Bayesianskt resonemang för handel — Uppdatera övertygelser med Smart Money-data

Bayesianskt resonemang är idealiskt för handel: du har en tidigare övertygelse om prisriktningen och uppdaterar den med varje nytt bevis (on-chain-data, valaktivitet, finansieringsräntor). Smart Money API tillhandahåller precis den här typen av bevis—uppdatera dina övertygelser och fatta probabilistiska beslut.

Nyckelkoncept: Bayes sats: P(B|A) = P(A|B) × P(B) / P(A). Inom handel: P(Pris↑ | Valar↑) = hur sannolikt är det att priset stiger givet att valar ackumulerar?

Bayes sats inom handel

Formeln

Prior: P(Riktning) = din initiala övertygelse (60% chans att BTC stiger)
Sannolikhet: P(Bevis | Riktning) = sannolikheten att du skulle se detta bevis om riktningen är sann
Bevis: P(Bevis) = basfrekvensen för att se detta bevis
Posterior: P(Riktning | Bevis) = uppdaterad övertygelse efter att ha observerat beviset

Exempel: Valackumulering som bevis

Prior: 50% chans att BTC stiger (baslinje). Sannolikhet: Om BTC stiger finns det 72% chans att valar ackumulerar (de front-run:ar rörelser). Om BTC förblir platt/ner, bara 20% chans för ackumulering. Bevis: Du observerar 250+ valplånböcker som ackumulerar.

Python — Bayesiansk uppdatering
def bayesian_update(prior_up, likelihood_evidence_given_up, likelihood_evidence_given_down):
# Prior
p_up = prior_up  # 0.50
p_down = 1 - prior_up  # 0.50
# Bevisets sannolikhet
p_evidence_given_up = likelihood_evidence_given_up  # 0.72
p_evidence_given_down = likelihood_evidence_given_down  # 0.20
# Total sannolikhet för bevis (lag om total sannolikhet)
p_evidence = (p_evidence_given_up * p_up) + (p_evidence_given_down * p_down)
# = (0.72 * 0.50) + (0.20 * 0.50) = 0.46
# Posterior: P(Up | Evidence) = Bayes
posterior_up = (p_evidence_given_up * p_up) / p_evidence
# = (0.72 * 0.50) / 0.46 = 0.783 (78.3% sannolikhet att stiga)
return posterior_up

Resultat: Efter att ha observerat valackumulering ökar sannolikheten för uppgång från 50% till 78%. Det är en stark signal att gå lång.

Bayesianskt ramverk för flera signaler

Kombinera flera bevis (Smart Money API ger dig tre: derivat, on-chain, valar):

Python — Bayesiansk med flera signaler
def multi_signal_bayesian(prior, deriv_signal, onchain_signal, whale_signal):
# Sekventiell uppdatering: börja med prior, uppdatera med varje signal
posterior = prior
# Signal 1: Derivater (finansieringsränta, LSR)
posterior = bayesian_update(posterior, 0.68, 0.35)  # om upp, 68% chans för pos FR
# Signal 2: On-chain (MVRV, SOPR)
posterior = bayesian_update(posterior, 0.65, 0.40)  # om upp, 65% chans för gynnsam MVRV
# Signal 3: Valar (konsensus, PnL)
posterior = bayesian_update(posterior, 0.72, 0.20)  # om upp, 72% chans för valkonsensus lång
return posterior

Sannolikhetsuppskattning från historisk data

Hur vet du P(Bevis | Riktning)? Beräkna från backtester:

Python — Kalibrera sannolikheter
def estimate_likelihoods(historical_data):
# Av alla gånger valar gick lång, hur många % såg priset stiga nästa 4h?
whale_long_ups = len(historical_data[(historical_data['whale_long'] == True) & (historical_data['next_4h_up'] == True)])
whale_long_total = len(historical_data[historical_data['whale_long'] == True])
p_up_given_whale_long = whale_long_ups / whale_long_total  # 0.62
# Av alla gånger valar gick kort, hur många % såg priset sjunka?
whale_short_downs = len(historical_data[(historical_data['whale_long'] == False) & (historical_data['next_4h_up'] == False)])
whale_short_total = len(historical_data[historical_data['whale_long'] == False])
p_down_given_whale_short = whale_short_downs / whale_short_total  # 0.58
return {'p_up_given_whale_long': p_up_given_whale_long, 'p_down_given_whale_short': p_down_given_whale_short}

Satsa på posterior-sannolikheter

När du har en posterior-sannolikhet, anpassa din satsning proportionellt:

Python — Kelly-kriteriet från posterior
def kelly_bet_size(posterior_prob, odds=1.1):
# Kelly-kriteriet: f = (b*p - q) / b
# p = vinstsannolikhet, q = förlustsannolikhet, b = oddsförhållande
p = posterior_prob
q = 1 - p
b = odds - 1  # om du vinner får du 1.1x tillbaka (10% vinst)
kelly_frac = (b * p - q) / b
# Använd 25% av Kelly för att vara konservativ
position_size = kelly_frac * 0.25
return max(0, position_size)  # aldrig negativt
# Exempel: posterior = 78%, Kelly = 6.5%, använd 1.6% av kontot

Konjugerade priorer för effektivitet

För kontinuerliga uppskattningar (t.ex., "vad är valarnas sanna vinstprocent?"), använd Beta-priorer:

Beta(α=1, β=1) = uniform (ingen tidigare kunskap)
Beta(α=10, β=5) = tror att valar vinner ~67% men osäker
Beta(α=100, β=50) = stark tro på 67% vinstprocent

Efter att ha observerat N vinster och M förluster är posterior Beta(α + N, β + M). Denna konjugerade struktur låter dig uppdatera direkt utan sampling.

Fatta probabilistiska beslut med Smart Money

Vårt API returnerar sammansatta poäng och konfidensnivåer—exakt de indata som behövs för Bayesianska ramverk. Bygg ett handelssystem som uppdaterar övertygelser med valaktivitet, on-chain-mått och derivatsignaler.

Lär dig Bayesiansk handel →