Die Perspektive Wechseln ... Krypto-Indikatorblog Teil 3

In dieser Sektion geht es darum, Preise und mittlere Preise anders zu betrachten.

Die Standarddarstellung von Preisen in EUR oder USD erfolgt bei Preischarts normalerweise immer in der linearen Darstellung, bei der die Abstände pro EUR oder USD immer gleich weit sind.

Beispiel linearer Darstellung:
Z.B. ist der Abstand bei zwischen 1 EUR und 2 EUR auf der vertikalen Achse derselbe wie der zwischen 3 und 4.

In der logarythmischen Darstellung ist der Abstand zwischen den festgesetzten Größenordnungen gleichgroß.

Beispiel logarythmischer Darstellung:
Die Abstände zwischen 10 und 100 genauso groß gewählt wie die Abstände zwischen 100 und 1000 EUR.

Und was bringt das?

Diese sogenannte Log-Scale, oder logarythmische Darstellung, besagt, dass der prozentuale Gewinn/Verlust zwischen zwei Einträgen immer derselbe ist. Wenn Bitcoin zum Beispiel von 100 EUR auf 1000 EUR steigt (+1000%), sind eine Steigerung von 1000 auf 10 000 EUR auch +1000%. Im Vergleich dazu sieht die Steigerung von 1000 auf 10 000 EUR in der linearen Darstellung aber viel extremer aus als in der logarythmischen Darstellung.

Du kannst dir auf Coingecko zum Beispiel beide Darstellungsmöglichkeiten anzeigen lassen, aber nur jeweils eine zur Zeit. Für die Wahl der Darstellung findest du rechts oberhalb des Charts die Auswahl "logarythmisch" oder "linear" für die entsprechende Darstellung.

In der folgenden Abbildung habe ich für dich den Bitcoinpreis seit Beginn des Coingecko Datensatzes einmal in der log-scale und einmal in der linearen Darstellung für dich vorbereitet:

Abb.1: Bitcoinpreis nach Coingecko in linearer Darstellung (links) und in logarythmischer Darstellung (rechts).

Wie du sehen kannst, wirken die Kursstürze in der logarythmischen Darstellung weniger extrem als in der linearen Darstellung.

Log-Scale Charts mittels Coingecko-API selbst erstellen
Wenn du dir, wie in meinen Tutorials gezeigt, die Preise für deinen Coin mittels der Coingecko-API holst und ebenfalls in der logarythmischen Darstellung darstellen willst, muss dein Anzeigeprogramm entweder die log-scale von Natur aus unterstützen, oder du musst deine Preise umrechnen und dann dich mit einem Trick behelfen.

Für meine Charts verwende ich GNUPlot, welches du auch nutzen kannst und kostenlos ist. Wie du GNUPlot verwendest, habe ich dir in meinen Exklusivvideos gezeigt.
Für die logarythmische Darstellung in GNUPlot wird der folgende Befehl benötigt:

set logscale <axis> <factor>

Um also den Chart rechts zu reproduzieren, verwendest du also:

set logscale y 10

Falls dein Programm die log-scale nicht unterstützt, musst du von jedem Preis den logarythmus zur Basis 10 (oder anderen, die dich interessieren (siehe unten)) bestimmen. In Python machst du das mit:

math.log(a, Basis)

Wenn du die Basis 10 setzst, solltest du für den Bitcoinpreis (zur Zeit) Werte zwischen 0 und 5 erwarten, wobei 0 => 1 EUR, 1 => 10 EUR, 5 =1> 100 000 EUR. In der Basis 10 bedeutet also jede Zahl vor dem Komma die Größenordnung in 10er-Schritten, also wieviele Nullen der Preis hat.

Zum Beispiel 37000 EUR sind in der log scale etwa 4.57 . Die Größenordnung ist also 4 Nullen (also im 10 000er Bereich).

Andere, interessante Skalen
Statt sich die standard logarythmische Skala (zur Basis 10) anzusehen, sollte man sich bei Bitcoin auch die Basis 2 ansehen. Hier siehst du dann, wie lange der Bitcoinpreis braucht, um sich zu verdoppeln. Andersherum ausgedrückt, sind dann 50% Kursstürze auf der Achse auch immer gleich groß.
Statt dir in dem Chart anzusehen, wie lange Bitcoin braucht, um sich im Preis zu verdoppeln, kannst du die Verdopplungszeit aber auch rückwirkend berechnen und dir daraus einen Indikator bauen. Hierzu habe ich hier ein Video. Andere, alternative Basen findest du hier.

Rechnen mit logarythmischen Daten (log-moving averages)
Du kannst jetzt die logarythmischen Werte entweder exakt verwenden oder runden und für weitere Analysen verwenden. Wenn du zum Beispiel die logarythmischen Werte verwendest und analog zum früheren Indikatorblog den moving average bildest, wirst du mittels gerundeter log-Werte noch mehr Schwankungen ausgleichen. Ein log basierter moving average hat auf kürzerer Zeitskala also rechnerisch den Effekt wie einfach eine längere Zeitskala zu verwenden.

Wenn du deine log-Werte wieder in die lineare Skala zurückrechnen willst, musst du die Exponentfunktion verwenden.

Zum Beispiel habe ich oben gesagt 37000 in log scale sind etwa 4.57. Wenn du nun aber 10 hoch 4.57 eingibst, landest du bei etwa 37154. Du siehst also, wie Rundungen das Ergebnis beeinflussen.

Auch wenn es ähnlich klingt, haben diese Funktionen nicht wirklich etwas mit "exponential moving averages" zu tun.

Exponential Moving Averages
Bei diesen gleitenden Mittelwerten, siehe früheren Indikatorblog-Post, werden die einzelnen Preise, die in die Berechnung einbezogen werden, nicht gleich sondern verschieden gewichtet. Eine ausführliche Erklärung hierzu findest du auf investopedia. Neuere Preise haben stattdessen mehr Gewicht bei bei Mittelung, so dass diese gleitenden Mittel den aktuellen Chart besser folgen.