Python 告诉你:熊市将去,牛市要来!

漫漫熊市,这个行业显得极为浮躁。但要是营长告诉你,熊市即将结束,牛市马上到来,你信吗?

 

近来营长看到朋友圈中大咖集结、开启什么「熊市破冰之旅」,不得不说,甚是羡慕。但营长深知,“寒冬”不宜出远门,仍需在家埋头苦读,潜心钻研

 

前几天,偶然了解到一位传奇人物——沃伦·巴菲特的黄金搭档、现年94岁的美国投资家查理·芒格。在过去45年中,他和巴菲特联手创造了有史以来最优秀的投资纪录之一——伯克希尔公司股票价值以年均20.3%的复合收益率创造了投资神话,股票每股价格已从19美元狂飙到了84487美元(我勒个乖乖啊)。

在查理·芒格传奇的投资生涯中,老爷子始终将「invert,always invert」奉为屡试不爽、让人茅塞顿开的投资良言。营长思前想后、挠头顿塞,才深知其意,其大意就是「凡无头绪之事,思其反面,必有奇效」。今天,营长秉承查理老爷子的意志,和你们聊一聊比特币投资的那些事儿!

 

什么时期投资比特币可以赚钱?什么时期可能会赔钱?营长不会给你建议,也给不了建议(因为真不知道),但 Python 可以!(嘿哈,脑洞开始)

脑洞前的准备

 

1)需要安装 :

  • Python

  • Jupyter Notebook

 

2)及以下模块:

  • quandl

  • math

  • numpy

  • pandas

  • matplotlib

  • seaborn

  • collections

 

一切准备就绪之后,脑洞开始!

 

 

Python 是这么玩的

 

首先,你需要定义什么是「糟糕」的投资选择。

 

比如,从你开始投资(即购买比特币)当天算起,将365天后绝对收益值为负数的情况定义为「糟糕」投资。简单讲就是,如果你今天购买了比特币,但一年后你赔钱了,这种情况就是「糟糕」投资。

 

接下来,按照这个标准,绘制一个周期为365天的比特币收益图,从而确定未来一年内「糟糕」投资的时间段分布情况。(文中代码不全,文末有完整代码获取链接)

 

先来个程序员的标准姿势,先上代码,部分代码如下:

运行代码之后,如下图所示:

 

比特币收益曲线(周期为365天)

 

从图中可以看出,2011年第二季度的曲线值为负,2013年底和2014年的大部分时期也是如此,此外,2017年底也有一段曲线在收益零线之下。

 

接下来,按照年份分组统计「糟糕」投资的天数,部分代码如下:

 

可以发现,尽管2011年是迄今为止比特币币价下跌幅度最大(下降93%)的一年,但“糟糕”投资天数只有95天,而2013年和2014年的总和,这一数字达到了379天。

 

接下来,需要确定「糟糕」投资的开始与结束时间,部分代码如下:

运行以下代码成图:

下图显示了相关的时间段,红色则为「糟糕」投资时期。

可以看出,2011年对应的「糟糕」投资时期内,从35美元左右的高点到最终的10.30美元,总跌幅超过70%。

而2013年和2014年,从大约1151美元的高点到红色期末371美元左右,总跌幅为68%。

 

 

如今的熊市何时结束?

 

我们假设2018年的11月13日之前都是「糟糕」投资选择。

 

从11月13日算起,当时比特币价格约为6400美元,然后一路下跌至当前的3300美元左右。这意味着,2018年有316个「糟糕」投资日,加上2017年的41天,这次熊市共有357天。

 

这与2013年和2014年的总数非常接近。根据这一假设,2017年和2018年的「糟糕」投资曲线如下图:

而另一种假设的方式是,在前两个熊市中,从高点到红线末端的总跌幅都在70%左右,这次熊市也适用这样的规律。

 

如果我们使用19498美元作为2017年12月17日的高点,那么下跌70%后的价格为5849美元,这意味着假定红线将比上图显示的要晚几天结束。

 

以上能说明什么?说明我们正处于或接近于通过购买比特币就可以在未来一年获取正向收益的时期。如果你预设的周期为一年或更久,那么现在可能是买入的好时机。

以上内容纯属脑洞,大家看完后笑笑就忘掉哈。本文中的任何内容都不是投资建议,比特币价格受多方面因素影响而非常不稳定,投资需要三思而后行,谨慎再谨慎。

 

在区块链大本营后台留言"脑洞"二字,获取完整GitHub代码。

 

营长告诉你们,只有学习,只有学习才是低成本高回报的投资方式,投资自己才是上上策!

推荐阅读:

 

 

该数据集通过合成方式模拟了多种发动机在运行过程中的传感器监测数据,旨在构建一个用于机械系统故障检测的基准资源,特别适用于汽车领域的诊断分析。数据按固定时间间隔采集,涵盖了发动机性能指标、异常状态以及工作模式等多维度信息。 时间戳:数据类型为日期时间,记录了每个数据点的采集时刻。序列起始于2024年12月24日10:00,并以5分钟为间隔持续生成,体现了对发动机运行状态的连续监测。 温度(摄氏度):以浮点数形式记录发动机的温度读数。其数值范围通常处于60至120摄氏度之间,反映了发动机在常规工况下的典型温度区间。 转速(转/分钟):以浮点数表示发动机曲轴的旋转速度。该参数在1000至4000转/分钟的范围内随机生成,符合多数发动机在正常运转时的转速特征。 燃油效率(公里/升):浮点型变量,用于衡量发动机的燃料利用效能,即每升燃料所能支持的行驶里程。其取值范围设定在15至30公里/升之间。 振动_X、振动_Y、振动_Z:这三个浮点数列分别记录了发动机在三维空间坐标系中各轴向的振动强度。测量值标准化至0到1的标度,较高的数值通常暗示存在异常振动,可能与潜在的机械故障相关。 扭矩(·米):以浮点数表征发动机输出的旋转力矩,数值区间为50至200·米,体现了发动机的负载能力。 功率输出(千瓦):浮点型变量,描述发动机单位时间内做功的速率,取值范围为20至100千瓦。 故障状态:整型分类变量,用于标识发动机的异常程度,共分为四个等级:0代表正常状态,1表示轻微故障,2对应中等故障,3指示严重故障。该列作为分类任务的目标变量,支持基于传感器数据预测故障等级。 运行模式:字符串类型变量,描述发动机当前的工作状态,主要包括:怠速(发动机运转但无负载)、巡航(发动机在常规负载下平稳运行)、重载(发动机承受高负荷或高压工况)。 数据集整体包含1000条记录,每条记录对应特定时刻的发动机性能快照。其中故障状态涵盖从正常到严重故障的四级分类,有助于训练模型实现故障预测与诊断。所有数据均为合成生成,旨在模拟真实的发动机性能变化与典型故障场景,所包含的温度、转速、燃油效率、振动、扭矩及功率输出等关键传感指标,均为影响发动机故障判定的重要因素。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论 10
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值