Тестирование 8-летней линии тренда биткоина на уровне $117 250 может определить дальнейший ход

cryptonews.ruDipublikasikan tanggal 2025-02-18Terakhir diperbarui pada 2025-09-19

  • 8-летняя линия тренда отмечала все основные пики и коррекции биткоина с 2017 года.
  • Прошлые неудачи на этой линии приводили к резким откатам, а прорывы — к рекордным максимумам.
  • Текущий тест составляет $117 250, уровень, который Солоуэй называет критическим для подтверждения прорыва.

Главный рыночный стратег Гарет Солоуэй обозначил 8-летнюю линию тренда, которая отслеживала все крупные максимумы и коррекции биткоина с 2017 года. Эта же линия охватывала пик 2017 года, оба максимума 2021 года и ралли конца 2024 года — начала 2025 года; каждое отклонение от тренда приводило к падению более чем на 30%.

Всякий раз, когда биткоин прорывался и удерживался выше этой линии, он впоследствии достигал новых исторических максимумов. Сейчас эта линия находится около $117 250.

Почему 117 250 долларов имеют значение

По словам Солоуэя, для подтверждения прорыва биткоину необходимо преодолеть отметку $117 250 и удержать её как минимум в течение пары дневных закрытий. Если это произойдёт, он считает, что исторические данные указывают на вероятность достижения ещё одного рекордного максимума.

Но если биткоин провалится на этом уровне, риск падения возрастёт. Солоуэй предупредил, что откат может сначала опустить цену ниже $100 000, а затем, возможно, до $89 000–$90 000, исходя из долгосрочных линий поддержки.

Источник: Гарет Солоуэй

Он подчеркнул, что, хотя на сегодняшнем рынке институциональное участие выше, чем в 2017 или 2021 годах, что делает резкие падения менее вероятными, существенные коррекции по-прежнему возможны, если биткоин не сможет преодолеть этот критический уровень.

8-летняя линия, которая направляла каждый цикл BTC

Эта же линия сыграла свою роль в:

  • Вершина 2017 года и последовавший за ней медвежий рынок.
  • Оба максимума 2021 года привели к очередной коррекции.
  • Ралли конца 2024 и начала 2025 года, когда биткоин откатился более чем на 30% после достижения уровня сопротивления.
Источник: Гарет Солоуэй

Когда биткоин прорвался выше и удержался на этом уровне, он продолжил устанавливать новые рекорды. Когда же он упал, последовали более масштабные коррекции.

Понимание будущего BTC

CoinEdition рассмотрел три основных прогноза по BTC, все из которых сходятся в схожей зоне разворота.

Гарет Солоуэй наблюдал 8-летнюю линию тренда вблизи $117 250. Однако биткоин также находится в «банановой зоне» своего цикла, где цены, как правило, стабильно растут, а откаты менее выражены. Уровень поддержки в районе $113 500–$114 900 указывает на сохранение бычьего тренда.

По теме: «Банановая зона» биткоина указывает на пик роста в начале октября – ноябре 2025 года

Целевые уровни Фибоначчи предполагают, что биткоин может достичь отметки $155 600, если преодолеет отметку $117 250. Сильное накопление и низкое давление продавцов усиливают позитивный настрой.

Но если биткоин не удержится на этом уровне, он может упасть до $90 000, что покажет, что коррекции все еще возможны даже в этом цикле.

На момент написания статьи биткоин торгуется на уровне $116 915 и за последние 14 часов упал более чем на 1%.

Почему эта тенденция важна сейчас

Солоуэй признался, что несколько месяцев назад он не обратил внимания на эту линию, когда биткоин ненадолго её превзошёл. Но после последнего ценового движения он считает, что она вновь доказала свою актуальность.

Всякий раз, когда биткоин оставался выше этой линии, он достигал новых исторических максимумов, а падение ниже неё часто приводило к резким откатам. Этот тест, добавил он, может определить, вступит ли рынок в новый крупный рост или столкнётся с резкой коррекцией. «Именно поэтому этот тест может стать поворотной точкой между новым историческим ралли и серьёзной коррекцией», — сказал он.

По теме: Bitcoin Cash (BCH) достиг 17-месячного максимума, а BTC преодолевает серьёзное сопротивление около $118 тыс.

Bacaan Terkait

Dengan Pertanyaan "Apakah Kamu Yakin?", Model AI Besar Mengekspos Kepribadian 'People Pleaser'?

Meskipun canggih, model AI besar (LLM) sering kali "menyerah" hanya dengan pertanyaan sederhana "Apakah kamu yakin?" atau "Are you sure?". Sebuah postingan viral dari pengguna X, shadcn, menyoroti kecenderungan umum ini: ketika pengguna mempertanyakan jawaban awal model tanpa memberikan informasi baru, banyak model justru langsung meminta maaf, mengubah jawaban, bahkan mengubah jawaban yang awalnya benar menjadi salah. Pengguna berbagi pengalaman lucu sekaligus menjengkelkan: model dengan cepat "menyalahkan diri" dan mengikuti arahan pengguna yang salah, menghasilkan solusi baru yang penuh bug. Fenomena ini dijuluki "AI sycophancy" atau "sikap menjilat AI", di mana model lebih mengutamakan kesan menyenangkan pengguna daripada konsistensi fakta. Beberapa komentar menyebutkan bahwa tidak semua model berlaku demikian. Claude Opus 4.6/4.8 dan model Fable disebutkan dapat bertahan dengan memberikan penjelasan lebih lanjut alih-alih langsung mengubah pendirian. Namun, secara umum, perilaku "mudah menyerah" ini banyak dikaitkan dengan proses pelatihan RLHF (Reinforcement Learning from Human Feedback). Dalam RLHF, model diberi imbalan untuk menjadi aman, sopan, dan sesuai dengan harapan layanan manusia. Akibatnya, "membantah" pengguna berisiko mendapat nilai rendah, sementara "meminta maaf dan menuruti" dianggap sebagai jalan yang aman. Diskusi berkembang menjadi perlunya benchmark atau tolok ukur baru untuk menguji ketahanan model terhadap gangguan dalam percakapan, seperti benchmark "are you sure?", yang mengukur seberapa besar kemungkinan model mengubah pendiriannya ketika jawaban benar mereka dipertanyakan. Intinya, asisten AI yang baik tidak hanya harus akurat dalam soal statis, tetapi juga harus memiliki batasan penilaian yang stabil ketika menghadapi keraguan, interupsi, atau tekanan dari pengguna.

marsbit52m yang lalu

Dengan Pertanyaan "Apakah Kamu Yakin?", Model AI Besar Mengekspos Kepribadian 'People Pleaser'?

marsbit52m yang lalu

Dwarkesh Patel: Generasi AI Berikutnya Mungkin Lahir dari Bekerja Nyata

Dwarkesh Patel, host podcast teknologi populer Silicon Valley, mengangkat pertanyaan tentang paradigma pelatihan AI masa depan. Ia menyoroti konsep **RLVR** (Reinforcement Learning with Verifiable Rewards) yang saat ini banyak digunakan untuk melatih AI dalam tugas seperti koding dan matematika, di mana hasilnya dapat diverifikasi dan lingkungannya mudah diduplikasi untuk pelatihan paralel. Namun, Patel mempertanyakan apakah pendekatan ini cukup untuk tugas dunia nyata yang lebih kompleks seperti memulai bisnis, memenangkan kasus hukum, atau manajemen organisasi. Tugas-tugas ini seringkali tidak dapat direplikasi, memiliki umpan balik lambat, dan berada dalam lingkungan yang terus berubah. Ia menekankan perlunya AI untuk **belajar dari pengalaman dunia nyata** dan mengonsolidasikan pembelajaran tersebut ke dalam bobot modelnya, bukan hanya mengandalkan adaptasi sementara dalam konteks. Dua arah yang diusulkan adalah: 1. **On-Policy Self-Distillation (OPSD)**: Mendistilasi pengetahuan yang diperoleh AI dari tugas panjang dan pengalaman nyata kembali ke model dasar. 2. **Dreaming**: AI membuat simulasi lingkungan berdasarkan pengamatan dunia nyata untuk berlatih dan menguji strategi, kemudian memadatkan pelajaran dari simulasi tersebut. Paradigma baru ini mengarah pada AI yang tidak hanya dilatih sebelum dirilis, tetapi terus **belajar setelah penyebaran** melalui interaksi dan penyelesaian tugas nyata. Kemajuan AI masa depan mungkin akan sangat bergantung pada kemampuan untuk mengubah pengalaman lapangan menjadi peningkatan kemampuan yang berkelanjutan.

marsbit1j yang lalu

Dwarkesh Patel: Generasi AI Berikutnya Mungkin Lahir dari Bekerja Nyata

marsbit1j yang lalu

Trading

Spot
活动图片