاده می‌شود، تضعیف کند.
  • در مقابل، این مقاله شوک منفی جدیدی را در تقاضا، عرضه، نقدشوندگی، مقررات یا جریان‌های نهادی بیت‌کوین شناسایی نمی‌کند. بنابراین، این خبر به‌تنهایی نباید توجیه‌کننده ارزش‌گذاری مجدد بنیادی BTC باشد.

پیامد مهم‌تر، روش‌شناختی است: این مقاله نشان می‌دهد که رژیم بازار بیت‌کوین در نتیجه گسترش مشتقات، دسترسی به ETFهای نقدی، تحول نقدشوندگی و تغییر ترکیب سرمایه‌گذاران دگرگون شده است. بنابراین، روابطی که بر اساس چرخه‌های قبلی برآورد شده‌اند ممکن است سریع‌تر از انتظار معامله‌گران اعتبار خود را از دست بدهند. این موضوع ریسک بیش‌برآورد شدن قابلیت اتکای سیگنال‌ها در آزمون‌های گذشته‌نگر هنگام تغییر رژیم‌ها را افزایش می‌دهد؛ به‌ویژه زمانی که مدل‌ها بر اساس دقت سطح قیمت، نه بازده قابل معامله، جهت حرکت، افت سرمایه و هزینه‌های معاملاتی ارزیابی می‌شوند.

کوتاه‌مدت:

احتمالاً برای موقعیت‌گیری مبتنی بر مدل و شورواشتیاق سفته‌بازانه ناشی از اخبار منفی است، به‌ویژه اگر BTC نزدیک به باندها یا اهداف مدلیِ پرکاربرد معامله شود. همچنین اگر معامله‌گران موقعیت‌هایی را که بر مبنای این سطوح ساخته‌اند ببندند، ممکن است نوسان افزایش یابد.

میان‌مدت:

خنثی خواهد بود، مگر آنکه این نقد با شواهدی همراه شود که نشان دهد جریان‌های ETF، نقدشوندگی کلان، جریان سفارش یا موقعیت‌گیری در بازار مشتقات نیز در حال deteriorating هستند. اگر این شاخص‌های بنیادی و ساختاری بازار همچنان حمایت‌کننده باقی بمانند، اثر مقاله به تغییر در شیوه توجیه پیش‌بینی‌ها توسط معامله‌گران محدود خواهد شد.

برداشت صعودی این است که کنار گذاشتن اهداف بلندمدت غیرقابل اتکا می‌تواند معامله‌گری منضبط‌تر و آگاه از نقدشوندگی را تشویق کند و از شکل‌گیری موقعیت‌های متراکم حول سطوح دلخواه بکاهد. برداشت نزولی این است که شکست‌های مکرر مدل‌ها ممکن است نشان دهد چه میزان از ارزش‌گذاری BTC به لنگرگیری روایی، به‌جای قدرت پیش‌بینیِ مستقل و اعتبارسنجی‌شده، وابسته بوده است.

معامله‌گران باید جریان‌های ETF نقدی، مبنای قراردادهای آتی و بهره باز، نرخ‌های تأمین مالی، نوسان تحقق‌یافته، نقدشوندگی استیبل‌کوین‌ها، انتظارات نرخ بهره کلان و عملکرد واقعی خارج از نمونه هر مدل BTC مورد استفاده را رصد کنند. پرسش اساسی این نیست که آیا یک مدل با تاریخچه بیت‌کوین سازگار است یا نه، بلکه این است که آیا پس از محاسبه هزینه‌ها و در رژیم کنونی بازار، اطلاعات پیش‌بینانه‌ای فراتر از قیمت فعلی ارائه می‌دهد یا خیر.

منبع: CryptoSlate
مشاهده منبع
0 0 0
نظر
دیدگاه‌ها
0
هنوز دیدگاهی ثبت نشده است
اولین نفری باشید که درباره این خبر نظر می‌دهد.