One number from 0 (historically cheap) to 1 (historically stretched), with the price levels and signals that follow from it.
| Risk | Price | % chg |
|---|
Precio de Bitcoin (escala logarítmica) y el score de riesgo 0-1. Se actualiza con el precio en vivo.
Elige una cantidad y una frecuencia. Reproducimos ambas estrategias con datos reales desde 2014 — mismo total invertido — y las comparamos al instante.
Ambas estrategias invierten el mismo total; el DCA dinámico solo concentra las compras en semanas de bajo riesgo. Importante: los umbrales del modelo se calibraron sobre todo el histórico, así que el resultado a futuro será más moderado que el backtest. Ignora impuestos y comisiones. No es asesoramiento financiero.
El precio de Bitcoin a largo plazo ha seguido una ley de potencia con ciclos amortiguados. Aquí hay cinco futuros — de eufórico a sombrío. Ejecuta una simulación estocástica en vivo de cualquiera de ellos, con métricas on-chain correlacionadas, y mira cómo se comportaría el score de riesgo.
Cada camino parte del último precio del modelo y evoluciona con un proceso tipo GBM cuya deriva sale del modelo híbrido. Los choques se correlacionan entre precio y métricas on-chain mediante descomposición de Cholesky. Elige un escenario y pulsa ejecutar.
La mediana es la trayectoria central; la media queda muy por encima porque la distribución es log-normal con cola superior pesada (unos pocos caminos extremos la disparan). El porcentaje de estrés >3σ crece con el horizonte y el número de pasos. Las series on-chain son ilustrativas de la estructura de correlación, no pronósticos de sus niveles. No es asesoramiento financiero.
La trayectoria mediana (σ = 0) de cada escenario y el score de riesgo a lo largo de cada una. Es la columna vertebral sobre la que la simulación añade ruido realista.
Escenarios ilustrativos, no predicciones. La ley de potencia se ajusta al histórico; cada escenario modula los parámetros del modelo híbrido. Las la valoración on-chain del score se acopla al precio proyectado (igual que en la matriz riesgo-precio), por lo que el riesgo proyectado responde a cada escenario de precio. No es asesoramiento financiero.
La trayectoria determinista (la media/mediana) combina una tendencia de ley de potencia con un ciclo de 4 años cuya amplitud decae al madurar el mercado:
con a ≈ 8.49×10⁻¹⁶, b ≈ 5.2912, T ≈ 1461 días (ciclo de halving), A₀ ≈ 0.68, κ ≈ 0.45, tref ≈ 5500. La forma exponencial garantiza positividad y convierte la oscilación en un término aditivo en escala logarítmica.
La rentabilidad esperada (deriva) se obtiene derivando el logaritmo del modelo; es el ancla de la capa estocástica:
Cada paso es una aproximación discreta de un movimiento browniano geométrico con paso semanal (Δt = 7 días). El precio se actualiza multiplicativamente, lo que genera volatilidad realista y colas pesadas:
El precio no evoluciona aislado: covaría con el hashrate, las direcciones activas y el volumen de transacciones. Dada la matriz de covarianza Σ, su descomposición de Cholesky Σ = L·Lᵀ permite generar choques gaussianos correlacionados a partir de ruido independiente:
El primer componente de Zcorr impulsa el precio; los demás evolucionan las series on-chain preservando la dependencia observada. La diagonal de Σ es 1, así que la correlación no altera la volatilidad marginal del precio.
Cada régimen macro se obtiene modulando b (crecimiento), A₀ (amplitud del ciclo), κ (velocidad de amortiguación) y σ (volatilidad):
| Escenario | b× | A₀× | κ× | σ× |
|---|---|---|---|---|
| Hiperbitcoinización | 1.18 | 1.40 | 0.55 | 1.15 |
| Oro digital | 1.10 | 1.10 | 0.78 | 1.05 |
| Caso base | 1.00 | 1.00 | 1.00 | 1.00 |
| Estancamiento | 0.79 | 0.81 | 1.22 | 0.95 |
| Década perdida | 0.57 | 0.59 | 1.56 | 0.85 |
Para probar la robustez ante eventos de cola, se mide qué fracción de caminos contiene al menos una excursión de volatilidad superior a tres desviaciones típicas:
Formulación según «A Unified Mathematical Framework for Bitcoin Price Evolution Scenarios» (xAI, 2026) e implementación de referencia en Python. Adaptado para anclar en el último cierre del modelo y ejecutarse en vivo en el navegador.
Cada componente es causal (solo usa datos pasados) y se transforma a un rango 0-1. Nada de cajas negras.
Para cada día se calcula una función logística que lleva cada métrica a [0,1]:
Once señales causales, agrupadas por factor:
Se combinan con pesos por factor (renormalizados sobre las señales disponibles) y se suavizan con una media móvil exponencial corta:
La confianza (0-10) premia que las señales coincidan y que el riesgo sea extremo. Las señales con * son aproximaciones (proxy).
| Señal | Mide | Fuente | Mapeo → [0,1] | Peso |
|---|---|---|---|---|
| Tendencia de precio · 0.26 | ||||
| Mayer | Precio vs. media de 200 días | price | sig(·; 1.60, 0.55) | 0.08 |
| Fracción ATH | Cercanía al máximo histórico | price | (·)1.5 | 0.18 |
| A · Valoración · 0.30 | ||||
| MVRV | Valor de mercado vs. valor realizado | on-chain | sig(·; 2.25, 0.90) | 0.18 |
| MVRV-Z | MVRV en desviaciones estándar (z-score) | on-chain | sig(·; 3.20, 1.60) | 0.05 |
| Oferta en ganancia | Parte de la oferta comprada por debajo del precio actual (proxy de coste base) | proxy | sig(·; 0.85, 0.10) | 0.04 |
| Precio terminal | Precio frente al techo de precio terminal (proxy) | proxy | sig(·; 2.10, 0.85) | 0.03 |
| B · Mineros · 0.12 | ||||
| Puell | Ingresos de mineros vs. su media anual | on-chain | sig(·; 1.70, 0.95) | 0.12 |
| C · Valoración por seguridad · 0.21 | ||||
| Mcap/Thermocap | Capitalización frente al gasto acumulado en seguridad | on-chain | sig(ln·; 2.40, 0.80) | 0.08 |
| mCTC | Mcap/Thermocap como desviación de su tendencia (interpretada) | interpr. | sig(dev; 0.30, 0.85) | 0.13 |
| D · Comportamiento de holders · 0.05 | ||||
| RHODL | Entradas a exchanges como proxy de comportamiento (RHODL requiere datos por antigüedad) | proxy | sig(·; 0.45, 0.55) | 0.05 |
| E · Demanda de red · 0.06 | ||||
| Comisiones | Comisiones de transacción frente a su media anual (suavizadas) | on-chain | sig(·; 0.35, 0.55) | 0.06 |
Clave del diseño: cada transformación está anclada a un nivel absoluto, no a un percentil móvil. Así, a medida que Bitcoin madura y cada pico de valoración es menor que el anterior, los picos de riesgo también se comprimen — algo que un re-escalado por percentiles borraría.
Señales proxy (*): cuatro señales de ITC — oferta en ganancia, precio terminal, mCTC y RHODL — requieren datos por antigüedad de monedas (Glassnode) que el feed de Coin Metrics no incluye. Se implementan como aproximaciones transparentes a partir de datos disponibles y con peso bajo, de modo que el score central lo sigan dominando las cinco señales reales (MVRV, MVRV-Z, Puell, Mcap/Thermocap y comisiones).
El histórico y las métricas on-chain provienen de datos públicos de Coin Metrics, incrustados al generar la página. El botón «Actualizar precio» trae el precio actual de Bitcoin desde fuentes públicas (CoinGecko, con respaldo de Coinbase/Kraken), recalcula las componentes de precio y mantiene las on-chain en su último valor conocido.
El score recalculado en vivo coincide exactamente con el modelo de referencia, por lo que el punto en vivo es continuo con la línea histórica.
Los centros de las funciones logísticas se ajustaron sobre todo el histórico, así que los umbrales «conocen» dónde estuvieron los techos y suelos pasados. El comportamiento a futuro será más moderado que el backtest. Trata las magnitudes como orientativas, no como una predicción.
Three example strategies — by risk tolerance — for turning the risk score into an accumulation plan. Buying side only. Pick one below to see its full algorithm and price examples.
↑ Choose a strategy to reveal its algorithm, rules and price examples.
bc1q0rrey4w7kcmztfdcwyt9cau59uxr060fdlcdtf