ETH/BTC 適合做網格交易嗎

效率較 U 本位低,波動週期相對於 BTC/USDT 或 ETH/USDT 較長,但適合有同時在囤這兩種幣的人。

其實前一兩年都看不太懂這個幣兌在交易什麼,用 BTC 去購買 ETH 對我來說好難理解。

直到前陣子打開 Pionex 看看有什麼新產品,看到了 EB Bot 放在首頁做很大的版面宣傳,再搭配這陣子幣圈的牛市在思考超出 BTC 本位合約網格區間後,閒置的 BTC 還可以做什麼用途,才開始讓我重新看待 ETH/BTC 交易兌。

從 2023 開始,BTC ETH 開始脫離連動關係,在這之前基本上就是連體嬰,所以造就了這個機會出現。

使用 BTC 本位與 USDT 本位的差異在於,前者偏向單邊行情、板塊輪動完才會到下一個幣種,所以週期會比 USDT 來得還要長;後者可能一天內就有非常多的交易機會。

我是 BTC > ETH 派別的,所以在相對低點 (0.05 附近) 使用 BTC 去購買一些 ETH 仍符合自己的偏好。儘管牛市把部分幣換回 USDT,但留下的這兩個幣種仍可以透過網格的方式去增加幣的數量。

2024.03.31 ETH/BTC

用現貨還是合約開槓桿?

如上面所說,一天的交易機會不多,使用合約 + 槓桿要扛資金費率,算起來沒有那麼值得,加上初衷 (1) 只想增加閒置幣種持幣數量 (2) 長期看好,誰趨於弱勢其實都可以撿,所以選擇只做現貨。

至於 SOL/BTC 或 WLD/BTC 甚至其他的幣種能不能玩?

如果是看好這兩個幣種,想要在 SOL WLD 弱勢或 BTC 強勢時,使用 BTC 去兌換,那就是可以的。但因為自己一樣看不懂,所以頂多會選擇用 USDT 去購買。

Read more

2024.08 加密貨幣行情看法

當前幣價:BTC $60500、ETH $2640。 市場剛經歷過 08/05 大跌,日線 ema 30/60/120 糾纏中,週線級別迎來回調。 7 月操作回顧 3 張空單 止損 1 次,止盈 2 次。盈虧比 1:1.5。 第二筆:ema 60 未下穿 120 提前預判空頭排列嘗試空單,打到止損出場。 第三筆:07/29 ~ 07/31 沒有突破前高又壓回均線,決定再次嘗試空單,碰巧遇到 08/05 下跌止盈。 三筆交易都在尚未確認空頭排列就提前預判進入市場,仰賴的是下緣支撐位

2024.07 加密貨幣行情看法

目前狀況 幣價:BTC $57150、ETH $3065。日線 ema 30/60/120 即將進入空頭排列,週線級別迎來回調。 短期看法 下跌概率 > 上漲,但當前無法確定是觸底或即將反彈,需要時間 + 支撐位與阻力位驗證。 驗證方法:日線 ema 壓下來之後即是阻力位,能夠突破就能成為新的支撐位視為反彈訊號,根據概率建立好劇本及應對策略。以交易結果為主,用結果驅動下一步動作。 長期看法 長期看法不變。身為 BTC 信仰者,跌下來是撿便宜的好時機,但不確定多便宜,但還是要分批謹慎進出場。 應對策略 打到支撐位分批賣出現貨,同時觀察幣價盤整位置,通常會在支撐位、阻力位、整數位 (50000、60000) 等盤整,如果不繼續跌就可以進場開始撿便宜。 近期可能會有一波小反彈,像是多頭排列也會回調至均線,如果突破失敗可以當作一個做空訊號,止損設置前高,

2024.06 加密貨幣行情看法

繼上次寫完 2024.05.01 加密貨幣行情看法,覺得每 1, 2 個月寫一篇觀點還蠻有趣的。也記錄自己對行情的理解。 目前狀況:當下 BTC $69500、ETH $3670。 短期看法: 短期仍偏空,BTC、ETH ETF 通過等利好消息都釋出了,市場仍未突破前高。 美股、台股再創新高,整個市場非常狂熱,都在討論 NVIDIA + 黃仁勳,有點 Tesla + Elon Musk 及 Ark + Cathie Wood 的既視感,這種時候是很好的出貨時間點。 上個月 BTC 回落 57000 是個很好的支撐,大約是華爾街機構的持倉成本線,再往下探頂多 50000 或 42000。 從

來自從事高管的 60 歲大伯的職涯建議

1. 不支持裸辭,大公司 (上市櫃) 會在意 gap year,要有很好的理由,e.g. 家務。 2. 人生沒有辦法每個時段都有導師,但書本可以,同意 ✅。 3. 推薦 AI:Perplexity,Good ✅ 4. 推薦書籍:如何思考怪誕現象、底層邏輯,Good ✅ 最喜歡被推書 👍 5. 面試準備不完的,要針對該公司背景客製化內容,盡可能要沾上邊。 同意 ✅,與近期面試得到一樣的心得:花裏胡哨的問題就是客製化準備。 6. 承上:公司找你去,在意的是你的特質,專業技能都是可以後續培養。同意 ✅。 7. 不變的東西:語言能力、投資 (世界經濟)。 1. 同意 ✅,軟體工程師不變的東西大概就是: 1. 硬實力:演算法、