TLDR

- Cointime Price 系列文章将分为三篇，这是第二篇

- 强烈建议先阅读本系列的前一篇文章！

- 本文将介绍 Cointime Price 的其中一种逃顶应用方法论

- 个人模型分享：Cointime Price 偏离度模型

Cointime Price 简易复习

Cointime Price 是 Cointime Economics 中提出的概念，透过「时间加权」的设计，对 BTC 的公允价格进行评估，相较于单纯的 LTH、STH 更为弹性、更为敏感。

同时，在这个设计框架下，也能有效排除远古时期已丢失筹码的影响。

如果是对于 Cointime Price 还不熟悉的读者，强烈建议先阅读前一篇文章！

逃顶应用方法论：Cointime Price Deviation 模型

Cointime Price Deviation 是我个人在研究链上数据时设计的模型之一，

下文将讲解此模型的设计原理，以及我们将如何使用这个模型进行逃顶判断。

1. 将现价与 Cointime Price 的偏离程度进行量化

由于 Cointime Price 很高程度的代表了 BTC 筹码的真实持仓成本，更精确来说，是「长期持有者」的持仓成本（因为持有时间愈长，对 Cointime Price 的影响愈大），

因此，当现价与 Cointime Price 偏离太多时，理论上会提升长期持有者获利了结的动机，将筹码进行派发。

我将偏离率（派发比率）的公式设计如下：偏离率 =（现价 - Cointime Price）/ 现价

如图，我们便可得出派发比率的状况（紫色线）。可以看到：每当派发比率处于高位时，都是对应顶部的位置。

既然如此，那何谓「高位」？个人在此将采用统计学的方式定义高位，细节如下。

2. Cointime Price Deviation 的极端值定义

各位可以再看一次上面那张图，会发现其实 Deviation 的高位并不容易定义。

每一轮牛市顶部对应的 Deviation 峰值，都有略微下降的迹象，因此单纯以一个固定的数字去定义高位，显然不严谨。

在解决上，我采用了统计学中「标准差」的概念：

(1) 计算历史 Deviation 数值的平均数与标准差

(2) 将「平均数 + n 个标准差」定义为「高位」，下称 Threshold

(3) 再对 Deviation 数值进行均线平滑化处理

(4) 当 Deviation 的均线值 > Threshold 时，显示顶部讯号

如上图所示，进行上述的处理后，可以得出这样的一张图。

在此补充两点：

(1) 上述「平均数 + n 个标准差」中的「n」是可调参数，当 n 愈大，讯号出现的条件就会愈严格

(2) 上述的「均线平滑化处理」，主要目的是为了过滤杂讯

将图二紫色线超出橘色线的部分，标记于价格图表上后，可得到如上图的讯号。

结语

以上就是链上数据学堂（七）的全部内容，后续还会有一篇针对 Cointime Price 的详细教学，

有兴趣更深入学习链上数据分析的读者，记得务必追踪本系列文章！

如果想看到更多关于链上数据的分析、教学内容，也欢迎追踪我的推特（X）帐号！

希望本文有帮助到你，感谢阅读。