Klasy pochodzenia danych
Wygodnie jest podzielić dane rynkowe na klasy według tego, jak daleko są od źródła i jak bardzo zależą od założeń. Ten podział nie jest oficjalny, ale porządkuje myślenie i pozwala nie mieszać obserwacji z szacunkami.
Transakcje, księga zleceń, świece z jednej giełdy, open interest podany przez giełdę, funding, zdarzenia w łańcuchu bloków. To zapisy faktów. Mogą mieć błędy techniczne, ale nie mają założeń interpretacyjnych.
Delta, CVD, profil wolumenu, średnie, wskaźniki cenowe policzone z danych klasy pierwszej według jawnej formuły. Każdy z tymi samymi danymi wejściowymi i tymi samymi ustawieniami (wielkość wiersza, punkt startu, sposób oznaczania strony agresora) dostanie ten sam wynik. Jeśli źródło nie podaje strony transakcji i narzędzie ją zgaduje, delta przesuwa się do klasy czwartej. Można się spierać o użyteczność, nie o wartość.
Sumy i średnie z wielu giełd. Wynik zależy od doboru źródeł, sposobu ujednolicenia jednostek i obsługi luk. Dwa narzędzia dostaną różne wyniki i oba będą „poprawne” w ramach własnych decyzji. Do porównań w czasie w obrębie jednego narzędzia są w porządku; do porównań między narzędziami nie.
Mapy likwidacji, etykiety adresów on-chain, szacunki pozycji „wielorybów”, wskaźniki nastroju. Wynik zależy od założeń, których zwykle nie znasz. Użyteczne jako hipotezy, nie jako obserwacje.
Wniosek jest tak mocny, jak najsłabsza klasa danych, na których się opiera. Jeśli teza łączy footprint z jednej giełdy z mapą likwidacji, to teza klasy czwartej, niezależnie od tego, jak precyzyjny jest footprint.
Autor:mmvxky, profil w serwisie XOpublikowano 1 września 2026