Bitcoin Madness: Πώς να προσομοιώσετε τις τιμές Bitcoin στα φύλλα του Google

Ξέρετε το σενάριο ...

Ο Bitcoin είχε μια άλλη τεράστια αύξηση, αλλά χάσατε την ευκαιρία. Θέλατε να μπεις, αλλά το ένστικτό σου δεν σου είπε τίποτα. Και δικαίως έτσι ... κανείς δεν ξέρει πού θα πάει η τιμή. Τι θα συμβεί αν επενδύσατε και είχε άλλη απώλεια 20%; Αυτό το είδος των κινήσεων των τιμών είναι σύνηθες στον πτητικό κόσμο των κρυπτοσυχνοτήτων.

Σοβαρά ... πόσο μακριά μπορεί να γίνει αυτή η τιμή Bitcoin;

Το κουταλάκι είναι ένα πτηνό

Η ανάλυση κινδύνου πρέπει να αποτελεί μέρος κάθε απόφασης που λαμβάνετε.

Αντιμετωπίζετε διαρκώς την αβεβαιότητα, την ασάφεια και τη μεταβλητότητα. Η μεταβλητότητα, στην περίπτωση του Bitcoin, σε αντίθεση με οτιδήποτε έχουμε δει ποτέ πριν. Και παρόλο που έχουμε άνευ προηγουμένου πρόσβαση στις πληροφορίες, δεν μπορούμε να προβλέψουμε με ακρίβεια το μέλλον.

Ευτυχώς, έχουμε μεθόδους που σας δίνουν τη δυνατότητα να δείτε όλα τα πιθανά αποτελέσματα των αποφάσεών σας και να αξιολογήσετε τον αντίκτυπο του κινδύνου.

ΑΠΟ ΠΟΥ ΝΑ ΑΡΧΙΣΩ?

Οι τρέχουσες προσομοιώσεις μπορούν να μας προετοιμάσουν για το χειρότερο.

Η προσομοίωση του Monte Carlo (γνωστή και ως μέθοδος Monte Carlo) επιτρέπει την καλύτερη λήψη αποφάσεων υπό αβεβαιότητα.

Ένας από τους πιο συνηθισμένους τρόπους εκτίμησης του κινδύνου είναι η χρήση προσομοίωσης Monte Carlo (MCS). Από την Investopedia:

Για παράδειγμα, για να υπολογίσουμε την αξία σε κίνδυνο (VaR) ενός χαρτοφυλακίου, μπορούμε να εκτελέσουμε μια προσομοίωση του Monte Carlo που προσπαθεί να προβλέψει τη χειρότερη πιθανή απώλεια για ένα χαρτοφυλάκιο, δεδομένου ενός διαστήματος εμπιστοσύνης μέσα σε ένα συγκεκριμένο χρονικό ορίζοντα - συνθήκες VaR: εμπιστοσύνη και ορίζοντας. (Για σχετική ανάγνωση, δείτε τις χρήσεις και τα όρια της μεταβλητότητας και την εισαγωγή στην αξία σε κίνδυνο (VAR) - Μέρος 1 και μέρος 2.)

Ένα MCS μπορεί να τρέξει με πολλά διαφορετικά μοντέλα. Η δική μας διαδικασία θα είναι:

  1. Καθορίστε ένα μοντέλο (για εδώ θα χρησιμοποιήσουμε γεωμετρική κίνηση Brownian)
  2. Αποκτήστε ιστορικές καθημερινές τιμές bitcoin
  3. Υπολογίστε τις ημερήσιες αποδόσεις
  4. Ονομάστε το ημερήσιο εύρος επιστροφής
  5. Συνοπτικά στατιστικά στοιχεία
  6. Προσομοίωση ενός έτους
  7. Προσομοίωση ενός έτους πολλές φορές
  8. Πολυετείς στατιστικές περίληψη
  9. Γρήγορη ανάλυση των αποτελεσμάτων

ΒΗΜΑ 1. Η WTF είναι γεωμετρική κινητικότητα;

Η γεωμετρική κίνηση Brownian (GBM) είναι μια στατιστική μέθοδος που χρησιμοποιείται σε μεγάλο βαθμό στην πρόβλεψη των τιμών των μετοχών. Ο λόγος για τον οποίο η διαδικασία είναι τόσο ελκυστική για αυτό είναι λόγω των εξής:

  • Η μεταβολή της τιμής κατά τη διάρκεια μιας χρονικής περιόδου δεν σχετίζεται με την μεταβολή της τιμής για μια διακεκομμένη χρονική περίοδο.
  • Η αλλαγή στο ημερολόγιο (τιμή) για οποιαδήποτε χρονική περίοδο κανονικά κατανέμεται με κατανομή που εξαρτάται μόνο από τη διάρκεια της περιόδου.
  • Δείγματα της κατανομής είναι συνεχή, με πιθανότητα 100%.

Το GBM είναι τεχνικά μια διαδικασία Markov, η οποία είναι ένας φανταστικός τρόπος να λέμε "Μια τυχαία διαδικασία της οποίας οι μελλοντικές πιθανότητες καθορίζονται από τις πιο πρόσφατες αξίες της". Είπε άλλος τρόπος, έχουν ήδη ενσωματωθεί πληροφορίες για τις προηγούμενες τιμές και η επόμενη κίνηση των τιμών είναι " "Των προηγούμενων μεταβολών των τιμών.

Οι μαθητές του μαθήματος έχουν τη συνήθεια να κάνουν τα πράγματα απείρως πιο περίπλοκα από ότι πρέπει να είναι. Θα κάνω το καλύτερό μου για να το καταστήσω αυτό όσο το δυνατόν απλούστερο.

Ο τύπος για το GBM έχει ως εξής:

Οπου:

  • Β είναι η τιμή bitcoin
  • m ή "mu" είναι η αναμενόμενη απόδοση
  • s ή "sigma" είναι η τυπική απόκλιση των αποδόσεων
  • t είναι ο χρόνος
  • e ή "epsilon" είναι η τυχαία μεταβλητή

Αυτός ο τύπος μπορεί να αναλυθεί σε δύο πολύ σημαντικούς όρους: "παρασυρόμενα" και "σοκ".

Για κάθε χρονική περίοδο, το μοντέλο μας υποθέτει ότι η τιμή θα "μετατοπιστεί" από την αναμενόμενη απόδοση. Αλλά η κίνηση θα συγκλονιστεί (προστεθεί ή αφαιρεθεί) από ένα τυχαίο σοκ. Το τυχαίο σοκ θα είναι η τυπική απόκλιση "s" πολλαπλασιασμένη με τυχαίο αριθμό "e". Αυτός είναι απλά ένας τρόπος κλιμάκωσης της τυπικής απόκλισης.

ΒΗΜΑ 1Α. Ο ΘΑΛΑΣΣΑΣ ΘΕΟΣ ΕΛΙ5

Η έκδοση ELI5: Ο θεός του κεραυνού Ο Δίας είναι ένας μεγάλος θεός. Ένας θεός θεός.

Αλλά ο Δίας υποφέρει από άγριες μεταβολές της διάθεσης.

Κάθε μέρα ο Δίας μπορεί να πυροβολήσει τη μαγική αστραπή του στην τιμή του Bitcoin και να την αναγκάσει να ανεβαίνει ή να κατεβαίνει.

Κάποιες μέρες είναι σε τόσο καλή διάθεση, ότι κλονίζει την τιμή με ένα τυχαίο ποσό. Τις άλλες μέρες, είναι σε τόσο κακή διάθεση που κλονίζει την τιμή για να τον αντιταχθεί.

Και έτσι, έχουμε την ουσία του GBM: μια σειρά βημάτων με μια αναμενόμενη ανοδική μετατόπιση, όπου κάθε βήμα χτυπά με ένα σοκ συν / πλην (το οποίο είναι συνάρτηση της τυπικής απόκλισης του αποθέματος).

ΒΗΜΑ 2. ΙΣΤΟΡΙΚΕΣ ΤΙΜΕΣ ΗΜΕΡΗΣΙΟΥ ΒΟΤΣΙΝΟΥ

Αντιγράψτε τις πρώτες βαθμολογίες δεδομένων από το coinmarketcap. Επικολλήστε τα δεδομένα στο δικό σας υπολογιστικό φύλλο.

Για αυτή την άσκηση, οι στήλες σας θα είναι: Χρόνος, Άνοιγμα, Κλείσιμο, Υψηλό, Χαμηλό, Όγκος.

Θέλετε να τραβήξετε αυτόματα τις τιμές Bitcoin; Χρησιμοποιήστε το πρόσθετο φύλλων Spreadstreet Google Sheets.

ΒΗΜΑ 3. ΥΠΟΛΟΓΙΣΤΕ ΚΑΘΗΜΕΡΙΝΕΣ ΕΠΙΣΤΡΟΦΕΣ

Υπολογίστε τις ημερήσιες αποδόσεις από την τιμή "Κλείσιμο". στο H2 βάλτε τον τύπο:

= LN (C2 / Β2)

Σύρετε μέχρι το τέλος των τιμών για να γεμίσετε ολόκληρη τη στήλη Επιστροφές

ΒΗΜΑ 4. ΟΝΟΜΑΣΤΕ ΤΟ ΡΑΔΙΟ ΗΜΕΡΗΣΙΑΣ ΕΠΙΣΤΡΟΦΗΣ

Δημιουργήστε μια ονομαστική περιοχή από τη στήλη επιστροφών, που ονομάζεται επιστροφές, για να διευκολύνουμε τη ζωή μας. Επισημάνετε όλα τα δεδομένα στη στήλη H, δηλ. Τα κελιά H1: H1000, στη συνέχεια κάντε κλικ στο μενού Data> Named ranges ... και καλέστε το εύρος επιστρέφει:

ΒΗΜΑ 5. ΣΥΝΟΠΤΙΚΕΣ ΣΤΑΤΙΣΤΙΚΕΣ

Δημιουργήστε ένα μικρό συνοπτικό πίνακα με τη στενή, καθημερινή μεταβλητότητα, την ετήσια μεταβλητότητα, την καθημερινή μετατόπιση, την ετήσια ολίσθηση και τη μέση απόκλιση του πληθυσμού μας. Οι τύποι είναι:

Στο K1, πληκτρολογήστε:

= C2

και ονομάστε το κοντά.

Στο K2, πληκτρολογήστε:

= STDEV (επιστρέφει)

και το ονομάζουμε καθημερινάΜεταβλητότητα

Στο K3, πληκτρολογήστε:

= ημερήσια διαθεσιμότητα * SQRT (365)

και ονομάστε το annualVolatility

Στο K4, πληκτρολογήστε:

= ΜΕΣΟ (επιστρέφει)

και ονομάστε το καθημερινάDrift

Στο K5, πληκτρολογήστε:

= καθημερινή αποδέσμευση * 365

και ονομάστε το annualDrift

Στο K6, πληκτρολογήστε:

= ημερήσιο βάρος = 0,5 * ημερήσια διαθεσιμότητα ^ 2

και το όνομα αυτό σημαίνειDrift

ΒΗΜΑ 6. ΠΡΟΣΟΜΟΙΩΣΗ ΕΤΟΥΣ

Ρυθμίστε τον ετήσιο πίνακα προσομοίωσης με Time, Normdist, Return Return και Simulated Price

χρόνος

Στη J12 βάλτε 0, και στο J13 βάλτε:

= J12 + 1

Σύρετε το μέχρι το προτιμώμενο χρονοδιάγραμμα πρόβλεψης. Εδώ προσομοίωση ενός έτους (365 ημέρες), έτσι αντιγράψαμε στο J377

Normdist

Ας ρυθμίσουμε τις κανονικές τιμές καμπύλης κατανομής.

Τα Φύλλα Google έχουν έναν τύπο NORMDIST ο οποίος υπολογίζει την τιμή της κανονικής συνάρτησης κατανομής για μια δεδομένη τιμή, μέση τιμή και τυπική απόκλιση. Δεδομένου ότι αποδίδουμε στη θεωρία των τυχαίων περιόδων, θέλουμε να χρησιμοποιήσουμε έναν μέσο όρο 0 και μια τυπική απόκλιση 1.

Στο Κ13, βάλτε τον τύπο:

= NORMINV (RAND (), 0,1)

Σύρετε το μέχρι το K377 για να γεμίσετε ολόκληρη τη στήλη Normdist:

Επιστροφή εγγραφών

Για να λάβουμε το ποσοστό της ημερήσιας κίνησης των αποθεμάτων, θα υπολογίσουμε την επιστροφή των αποθεμάτων.

Στο L13, βάλτε τον τύπο:

= μέση τιμή + καθημερινή διαπερατότητα * Κ13

Αντιγράψτε τη φόρμουλα μέχρι το L377:

Προσομοιωμένη τιμή

Τώρα στο πραγματικό κρέας. Ας υπολογίσουμε την προσομοίωση της τιμής Bitcoin.

Στο M12 τεθεί η τιμή Close, και στο M13, βάλτε:

= Μ12 * ΛΗΞΗ (L13)

Αντιγράψτε τον τύπο μέχρι το M377:

Προβλεπόμενη τιμή Bitcoin για ένα έτος

Ας δούμε τι είναι τα δεδομένα τιμολόγησης.

Επιλέξτε από M12 σε M377, στη συνέχεια Insert - Chart και επιλέξτε διάγραμμα γραμμής:

Μια προσομοίωση ενός έτους για τις τιμές Bitcoin

Έχουμε ολοκληρώσει με επιτυχία μία προσομοίωση. Και ανάλογα με τα αποτελέσματά σας, θα μπορούσαν να φαίνονται φυσιολογικά ... ή εντελώς τρελά.

ΒΗΜΑ 7. ΠΡΟΣΟΜΟΙΖΕΤΕ ΕΝΑ ΧΡΟΝΟ ΠΟΤΕ

Ολοκληρώσαμε μια προσομοίωση, αλλά θέλουμε να τρέξουμε πολλές διαφορετικές δοκιμές.

Δημιουργήστε μια καρτέλα σεναρίου, ρυθμίστε έναν πίνακα για να προσομοιώσετε 1.000 διαφορετικές δοκιμές ενός έτους. Στο A3 έως A1003, βάλτε τους αριθμούς 1 έως 1000.

Στο B3, βάλτε τον τύπο:

= Κλείσιμο * EXP ((annualDrift-0,5 * annualVolatility ^ 2) + annualVolatility * norminv (rand (), 0,1))

Αντιγράψτε τον τύπο καθ 'όλη τη διαδρομή. Ονομάστε αυτή τη βαθμολογία "βαθμολογίες":

ΒΗΜΑ 8. ΠΕΡΙΛΗΨΗ ΣΤΑΤΙΣΤΙΚΩΝ ΣΤΟΙΧΕΙΩΝ

Ορίστε ένα μικρό συνοπτικό πίνακα με τη μέση, τη μέση, την τυπική απόκλιση, το ελάχιστο, το μέγιστο και το εύρος του νέου μας πληθυσμού. Οι τύποι είναι:

= ΜΕΣΟ (βαθμολογίες)
= STDEVP (αποτελέσματα)
= MIN (βαθμολογίες)
= MAX (βαθμολογίες)
= Ε6-Ε5

ΒΗΜΑ 9. ΓΡΗΓΟΡΗ ΑΝΑΛΥΣΗ ΤΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ

Τα αποτελέσματά μου θα φαίνονται διαφορετικά από τα δικά σας (λόγω της τυχαίας φύσης του NORMDIST και του χρόνου που τραβήξατε τις τιμές Bitcoin). Ας ρίξουμε μια ματιά στα αποτελέσματα:

Μέσος όρος 27,147.09
Διάμεσος 16.097,74
St. Dev 37,243.84
Ελάχιστη 556.60
Μέγ. 479.586
Εύρος 479,029
3sd $ 1.486
2δδ $ 3.005
1δδ $ 5.850
Τρέχουσες $ 16,098
1δδ $ 43.896
2δ $ 81.998
3δ $ 190.129
Πώς να διαβάσετε: Μπορούμε να είμαστε 95% βέβαιοι ότι η τιμή του Bitcoin θα μειωθεί μεταξύ $ 3.005 και $ 81.998 σε ένα χρόνο.
Περιμένετε πραγματικά; Πρέπει να αγοράσω; Όχι, αυτό δεν σας λέει να αγοράσετε. Αυτό θα πρέπει να είναι ένα εργαλείο πολλών για να σας βοηθήσει στην αγορά σας και τις αποφάσεις κινδύνου.
Lognormal επιστρέφει 1.000 προσομοιώσεις

ΣΥΜΠΕΡΑΣΜΑ

Τώρα γνωρίζετε πώς να ολοκληρώσετε μια γεωμετρική ανάλυση Brownian motion των τιμών Bitcoin. Συγχαρητήρια!

Οι καλές μέθοδοι στατιστικής ανάλυσης μπορεί να είναι τρομακτικές, αλλά δεν χρειάζεται να είναι. Εδώ καλύψαμε μια μεγάλη μέθοδο για την εκτίμηση των μελλοντικών τιμών Bitcoin, οι οποίες μπορούν επίσης να εφαρμοστούν σε άλλες κρυπτοσυχνότητες.

Με αυτό το νέο εργαλείο, μπορείτε να είστε σίγουροι για τις μεθόδους ανάλυσης κινδύνου, βλέποντας όλα τα πιθανά αποτελέσματα των αποφάσεών σας και αξιολογώντας τον αντίκτυπο του κινδύνου.

Σκόπιμος. Αναλυτικός. Εξυπνος.

ΘΕΛΕΤΕ ΤΟ ΙΔΙΟ ΑΝΤΙΓΡΑΦΟ ΣΑΣ;

ΣΧΕΤΙΚΕΣ ΑΝΑΡΤΗΣΕΙΣ

High-Flyers και Shitcoins: Τι έμαθα από την ανάλυση δεδομένων CoinMarketCap στα φύλλα Google

7 μέθοδοι πρόβλεψης τιμών Smart για το περιβάλλον