La valeur de marché est basse et le prix bas, lequel est le meilleur pour la traduction?

Article précédenthttps://www.fmz.com/digest-topic/10283 , https://www.fmz.com/digest-topic/10287L'effet des contrats perpétuels en ligne sur le prix. Cet article va continuer à explorer un autre facteur important qui influence le prix de la monnaie: la valeur marchande. Les lecteurs familiarisés avec les transactions quantitatives devraient savoir que le marché des actions A a un facteur le plus efficace: la valeur marchande.

Traitement et collecte de données

Cette section utilise les mêmes données que les articles précédents et ne se répète pas.

Les monnaies à bas prix

Les monnaies à bas prix désignent généralement des monnaies numériques à un prix inférieur. Ces monnaies sont plus attrayantes pour les petits investisseurs en raison de leur faible prix. La plupart ne voient que beaucoup de zéros de prix et ne se soucient pas beaucoup de la valeur marchande.

Le meilleur exemple est la performance de l'indice, les deux mêmes marchés haussiers au début et à la fin de l'année. Chaque semaine, les 20 devises les moins chères sont sélectionnées, les résultats sont très proches de l'indice, ce qui indique que les prix bas ne fournissent pas beaucoup de bénéfices supplémentaires.

h = 1
lower_index = 1
lower_index_list = [1]
lower_symbols = df_close.iloc[0].dropna().sort_values()[:20].index
lower_prices =  df_close.iloc[0][lower_symbols]
date_list = [df_close.index[0]]
for row in df_close.iterrows():
    if h % 42 == 0:
        date_list.append(row[0])
        lower_index = lower_index * (row[1][lower_symbols] / lower_prices).mean()
        lower_index_list.append(lower_index)
        lower_symbols = row[1].dropna().sort_values()[:20].index
        lower_prices = row[1][lower_symbols]
    h += 1
pd.DataFrame(data=lower_index_list,index=date_list).plot(figsize=(12,5),grid=True);
total_index.plot(figsize=(12,5),grid=True); #总的指数

Performance des petites monnaies

Comme le volume de circulation est en constante évolution, la quantité totale d'offre utilisée pour calculer la valeur marchande ici, les données proviennent de Coincapmarket, peut être demandée ci-dessous. Au total, toutes les pièces de monnaie avant la valeur marchande de 1000 ont été sélectionnées, pour des raisons de nommage et d'offre totale inconnue.

import requests

def get_latest_crypto_listings(api_key):
    url = "https://pro-api.coinmarketcap.com/v1/cryptocurrency/listings/latest?limit=1000"
    headers = {
        'Accepts': 'application/json',
        'X-CMC_PRO_API_KEY': api_key,
    }

    response = requests.get(url, headers=headers)
    if response.status_code == 200:
        return response.json()
    else:
        return f"Error: {response.status_code}"

# 使用你的API密钥
api_key = "xxx"
coin_data = get_latest_crypto_listings(api_key)
supplys = {d['symbol']: d['total_supply'] for d in coin_data['data']}
include_symbols = [s for s in list(df_close.columns)  if s in supplys and supplys[s] > 0 ]

La même semaine, l'indice des 10 monnaies les moins chères a été établi et comparé à l'indice global. On peut voir que les petites monnaies de valeur monétaire ont été plus bonnes que l'indice global au début de l'année. Mais elles ont commencé à augmenter plus tôt dans la tranche de septembre-octobre et ont finalement dépassé l'indice global.

Les petites pièces de monnaie à faible valeur marchande sont généralement considérées comme ayant un potentiel de croissance plus élevé. En raison de leur faible valeur marchande, même un afflux de capitaux relativement faible peut provoquer des changements significatifs de prix. Ces rendements potentiellement élevés attirent l'attention des investisseurs et des spéculateurs.

df_close_include = df_close[include_symbols]
df_norm = df_close_include/df_close_include.fillna(method='bfill').iloc[0] #归一化
total_index = df_norm.mean(axis=1)
h = 1
N = 10
lower_index = 1
lower_index_list = [1]
lower_symbols = df_close_include.iloc[0].dropna().multiply(pd.Series(supplys)[include_symbols], fill_value=np.nan).sort_values()[:N].index
lower_prices =  df_close_include.iloc[0][lower_symbols]
date_list = [df_close_include.index[0]]
for row in df_close_include.iterrows():
    if h % 42 == 0:
        date_list.append(row[0])
        lower_index = lower_index * (row[1][lower_symbols] / lower_prices).mean()
        lower_index_list.append(lower_index)
        lower_symbols = row[1].dropna().multiply(pd.Series(supplys)[include_symbols], fill_value=np.nan).sort_values()[:N].index
        lower_prices = row[1][lower_symbols]
    h += 1
pd.DataFrame(data=lower_index_list,index=date_list).plot(figsize=(12,5),grid=True);
total_index.plot(figsize=(12,5),grid=True);

Résumé

L'analyse des données a révélé que les pièces à bas prix n'offraient pas de bénéfices supplémentaires et qu'elles se présentaient à peu près dans l'indice du marché. Les petites pièces à valeur marchande ont connu une croissance nettement supérieure à celle de l'indice global.

HOOK: 102007225, SLP: 99406669, NMR: 97617143, RDNT: 97501392, MBL: 93681270, OMG: 89129884, NKN: 85700948, DENT: 84558413, le numéro de téléphone ALPHA: 81367392, RAD: 80849568, HFT: 79696303, STMX: 79472000, Je ne sais pas si vous êtes d'accord. OGN: 74226686, GTC: 72933069, MAV: 72174400, CTK: 72066028, UNFI: 71975379, OXT: 71727646, COTI: 71402243, HIGH: 70450329, Je ne sais pas si vous êtes d'accord. ARKM: 68822057, HIFI: 68805227, CYBER: 68264478, BADGER: 67746045, AGLD: 66877113, LINA: 62674752, POPLE: 62662701, ARPA: 62446098, SPELL: 61939184, TRU: 60944721, REN: 59955266, BIGTIME: 59209269, XVG: 57470552, TLM: 56963184, BAKE: 52022509, COMBO : 47247951, DAR: 47226484, FLM: 45542629, ATA: 44190701, MDT: 42774267, BEL: 42365397, PERP: 42095057, REEF: 41151983, IDEX: 39463580, LEVER: 38609947, PHB: 36811258, LIT: 35979327, KEY: 31964126, Je vous en prie. BOND: 29549985, Front: 29130102, TOKEN: 28047786, AMB: 24484151