ianzeng123
একটি ক্রিপ্টোকারেন্সি ট্রেন্ড ইন্ডিকেটরের বিকাশের রেকর্ড সম্পর্কে একটি সংক্ষিপ্ত আলোচনা
0
516
কারিগরি বিশ্লেষণের ক্ষেত্রে, “উচ্চতর উচ্চ (HH)”, “উচ্চতর নিম্ন (HL)”, “নিম্নতর উচ্চ (LH)” এবং “নিম্নতর নিম্ন (LL)” এই চারটি মূল মূল্য কাঠামোর ধরণ চিহ্নিত করা বাজারের প্রবণতার দিক এবং সম্ভাব্য বিপরীতমুখী বিন্দু বিচার করার ভিত্তি। এই ধরণগুলি স্বজ্ঞাতভাবে বাজারের সরবরাহ এবং চাহিদা শক্তির গতিশীল ভারসাম্য এবং প্রভাবশালী মনোভাব (বুলিশ বা বিয়ারিশ) প্রকাশ করে, যা ট্রেডিং সিদ্ধান্তের জন্য একটি বস্তুনিষ্ঠ ভিত্তি প্রদান করে।
ষাঁড় এবং ভালুক বাজারের মূল বৈশিষ্ট্য
বুলিশ ট্রেন্ড: উচ্চতর উচ্চ এবং উচ্চতর নিম্নতর হল একটি বুলিশ ট্রেন্ডের মূল সূচক। উচ্চতর উচ্চতর তখন ঘটে যখন একটি মূল্যের শীর্ষ পূর্ববর্তী শীর্ষকে ছাড়িয়ে যায়, যা ইঙ্গিত করে যে ক্রেতারা দামকে আরও বাড়িয়ে দিচ্ছে, যা বাজারের শক্তিকে প্রতিফলিত করে। উচ্চতর নিম্নতর তখন ঘটে যখন একটি মূল্যের পতন পূর্ববর্তী পতনের চেয়ে উচ্চতর স্তরে থেমে যায়, যা ইঙ্গিত করে যে বাজার তার ঊর্ধ্বমুখী গতি বজায় রাখছে। একসাথে, এই প্যাটার্নগুলি একটি শক্তিশালী ঊর্ধ্বমুখী প্রবণতা নির্দেশ করে, যা একটি চার্টে ক্রমবর্ধমান শীর্ষ এবং নিম্নতর স্তরের একটি সিরিজ দ্বারা চিহ্নিত করা হয়।
বিয়ারিশ ট্রেন্ড: নিম্ন উচ্চ এবং নিম্ন নিম্ন একটি বিয়ারিশ প্রবণতা নির্দেশ করে। নিম্ন উচ্চ তৈরি হয় যখন একটি মূল্যের শীর্ষ পূর্ববর্তী শীর্ষ স্তরে পৌঁছাতে ব্যর্থ হয়, যা ক্রয় চাপের দুর্বলতা নির্দেশ করে। নিম্ন নিম্ন তৈরি হয় যখন দাম পূর্ববর্তী সর্বনিম্নের নীচে নেমে যায়, যা বর্ধিত বিক্রয় চাপ এবং বাজারের দুর্বলতা প্রতিফলিত করে। এই ধরণগুলি নিম্নমুখী প্রবণতা সনাক্ত করার জন্য অপরিহার্য, যা একটি মূল্য চার্টে পতনশীল শীর্ষ এবং নিম্নমুখী স্তরের একটি সিরিজ দ্বারা চিহ্নিত করা হয়।
পরিমাণগত প্রবণতা সনাক্তকরণের প্রয়োজনীয়তা
ক্রিপ্টোকারেন্সি বাজার উচ্চ অস্থিরতা, ২৪/৭ ট্রেডিং এবং উল্লেখযোগ্য অনুভূতি-চালিত প্রবণতা দ্বারা চিহ্নিত। এই ধরনের পরিবেশে, ট্রেন্ড প্যাটার্নগুলি সঠিকভাবে সনাক্ত করা আরও গুরুত্বপূর্ণ হয়ে ওঠে। “উচ্চতর উচ্চ, উচ্চতর নিম্ন” বা “নিম্ন উচ্চ, নিম্নতম” এর ধারাবাহিকতা পরিমাপ করে, বাজারের প্রবণতাগুলি আরও সঠিকভাবে চিহ্নিত করা যেতে পারে, যা ট্রেডিং সিদ্ধান্তের জন্য একটি বস্তুনিষ্ঠ ভিত্তি প্রদান করে।
কেন FMZ প্ল্যাটফর্ম বেছে নেবেন?
FMZ উদ্ভাবক পরিমাণগত প্ল্যাটফর্ম এই ধরনের সূচকগুলির বিকাশের জন্য একটি আদর্শ পরিবেশ প্রদান করে:
ডেটা সুবিধা：
- প্রধান এক্সচেঞ্জগুলি থেকে ঐতিহাসিক তথ্যের বিনামূল্যে সরবরাহ
- মূলধারার ক্রিপ্টোকারেন্সি কভার করে সম্পূর্ণ কে-লাইন ডেটা
- নির্ভরযোগ্য ডেটা গুণমান এবং সময়োপযোগী আপডেট
উন্নয়ন পরিবেশ：
- হালকা এবং দ্রুত কোড সম্পাদনা পৃষ্ঠা
- পাইথনের মতো একাধিক প্রোগ্রামিং ভাষা সমর্থন করে
- অন্তর্নির্মিত সমৃদ্ধ প্রযুক্তিগত বিশ্লেষণ ফাংশন লাইব্রেরি
পরীক্ষার সুবিধা：
- সম্পূর্ণ ব্যাকটেস্টিং ফাংশন
- রিয়েল-টাইম পর্যবেক্ষণ এবং ভিজ্যুয়ালাইজেশন
- একাধিক মুদ্রার একযোগে বিশ্লেষণের জন্য সুবিধাজনক
এই সুবিধাগুলির উপর ভিত্তি করে, উচ্চ এবং নিম্ন মূল্যের ধারাবাহিকতা প্রবণতা সূচকগুলি অন্বেষণ করার জন্য FMZ প্ল্যাটফর্মটি বেছে নেওয়া হয়েছিল।
ক্রিপ্টোকারেন্সি বাজারের বৈশিষ্ট্য
একটি সূচক ডিজাইন করার আগে, আমাদের ক্রিপ্টোকারেন্সি বাজার এবং স্টক মার্কেটের মধ্যে পার্থক্যগুলি বিবেচনা করতে হবে:
- ২৪ ঘন্টা লেনদেন, কোন বাজার বন্ধ নেই
- অস্থিরতা বিশাল, এবং বাজারে একদিনে ২০% বৃদ্ধি বা পতন অস্বাভাবিক নয়।
- অনেক খুচরা বিনিয়োগকারী আছেন, এবং আবেগগত ট্রেডিং স্পষ্ট।
- ঐতিহাসিক তথ্য দীর্ঘ নয়, বেশিরভাগ মুদ্রার মাত্র কয়েক বছর থাকে
এই বৈশিষ্ট্যগুলির উপর ভিত্তি করে, নকশা প্রকল্পটি নিম্নরূপ:
- দৈনিক ডেটা ব্যবহার করে দিনের মধ্যে শব্দ কমানো সম্ভব, কোনওরকম পিছিয়ে না থেকে।
- নির্ভুলতা এবং সময়োপযোগীতার ভারসাম্য বজায় রাখার জন্য সর্বনিম্ন নিশ্চিতকরণ সময়কাল হিসেবে ৩ দিন নির্ধারণ করুন।
- একই সাথে যাচাইয়ের জন্য বেশ কয়েকটি মূলধারার মুদ্রা পর্যবেক্ষণ করুন
FMZ প্ল্যাটফর্মে বাস্তবায়িত
মূল অ্যালগরিদম নকশা
গভীরভাবে চিন্তা করার পর, আমরা “গতকালের সম্পূর্ণ তথ্য”-এর উপর ভিত্তি করে একটি বিশ্লেষণ পদ্ধতি গ্রহণ করেছি যাতে অসম্পূর্ণ তথ্যের কারণে ভুল সিদ্ধান্ত না নেওয়া যায়। মূল তথ্য কাঠামোটি নিম্নরূপ:
# 每个币种的数据都单独存储
data = defaultdict(lambda: {
"daily_records": [], # 存储每日的昨天数据
"trend_buffer": [], # 当前趋势缓冲区
"patterns": [], # 完整的趋势模式
"current_trend": None, # 当前趋势状态
"last_processed_time": 0
})
প্রবণতা সনাক্তকরণের মূল যুক্তি
প্রবণতা নির্ধারণের জন্য মূল ফাংশন:
def is_trend_continuing(self, buffer, trend_type):
"""检查趋势是否持续"""
if len(buffer) < 2:
return False
curr = buffer[-1]
prev = buffer[-2]
if trend_type == "BULL":
# 牛市：High和Low都上升
return curr["High"] > prev["High"] and curr["Low"] > prev["Low"]
elif trend_type == "BEAR":
# 熊市：High和Low都下降
return curr["High"] < prev["High"] and curr["Low"] < prev["Low"]
return False
ট্রেন্ড স্ট্যাটাস ম্যানেজমেন্ট:
def analyze_trend_state(self, symbol):
"""分析趋势状态"""
storage = data[symbol]
buffer = storage["trend_buffer"]
current_trend = storage["current_trend"]
if current_trend is None:
# 尝试检测新趋势
new_trend = self.detect_new_trend(buffer)
if new_trend:
storage["current_trend"] = {
"type": new_trend,
"start_time": buffer[-2]["Time"],
"start_price": buffer[-2]["Close"],
"consecutive_days": 1
}
else:
# 检查现有趋势是否继续
if self.is_trend_continuing(buffer, current_trend["type"]):
current_trend["consecutive_days"] += 1
else:
# 趋势中断，记录完整模式
if current_trend["consecutive_days"] >= MIN_CONSECUTIVE:
# 保存趋势记录
self.save_pattern(symbol, current_trend, buffer)
মূল নকশা ধারণা হল উচ্চ পয়েন্ট এবং নিম্ন পয়েন্ট প্রয়োজনএকই সাথেক্রমাগত পরিবর্তনগুলি সন্তুষ্ট করুন এবং ন্যূনতম 3 দিনের নিশ্চিতকরণ সময়কালে পৌঁছান, যা ভুল বিচারকে ব্যাপকভাবে হ্রাস করতে পারে। রিটার্ন পরিসংখ্যানের হার হল ট্রেন্ডের শুরুতে খোলার মূল্য থেকে ট্রেন্ডের শেষে সমাপনী মূল্য পর্যন্ত বৃদ্ধি বা হ্রাস।
প্রকৃত অপারেশন ফলাফল এবং তথ্য বিশ্লেষণ
২০২০ থেকে ২০২৫ সালের জুন পর্যন্ত FMZ প্ল্যাটফর্মের ঐতিহাসিক ডেটা ব্যাকটেস্টের উপর ভিত্তি করে, গত ১০টি সম্পূর্ণ ট্রেন্ড চক্রে তিনটি মূলধারার মুদ্রার প্রকৃত কর্মক্ষমতা নিম্নরূপ:
ETH পরীক্ষার ফলাফল বিশ্লেষণ
| টাইপ | শুরুর তারিখ | শেষ তারিখ | সময়কাল | ফলন |
|---|---|---|---|---|
| বিয়ার মার্কেট | 2025-05-29 | 2025-06-01 | 3 | -5.38% |
| ষাঁড়ের বাজার | 2025-05-19 | 2025-05-22 | 3 | 6.73% |
| ষাঁড়ের বাজার | 2025-05-06 | 2025-05-09 | 3 | 26.94% |
| ষাঁড়ের বাজার | 2025-04-24 | 2025-04-27 | 3 | -0.17% |
| বিয়ার মার্কেট | 2025-03-25 | 2025-03-30 | 5 | -13.13% |
| ষাঁড়ের বাজার | 2025-03-21 | 2025-03-24 | 3 | 5.04% |
| বিয়ার মার্কেট | 2025-01-06 | 2025-01-10 | 4 | -10.86% |
| ষাঁড়ের বাজার | 2025-01-01 | 2025-01-06 | 5 | 11.2% |
| বিয়ার মার্কেট | 2024-12-17 | 2024-12-20 | 3 | -15.5% |
| বিয়ার মার্কেট | 2024-12-07 | 2024-12-10 | 3 | -9.96% |
ETH কর্মক্ষমতা বৈশিষ্ট্য：
- ৬ মে থেকে ৯ মে পর্যন্ত ষাঁড়ের বাজারের সবচেয়ে উল্লেখযোগ্য পারফরম্যান্স ছিল, যা মাত্র তিন দিনে ২৬.৯৪% উল্লেখযোগ্য বৃদ্ধি পেয়েছে।
- গড় ষাঁড় বাজার ৩.৪ দিন স্থায়ী হয়, গড় রিটার্ন ৯.৯৭%।
- গড় মন্দা বাজার ৩.৬ দিন স্থায়ী হয়, গড় পতন -১০.৯৭%।
- অত্যন্ত অস্থির, তিনটি মুদ্রার মধ্যে সবচেয়ে অস্থির
বিটিসি পরীক্ষার ফলাফল বিশ্লেষণ
| টাইপ | শুরুর তারিখ | শেষ তারিখ | সময়কাল | ফলন |
|---|---|---|---|---|
| ষাঁড়ের বাজার | 2025-06-06 | 2025-06-11 | 5 | 7.78% |
| বিয়ার মার্কেট | 2025-06-03 | 2025-06-06 | 3 | -0.78% |
| বিয়ার মার্কেট | 2025-05-27 | 2025-05-31 | 4 | -4.37% |
| বিয়ার মার্কেট | 2025-05-22 | 2025-05-25 | 3 | -2.63% |
| ষাঁড়ের বাজার | 2025-05-06 | 2025-05-09 | 3 | 8.4% |
| বিয়ার মার্কেট | 2025-05-02 | 2025-05-05 | 3 | -2.37% |
| ষাঁড়ের বাজার | 2025-04-20 | 2025-04-23 | 3 | 10.07% |
| ষাঁড়ের বাজার | 2025-04-09 | 2025-04-13 | 4 | 10.25% |
| বিয়ার মার্কেট | 2025-03-26 | 2025-03-29 | 3 | -5.53% |
| বিয়ার মার্কেট | 2025-03-08 | 2025-03-11 | 3 | -5.81% |
বিটিসি কর্মক্ষমতা বৈশিষ্ট্য：
- মন্দার বাজারগুলি প্রাধান্য পায়, ১০টি চক্রের মধ্যে ৬টিই মন্দার বাজার।
- গড় ষাঁড় বাজার ৩.৭৫ দিন স্থায়ী হয়, গড় রিটার্ন ৯.১৩%।
- গড় মন্দা বাজার ৩.১৭ দিন স্থায়ী হয়েছিল এবং গড় পতন ছিল -৩.৫৮%।
- সামগ্রিক কর্মক্ষমতা তুলনামূলকভাবে ভারসাম্যপূর্ণ, মাঝারি অস্থিরতা সহ
BNB পরীক্ষার ফলাফল বিশ্লেষণ
| টাইপ | শুরুর তারিখ | শেষ তারিখ | সময়কাল | ফলন |
|---|---|---|---|---|
| ষাঁড়ের বাজার | 2025-06-06 | 2025-06-11 | 5 | 5.46% |
| বিয়ার মার্কেট | 2025-06-03 | 2025-06-06 | 3 | -2.73% |
| ষাঁড়ের বাজার | 2025-05-19 | 2025-05-22 | 3 | 4.63% |
| ষাঁড়ের বাজার | 2025-05-05 | 2025-05-10 | 5 | 11.95% |
| ষাঁড়ের বাজার | 2025-04-20 | 2025-04-23 | 3 | 2.44% |
| ষাঁড়ের বাজার | 2025-04-09 | 2025-04-12 | 3 | 7.63% |
| ষাঁড়ের বাজার | 2025-03-14 | 2025-03-17 | 3 | 8.18% |
| বিয়ার মার্কেট | 2025-03-08 | 2025-03-11 | 3 | -7.49% |
| ষাঁড়ের বাজার | 2025-02-10 | 2025-02-13 | 3 | 9.66% |
| বিয়ার মার্কেট | 2025-01-31 | 2025-02-03 | 3 | -12.2% |
BNB কর্মক্ষমতা বৈশিষ্ট্য：
- ষাঁড় বাজারই প্রাধান্য পাচ্ছে, ১০টির মধ্যে ৭টি চক্রই ষাঁড় বাজার।
- গড় ষাঁড় বাজার ৩.৪৩ দিন স্থায়ী হয়েছিল, যার গড় রিটার্ন ছিল ৭.১৪%।
- গড় মন্দা বাজার 3 দিন স্থায়ী হয়, গড় পতন -7.47%
- তুলনামূলকভাবে খুব কম চরম বাজার পরিস্থিতি সহ, কর্মক্ষমতা সবচেয়ে স্থিতিশীল।
তথ্যের পিছনে কিছু আকর্ষণীয় তথ্য
এই তিনটি মুদ্রার সর্বশেষ দশটি ট্রেন্ড চক্রের তথ্য বিশ্লেষণ করার সময়, কিছু আকর্ষণীয় ঘটনা আবিষ্কৃত হয়েছে।
ট্রেন্ডের সময়কাল সম্পর্কে
বেশিরভাগ ট্রেন্ড প্রায় ৩-৫ দিনের মধ্যে শেষ হয়ে যায়, যা আসলে ক্রিপ্টোকারেন্সি বাজার সম্পর্কে সকলের অনুভূতির সাথে সামঞ্জস্যপূর্ণ - এটি খুব দ্রুত পরিবর্তিত হয়। ন্যূনতম নিশ্চিতকরণ সময়কাল হিসাবে ৩ দিনের মূল সেটিংটি এখনও বেশ যুক্তিসঙ্গত, কারণ এটি দিনের মধ্যে কিছু এলোমেলো ওঠানামা ফিল্টার করতে পারে এবং খুব বেশি অপেক্ষা করার কারণে সুযোগগুলি হাতছাড়া করবে না। এই ক্ষেত্রে বিটিসি সবচেয়ে স্থিতিশীল, এবং ট্রেন্ডের সময়কাল তুলনামূলকভাবে নিয়মিত।
বিভিন্ন মুদ্রার “চরিত্র” এর পার্থক্য
এই তিনটি মুদ্রার নিজস্ব বৈশিষ্ট্য রয়েছে। ETH-এর সাম্প্রতিক কর্মক্ষমতা সত্যিই আরও আকর্ষণীয়, এবং এটি হতে পারে যে এটি অনেক দিন ধরেই স্থির ছিল, তাই রিবাউন্ড অস্থিরতা অনেক বেশি। ৬ থেকে ৯ মে পর্যন্ত, এটি ৩ দিনে ২৬.৯৪% বৃদ্ধি পেতে পারে, যা আশ্চর্যজনক, তবে -০.১৭% এর একটি “বুল মার্কেট”ও রয়েছে যা মানুষকে মাথা চুলকাতে বাধ্য করে। BTC নিঃসন্দেহে আরও স্থিতিশীল। যদিও সম্প্রতি আরও বেশি মৃদু বাজার রয়েছে, তবুও অস্থিরতা গ্রহণযোগ্য। BNB সকলকে অনেক চমক দিয়েছে, যেখানে ষাঁড় বাজার ৭০%, এবং ঝুঁকি-রিটার্ন অনুপাত সেরা বলে মনে হচ্ছে।
প্রবণতা বিচারের উপর কিছু পর্যবেক্ষণ
ফলাফল বিবেচনা করে, এই সহজ সূচকটি এখনও কিছু গুরুত্বপূর্ণ মুহূর্ত ধারণ করেছে। উদাহরণস্বরূপ, ETH-এর 26.94% উত্থান, BTC এবং BNB-এর একাধিক বুল মার্কেট চক্র, এবং মন্দার বাজারের বেশ কিছু সময়োপযোগী অনুস্মারক। অবশ্যই, কিছু বিভ্রান্তিকর বিষয়ও রয়েছে, যেমন -0.17% “বুল মার্কেট”, যা দেখায় যে অ্যালগরিদমের এখনও উন্নতির সুযোগ রয়েছে।
এই টুলটি কিসের জন্য?
এটি আপনার জন্য কী করতে পারে
সত্যি কথা বলতে, এই টুলটি মূলত আপনাকে সাহায্য করেবাজার এখন কেমন তা জেনে নিন：
- বর্তমান প্রবণতা ক্রমবর্ধমান, পতনশীল নাকি ওঠানামা করছে তা আপনাকে বলুন।
- এই প্রবণতা কতদিন ধরে চলছে এবং এটি কীভাবে কাজ করছে তা ট্র্যাক করুন।
- সম্পূর্ণরূপে অনুভূতির উপর ভিত্তি করে নয়, বরং বিচারের জন্য তুলনামূলকভাবে বস্তুনিষ্ঠ ভিত্তি প্রদান করুন।
- প্রকৃত তথ্য থেকে বিচার করলে, এটি ৩-৫ দিনের স্বল্পমেয়াদী প্রবণতা সনাক্তকরণে বেশ কার্যকর।
এটা কি করতে পারে না
এটা স্পষ্ট করে বলা উচিত যে এই হাতিয়ারটিএটা অবশ্যই ভবিষ্যৎ ভবিষ্যদ্বাণী করার জন্য নয়।：
- এটা তোমাকে বলবে না যে আগামীকাল এটা বাড়বে নাকি কমবে।
- আমি ভবিষ্যদ্বাণী করতে পারছি না যে এটি কতটা বাড়বে বা কমবে।
- এটি আপনার নিজস্ব ঝুঁকি নিয়ন্ত্রণ এবং তহবিল ব্যবস্থাপনা প্রতিস্থাপন করতে পারে না।
- যখন বাজারটি অন্যদিকে চলে যায়, তখন এটি কিছু বিভ্রান্তিকর সংকেত দিতে পারে
ব্যবহারের সময় কিছু সমস্যার সম্মুখীন হতে হয়েছে
প্রকৃত কার্যক্রমে, কিছু সীমাবদ্ধতাও পাওয়া গেছে:
সাড়া দিতে একটু দেরি হচ্ছে: যেহেতু নিশ্চিত হতে ৩ দিন সময় লাগে, তাই প্রথম কয়েক দিনে প্রবণতা ধরা মূলত অসম্ভব।
মাঝে মাঝে আমি “মানুষকে ভুল বিচার করি”：ETH এর -0.17% “বুল মার্কেট” এর মতো, এটি দেখায় যে কিছু বিশেষ ক্ষেত্রে, অ্যালগরিদমের রায় ভুল হতে পারে।
পার্শ্ববর্তী বাজার একটি মাথাব্যথা：যখন বাজার একটি নির্দিষ্ট সীমার মধ্যে ওঠানামা করে, তখন সংকেত ঘন ঘন পরিবর্তন হতে পারে, যা বিরক্তিকর।
দামের দিকে তাকালে একটু একঘেয়ে লাগছে।: ট্রেডিং ভলিউম এবং সংবাদের মতো সমান গুরুত্বপূর্ণ বিষয়গুলি বিবেচনা করতে ব্যর্থতা
পরবর্তীতে আমরা কীভাবে এটি উন্নত করতে পারি?
এই সময়ের পর্যবেক্ষণের উপর ভিত্তি করে, আমার মনে হয় চেষ্টা করার জন্য বেশ কয়েকটি দিক রয়েছে:
বিভিন্ন মুদ্রার জন্য প্যারামিটারগুলি সামঞ্জস্য করুন： ETH-এর মতো অস্থির মুদ্রার জন্য, আরও কঠোর নিশ্চিতকরণ শর্তের প্রয়োজন হতে পারে, অন্যদিকে BNB-এর মতো তুলনামূলকভাবে স্থিতিশীল মুদ্রা নিশ্চিতকরণের সময় কমাতে সক্ষম হতে পারে। খুব কম ফলন সহ সংকেতগুলি ফিল্টার করার জন্য আপনি একটি ন্যূনতম ফলন থ্রেশহোল্ডও সেট করতে পারেন।
কিছু সহায়ক রায় যোগ করুন： উদাহরণস্বরূপ, প্রবণতা নির্ভরযোগ্য কিনা তা যাচাই করার জন্য ট্রেডিং ভলিউমের পরিবর্তনগুলিকে একত্রিত করা, অথবা ছোটখাটো পরিবর্তনের দ্বারা বিভ্রান্ত না হওয়ার জন্য মূল্যের ওঠানামার পরিসর বিবেচনা করা।
অ্যালগরিদম নিজেই অপ্টিমাইজ করা： ভুল বিচার কমাতে ট্রেন্ড ইন্টারপ্রেশনের বিচার যুক্তি উন্নত করুন; শক্তিশালী এবং দুর্বল প্রবণতার মধ্যে পার্থক্য করার জন্য ট্রেন্ডে একটি শক্তি রেটিং যোগ করুন; কিছু অস্বাভাবিক পরিস্থিতির জন্য একটি বিশেষ পরিচালনা ব্যবস্থা প্রতিষ্ঠা করুন।
এই অনুসন্ধানের দিকে ফিরে তাকালে
এই সহজ বাজার পর্যবেক্ষণ সরঞ্জামটি সত্যিই কিছু ঐতিহ্যবাহী প্রযুক্তিগত বিশ্লেষণ ধারণাকে একটি স্বয়ংক্রিয় সিস্টেমে পরিণত করে। FMZ প্ল্যাটফর্মের সুবিধার্থে, আমরা সফলভাবে এমন একটি সরঞ্জাম তৈরি করেছি যা রিয়েল টাইমে ক্রিপ্টোকারেন্সি বাজারের অবস্থা পর্যবেক্ষণ করতে পারে।
এর মূল মূল্য বাজারের অবস্থার তুলনামূলকভাবে বস্তুনিষ্ঠ রেকর্ড প্রদানের মধ্যে নিহিত, যা আমাদের সাহায্য করতে পারে:
- বাজারের সামগ্রিক পরিস্থিতি সম্পর্কে সামগ্রিক ধারণা থাকা
- ঐতিহাসিক তথ্যের মাধ্যমে কিছু জনপ্রিয় মুদ্রা ফিল্টার করুন
- আরও গভীর বিশ্লেষণের জন্য ডেটা সহায়তা প্রদান করুন
তথ্য সংগ্রহের সাথে সাথে, এই টুলটি আরও মূল্যবান হয়ে উঠবে। অবশ্যই, এটি অনেক বিশ্লেষণের টুলের মধ্যে একটি এবং এটি সমস্ত সমস্যার সমাধান করবে বলে আশা করা যায় না, তবে একটি সূচনা বিন্দু হিসাবে, আমি মনে করি এটি এখনও খুব আকর্ষণীয়।
'''backtest
start: 2020-01-01 00:00:00
end: 2025-06-16 00:00:00
period: 1d
basePeriod: 1d
exchanges: [{"eid":"Binance","currency":"BTC_USDT"}]
'''
import json
from datetime import datetime
from collections import defaultdict
# 配置参数
SYMBOLS = ["ETH_USDT", "BTC_USDT", "BNB_USDT"]
MIN_CONSECUTIVE = 3 # 最少连续天数
MAX_HISTORY = 1000 # 最大历史记录数
# 全局数据存储
data = defaultdict(lambda: {
"daily_records": [], # 存储每日的昨天数据
"trend_buffer": [], # 当前趋势缓冲区
"patterns": [], # 完整的趋势模式
"current_trend": None, # 当前趋势状态
"last_processed_time": 0
})
class TrendAnalyzer:
def get_yesterday_data(self, records):
"""获取昨天的完整数据（records[-2]）"""
if len(records) < 2:
return None
return records[-2] # 昨天的完整K线数据
def is_trend_continuing(self, buffer, trend_type):
"""检查趋势是否持续"""
if len(buffer) < 2:
return False
curr = buffer[-1]
prev = buffer[-2]
if trend_type == "BULL":
# 牛市：High和Low都上升
return curr["High"] > prev["High"] and curr["Low"] > prev["Low"]
elif trend_type == "BEAR":
# 熊市：High和Low都下降
return curr["High"] < prev["High"] and curr["Low"] < prev["Low"]
return False
def detect_new_trend(self, buffer):
"""从缓冲区检测新趋势"""
if len(buffer) < 2:
return None
curr = buffer[-1]
prev = buffer[-2]
# 检查是否开始牛市趋势
if curr["High"] > prev["High"] and curr["Low"] > prev["Low"]:
return "BULL"
# 检查是否开始熊市趋势
elif curr["High"] < prev["High"] and curr["Low"] < prev["Low"]:
return "BEAR"
return None
def process_daily_data(self, symbol, records):
"""处理每日数据"""
if not records or len(records) < 2:
return
storage = data[symbol]
yesterday_data = self.get_yesterday_data(records)
if not yesterday_data or yesterday_data["Time"] <= storage["last_processed_time"]:
return # 没有新的昨天数据
# 更新处理时间
storage["last_processed_time"] = yesterday_data["Time"]
# 添加到每日记录
storage["daily_records"].append(yesterday_data)
if len(storage["daily_records"]) > MAX_HISTORY:
storage["daily_records"] = storage["daily_records"][-MAX_HISTORY:]
# 添加到趋势缓冲区
storage["trend_buffer"].append(yesterday_data)
# 分析趋势
self.analyze_trend_state(symbol)
def analyze_trend_state(self, symbol):
"""分析趋势状态"""
storage = data[symbol]
buffer = storage["trend_buffer"]
current_trend = storage["current_trend"]
if len(buffer) < 2:
return
if current_trend is None:
# 尝试检测新趋势
new_trend = self.detect_new_trend(buffer)
if new_trend:
storage["current_trend"] = {
"type": new_trend,
"start_time": buffer[-2]["Time"], # 趋势从前一天开始
"start_price": buffer[-2]["Close"],
"start_open": buffer[-2]["Open"],
"consecutive_days": 1
}
Log(f"{symbol} 检测到{new_trend}趋势开始")
else:
# 没有趋势，只保留最近的数据
storage["trend_buffer"] = buffer[-1:]
else:
# 检查现有趋势是否继续
if self.is_trend_continuing(buffer, current_trend["type"]):
# 趋势继续
current_trend["consecutive_days"] += 1
# 检查是否达到最小天数要求
if current_trend["consecutive_days"] == MIN_CONSECUTIVE:
trend_name = "牛市" if current_trend["type"] == "BULL" else "熊市"
Log(f"{symbol} {trend_name}趋势确认! 连续{MIN_CONSECUTIVE}天")
else:
# 趋势中断
if current_trend["consecutive_days"] >= MIN_CONSECUTIVE:
# 记录完整的趋势
end_data = buffer[-2] # 趋势在前一天结束
duration = current_trend["consecutive_days"]
start_price = current_trend["start_open"]
end_price = end_data["Close"]
return_pct = round((end_price - start_price) / start_price * 100, 2)
storage["patterns"].append({
"trend": current_trend["type"],
"start_time": current_trend["start_time"],
"end_time": end_data["Time"],
"duration": duration,
"return": return_pct
})
trend_name = "牛市" if current_trend["type"] == "BULL" else "熊市"
Log(f"{symbol} {trend_name}趋势结束，持续{duration}天，收益{return_pct}%")
# 重置趋势状态，重新开始检测
storage["current_trend"] = None
storage["trend_buffer"] = buffer[-2:] # 保留最近两天数据重新开始
# 立即检测新趋势
self.analyze_trend_state(symbol)
def generate_tables():
"""生成所有统计表格"""
tables = []
# 概览表
overview_rows = []
for symbol in SYMBOLS:
storage = data[symbol]
if not storage["daily_records"]:
continue
patterns = storage["patterns"]
current_trend = storage["current_trend"]
# 计算统计数据
bull_patterns = [p for p in patterns if p["trend"] == "BULL"]
bear_patterns = [p for p in patterns if p["trend"] == "BEAR"]
stats = {
"bull_avg_return": round(sum(p["return"] for p in bull_patterns) / len(bull_patterns), 2) if bull_patterns else 0,
"bear_avg_return": round(sum(p["return"] for p in bear_patterns) / len(bear_patterns), 2) if bear_patterns else 0,
"bull_avg_days": round(sum(p["duration"] for p in bull_patterns) / len(bull_patterns), 1) if bull_patterns else 0,
"bear_avg_days": round(sum(p["duration"] for p in bear_patterns) / len(bear_patterns), 1) if bear_patterns else 0
}
# 当前状态
current_status = "震荡"
current_return = 0
current_days = 0
consecutive = 0
if current_trend and storage["daily_records"]:
latest_price = storage["daily_records"][-1]["Close"]
start_price = current_trend["start_open"]
current_return = round((latest_price - start_price) / start_price * 100, 2)
current_days = current_trend["consecutive_days"]
current_status = "牛市" if current_trend["type"] == "BULL" else "熊市"
consecutive = current_trend["consecutive_days"]
overview_rows.append([
symbol.replace("_USDT", ""),
current_status,
str(current_days),
f"{current_return}%",
str(consecutive),
str(len(bull_patterns)),
str(len(bear_patterns)),
f"{stats['bull_avg_return']}%",
f"{stats['bear_avg_return']}%",
f"{stats['bull_avg_days']}天",
f"{stats['bear_avg_days']}天"
])
tables.append({
"type": "table",
"title": "每日高低价趋势监控（基于昨日完整数据）",
"cols": ["币种", "状态", "持续", "收益", "强度", "牛市次数", "熊市次数", "牛市均收益", "熊市均收益", "牛市均天数", "熊市均天数"],
"rows": overview_rows
})
# 趋势缓冲区分析表
buffer_rows = []
for symbol in SYMBOLS:
storage = data[symbol]
buffer = storage["trend_buffer"]
current_trend = storage["current_trend"]
if not buffer:
continue
latest_price = buffer[-1]["Close"]
buffer_size = len(buffer)
# 显示最近几天的High/Low变化
if len(buffer) >= 2:
recent_highs = [f"{r['High']:.0f}" for r in buffer[-min(5, len(buffer)):]]
recent_lows = [f"{r['Low']:.0f}" for r in buffer[-min(5, len(buffer)):]]
high_trend = " → ".join(recent_highs)
low_trend = " → ".join(recent_lows)
else:
high_trend = f"{buffer[-1]['High']:.0f}"
low_trend = f"{buffer[-1]['Low']:.0f}"
trend_status = "无趋势"
if current_trend:
trend_status = f"{'牛市' if current_trend['type'] == 'BULL' else '熊市'}{current_trend['consecutive_days']}天"
buffer_rows.append([
symbol.replace("_USDT", ""),
f"{latest_price:.2f}",
trend_status,
str(buffer_size),
high_trend,
low_trend
])
tables.append({
"type": "table",
"title": "趋势缓冲区状态",
"cols": ["币种", "价格", "当前趋势", "缓冲区", "High变化", "Low变化"],
"rows": buffer_rows
})
# 历史记录表
for symbol in SYMBOLS:
patterns = [p for p in data[symbol]["patterns"] if p["duration"] >= MIN_CONSECUTIVE]
coin_name = symbol.replace("_USDT", "")
if not patterns:
tables.append({
"type": "table",
"title": f"{coin_name} 历史趋势",
"cols": ["类型", "开始", "结束", "天数", "收益"],
"rows": [["无数据", "-", "-", "-", "-"]]
})
continue
rows = []
for p in sorted(patterns, key=lambda x: x["end_time"], reverse=True)[:10]: # 只显示最近10条
rows.append([
"牛市" if p["trend"] == "BULL" else "熊市",
datetime.fromtimestamp(p["start_time"] / 1000).strftime('%Y-%m-%d'),
datetime.fromtimestamp(p["end_time"] / 1000).strftime('%Y-%m-%d'),
str(p["duration"]),
f"{p['return']}%"
])
tables.append({
"type": "table",
"title": f"{coin_name} 历史趋势",
"cols": ["类型", "开始", "结束", "天数", "收益"],
"rows": rows
})
return tables
def main():
analyzer = TrendAnalyzer()
Log("趋势分析系统启动 - 基于昨日完整数据的逐日分析")
Log("牛市定义: High和Low连续上升≥3天")
Log("熊市定义: High和Low连续下降≥3天")
while True:
try:
# 处理每个币种的数据
for symbol in SYMBOLS:
records = exchange.GetRecords(symbol)
analyzer.process_daily_data(symbol, records)
# 生成并显示表格
tables = generate_tables()
LogStatus('`' + json.dumps(tables) + '`')
except Exception as e:
Log(f"错误: {str(e)}")
Sleep(1000 * 60 * 60) # 24小时
def onexit():
total = sum(len(data[s]["patterns"]) for s in SYMBOLS)
Log(f"系统停止, 共识别 {total} 个趋势模式")