Notcoin: инвесторы покупают на падении, это добрый знак

cryptonews.ruPublicado a 2022-12-22Actualizado a 2024-08-22

Разбираемся, почему токен «Телеграм» Notcoin (NOT) может скоро нащупать почву под ногами после падения на двузначные величины

Notcoin (NOT), популярный токен экосистемы «Телеграм», в июне обновил исторический максимум, но с тех пор потерял 62% своей стоимости. За последние 30 дней цена актива просела на двузначную величину. Тем не менее, свет в конце тоннеля есть.

Бычья дивергенция Notcoin влияет на позиционирование

Notcoin — игровой Web3-проект на базе сети TON, появившийся в январе этого года в виде мини-приложения в «Телеграме». С мая NOT стал доступен на многих крупных биржах.

На момент написания он существенно просел от уровня $0,012, достигнутого 19 августа (в итоге показав, что прорыв был ложным). Однако на дневном графике индикатор Чайкина (Chaikin Money Flow, CMF) перешел из отрицательной зоны в положительную.

Эта метрика измеряет движения денежных потоков, поступающих в актив и выходящих из него. Отрицательные значения свидетельствуют о том, что инициатива на стороне продавцов, а ликвидность уходит из актива. Между тем положительные значения говорят, что покупатели давят на цену сильнее. Приток денег в актив часто ассоциируется с повышением спроса и потенциальным ростом цены.

Таким образом, движение цены и индикатора CMF в противоположных направлениях — это бычья дивергенция. Она предполагает, что инвесторы используют текущую просадку и покупают актив на падении.

Дневной анализ Notcoin. Источник: TradingView

Анализ июльской динамики подтверждает эту тенденцию. Например, 5 июля курс NOT упал до $0,010. Во время спада CMF также снижался. Однако когда индикатор изменил направление, цена также последовала за ним, что привело к росту на 43% до $0,017.

Это не гарантирует, что Notcoin в точности повторит такой взлет. Но если приток денег в актив продолжится, следующим шагом может быть заметное восстановление. Похоже, что трейдеры на рынке деривативов разделяют аналогичное мнение.

Соотношение длинных/коротких позиций по Notcoin. Источник: Coinglass

Согласно Coinglass, соотношение длинных/коротких позиций Notcoin достигло значения 1. Это соотношение является барометром ожиданий инвесторов. В случае падения ниже 1, средняя открытая позиция считается медвежьей, и наоборот. Таким образом, растущее соотношение показывает, что покупателей становится больше, чем продавцов.

Прогноз NOT: цена готова вернуться к $0,13

На данный момент график NOT/USD показывает нисходящий треугольник, обычно сигнализирующий о продолжении медвежьего тренда. Однако в некоторых случаях возможен разворот, и Notcoin, похоже, является одним из таких исключений.

Как показано ниже и подтверждено растущим давлением покупателей, Notcoin, похоже, готов прорвать эту медвежью формацию. Для такого пробоя покупатели должны превзойти продавцов, чтобы изменить динамику рынка.

В случае успеха NOT может вырасти до $0,013 в ближайшее время и даже достигнуть $0,016. Но этот прогноз может оказаться ошибочным, если киты будут продавать токен.

Дневной анализ Notcoin. Источник: TradingView

Ранее эта группа инвесторов уже существенно повлияла на падение цены. Если продажи продолжатся, стоимость Notcoin может снизиться до $0,0085.

Lecturas Relacionadas

Tras tres años de retraso, el último artículo de la exalumna de la Universidad de Pekín, Lilian Weng, se viraliza

"Tras tres años sin actualizar su blog, la ex vicepresidenta de OpenAI y cofundadora de Thinking Machines, Lilian Weng, publica un extenso análisis que cuestiona la fiabilidad de las 'Scaling Laws', las leyes de escalamiento que han guiado inversiones billonarias en IA. El artículo desmonta que la mejora del rendimiento de los modelos de lenguaje (LLM) al aumentar parámetros, datos y computación sea tan predecible como se creía. Expone divergencias clave: en 2020, OpenAI concluyó que el tamaño del modelo debía crecer más rápido que los datos, mientras que DeepMind (2022) defendió un crecimiento proporcional, un desacuerdo atribuido a diferencias metodológicas y al tamaño limitado de los experimentos iniciales. Más críticamente, Weng revela que la metodología del influyente estudio 'Chinchilla' de DeepMind contenía errores, como una función de pérdida que no convergía correctamente, lo que significa que la 'fórmula óptima' utilizada durante años por la industria podría no serlo. El análisis subraya un problema fundamental: las leyes clásicas asumen datos únicos e infinitos, pero los textos de alta calidad se agotan. La repetición de datos en el entrenamiento degrada el rendimiento, especialmente en modelos grandes. Esto explica el cambio de la industria hacia el aprendizaje por refuerzo, el cómputo en tiempo de prueba y los datos sintéticos. En resumen, el artículo argumenta que la era de la escalabilidad simple ('scale is all you need') toca a su fin, y que el progreso futuro de la IA dependerá de refinamientos metodológicos precisos y de nuevas vías para superar la limitación de datos."

marsbitHace 48 min(s)

Tras tres años de retraso, el último artículo de la exalumna de la Universidad de Pekín, Lilian Weng, se viraliza

marsbitHace 48 min(s)

Trading

Spot
Futuros
活动图片