SharpLink/ETH/StrategyB/BTC WKN: 722713 ISIN: US5949724083 Kürzel: MSTR Forum: Aktien User: Lüning2

Auf Bitcoin bezogen gab es in den ganzen Zyklen zig Ereignisse für steigende und fallende Kurse, tausende Nachrichten, gepushe und gebashe, verfehlte oder getroffene Analystenziele usw und sofort. Ein auf und ab von Begründungen für einen Kursverlauf. Aber eines blieb immer gleich. Das Zusammenspiel von EMA, SMA und Fibonacci . Ob im 15 Minuten bis 1 Wochen Chart. Die Muster und Hieroglyphen der Charttechnik sagen nichts darüber aus was wann passiert ist. Die „Nachricht“ oder Begründung kommt immer erst nach der Kursreaktion. Ausser eine Kursbewegende News. Die kommt vorher. Und wird meistens wieder abgebaut. Tendenzen lassen sich mit den hiesigen Indikatoren vorbestimmen Leider sind Tendenzen keine Treffer. Selbst eine KI kann das nicht. Aber die Chartanayse ist einfacher zu handhaben als 24/7 Nachrichten zu lesen

Ich finde es iwie gefährlich, vorherige Zyklen mit dem jetzigen zu vergleichen. Keiner kann sagen ob so ein Zyklus sich wiederholt. Trump ist diese Amtszeit auch einer etwas anderer als in seiner letzten.

Machen aber alle . Erst hiess es wir gleichen uns mit 21 dann mit der Wahl gleichen wir uns 17 Es hat sich aber seit Februar der Verlauf geändert und deshalb sind Vorhersagen bezüglich der Wiederholung nicht mehr möglich

Wenn ich mir die Zeitleiste der Golden und Death Crosses ansehe, da ich mich heute ja schon dazu geäussert habe, fällt mir auch dazu eine Veränderung zu den beiden vorangegangen Zyklen auf Ich habe ein Death Cross rot umkreist und ein Golden Cross grün und wir hatten im Gegansatz zur Vergsngenheit alleine in diesem Zyklus schon zwei mal so eine Situation

https://de.tradingview.com/x/KpaIYCPK

Ich wollte das eigentlich gar nicht posten weil es wieder Angst macht aber es wäre falsch es nicht zu zeigen da ich gesagt habe das ich den Cross Indikator, so nenn ich das Bild mal, weiter beobachten werde.

Auch zwischen den beiden Hochs von 21 gab es sowas es ist also nicht der Anfang des Bärenmarktes

https://de.tradingview.com/x/E1j2ih00

Aber: Kurz vor dem ersten Anstieg im ersten drittel dieses Zyklus gab es sowas auch und es folgte schnell ein Golden Cross 26.8-18.10.23

https://de.tradingview.com/x/bq08LRR5 Ich hoffe das das nicht passiert. Death Cross Alles Dailys Orange 21 EMA Grün 50 SMA Lila 200 SMA ✅ Bullisches Szenario (Death Cross wird abgewendet): • Ein schneller Pump über den 200 SMA, idealerweise mit starkem Volumen. • Konsolidierung oberhalb des 200 SMA, sodass sich der 50 SMA stabilisiert. • Der 21 EMA dreht nach oben und bleibt über dem 200 SMA. ❌ Bärisches Szenario (Death Cross tritt ein): • Der 21 EMA und 50 SMA zeigen weiter nach unten. • BTC bleibt unter dem 200 SMA oder wird sogar beim Anstieg dort abgewiesen!!!!! Bööse !!!! • Der 50 SMA kreuzt nach unten, was eine Verlängerung der Korrektur bedeuten könnte. Kurz gesagt: BTC müsste in den nächsten Tagen eine starke Aufwärtsbewegung hinlegen und den 200 SMA zurückerobern, um das Death Cross zu verhindern.

Wie sollte es auch anders sein

https://x.com/saylor/status/1906317075473158364?s=46

PS ; Ich war selber sehr überrascht über die von der KI genannten Ergebnisse der wissenschaftlichen Studien über die Trefferwahrscheinlichkeit der techn. Analysen , die dann doch so dermaßen mies sein sollen. Aber bitte immer beachten , es ist eben KI , also möglicherweise ebenso fehlerbehaftet Zudem, weiß ich garnicht so genau was einen TREFFER wirklich definiert ? 100 % Übereinstimmung in der kompletten Analyse ? Für viele Anleger wäre es ja schon schlicht hilfreich zu wissen,: Steigt es , oder fällt es ? ( Stark oder wenig..) Kaufen, oder verkaufen ? Zudem ist es nur ein errechnetes statistisches Mittel Heisst einzelne Analysen und Vorhersagen KÖNNTEN durchaus weit bessere Quoten aufweisen, wie z.B. natürlich die von Grey ! 😇

Wissenschaftliche Untersuchungen der Trefferwahrscheinlichkeiten von verschiedenen technischen Analysemethoden : 1. Klassische Technische Analyse (z. B. gleitende Durchschnitte, RSI, MACD) 1-Tages-Vorhersage: ~50–55 % Trefferquote 7-Tages-Vorhersage: ~50–55 % Trefferquote → Diese Werte liegen oft nur knapp über dem Zufallsniveau (50 %), da Märkte häufig als effizient gelten. 2. Statistische Modelle & Machine Learning (z. B. Neuronale Netze, Random Forest, LSTM) 1-Tages-Vorhersage: ~55–65 % Trefferquote 7-Tages-Vorhersage: ~52–60 % Trefferquote KI-gestützte Modelle können in bestimmten Märkten (z. B. Kryptowährungen oder volatile Aktien) höhere Genauigkeiten erzielen. 3. Kombination aus Technischer und Fundamentalanalyse (z. B. Sentiment-Analyse, Makrodaten) 1-Tages-Vorhersage: ~60–70 % Trefferquote (bei optimalen Bedingungen) 7-Tages-Vorhersage: ~55–65 % Trefferquote Kombinierte Methoden können eine höhere Genauigkeit erreichen, insbesondere wenn sie mit Big-Data-Techniken arbeiten. Wichtige Faktoren für die Genauigkeit: Volatilität des Marktes (hohe Volatilität → schlechtere Vorhersage) Qualität der verwendeten Daten (mehr Datenquellen → bessere Ergebnisse) Zeithorizont (je länger die Vorhersage, desto ungenauer) Fazit: Reine Charttechnik allein hat meist nur eine geringe Vorhersagekraft (knapp über 50 %). KI-gestützte und kombinierte Methoden können die Genauigkeit steigern (bis zu ~70 % in optimalen Fällen). Langfristige Vorhersagen (>7 Tage) sind in der Regel deutlich unzuverlässiger. Quellen- Angaben zur Überprüfung/ Vertiefung der Thematik : 1. Aktienkursprognose mit Machine Learning und Deep Learning (Ogin & Rasheed, 2023) https://digitalcollection.zhaw.ch/bitstream/11475/29533/1/2023_Ogin_Rasheed_MSc_BF.pdf 2. Künstliche Intelligenz für die Aktienkursprognose (Nematirad et al., 2023) https://epub.fh-joanneum.at/obvfhjhs/download/pdf/10241865 3. Maschinelles Lernen verbessert Aktienprognosen (Azevedo, 2023) https://www.springerprofessional.de/aktie/machine-learning/maschinelles-lernen-verbessert-aktienprognosen/26723572 4. Die Prognosequalität der Technischen Analyse (Reza Darius Montassér, 1995) https://link.springer.com/content/pdf/10.1007/978-3-322-81672-6.pdf 5. Stock Market Forecasting DJIA Prognose mit Machine Learning (Johannes Hatter, 2022) https://onlinecampus.fernfh.ac.at/pluginfile.php/223278/mod_data/content/325323/Master_Thesis_WIMA_24_Hatter_Johannes.pdf 6. Machine Learning for Stock Prediction Based on Fundamental Analysis (Yuxuan Huang et al., 2022) https://arxiv.org/abs/2202.05702 7. Deep Learning for Stock Market Prediction (Mojtaba Nabipour et al., 2020) https://arxiv.org/abs/2004.01497 8. Assessing the Impact of Technical Indicators on Machine Learning Models for Stock Price Prediction (Akash Deep et al., 2024) https://arxiv.org/abs/2412.15448 9. An Artificial Neural Network-based Stock Trading System Using Technical Analysis and Big Data Framework (O. B. Sezer et al., 2017) https://arxiv.org/abs/1712.09592

Ich habe mal anhand verschiedenen wissenschaftlicher Studien die Trefferwahrscheinlichkeiten bei einem Tag und bei 7 Tagen von den bekanntesten technischen Analyseverfahren mithilfe der KI untersuchen, auswerten und zusammenfassen lassen. Um die Ergebnisse mal sehr selber sehr kurz und knapp vorwegzunehmen ; 1 .) Die klassische technische Analyse (Charts, Indikatoren, Trends, Volumen, Zyklen etc..) liegt sowohl bei einem, als auch bei 7 Tagen im gleitenden Durchschnitt ca. 2 % über dem Zufallsergebnis ( wie z.B.. bei Münzwurf) . Das bedeutet auch das statistisch jede 50te Analyse besser ist.als der Münzwurf. 2.) Das beste Ergebnis erzielt die Vorhersage der Kombination aus Technischer und Fundamentalanalyse besonders in Verbindung mit eher aufwendigen KI -Algorhythmen (z. B. Sentiment-Analyse, Makrodaten, Auswertung von Social Media- Daten ) Hier liegt immerhin die Trefferquote dann schon im gleitenden Durchnitt bei einem Tag bei 67 % . und 7 Tage = ca 60 % Heisst die Trefferwahrscheinlichkeit ist dort z.B. bei einem Tag schon ca. 2 zu 3 . ( Also nur 1 Drittel fehlerhaft ) Wohl unnötig zu sagen das besonders Hedgefonds oder Investmentfirmen und Banken mit dem z.T. sehr teuren Analysenverfahren arbeiten. Bei Kryptos ist laut Studien die Vorhersagbarkeit iinsgesamt noch um einiges schlechter . Aber auch hier haben die kombinierten KI- Analyseverfahren deutliche Vorteile gegenüber der klassischen techn. Analyse, da z.B Stimmungsindikatoren, Social- Media- Daten hier mehr Gewicht haben . Ich werde, falls es überhaupt von Interesse ist, die genauen Ergebnisse mit vielen Quellen- Angaben in einen weiteren extra- Post schreiben.