数据工坊

RLC naik hampir 50% dalam sehari, tetapi jika hanya melihat kenaikan harga spot, kita bisa dengan mudah menyamakan funding rate dengan premi kontrak.

Untuk memeriksa anomali, setidaknya saya akan mencocokkan empat kelompok data:

1. Harga transaksi spot terbaru
2. Harga mark dan harga indeks perpetual
3. Funding rate dan waktu penyelesaian berikutnya
4. Apakah volume perdagangan dan likuiditas meningkat secara bersamaan

Jika hanya mengambil satu kolom harga, laporan pergerakan abnormal bisa dengan mudah menghasilkan kesimpulan yang keliru. Grafik ini menampilkan data pasar RLCUSDT yang sebenarnya, hanya menunjukkan pergerakan harga dan dasar pengukuran data, serta bukan merupakan saran trading.

Saat harga naik atau turun tajam, mana yang Anda lihat lebih dulu: spot, kontrak, atau funding rate?

#RLC #行情异常 #合约数据 #数据质量 #PecintaData

Dalam satu pekan, Circle mencetak 2,75 miliar USDC di Solana. Saat melihat angka ini, jangan langsung menganggapnya sebagai “arus masuk bersih”.

Mint, Burn, dan Transfer adalah tiga hal yang berbeda:

- Mint: penerbitan token baru
- Burn: pemusnahan atau penarikan kembali token
- Transfer: perpindahan antaralamat, bukan berarti dana masuk

Hanya dengan memisahkan penerbitan, penarikan kembali, jembatan lintas rantai, dan perubahan saldo di bursa, kita bisa menentukan apakah pasokan stablecoin bertambah secara bersih. Grafik ini hanya menggunakan data pasar SOL aktual sebagai konteks pasar; kesimpulan tentang stablecoin harus didasarkan pada data penerbitan on-chain.

Saat menghitung stablecoin, apakah kamu langsung menganggap Mint sebagai arus masuk bersih?

#USDC #Solana #链上数据 #数据清洗 #PenggemarData

Perusahaan mengumumkan penambahan kepemilikan sebanyak 2.000 BTC. Mengapa angka on-chain, platform perdagangan, dan ETF sering tidak cocok?

Angka yang paling mudah langsung disebarluaskan dari pengumuman adalah “berapa banyak yang dibeli”. Namun, saat mengolah data, setidaknya ada tiga hal yang perlu dibedakan:

1. Basis transaksi dalam pengumuman: jumlah dan waktu yang diungkapkan perusahaan
2. Basis saldo on-chain: perubahan pada dompet juga mencakup transfer, kustodian, dan penyesuaian internal
3. Basis ETF atau dana: perubahan dalam penciptaan dan penebusan unit serta kepemilikan tidak sama dengan pembelian koin secara langsung oleh perusahaan

Pernyataan “berapa banyak BTC yang dibeli institusi” bisa menghasilkan jawaban berbeda, tergantung sumber datanya. Perjelas dulu basis pengukurannya, baru bahas perubahannya.

Saat mengolah data kepemilikan institusi, aspek mana yang pertama kali Anda verifikasi?

#BTC #机构持仓 #行情数据 #数据口径 #pecintadata

ETP online tidak sama dengan order beli real-time; yang paling mudah membingungkan adalah frekuensi waktu dari arus dana.

Saat ada perkembangan baru terkait ETP Zcash, banyak orang langsung menaruh berita, harga koin, dan arus dana dalam satu grafik yang sama. Namun, ketiga jenis data tersebut memiliki resolusi waktu yang berbeda:
1. Pengumuman adalah waktu kejadian;
2. Pencatatan ETP adalah waktu transaksi;
3. Penarikan/pemesanan (subscription/redemption) atau arus dana biasanya menggunakan acuan akhir hari;
4. Harga koin diperbarui secara berkelanjutan selama 24 jam.

Jika zona waktu dan waktu cut-off tidak dituliskan dengan jelas, dalam backtest sangat mudah memasukkan “data yang baru diketahui setelah penutupan” ke periode perdagangan siang, sehingga menimbulkan bias prakiraan (look-ahead bias). Cara saya adalah menyimpan waktu pengumuman, waktu pencatatan, tanggal arus dana, dan timestamp harga secara terpisah, lalu membentuk event window.

Saat melihat data ETP/ETF, hal pertama yang akan Anda konfirmasi apa?
A: Waktu pengumuman
B: Waktu pencatatan
C: Tanggal arus dana
D: Zona waktu dan definisi/ketentuan cut-off

#ZEC #ETP #数据质量 #量化 #数据控

Saat harga saham AI naik, koin-koin berbasis AI ikut naik juga—apakah itu membuktikan keduanya saling terkait?

Belum tentu. Tiga masalah paling umum adalah:
1. Saham AS memiliki jam perdagangan, sedangkan pasar kripto berjalan 24 jam; penyelarasan langsung berdasarkan tanggal akan memasukkan volatilitas pasca-penutupan dan semalaman;
2. Kapitalisasi pasar, likuiditas, dan eksposur bisnis TAO, FET, dan RENDER tidak sama, jadi tidak bisa dianggap sebagai “indeks AI” yang tunggal;
3. Kenaikan yang tersinkron dalam satu hari hanya berarti keduanya muncul bersama (co-occur), sedangkan korelasi perlu dihitung dengan rolling window, frekuensi diseragamkan, dan juga harus memisahkan faktor pasar besar dari BTC.

Biasanya saya mulai dengan penyelarasan waktu dan penyaringan data, lalu menghitung korelasi bergulir. Lihat dulu “mirip atau tidak”, baru tanya “mengapa mirip”; jika urutannya dibalik, mudah sekali menganggap kebetulan sebagai kesimpulan.

Kalau dibandingkan, bagaimana Anda membedakan koin AI dan saham AI?
A: Hanya melihat kenaikan-turunnya pada hari itu
B: Korelasi bergulir
C: Menyelaraskan dulu jam perdagangan
D: Memisahkan dulu faktor pasar besar

#AI #量化 #相关性 #行情数据 #data控

BCH naik hampir 28% dalam sehari, tetapi spot, kontrak, dan funding rate yang terlihat tidak menunjukkan angka yang sama.

Setelah kabar peluncuran futures CME muncul, banyak orang langsung memakai satu angka kenaikan untuk menjelaskan seluruh rangkaian pergerakan. Masalahnya, harga terbaru spot, mark price kontrak perpetual, harga indeks, dan funding rate sejak awal memang merupakan empat timeline yang berbeda:
1. Spot diperbarui berdasarkan transaksi;
2. Mark price kontrak bisa melibatkan indeks dan mekanisme smoothing;
3. Funding rate dihitung dan diselesaikan per periode;
4. Open interest mencerminkan posisi, bukan arah beli atau jual.

Jika semuanya dipadatkan menjadi satu garis saja, mudah sekali sampai pada kesimpulan keliru bahwa “semua pasar mengonfirmasi ke arah yang sama.” Saat menghadapi peristiwa seperti ini, saya menyimpan harga, funding rate, open interest, dan time stamp dalam kolom terpisah, lalu melihat sendiri siapa yang berubah lebih dulu dan siapa hanya mengikuti.

Kalau satu kejadian muncul dengan kenaikan yang berbeda, biasanya kamu percaya yang mana?
A: Harga terbaru spot
B: Mark price kontrak
C: Harga indeks
D: Cek dulu time stamp

#BCH #合约数据 #行情数据 #Python #数据控

Hal yang paling ditakuti dalam backtest bukanlah model yang rumit, melainkan adanya 4 jebakan di dalam data.

1. Timestamp tidak seragam atau urutannya keliru, sehingga data masa depan tercampur ke masa lalu;
2. K-line yang berulang tidak dihapus, sehingga satu pergerakan dihitung berkali-kali;
3. Ada K-line yang hilang di tengah atau volume transaksi tidak ada, tetapi indikator tetap mengeluarkan hasil seperti biasa;
4. Tick yang rusak, split saham, atau perubahan cara penghitungan (corporate action) yang meninggalkan harga tidak wajar, sehingga menciptakan sinyal palsu.

Saya sekarang akan membuat skrip menampilkan laporan kualitas terlebih dahulu sebelum backtest: jumlah baris sebelum dan sesudah diproses, nilai duplikat, celah (gap), rincian anomali, dan status setiap field. Jika tidak lolos pengecekan, saya tidak akan menjalankan strategi dulu—kita perbaiki datanya.

Dari 4 jebakan ini, yang mana pernah kamu pijak?
A: K-line duplikat
B: Data hilang
C: Time stamp tidak selaras
D: Harga anomali

#量化交易 #回测 #数据质量 #Python #行情数据

Pemantauan pergerakan yang paling berbahaya bukan karena tidak menetapkan ambang, melainkan karena “terlihat sedang berjalan, padahal sebenarnya sudah tidak berfungsi”.

Tiga kondisi paling umum:
1. Antarmuka terputus, tetapi sistem tetap menghitung menggunakan harga lama terakhir;
2. Kondisi yang sama dipicu berulang kali, sehingga setelah banjir pesan, kelainan yang sesungguhnya tertutup;
3. Data terlambat tiba, sehingga saat peringatan dikirim, sinyal transaksi sudah kadaluwarsa.

Jadi saya akan memeriksa empat status tambahan: stempel waktu data, koneksi sumber data, jumlah kegagalan beruntun, serta jendela duplikasi peringatan. Dalam kondisi normal semuanya tenang; saat ada anomali, saya memberikan sumber dan penyebabnya, bukan hanya mengirim satu kalimat “harga sudah mencapai ambang”.

Kamu lebih takut yang mana?
A: Seharusnya berbunyi tapi tidak
B: Terus berbunyi
C: Berbunyi, tapi terlalu terlambat

#行情监控 #Python #数据自动化 #接口监控 #量化

Sama-sama soal "rasio long-short": di Binance kamu diberi dua angka, 2,77 dan 1,23. Kamu percaya yang mana?

Baru saja aku men-scan semua pendanaan (funding fee) dari 851 kontrak perpetual USDT milik Binance, sekalian aku cek rasio long-short. Yang paling mudah disalahartikan justru dua definisi/rujukan ini.

Pertama, soal funding fee. Jangan hanya lihat nilai absolut pada baris 8 jam itu. Kamu harus hitung menjadi tahunan (×3×365): ETH sekarang -0,00699%/8 jam, bila diannualkan -7,65%. Nilai negatif berarti short membayar long. BTC +0,00672%/8 jam, bila diannualkan +7,36%. Angka di belakang koma sampai tiga digit desimal: saat diannualkan, itu kira-kira setara 7 poin—itulah biaya posisi yang benar-benar terjadi.

Untuk seluruh pasar, lebih baik cek sekilas: dari 851 perpetual USDT, yang funding fee negatif ada 116 (13,6%), yang positif 483, sisanya nol. Median annualnya +5,48%, namun rata-ratanya -4,22%—karena nilai ekstrem seperti ASTR -1178%, CVC -1108%, HIVE -742% menarik rata-rata turun secara keseluruhan. Kalau memakai mean untuk menggambarkan "sentimen pasar", sama saja membiarkan beberapa koin dengan likuiditas buruk mewakili seluruh pasar.

Funding fee ekstrem yang jumlahnya sedikit juga belum tentu jadi peluang bagus: yang nilai absolut annual ≥100% ada 23 (negatif 15, positif 8), dan pada dasarnya terkonsentrasi pada koin likuiditas rendah dan koin baru. Funding fee yang tinggi biasanya menandakan ada pihak yang buru-buru membayar untuk keluar atau berebut posisi—dan untuk aset-aset seperti itu, kedalaman order/"depth" saat transaksi memang berada pada skala yang sama dengan biaya saat kamu masuk dan keluar.

Kembali ke dua rasio long-short itu: untuk ETH, rasio long-short akun sebesar 2,77, sedangkan rasio long-short pada posisi trader besar (large holder) 1,23; untuk BTC, rasio pada akun 1,38 dan rasio pada posisi trader besar 2,20. Satu angka untuk jumlah orang, satu angka untuk ukuran posisi—kesimpulannya bisa benar-benar berbalik.

Setiap klaim "rasio long-short menunjukkan pasar bullish" harusnya dulu menanyakan dengan jelas definisi/rujukannya.

Penilaianku: funding fee negatif lebih ingin kubaca sebagai "short sedang ramai, long sedang mundur", bukan sebagai sinyal bearish. Untuk ETH saat ini, rasio akun cenderung long, struktur posisi tergolong netral; aku akan lebih dulu melihat perubahan jumlah posisi dan posisi pada rentang harga sebelum memutuskan ukuran entry—tidak membuka posisi hanya berdasarkan satu indikator.

*(Pemindaian seluruh pasar untuk funding fee + posisi + rasio long-short ini, sudah kubuat jadi laporan harian yang otomatis berjalan tiap hari; kalau ada anomali barulah aku yang diberi notifikasi.)*

Kalau kamu melihat funding fee, kamu melihat yang baris 8 jam itu, atau yang sudah diannualkan dulu? Diskusikan di kolom komentar.
#ETH #资金费率 #量化 #持仓量 #数据控

FIL Hari Ini -10,9%, tapi banyak orang melewatkan ini: order market senilai 50 ribu U, slippage langsung menghabiskan 15 bp

Saat sore saya melakukan rekap lagi, saya menghitung ulang pos ini. Mayoritas orang hanya fokus pada biaya komisi (spot taker 0,1%), lalu slippage di backtest diisi saja angka tetap 3 bp, atau bahkan tidak diisi—kurvanya jadi tampak indah, tapi begitu eksekusi live dimulai, justru nilainya hilang satu potong.

Saya menarik data order spot Binance untuk 1000 level, lalu mencocokkan per level. Saya hitung biaya dampak (impact) untuk order market senilai 50 ribu U dibanding harga tengah (termasuk setengah spread buy-sell):

BTC 0,0 bp, ETH 0,0 bp, XRP 0,9 bp, SOL 1,0 bp, ZEC 2,2 bp, UNI 5,7 bp, SUI 8,6 bp, FIL 15,4 bp.

Dengan jumlah yang sama 50 ribu U: slippage BTC kalau dibulatkan jadi 0, sedangkan slippage FIL bahkan lebih mahal daripada komisinya.

Diperbesar ke 1 juta U, perbedaannya makin jauh: BTC 1,7 bp, ETH 3,5 bp, SOL 8,9 bp, ZEC 24,9 bp, XRP 31,7 bp, SUI 231 bp, UNI 355 bp, FIL 1131 bp (11,3%).

Intinya bukan “koin kecil lebih mahal”, melainkan biayanya tidak linear: saat volume diperbesar 20 kali, BTC hanya bertambah 1,7 bp, sementara UNI bertambah 62 kali, dan FIL bertambah 73 kali. Setelah order tipis “ditusuk sampai tembus”, biayanya melompat-lompat ke atas—untuk order yang sama, 50 ribu U pertama dan 50 ribu U berikutnya bergerak di harga yang benar-benar berbeda.

Pembuktiannya saat trading: FIL satu arah 15,4 bp; masuk dan keluar sekitar 31 bp (0,31%). Dengan turnover dua kali sehari, 20 hari trading per bulan, biaya dampak saja sudah sekitar 12% ke atas. Kebanyakan strategi tidak sanggup menopang angka sebesar itu di margin.

Jadi saya anggap “kedalaman order book → kurva slippage” sebagai gerbang pertama saat memilih koin, bukan setelah transaksi lalu mengeluh; di backtest saya lebih memilih mencocokkan per level, menyisakan biaya yang cukup, daripada memakai satu angka bp tetap yang bagus untuk mempercantik kurva. Untuk koin seperti FIL yang turun -10% dalam satu hari, respons pertama saya bukan cari posisi bottom, tapi dulu lihat apakah dia sanggup menahan ukuran order saya.

*(Skema pengambilan order book + estimasi slippage ini saya pasang di pipeline data harian, berjalan otomatis setiap hari; kalau melewati ambang, langsung ada peringatan, jadi tidak perlu hitung manual saat di tempat.)*

Slippage di backtest kamu itu tetap dalam bp, atau dihitung dengan mencocokkan per level sesuai order book? Bahas di kolom komentar.
#FIL #滑点 #量化 #交易成本 #数据控

Hari ini, dua koin yang memimpin kenaikan—satu dari tahun 2014 dan satu dari tahun 2020—keduanya sama-sama +5%, tetapi kualitasnya jauh berbeda.

Saat pasar bergerak mendatar, justru daftar kenaikan harian memberi lebih banyak informasi. Sore ini, BTC dalam 24 jam hanya bergerak 0,1%, ETH -0,6%, namun XLM +5,4%, UNI +5,6%, dan ZEC juga masih bertahan di level tinggi.

Saya sudah menarik tiga kelompok data untuk memastikan apakah “kenaikan” kali ini benar-benar nyata:

Rasio perputaran (nilai transaksi 24h ÷ kapitalisasi pasar): BTC 0,07%, ETH 0,31%, XLM 0,52%, UNI 1,11%, ZEC 1,28%, ARB 1,44%

Volatilitas tahunan (30 hari): BTC 46,8%, ETH 70,2%, XLM 76,7%, UNI 104,3%, ZEC 152,3%

Nilai transaksi 24 jam: XLM 34,8 juta USD, UNI 46,2 juta USD, ZEC 248 juta USD

Dengan +5% yang sama, ada tiga hal berbeda: XLM adalah koin lama berkapitalisasi 6,7 miliar USD, hanya memakai 0,5% perputaran untuk mendorong kenaikan 5%; UNI perputarannya 1,11%, dengan nilai transaksi 46 juta USD; ZEC adalah perputaran “benar” sebesar 248 juta USD—rasio perputarannya 1,28%, volatilitasnya pun masih 3,3 kali BTC. Kenaikan yang didorong dengan perputaran rendah, saat terjadi koreksi juga memakai mekanisme yang sama—karena tidak ada penyerapan.

Saya mengunci beberapa sudut pandang ini menjadi satu tabel yang dibuat otomatis setiap hari: rasio perputaran, volatilitas, nilai transaksi, dan posisi dalam rentang—agar tidak ada satu pun kolom yang bicara sendiri.

Kesimpulan saya: dalam kondisi pasar tidak bergerak, tapi koin lama bergiliran naik, saya akan memberi potongan langsung pada kenaikan “naik dengan perputaran rendah”, dan menurunkan porsi serta memperpendek periode kepemilikan—bukan karena tidak yakin, tetapi karena begitu kenaikan seperti ini berbalik turun, biaya untuk keluar jauh lebih tinggi daripada yang terlihat.

Kalau hari ini kamu menyaring koin teratas, kamu hanya melihat persentase kenaikannya, atau juga akan mempertimbangkan rasio perputaran? Silakan diskusikan di kolom komentar.
#XLM #换手率 #量化 #数据 #数据控

Bursa: Volume/omzet pertama adalah USDC, bukan BTC—dalam “volume” kamu, hampir setengahnya adalah air

Sore ini saya menarik peringkat 24 jam volume transaksi di Binance. Juara bukan BTC, melainkan USDC. USDCUSDT: 2,93 miliar dolar AS. BTCUSDT berada di peringkat kedua: 1,11 miliar dolar. Nilai transaksi dari pasangan stablecoin adalah 2,6 kali BTC.

Di 20 besar, ada tiga pasangan stablecoin—USDC, USD1, RLUSD—ditambah satu U lagi yang harganya juga menempel di sekitar 1 dolar; totalnya 3,21 miliar dolar, menyumbang 48,7% dari total volume transaksi 6,59 miliar dolar pada 20 besar—hampir setengah.

Kuncinya bukan “stablecoin juga ada yang trading”, melainkan harganya: harga USDCUSDT saat ini 1,00015, perubahan naik-turun 24 jam -0,01%, dan dalam sehari ada 524 ribu transaksi. Ia tidak menanggung risiko arah apa pun, tetapi volume transaksinya mendekati tiga kali lipat BTC. Di sini terjadi putaran hedging untuk arbitrase, trade lintas bursa, dan market maker.

Ini jebakan langsung bagi orang yang mengolah data: kalau kamu memakai “volume transaksi bursa” atau “volume transaksi seluruh pasar” untuk timing atau sinyal arus dana, swap stablecoin, pasangan mapping (wrap), dan putaran arbitrase akan memperbesar noise langsung menjadi “sinyal”. Volume yang kamu lihat bisa jadi hanya orang yang bolak-balik memindahkan posisi di antara satu stablecoin dan stablecoin lainnya.

Cara saya: saya memelihara “tabel aset yang bisa diperdagangkan”. Pertama, singkirkan pasangan stablecoin, pasangan mapping, serta pasangan yang rasio volume transaksi/market cap-nya terlalu tinggi; tersisa aset yang punya arah, punya kedalaman, dan bisa dimasuki serta ditarik oleh posisi saya. Lalu saya hitung volume dan arus dana memakai tabel ini. Tabel ini diperbarui otomatis setiap hari, tidak mengandalkan salin manual.

Penilaian saya: soal “breakout dengan lonjakan volume”, kalau tidak dihitung pada tabel yang sudah difilter, saya hampir tidak percaya. Gambar yang dilampirkan adalah candle harian USDCUSDT: selama dua bulan harga menempel di sekitar 1 dolar, volume transaksinya setiap hari berada di kisaran dua sampai tiga puluh miliar dolar—garis yang hampir tidak bergerak, mengingatkan saya betapa kotornya kata “volume transaksi” di pasar kripto.

Saat kamu menghitung sinyal volume transaksi, apakah kamu lebih dulu menghapus pasangan stablecoin? Bahas di kolom komentar.
#成交额 #数据清洗 #量化 #数据 #数据控

15 koin teratas di pencarian tren Binance, 10 di antaranya bahkan tidak bisa dibeli di spot Binance

Papan peringkatnya memang terlihat ramai, tapi begitu kamu masuk, bisa jadi bahkan tidak ada pasangan trading—baru saja saya cek satu per satu.

Sore ini saya mencocokkan 15 nama teratas di pencarian tren dengan spot Binance: hanya BTC, ZEC, UNI, ARB, dan PENGU yang punya pasangan trading USDT; sisanya 10 (PONS, STONK, POWER, EMBER, STANDARD, PEAQ, BR, LAPTOP, PI, HYPE) tidak memiliki pasangan USDT di spot Binance.

Lapisan berikutnya lebih “menyakitkan”: dari 5 yang punya pasangan, ARB volume transaksi 24 jamnya sekitar 12,9 juta dolar, PENGU hanya sekitar 4,9 juta dolar, sedangkan BTC 1,1 miliar. Dalam satu papan pencarian tren yang sama, likuiditasnya beda sampai 200 kali.

Lihat juga peringkat kapitalisasi pasar: di pencarian tren, PONS berada di peringkat 115, STONK 213, PEAQ 390, POWER 525, EMBER 965. Papan pencarian tren menggambarkan “arah perhatian”—bukan “apakah harga ini bisa saya eksekusi”. Perhatian itu gratis, sedangkan likuiditas tidak.

Jadi urutan analisis data saya tidak pernah “lihat hype → langsung order”, melainkan “lihat hype → dulu lulus tiga gerbang”: ① apakah platform ini punya pasangan spot atau futures; ② apakah volume transaksi 24 jam cukup untuk kelipatan ukuran posisi saya; ③ apakah kedalaman order book sanggup menahan order saya, dan apakah slippage masih dalam anggaran. Kalau salah satu gerbang tidak lolos, betapa pun tinggi hype-nya, itu tetap jadi “skenario” milik orang lain.

Kesimpulan saya: saya hanya menganggap papan pencarian tren sebagai “daftar yang perlu dipantau”, bukan sebagai sinyal. Ia bisa memberitahu saya pasar sedang melihat apa, tapi tidak bisa memberitahu apakah harga itu bisa saya dapatkan. Gambar yang terlampir adalah daily PENGU di posisi ke-13 pada pencarian tren: gelombang volume-harga di pertengahan Agustus terlihat sangat bagus, tetapi hari ini volume transaksi 24 jamnya di bawah 5 juta dolar—dari formasi di grafik tersebut, banyak akun tidak bisa masuk order.

Dalam proses memilih koin kamu, apakah ada tahap “filter likuiditas”? Diskusikan di kolom komentar.
#热搜榜 #流动性 #量化 #数据 #data控

Sama-sama turun 10%, jika menempatkan posisi di ETH, porsi yang harus Anda ambil seharusnya lebih kecil daripada BTC.

Saya menghitung volatilitas tahunan selama 30 hari menggunakan data harian dari Binance: ETH sekitar 71%, BTC sekitar 47,5%, selisihnya kira-kira 1,5 kali. Ini bukan sekadar opini—angka ini dihitung dari rentang waktu yang sama dan dengan metrik yang sama.

Lalu, apa arti 1,5 kali ini? Dengan anggaran risiko akun yang sama, jika Anda menempatkan posisi ETH mengikuti “rasa tangan” BTC, risiko yang benar-benar Anda tanggung akan membesar setengahnya. Sebaliknya, kalau Anda menghitung porsi BTC dengan standar ETH, Anda akan menjadi terlalu konservatif—peluang yang seharusnya ada tersaring oleh rumus Anda sendiri.

Solusinya sebenarnya sederhana: porsi posisi ∝ 1/volatilitas (volatilitas ditargetkan). Dengan anggaran risiko per transaksi sebesar 1% yang sama, posisi ETH seharusnya hanya sekitar 2/3 dari posisi BTC. Saya menjadikan volatilitas sebagai input yang dihitung ulang setiap hari, bukan konstanta yang “dikunci” dalam tabel parameter—rasio itu sendiri akan berubah; sejak dikunci, ia mulai menipu Anda.

Penilaian saya: sekarang BTC dan ETH sama-sama berada di sekitar 80% dari rentang 30 hari masing-masing (BTC sekitar 78.454, ETH sekitar 2.503). Posisi mereka hampir sama, tetapi volatilitasnya berbeda 50%. Untuk arah yang sama, saya akan memberi porsi ETH yang lebih kecil dan stop-loss yang lebih lebar—bukan karena saya tidak yakin pada ETH, melainkan karena dengan uang yang sama Anda perlu membeli jumlah risiko yang sama, bukan jumlah lot yang sama.

Saat Anda menghitung porsi, apakah Anda melihat volatilitas, atau menggunakan lot yang tetap? Mari diskusikan di kolom komentar.
#ETH #风险管理 #量化 #数据 #data控

Binance hari ini meluncurkan "tokenisasi saham", dan ada jebakan di datanya: selama 24 jam ia diperdagangkan

Malam ini pukul 20:00, Binance meluncurkan BNCB/USDT—acuan tersebut bukan proyek kripto, melainkan tokenisasi saham (bStocks dari CEA Industries). Pada hari yang sama juga ada pengumuman yang kurang dilihat orang: aset jaminan yang memenuhi syarat untuk leverage full position dan akun terpadu (VIP3 dan ke atas) telah dimasukkan.

Pengumuman resmi tertulis sangat jelas: ditukar 1:1 dengan saham acuan. Setelah listing, dalam waktu satu jam langsung bisa ditukar menjadi BTC/USDT dan bebas biaya, dengan promo bebas biaya untuk Maker hingga 1 Oktober. Data riil beberapa jam pertama: pembukaan 5,40, harga saat ini sekitar 5,10, tertinggi 5,85, terendah 4,79, amplitudo sekitar 22%, dan nilai transaksi sekitar 10,60 juta USDT.

Jebakan yang pasti terlihat oleh orang yang bergelut dengan data: "timeline harga" untuk jenis aset acuan seperti ini jelas tidak sama dengan aset asli kripto. Token diperdagangkan 24/7, tetapi saham dasarnya memiliki jam buka dan tutup bursa, ada sesi pre-market dan after-market, serta tidak melompat harga pada hari libur. Jadi dalam satu hari untuk aset acuan yang sama, akan ada dua set definisi: "harga transaksi on-chain" dan "harga referensi indeks". Jika langsung digabungkan ke model yang sama dengan K-line BTC, backtest akan secara semu menghasilkan banyak sinyal palsu.

Sekadar menambahkan: pengumuman itu sendiri adalah sumber data peristiwa yang paling murah. Listing, delisting, penyesuaian aset jaminan, perubahan biaya—itulah yang benar-benar menggerakkan likuiditas dan harga, dan semuanya punya antarmuka publik yang bisa diambil secara terstruktur. Saat saya melakukan otomasi, skema standar saya adalah: pengambilan data pengumuman → penyimpanan ke database → notifikasi berbasis ambang. Ini jauh lebih andal daripada terus memantau pesan grup.

Pendapat saya: untuk aset jaminan baru seperti ini, volatilitas akan terkonsentrasi di sekitar waktu buka pasar saham AS; dari sisi data, saya akan menandai secara terpisah dan menghitung secara terpisah, dan tidak akan mencampurkannya ke dalam model volatilitas yang sama dengan aset kripto asli.

Apakah kamu akan memasukkan saham ter-tokenisasi ke dalam pemantauan pergerakan harga kamu? Diskusikan di kolom komentar.
#bStocks #代币化股票 #量化 #数据 #数据控

Tampilan LSK 24 jam menunjukkan "-50%", tapi pergerakan harian justru hanya turun 44%—angka mana yang benar?

Buka halaman market, bagian perubahan 24 jam LSK tertulis -50%. Masuk ke chart harian: kemarin tutup di 0,79, hari ini tutup di 0,44, turun 44%. Dua angka ini sama-sama benar, hanya saja mereka membahas hal yang berbeda.

"Perubahan 24 jam" di halaman market Binance adalah jendela bergulir (rolling window): harga saat ini ÷ harga 24 jam sebelumnya - 1. Ini tidak berpatokan pada harga pembukaan, jadi lonjakan besar pada hari sebelumnya akan tetap menggantung di dalam jendela tersebut. Dua hari ini LSK bergerak dari 0,12 naik ke 0,79 lalu turun lagi ke 0,44—dalam rentang pergerakan yang sama. Pagi kamu lihat masih tampil sebagai kenaikan besar, malamnya berubah menjadi "-50%".

Yang lebih pantas dipatok daripada persentase naik-turun adalah volatilitas. Saya hitung volatilitas tahunan 30 hari: LSK sekitar 478%, BTC sekitar 47%—selisihnya sepuluh kali. Dengan "-50%" yang sama, bagi BTC itu peristiwa ekstrem, sedangkan bagi LSK itu hanya satu kali pembesaran dari volatilitas harian. Jika memakai ambang yang sama untuk dua jenis aset ini, manajemen risiko pasti gagal.

Saya membuat pipeline data (akuisisi → pembersihan → backtest → risk control). Langkah pertama selalu menulis definisi field dengan tegas, karena jika tidak, satu field seperti "perubahan persentase" bisa menggeser kesimpulan backtest.

Kesimpulan saya: untuk koin low-cap yang baru saja dipompa besar-besaran, saya tidak mengambil keputusan apa pun memakai perubahan 24 jam; cukup lihat posisi di rentang 30 hari dan volatilitas. Sekarang LSK masih berada di bagian bawah rentang 30 hari (sekitar posisi 19%). Pada posisi seperti ini, saya tidak mengejar untuk rebound—bukan berarti bearish, tapi karena rasionya tidak cocok.

Saat kamu melihat market, kamu cek perubahan 24 jam dulu, atau posisi dalam rentang dulu? Tulis di kolom komentar.
#LSK #行情数据 #量化 #数据 #数据控

BTC yang sama, kenapa kamu bisa melihat beberapa harga yang berbeda?

Harga transaksi terbaru, harga indeks, harga mark, dan harga tengah di order book—semuanya terlihat disebut “harga BTC”, tapi cara menghitung dan kegunaannya berbeda.

Jika sumber data berubah, atau harga dari berbagai definisi dicampur dalam satu deret waktu yang sama, maka backtest dan pemantauan bisa menghasilkan sinyal palsu.

Saat saya merapikan data market, saya menetapkan tiga hal terlebih dahulu:
1. Menggunakan field harga yang mana;
2. Zona waktu apa untuk timestamp;
3. Data K-line apakah hanya menggunakan data yang sudah ditutup (close).

Samakan definisinya dulu, baru bahas strategi dan indikator. Banyak masalah “backtest bagus, tapi real-time tidak sesuai” akan berkurang sampai lebih dari separuh.

Kalau kamu menganalisis pergerakan harga, biasanya lihat harga transaksi terbaru atau harga mark? Diskusikan di kolom komentar.

#比特币 #行情数据 #量化 #数据清洗 #数据控

BTC Golden Cross lalu turun kembali ke 7,7 juta dolar AS—jangan hanya terpaku pada “golden cross”, lihat dulu seluruh rantai sinyal

Kesalahan paling mudah saat membuat data/kuantitatif bukan karena tidak bisa membaca indikator, melainkan karena menjadikan satu sinyal sebagai kesimpulan yang langsung bisa dieksekusi.

Dalam beberapa hari terakhir, BTC menunjukkan EMA20 menembus ke atas EMA50, lalu kemudian kembali turun mendekati 7,7 juta dolar AS. Namun berdasarkan data harian yang saya gunakan untuk membuat gambar: nilai terbaru sekitar 7,85 juta dolar AS, EMA20 sekitar 7,71 juta dolar AS, EMA50 sekitar 7,28 juta dolar AS, RSI sekitar 58, dan rentang 20 hari high-low sekitar 75.546—82.300 dolar AS. Golden cross ini masih ada, tetapi harga belum bergerak secara satu arah. Ini menunjukkan bahwa “indikator arah” hanya memberi tahu status saat ini, tidak bisa menggantikan untuk menjawab posisi (posisi), titik invalidasi, slippage, dan waktu.

Cara saya mengatasinya adalah memecah sinyal menjadi tiga hal:
1）Definisi data: harga transaksi, mark price, dan harga penutupan dipisahkan;
2）Penyaringan kondisi: garis MA, RSI, dan posisi relatif terhadap rentang dilihat bersama;
3）Manajemen risiko: tetapkan dulu kondisi apa yang membuat sinyal tidak valid, baru kemudian bicara soal ukuran posisi.

Alur ini juga saya pakai saat memantau pasar: pertama tuliskan indikator dan alarm dengan jelas, lalu biarkan berjalan 24/7. Sinyal itu bukan hasil tebak-tebakan; yang berarti adalah yang bisa direplikasi, bisa diuji ulang (backtest), dan bisa dijelaskan.

Saat Anda menilai golden cross, apakah menunggu konfirmasi penutupan, atau kalau cross sudah terjadi di tengah sesi langsung bergerak? Diskusikan di kolom komentar.
#比特币 #金叉 #行情 #量化 #DataKontrol

BTC Salvador bertambah lagi lebih dari 1.500 koin, IMF bilang "bukan beli dari dana publik"—di data, kamu duluan percaya yang mana?

Konfirmasi terbaru IMF: seluruh BTC yang ditambahkan Salvador sejak Juni 2025 berasal dari "donasi pribadi" dan tidak memakai dana publik. Begitu kabar ini keluar, narasi soal "kepatuhan" pun terasa menguat, dan pencairan pinjaman berikutnya senilai sekitar 140 juta dolar juga terbuka. Namun bagi orang yang mengolah data, kalimat ini patut ditaruh tanda tanya terlebih dahulu.

Di blockchain, terlihat saldo BTC dari alamat terkait Salvador sedang bertambah (sekitar 6.224 → 7.764 koin, tambahan kira-kira 1.540 koin). Tapi "saldo bertambah" dan "dibeli memakai dana publik" adalah dua hal yang berbeda. IMF mengakui versi donasi, tetapi berapa kali donasi dilakukan, siapa yang mendonasikan, hingga kini belum diungkap. Ini seperti sebuah kesimpulan "ramah pasar", tapi dalam data ada tiga poin yang hilang dan tidak bisa diverifikasi: tambahan (increment), waktu (time point), dan sumber (source). Hal yang paling dihindari dalam riset adalah "kesimpulan lebih dulu daripada data".

Hal pertama yang saya lakukan saat mengerjakan data finansial adalah mengunci definisi—sumber, time point, dan definisi field semuanya ditulis jelas—baru kemudian menarik kesimpulan.

Penilaian saya: saya tidak akan langsung menganggap "IMF bilang tidak memakai dana publik" sebagai kabar baik yang murni. Yang benar-benar terpengaruh adalah keberlanjutan narasi cadangan BTC kedaulatan. Yang perlu diawasi adalah apakah tambahan berikutnya terus berlanjut, apakah pihak pendonor mengungkapkan identitasnya, dan apakah kuota ini akan terus dipakai untuk "mengakui kepatuhan" berulang kali. Di data, lihat dulu tiga poin ini, baru bicara arti bagi harga.

Saat "aturan resmi" dan "data on-chain" saling bertabrakan, kamu percaya yang mana? Diskusikan di kolom komentar.
#IMF #萨尔瓦多 #数据 #量化 #data控

Liquid diambil hampir 4.000 BTC—tapi kejanggalan di blockchain, lebih dulu dari berita

Pada 6 September, sidechain Bitcoin Liquid mengambil sekitar 4.000 BTC, senilai kira-kira 320 juta dolar AS. Cadangan sempat turun hingga tinggal 5%. Banyak orang reaksi pertama adalah “peretas ingin menjatuhkan harga”, padahal di blockchain tanda-tandanya sudah menyala merah sejak lama.

Yang seharusnya diperhatikan bukan “uang yang dicuri berapa”, melainkan indikator on-chain seperti saldo cadangan, pencetakan (minting) yang tidak wajar, dan penarikan dalam jumlah besar. Akar masalah kali ini adalah celah validasi di Elements (range proof cache reuse), yang memungkinkan L-BTC—tanpa dukungan BTC yang benar—dicetak begitu saja, lalu menukarnya lewat jalur penarikan normal menjadi koin asli. Uangnya mengikuti jalur yang “sesuai prosedur”, namun data on-chain—cadangan yang anjlok tajam, minting yang tidak wajar, dan pergerakan besar yang janggal—sudah memberi sinyal sejak tampilan.

Saya pernah membangun sistem pemantauan seperti ini (saldo/transaksi tidak normal/peringatan otomatis berbasis ambang). Tujuannya agar “kejanggalan” muncul dalam pemberitahuan sebelum menjadi topik panas di media.

Penilaian saya: kejadian ini tidak berpengaruh nyata pada mainnet BTC; risikonya terkonsentrasi pada pelunasan (redeem) L-BTC dan kepercayaan terhadap sidechain. Jadi dalam jangka pendek ini hanya gangguan sentimen—jangan panik. Yang perlu diawasi benar-benar adalah tiga sinyal: “pemulihan cadangan + penerapan patch + ke mana perginya 598 koin sisanya”. Selama belum jelas, saya tidak menyentuh L-BTC.

Kamu biasanya memantau kejanggalan di blockchain juga? Diskusikan di kolom komentar.
#Liquid #链上监控 #数据 #量化 #数据控