¿Qué activo/commodity se comportó mejor desde el inicio de la guerra?
No es una pregunta tan fácil de responder, va hilo 🧵 con algunos básicos de ratios de riesgo
Lo primero que uno tiende a mirar es cual activo rindió más
En este caso desde el inicio de la guerra fue el trigo
¿pero contra que riesgo?
Y acá depende de como medimos el riesgo
Uno de los ratios mas usados es el "Sharpe" que mide retorno/volatilidad
Si observamos el rendimiento del trigo fue mayor al del #BTC pero también lo fue su volatilidad (aunque Ud no lo crea)
Y como ven el resultado de medir retorno contra volatilidad (Sharpe) le da ventaja al #BTC contra el trigo
Ahora dirán "pero no toda la volatilidad es mala"
Y está bien, porque si se dispara la volatilidad porque el activo sube, no me molesta esa volatilidad, sino que la que me molesta es la volatilidad de cuando baja
Bueno, el ratio de retorno/"volatilidad mala" es el Sortino
Como ven en el gráfico según el ratio Sortino también el #BTC fue el activo que mejor se comportó
Pero me podrán decir
"Para mi lo riesgoso no es la volatilidad, sino las grandes bajadas o drawdowns"
El ratio que mide retorno / máximo drawdown es el Calmar ratio
Como ven, el activo que mejor performó según el CALMAR ratio fue el #SP500, que si bien rindió menos que BTC y el trigo, el máximo drawdown o bajada que se comió fue muy muy menor al de estos
Y por último puse de ejemplo el Rachev Ratio, se usa mucho para operar opciones porque evalúa los riesgos de cola (eventos extremos tanto positivos como negativos) ya que hace un ratio del área del percentil positivo / area del negativo
Como se ve claramente el #BTC es el único > 1 ya que es el único cuya cola derecha (retornos positivos) tiene un área mayor a la cola izquierda de la distribución (retorno negativos)
O sea el riesgo de velatorio es menor a la chance de lambo 😎
Así que como conclusión, en 3 de 4 formas que usé acá para medir retorno vs riesgo asumido, el #BTC demostró performar mejor que los otros activos evaluados
Obviamente hay muchos ratios de riesgo más, solo nombré algunos conocidos.. para el que quiera investigar más acerca de ratios de riesgo, les dejo link de un lindo recurso open source en python
Estoy nostálgico, asi que va 🧵 nerd bitcoinero dedicado a este falso Bolsonaro que me inspiró, como a tantos otros, a estudiar ciencias cuando era pibe
Y de yapa juego de lotería crypto gratuita para adivinar seeds en python
Empecemos por imaginar un número muy grande
- no, mas grande
Carl Sagan decía "Hay mas estrellas en el universo que granos de arena en todas las playas del planeta"
Como la cantidad de estrellas es medio abstracta, imaginen la cantidad de granos de arena
Se estima 28.000.000 de Km^2 de arena, con una media de 25m de profundidad, o sea 7*10^11 m^3 de arena
Luego como hay unos 10.000 millones de granos de arena por m^3, tenemos 7*10^21 granos de arena en el planeta
O sea un 7 seguido de 21 ceros, muy grande pero no infinito
Antes de hablar del proyecto en sí, voy a hablarles de algo mucho mas relevante y muy importante, que es necesario entender para entender por qué es muy valioso este proyecto
La privacidad en la blockchain
Piensen que las blockchains son públicas, es decir que todo el mundo ve todos los movimientos, queda todo grabado ahí, la única capa de protección a la privacidad es que nuestra dirección pública para recibir y enviar fondos no tiene nuestro nombre y apellido
Pero piensen esto, si le envían fondos a alguien por lo que fuera (venta de algo, pago de apuesta, compra, intercambio P2P, lo que sea) ese "alguien" ya sabe que la wallet que le envió los fondos es la tuya porque tuviste que firmar el envío, y la puede asociar a tu nombre
Hice modelito de machine learning para predecir "Alt Season" próximos 30 días (cuando baja fuerte la dominancia de #BTC y se vuelan las small cap crypto)
Pero el 🧵es para manijear #python y no crypto así que si les interesa hay que leer hasta el final para ver el resultado
A pesar de lo rústico del modelo, tiene un % de aciertos alto, tanto cuando predice que se dará la Alt season, como cuando predice que no
Esto se ve en la llamada "matriz de confusión" que se arma sometiendo al modelo a predecir con datos con los que no fue entrenado
Arranco tomando datos de dominancia de CoinmarketCap y los históricos de precio y volumen de Coingecko, el código python para ambas cosas son un par de líneas como ven
El exchange que lo listará por primera vez te deja comprar antes (en cantidad limitada) un token del ~2% al 20% del valor que saldrá a cotizar, lo que te genera una ganancia del ~400% al ~5000%
Pero antes que nada entendamos las motivaciones y donde esta el truco
1. Los proyectos nuevos en salir a cotizar les sirve porque les da mucha visibilidad estar en grandes exchanges, por eso se listan en estos IEOs (initial exchange offerings)
Además recaudan $$ por los tokens que entregan antes de listarse