【獨家專欄】炒幣要留意3個免費指標(錢琛)
投資專欄很慶幸愈來愈多讀者問我的問題已經並非「買哪隻幣」,而是問應該留意甚麼炒幣指標。這篇專欄想分享多一點。
自己會看的數據種類有三大類:傳統、非傳統/另類(alternative)、以及市場情緒(sentiment)。傳統指大家耳熟能詳的金融數據,包括價、量、OI、波動性等等。另類數據則指本來並非用於金融用途的數據,例如關於區塊鏈運作的統計量(活躍地址數目、鏈上交易量等等)。至於市場情緒數據,就是指一些量化了市場情感的指標,例如比特幣恐慌與貪婪指數、情感分數(sentiment score)等等。
市場數據可以在不同的交易所或數據提供商網站上找到,也被API大規模獲取。我會比較專注衍生工具數據,因為絕大部分衍生工具都擁有到期日,其價格反映市場參與者對資產的預期,通常更有效預測價格趨勢。一個我常用的幣市衍生工具數據網站是CoinGlass,有各種實用的衍生工具數據,包括期貨/期權的未平倉合約數、GBTC表現、融資利率、爆倉情況、訂單簿等等。這個網站也有提供API服務,登記免費帳戶即可使用。另一個期權數據來源就是市場份額最大的Deribit交易所網站,擁有大量期權相關的預處理(pre-processed)指標,數據也能被API大規模獲取。
至於在幣圈中的另類數據來源,我常常使用一個鏈上數據提供商Glassnode。其好處是每星期會上載一份報告,以鏈上數據角度分析幣市走向,重點是完全免費,可以為大家提供更多有alpha的策略。最近其網站也開發了討論區,讓幣圈投資者交流策略意見,看幾個post其實已經有新的策略「入袋」。
最後,市場情緒指標的提供商比較參差,因為其量化情感的方法不盡相同,也未必準確。個人比較偏好使用成熟的情感分析模型(sentiment analysis model),自行使用Python把想關注的文字轉變成情感分數。市場上最流行的情感分析模型大多是由Google開發的BERT衍生出來,而此模型結構(model architecture)其實可以透過Python的transformers package免費使用,最快三項程序就已經可以把文本轉變成分數。
坊間觀察到的數據其實萬變不離其宗,都可被分類到上述的三大炒幣數據類別。構思策略時不妨以這些數據類別的角度出發,創造更多alpha。
*文章獲 錢琛 授權獨家刊登。原標題為《提高回報穩定性的三種炒幣數據》。
免責聲明:本網刊載的所有投資意見,只可作參考用途。讀者在作出投資決定前理應審慎,並主動掌握市場最新狀況。若不幸招致任何損失,概與本網無關。而本集團旗下網站或社交平台的網誌內容及觀點,僅屬筆者個人意見,與本集團立場無關。本集團旗下網站對因上述人士張貼之資訊內容所帶來之損失或損害概不負責。