Avatar 灵的梦境
文章 标签 时光机 项目 文档 链接 关于

Back

概述#

在加密货币市场中,情绪往往主导着投资者的决策。BullBear Dashboard,这是一个基于数据的加密市场状态机。

它的核心理念是将复杂的市场分析压缩成一个数据驱动的四象限状态机。只需要关注两类数据:趋势结构和资金姿态,系统就能输出当前 BTC 市场处于哪一个状态,并给出风险提示。

核心设计#

输入与输出#

这个系统采用了直观的 Input -> Output 逻辑:

  • Input A:趋势结构
    通过 MA50 和 MA200 的关系来判断。

    • 输出:Trend = 趋势多 / 趋势空
  • Input B:资金姿态
    通过 Stablecoin 与 TOTAL 市值的比例来判断。

    • 输出:Funding = 资金进攻 / 资金防守
  • Output:四象限状态
    根据上述两个输入,直接定位到 4 个状态之一。

  • 校验层
    通过 ATH(历史新高)和 ETF 数据来校验当前状态,提供风险温度和可信度提示。

四象限状态模型#

这是系统的核心输出,旨在让用户一眼就能看清当前市场所处的位置:

  1. 资金进攻 (Offensive)

    • 牛市进攻 (Bullish Offensive): RISK HIGH。市场情绪高涨,资金大量流入。
    • 熊市反弹 (Bearish Rebound): RISK MEDIUM。虽然处于熊市趋势,但有资金尝试抄底或反弹。
  2. 资金防守 (Defensive)

    • 牛市修复 (Bullish Correction): RISK MEDIUM。牛市趋势中,资金暂时修整。
    • 熊市消化 (Bearish Consolidation): RISK LOW。市场低迷,资金流出或观望。
flowchart TB
  subgraph C1["资金进攻 (Offensive)"]
    direction TB
    A["牛市进攻<br/>RISK: HIGH"]
    C["熊市反弹<br/>RISK: MEDIUM"]
  end

  subgraph C2["资金防守 (Defensive)"]
    direction TB
    B["牛市修复<br/>RISK: MEDIUM"]
    D["熊市消化<br/>RISK: LOW"]
  end

  A --- B
  C --- D

  R1["趋势多 (Bullish)"]:::label
  R2["趋势空 (Bearish)"]:::label

  R1 -.-> A
  R2 -.-> C

  classDef label fill:transparent,stroke:transparent,color:#333;
  linkStyle 0 stroke:transparent;
  linkStyle 1 stroke:transparent;
  linkStyle 2 stroke:transparent;
  linkStyle 3 stroke:transparent;

技术实现#

项目采用前后端分离的架构:

  • 后端: Python FastAPI
    • 负责数据获取(CoinMarketCap, TAAPI等)
    • 核心状态机逻辑实现
  • 前端: Vue.js
    • 展示四象限状态图
    • actions数据更新

快速上手#

如果你对这个项目感兴趣,可以尝试自己在本地运行:

  1. 配置环境: Python 3.10+ 和 Node.js 环境。
  2. 后端启动:
    cd backend
    pip install -r requirements.txt
    python -m uvicorn bullbear_backend.main:app --reload
    bash
  3. 前端启动:
    cd frontend
    pnpm install
    pnpm dev
    bash

未来规划#

当前版本是一个简化的 MVP(最小可行性产品)。未来的改进方向包括:

  • 引入更多的数据源和指标,优化状态判断的准确性。
  • 完善校验层逻辑,特别是 ETF 资金流向对市场的影响。
  • 优化前端交互,提供更丰富的历史数据回溯功能。

如果你对量化交易或数据分析感兴趣,欢迎查看源码并提出建议!


相关链接:

BullBear Dashboard:数据驱动的加密市场状态机
https://lemonadorable.github.io/blog/bullbear-dashboard
Author Ling
Published at 2026年1月7日

GRAPH VIEW