BTC PROJECTION - Attendez avant de short/longJ'étais convaincu d'une baisse mais le travail de lecture d'indicateurs, de rapports et de la dimension statistique me pousse à me dire que je me sois trompé. Nous nous trouvons actuellement dans une situation d'indécision, illustrée par un "DOJI", ce qui rend la direction future incertaine.
L'avantage est qu'on à pas perdu bcp (0.2% à peine) étant donné le surplace. On peut donc partir, attendre et observer la décision du marché.
Pour vous aider à prendre votre décision, je vous ai maché le travail. J'ai regroupé ici des analyses de séries statistiques ainsi qu'un peut de macro. A terme j'ajouterais une analyse basée sur marketprofile en guise de suivis de l'offre et de la demande. Quoiqu'elle puisse également être présente par mon analyse du carnet d'ordre.
Bonne lecture
ARIMA
Le modèle ARIMA (AutoRegressive Integrated Moving Average) est une méthode de prédiction utilisée pour analyser et anticiper les valeurs futures d'une série temporelle, comme les prix financiers, en se basant sur les schémas passés.
Ce modèle se décompose en trois composantes principales :
Composante Auto-Régressive (AR) : Elle considère la relation entre les valeurs passées et la valeur actuelle. En gros, elle prédit la valeur future en se basant sur une combinaison linéaire des observations précédentes.
Composante Intégrée (I) : Cette partie de l'ARIMA concerne la transformation des données pour rendre la série temporelle stationnaire. La stationnarité est nécessaire pour appliquer le modèle et implique généralement de différencier les données.
Composante Moyenne Mobile (MA ) : Cela traite des erreurs du modèle en les considérant comme une somme linéaire des erreurs passées.
Le modèle ARIMA se caractérise par trois paramètres : p, d et q.
p : Correspond à l'ordre de la composante AR (Auto-Régressive).
d : Indique le nombre de différenciations nécessaires pour rendre la série stationnaire.
q : Représente l'ordre de la composante MA (Moyenne Mobile).
En ajustant ces paramètres, le modèle ARIMA utilise les données historiques pour faire des prédictions sur les valeurs futures en prenant en compte les tendances et les schémas observés dans la série temporelle. Sélectionner les bons paramètres est crucial pour obtenir des prédictions précises. Bien que le modèle ARIMA soit puissant pour beaucoup de séries temporelles, il peut avoir des difficultés à capturer des schémas complexes ou des tendances non linéaires dans les données.
Voici les projections du modèle :
AutoARIMA obtains MAPE: 4.19%
Date,PrixAbsolu
2023-11-04,34728
2023-11-05,34707
2023-11-06,34702
2023-11-07,34693
2023-11-08,34657
2023-11-09,34680
2023-11-10,34690
2023-11-11,34690
2023-11-12,34690
2023-11-13,34690
Exponential Smoothing
Le lissage exponentiel est une méthode de prédiction utilisée pour estimer les valeurs futures d'une série temporelle. En se basant sur les données antérieures, cette méthode attribue plus de poids aux données récentes pour faire des prédictions. Elle tient compte des tendances et des modèles dans les données passées pour anticiper les valeurs à venir.
Le modèle Exponential Smoothing permet de prédire les valeurs futures en se basant sur les tendances et les modèles identifiés dans les données historiques. Cependant, il peut présenter des limitations, notamment avec de très courtes séries temporelles.
Date,PrixAbsolu
2023-11-04,34738
2023-11-05,34739
2023-11-06,34808
2023-11-07,34806
2023-11-08,34826
MTSL
La méthode MSTL (Perform Multiple Seasonalities and Trend using Loess) est une technique de prévision avancée pour les séries temporelles qui gère plusieurs types de saisonnalités et les tendances complexes présentes dans les données. Elle utilise une combinaison de lissage LOESS (Locally Estimated Scatterplot Smoothing) pour capturer les motifs saisonniers et les tendances.
Cette méthode est capable de détecter et de modéliser des schémas saisonniers multiples et des tendances non linéaires, offrant ainsi une flexibilité importante dans la prévision de séries temporelles présentant des fluctuations saisonnières à plusieurs niveaux. En se basant sur la technique LOESS, elle s'adapte localement aux données, ce qui lui permet de s'ajuster à des structures temporelles complexes et non uniformes.
L'utilisation de MSTL permet une modélisation plus précise des séries temporelles avec des tendances non linéaires et des schémas saisonniers variés. Cependant, son utilisation peut être plus complexe et exige parfois des données significatives pour détecter et modéliser ces différents schémas saisonniers et tendances.
MTSL : Mape 4.64%
Date,PrixAbsolu
2023-11-04,34445
2023-11-05,34435
2023-11-06,35433
2023-11-07,35319
2023-11-08,35466
2023-11-09,34892
2023-11-10,34732
2023-11-11,34445
2023-11-12,34435
2023-11-13,35433
Conclusion :
La projection ARIMA, le lissage exponentiel et la méthode MSTL ont été utilisés pour prédire les valeurs des prix. Le modèle ARIMA a obtenu une précision moyenne de 4.19%. Les prévisions montrent des prix relativement stables autour de 34,700. Le lissage exponentiel a donné des valeurs légèrement plus élevées, avec une tendance à la hausse progressive. En revanche, la méthode MSTL a obtenu un taux d'erreur MAPE de 4.64% et a généré des variations plus marquées, avec des valeurs oscillant entre 34,000 et 35,500. Chaque méthode offre des prévisions différentes en termes de niveaux de précision et de tendances, allant de stabilité pour ARIMA à une évolution plus variable pour le lissage exponentiel et la méthode MSTL.
Recherche de TOP / LOW en fonction de la liquidité disponible et de la volatilité :
- 0.8% du prix 35 000 Top - 34 400 Low
- 1.5% du prix 35 200 Top - 34 200 Low
- 2% du prix 35 500 Top - 34 000 Low
- 3.5% du prix 36 000 Top - 33 500 Low
Il est à noter que la liquidité manque en bas du carnet, indiquant une faible disponibilité de transactions pour des prix inférieurs.
Lecture du market profile :
- (en recherche d'outils sous linux)
Macro :
Wall Street a enregistré sa plus forte hausse hebdomadaire de l'année, avec les principaux indices boursiers en progression, menés par le Nasdaq.
Le Russell 2000 a connu sa plus grande progression hebdomadaire depuis février 2021, tandis que le secteur immobilier a enregistré la plus forte croissance parmi les secteurs de l'indice S&P, avec l'énergie comme seul perdant.
Le brut, le dollar et le bitcoin ont connu des baisses, tandis que l'or a enregistré une hausse.
Le rendement du Trésor américain à 10 ans a chuté à 4,57% !!
Les investisseurs ont été encouragés par la progression des indices boursiers américains, atteignant des gains importants en pourcentage pour la semaine, principalement due à de solides résultats trimestriels et à la réunion de la Réserve fédérale, qui a maintenu son taux directeur inchangé. Le marché boursier a réagi favorablement à la perspective d'une croissance des bénéfices du S&P 500.
Les analystes prévoient une croissance annuelle des bénéfices du S&P 500 de 5,7% pour la période de juillet à septembre, une nette amélioration par rapport aux prévisions précédentes.
Fitch a averti que les notations de crédit des principales banques américaines, telles que Wells Fargo et U.S. Bancorp, sont "vulnérables" en raison des défis économiques persistants, citant notamment la hausse des coûts des dépôts comme une menace.
Ces informations dépeignent une semaine avec des marchés boursiers en progression, portés par de solides résultats d'entreprises et des perspectives positives, malgré certaines inquiétudes quant aux perspectives économiques et aux notations de crédit des banques.
Le rapport sur l'emploi d'octobre a montré une certaine faiblesse avec la création de 150 000 emplois, soit environ la moitié du chiffre de septembre et inférieur au consensus.
Un tiers de ces emplois a été créé par le gouvernement, ce qui a limité la croissance réelle à moins de 100 000. Le secteur manufacturier a perdu 35 000 emplois, alors que le secteur des services a compensé en ajoutant 110 000 emplois.
Cependant, le mois d'octobre marque le troisième mois sur les douze derniers à ne pas atteindre les estimations des analystes.
Les salaires ont augmenté moins que prévu, avec une croissance mensuelle ralentie et une baisse de 20 points de base de la croissance annuelle, atteignant ainsi le plus bas niveau depuis juin 2021.
Le taux de chômage a augmenté de manière inattendue à 3,9 %, tandis que le taux de participation au marché du travail a légèrement baissé à 62,7 %. Cette dynamique, où le taux de chômage augmente tandis que les travailleurs quittent le marché du travail, peut indiquer un ralentissement fondamental.
L'indice des directeurs d'achats non manufacturiers de l'ISM a diminué à 51,8, en deçà des attentes, signalant une expansion mensuelle moins solide.
Les commentaires recueillis font état d'optimisme et de préoccupations, notamment concernant l'inflation, les taux d'intérêt, les événements géopolitiques et les défis liés à l'emploi.
Ces indicateurs suggèrent des points faibles dans l'économie, y compris des signes de ralentissement dans certains secteurs et des défis persistants concernant la création d'emplois, les salaires et les perspectives économiques.