[Fun] Wie wahrscheinlich ist es, dass Bitcoin einen bestimmten Preis erreicht?

[MaxMueller]

Ich nehme das mal zum Anlass, die Simulation erneut zu aktualisieren.

Hat sich bei den eingangsdaten auch was geändert oder nur beim Startpreis?

[d5000]

Hat sich bei den eingangsdaten auch was geändert oder nur beim Startpreis?

Die Eingangsdaten sind weiter der letzte komplette Zyklus, also von November 2018 bis November 2022. Das Skript bildet also grob gesagt die Wachstumsrate und Volatilität von vor 5 Jahren ab.

Das bringt mich auf die Idee einen Volatilitätsindex einzubauen, also die Schwankungen "abdämpfen" oder "erweitern" zu können. Vielleicht am besten sogar mit separaten Stellschrauben für die Tendenzen nach oben und die nach unten.

Wie in anderen Threads ja häufig gesagt gehe ich davon aus, dass die Volatilität abnimmt. Beim 2021er Zyklus war sie zwar schon recht niedrig (womöglich wegen der im Kursverlaufthread oft angesprochenen möglichen "Dämpfung" durch China-Bann oder Corona), aber die Daten bei Bitbo weisen auf eine noch weitere Abnahme hin.

Erst mal aber noch die Vorhersage "nach Ähnlichkeit". Und da bekomme ich ein "lustiges" Ergebnis.



Das Skript hat also eine Ähnlichkeit zu einer Preisbewegung 2012 gefunden - und die würde, auf heute projiziert, mal schlappe 1,6 Millionen bringen

Ohne Diversitätsparameter (d.h. nah beieinander liegende Daten werden trotzdem aufgeführt):

[mv1986]

Eine Spielerei natürlich und keineswegs Finanzstatistik, kann aber Spaß machen

Keineswegs.... Im Grunde ist das ja eine Art Monte-Carlo-Simulation mit Cut-Off, also durchaus ein plausibler Ansatz.

Die Schwierigkeit besteht aber tatsächlich darin die Datenmenge auszuwählen aus der man zufällig zieht, weil hierin natürlich gewisse Annahmen zugrunde gelegt werden.

Nur 1 Monat zu wählen dürfte zu kurz / zu wenig Varianz sein, weil da einzelne Datenpunkte ja schon mehrfach gezogen werden.
Andererseits dürfte bei Verwendung aller Datenpunkte der letzten 12 Jahre die Zeitspanne zu lang / die Varianz zu hoch sein, weil gerade in den Anfangsjahren die Volatilität noch deutlich höher war und die Erwartungen dadurch zu optimistisch sein dürften.

Bei 68 Tagen würde ich als Zeitraum 1-2 Jahre wählen (~5x-10x) und dann verschiedene Szenarien betrachten. Die Szenarien braucht es weil die bullischen und bärischen werte innerhalb eines zyklus ja nicht zufällig verteilt sind, sondern sich in den jeweiligen Phasen häufen...

Ich habe meine Bachelorarbeit über Value at risk und Monte Carlo Simulation geschrieben. Im Endeffekt muss man auch ehrlich sein, dass die Simulation ihren Namen verdient. Klar, wenn man 100.000 Pfade simuliert und sich da etwas abzeichnet, dann ist das aussagekräftiger als der blinde Pfeilwurf, aber im Grunde ist es dann auch Spielerei.

Übrigens @MaxMueller, ich sehe Dich schon vom Bier träumen bei der XMR performance

[d5000]

Ich habe mal wieder mein Skript angeworfen und geschaut, was es zu den Daten "90 Tage, Startpreis 119000, Zielpreis 150000" sagt.

Es ist ziemlich bullisch: 47% wird bei 1000 Simulationen als Chance angezeigt, dass wir die 150000 erreichen.

Das Histogramm hat das Maximum für den letzten Tag (d.h. heute in 90 Tagen) leicht über dem aktuellen Preis. Könnte bedeuten, dass die Skriptdaten nahelegen, dass der Peak in den nächsten 90 Tagen erreicht wird, also vor Ende der Simulation, und danach der Preis wieder etwas abrutscht (In der Grafik sehe ich das allerdings nicht wirklich).




Daten sind Anfang 2018 bis heute, also ein etwas bärischeres Set als bisher, um zu viel Optimismus zu vermeiden. Trotzdem ist der allerbärischste Verlauf in der Grafik (dort nur 100 Simulationen) diesmal deutlich höher als $50,000. @DirtyKeyboard hält die Datenserie weiter aktuell