前言
- Cointime Price 系列文章將分成三篇，這是第二篇
- 建議先從第一篇（Cointime Price 基礎介紹）開始閱讀
- 本文將介紹 Cointime Price 的其中一種逃頂應用方法論
- 本文將介紹個人設計的偏離度模型
Cointime Price 簡易複習
Cointime Price 是 Cointime Economics 中提出的概念，透過「時間加權」的設計，對 BTC 的公允價格進行評估，相較於單純的 LTH、STH 更有彈性、更為敏感；同時，在這個設計框架下，也能有效排除遠古時期已丟失籌碼的影響。
如果是對於 Cointime Price 還不熟悉的讀者， 強烈建議先閱讀本系列第一篇文章：嶄新的 BTC 定價方法論 – Cointime Price 基礎原理
前篇文章包含了 Cointime Price 的詳細介紹、抄底應用， 如果你已經理解了其概念，那就讓我們正式進入今天的主題：逃頂應用
逃頂應用方法論：Cointime Price Deviation 模型設計
Cointime Price Deviation 是個人在研究鏈上數據時設計的模型之一， 同時這個指標也被我應用於週報中的逃頂模型。
下文將講解模型的設計原理，以及我們將如何使用這個模型進行逃頂判斷。 以下所有內容保證均為個人原創，研究過程不易，還請各位看官多多支持
一.將現價與 Cointime Price 的偏離程度進行量化
由於 Cointime Price 很高程度的代表了 BTC 籌碼的真實持倉成本， 更精確來說，是「長期持有者」的持倉成本。 因為在計算原理上，長期持有者對於 Cointime Price 的影響權重大了很多。 因此，當現價與 Cointime Price 偏離太多時， 理論上將會提升長期持有者獲利了結的動機，將籌碼進行派發。
我將偏離率（派發比率）的公式設計如下：偏離率 =（現價 – Cointime Price）/ 現價
如圖，我們便可得出派發比率的狀況（紫線）。 我們可以看到：每當派發比率處於高位時，都是對應頂部的位置。
然如此，那何謂「高位」？個人在此將採用統計學的方式定義高位，請繼續向下閱讀：
二.Cointime Price Deviation 的極端值定義
各位可以再看一次上圖，會發現其實 Deviation 的高位並不容易定義。我們可以清楚的看到，每輪牛市 Deviation 的峰值都有略為下降的跡象。因此，單純以一個固定的數字去定義高位是不嚴謹的。
在解決上，我採用了統計學中「標準差」的概念：
- 計算歷史 Deviation 數值的平均數與標準差
- 將「平均數 + n 個標準差」定義為「高位（頂部訊號）」，下稱 Threshold
- 再對 Deviation 數值進行均線平滑化處理
- 當 Deviation 的均線值 > Threshold 時，顯示訊號
會這樣設計的原因有二：
- 如圖一，Deviation 的歷史走勢具有均值回歸的特性
- 標準差可代表波動程度，因此當 BTC 價格波動越來越小時，計算出的「高位（Threshold）」也會隨之變小，更有彈性。
如上圖，進行上述的處理後，我們可以得到這樣一張圖。
補充：上述第 2 點「平均數 + n 個標準差」中的「n」是可調參數，當 n 越大，頂部訊號的出現就會被設定的越嚴格；而第 3 點中的均線處理，則是為了過濾雜訊。
如圖三，將圖二紫線超出橘線的部分標註於價格圖表上， 呈現的效果就會是這樣。
結語
本文是 Cointime Price 系列的第二篇內容，延續前篇的概念，分享了個人如何利用這個數據設計逃頂模型，預計下週會出產本系列的第三篇文章，同樣也是針對逃頂主題，還請各位期待一下。
學習討論群組
親愛的讀者，你可能在思考：「這些深入的分析方法和珍貴的資料分享，我要到哪裡去學習和看到？」 不必再四處尋找！除了 DA Labs 網站優質的內容外，我們建立了完整的社群生態系統，邀請想學習金融科技、區塊鏈/加密貨幣的朋友一同加入：
- LINE 官方帳號 https://urli.ai/line/q-2Q3R?muid=bot-jpq9c#
- DA 各公開頻道 https://t.me/addlist/ZKjU7QuwT7w4MTY1
在 DA 交易者聯盟的各個社群平台中，有來自不同領域的專業講師和交易者，每日不停歇地討論市場資訊。動動你的手指，跟著我們踏上精彩的投資學習之旅吧！
DA Labs —— Bridge the Fintech Gaps
