Percakapan Trader Murphy: Data on-chain bukanlah mencari pedang di perahu, empat dimensi memberitahumu di posisi mana kamu sekarang dalam siklus?

Murphy adalah seorang peneliti data on-chain, aktif di Twitter dengan akun @Murphychen888. Dia memiliki latar belakang di industri pemasaran dan keuangan, serta sangat peka terhadap analisis data. Dia masuk ke dunia cryptocurrency pada tahun 2017 dan telah melalui beberapa siklus bull dan bear. Pada tahun 2022, dia mulai fokus pada penelitian data on-chain, berharap untuk menemukan metodologi investasi yang dapat dilaksanakan, direplikasi, dan tertutup.

Strategi perdagangan Murphy

Strategi perdagangan Murphy memiliki karakteristik utama sebagai berikut:

1. Alokasi dana: 90% dialokasikan untuk koin utama (BTC, ETH, BNB), 10% dialokasikan untuk koin alternatif.

2. Hasil yang Diharapkan: 200%-300%

3. Dapat Menahan Penarikan:

   • Mata uang utama tidak menetapkan stop loss, penarikan 20%-30% sangat normal
   • Jika altcoin turun di bawah 20%, lakukan stop-loss

4. Logika transaksi:

   • Memilih waktu pada siklus besar, membeli di titik terendah relatif, menjual di titik tertinggi relatif
   • Mengarahkan perdagangan melalui analisis data on-chain

Strategi perdagangan yang dibentuk oleh Murphy terutama didasarkan pada hal-hal berikut:

1. Pengalaman dan pelajaran dari siklus sebelumnya, berharap bisa menemukan strategi yang dapat dieksekusi, dapat direplikasi, dan dapat ditutup.

2. Kemampuan analisis data yang terakumulasi dalam latar belakang pemasaran

3. Karakter yang berhati-hati, mengejar kepastian yang tinggi

4. Sifat dana adalah dana sendiri, biaya relatif rendah

Strategi ini cocok untuk:

1. Investor konservatif, mengejar kepastian tinggi
2. Trader tren, terutama memegang koin utama

Bagaimana Murphy menggunakan data on-chain untuk menentukan titik terendah

Murphy terutama menggunakan 5 indikator data untuk menentukan waktu pembelian di dasar:

1. CVDD (Nilai-Hari Kumulatif Dihancurkan)
2. RP (Harga yang Direalisasikan) dan BP (Harga Saldo)
3. PSIP (Person Supply in Profit)
4. LTH (Long Time Holder) NUPL dan MVRV
5. Perspektif Penambang - Biaya Penambangan dan Indeks Pulse Penambangan

Untuk indikator ini, Murphy mengambil tiga langkah:

1. Belajar dari konten analis di pasar
2. Mengumpulkan dan mengklasifikasikan perpustakaan indikator sendiri
3. Terus-menerus menguji dan memperbaiki

Murphy merangkum: "Makro mendominasi ekspektasi, perubahan ekspektasi mempengaruhi emosi, emosi memengaruhi hubungan penawaran dan permintaan, dan pada akhirnya penawaran dan permintaan menentukan harga BTC."

Bagaimana cara menentukan puncak pasar bullish

Murphy percaya bahwa perlu menggabungkan beberapa data, terutama melihat 3 indikator berikut:

1. MVRV Mulai menjual ketika MVRV lebih besar dari 3, selesaikan penjualan dalam rentang 3-3,5.

2. URPD (Distribusi Harga Realisasi yang Tidak Dibelanjakan) Mencerminkan struktur chip on-chain, digunakan untuk memverifikasi indikator lainnya

3. Hubungan penawaran dan permintaan Perhatikan perubahan chip pemegang jangka panjang (LTH)

Dari indikator "tiga garis bersatu", rentang puncak relatif ini mungkin muncul pada bulan Maret-April 2025, tetapi masih perlu dianalisis dengan data makroekonomi.

keterbatasan analisis data on-chain

Murphy menunjukkan bahwa analisis data on-chain memiliki batasan utama sebagai berikut:

1. Tidak dapat menentukan naik turunnya harga jangka pendek
2. Tidak dapat memprediksi harga spesifik dengan tepat
3. Tidak berlaku untuk analisis koin tiruan

Metode belajar Murphy

1. Mengumpulkan dan merangkum informasi dari berbagai analis
2. Mengklasifikasikan dan mencatat indikator menggunakan tabel Excel
3. Terus-menerus melakukan backtest dan verifikasi

Daftar Henti Murphy

1. Hentikan pemikiran beruntung
2. Hentikan emosi
3. Hentikan perdagangan yang sering
4. Hentikan ketergantungan pada satu sumber informasi
5. Berhenti membuat keputusan tanpa penelitian

Murphy menekankan, setiap orang memiliki atribut dana dan kemampuan menanggung risiko yang berbeda, sehingga harus merumuskan strategi yang sesuai dengan kondisi masing-masing. Analisis data on-chain meskipun memiliki keterbatasan, tetap sangat berharga untuk menilai tren besar dan siklus.