Sezonowość Analiza

6 Źródeł Danych

Agregujemy dzienne dane OHLCV dla każdego symbolu, sięgając nawet 10+ lat wstecz, tam gdzie są dostępne. Dane są grupowane według miesiąca kalendarzowego, kwartału i dnia tygodnia, aby ujawnić powtarzające się wzorce w wielu ramach czasowych.

Nakładające się Linie Rocznic

Wykres wzorca sezonowego nakłada skumulowany zwrot YTD każdego roku jako oddzielną linię. Tam, gdzie linie się skupiają, wzorzec jest silny. Rozbieżne linie ujawniają lata, które złamały sezonową normę — często związane z wydarzeniami makroekonomicznymi.

Wskaźnik wygranych + Wielkość

Wskaźnik wygranych pokazuje, jak często miesiąc zamknął się na plusie. Średni zwrot pokazuje wielkość. Wskaźnik wygranych 75% ze średnim zwrotem +2% jest bardziej wiarygodny niż 50% ze średnim zwrotem +15% — ten drugi jest napędzany przez pojedynczy rok odstający od normy.

Wzorzec sezonowy (nakładka)

Każda kolorowa linia reprezentuje skumulowany zwrot dla jednego roku kalendarzowego. Pogrubiona biała linia to średnia ze wszystkich lat w wybranym przedziale czasowym. Gdy linie poszczególnych lat skupiają się blisko średniej, wzorzec sezonowy jest wiarygodny. Duże rozproszenie oznacza, że wzorzec jest zakłócony — zdominowany przez jeden lub dwa lata odstające.

Linia przerywana pionowa oznacza dzisiejszą pozycję w kalendarzu. Linie po jej prawej stronie pokazują, co sezonowość przewiduje na resztę roku.

Wykres słupkowy zwrotów miesięcznych

Zielone słupki oznaczają miesiące, które historycznie średnio kończyły się dodatnio; czerwone słupki to historycznie ujemne miesiące. fioletowa linia wskaźnika wygranych na prawej osi pokazuje procent lat, w których dany miesiąc był dodatni — jest to często bardziej przydatne niż średnia, ponieważ pojedynczy miesiąc ze wzrostem powyżej 100% może znacząco zniekształcić średnią.

Szukaj miesięcy, w których zarówno słupki są zielone, jak i wskaźnik wygranych przekracza 60%. Są to najbardziej konsekwentnie zyskownie okna sezonowe.

Kwartalne i dni tygodnia

Dane kwartalne agregują trzy miesiące w jedną liczbę wydajności — przydatne do identyfikacji szerokich reżimów sezonowych (np. „rally w Q4” lub „letni spadek”). Wzorce dni tygodnia uchwytują mikrostrukturę wewnątrztygodniową: rebalans instytucjonalny w poniedziałki, aktywność detaliczna w weekendy i efekty wygasania opcji w piątki.

Mapa ciepła wielu aktywów

Mapa ciepła porównuje wzorce sezonowe wśród 10+ największych aktywów kryptowalutowych jednocześnie. Szukaj pionowych zielonych kolumn (miesięcy, w których cały rynek ma tendencję do wzrostu) oraz czerwonych kolumn (ogólnorynkowej słabości). Pojedyncze komórki, które odbiegają od swojej kolumny, ujawniają sezonowe przewagi specyficzne dla aktywa — na przykład altcoin z silnym lutym, gdy rynek jest zazwyczaj słaby.

Przeszłość != Przyszłość

Wyniki historyczne nie gwarantują przyszłych rezultatów. Wzorce sezonowe są tendencjami statystycznymi, a nie pewnikami. Miesiąc z 80% historycznym wskaźnikiem wygranych nadal będzie miał lata stratne. Zawsze używaj sezonowości jako jednego z czynników obok akcji cenowej, fundamentów i zarządzania ryzykiem.

Ograniczona historia

Kryptowaluty mają znacznie krótszą historię niż tradycyjne aktywa. BTC ma ~12 lat wiarygodnych danych; większość altcoinów ma 3-5 lat. Małe próbki oznaczają, że średnie mogą się znacząco zmieniać, gdy dodany lub usunięty zostanie pojedynczy rok odstający. Preferuj okna 5Y+ dla bardziej stabilnych wzorców.

Zmiany reżimu

Wydarzenia makro (zmiany polityki Fed, regulacje, czarne łabędzie) mogą całkowicie zastąpić wzorce sezonowe. Cykle halvingowe Bitcoina tworzą własny 4-letni rytm, który może wzmocnić lub anulować sezonowość kalendarzową. Zawsze sprawdzaj, czy obecny reżim makro pasuje do okresu historycznego, który obejmują dane.