Bitcoin risk model · free

Know when Bitcoin is historically cheap

A free, daily updated signal that condenses 11 on-chain and price metrics into one daily Bitcoin risk score, with a public API for bots and researchers. Also featuring a free interactive dashboard with backtests and forward tests to optimize your DCA strategy and offer long-term Bitcoin guidance.

Current BTC risk
0.30
BTC/USD · live
$—
live
Confidence
7-day risk range?
lowhigh
30-day risk range?
lowhigh
Risk-price matrix?
The BTC price that maps to each risk level in today's market. Levels far from current risk are less certain — good for setting limit orders.
RiskPrice% chg
Drag any risk level 0.30$—

Precio y riesgo desde 2011

Precio de Bitcoin (escala logarítmica) y el score de riesgo 0-1. Se actualiza con el precio en vivo.

PrecioRiesgo

Gratis: últimos 90 días de histórico · Pro (0,99 €/mes o 9,99 €/año): histórico completo desde 2011 y todos los componentes

Backtest

Backtest interactivo (2014 → hoy)

Elige una cantidad y una frecuencia. Reproducimos ambas estrategias con datos reales desde 2014 — mismo total invertido — y las comparamos al instante.

DCA estándar
Invertido
Bitcoin
Valor final
ROI
DCA dinámico (riesgo < 0.30)
Invertido
Bitcoin
Valor final
ROI

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.

Simulación forward

Forward test: cinco escenarios macro

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.

Simula un escenario, trayectoria a trayectoria

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.

Las cinco trayectorias de un vistazo

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.

Precio proyectado (log)
Score de riesgo proyectado

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.

Las matemáticas detrás de la simulación

1 · Modelo híbrido ley de potencia + ciclo

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:

P(t) = a · tb · exp( A(t) · sin(2πt / T + φ) )
A(t) = A₀ · (tref / t)κ

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.

2 · Deriva instantánea

La rentabilidad esperada (deriva) se obtiene derivando el logaritmo del modelo; es el ancla de la capa estocástica:

μ(t) = d/dt · log P(t) = b/t + Ẽ(t)·sin(ωt+φ) + A(t)·cos(ωt+φ)·ω
ω = 2π/T,  Ẽ(t) = −κ·A(t)/t

3 · Capa estocástica (GBM con deriva variable)

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:

R(t) = μ(t)·Δt + σ·√Δt · Z,  Z ∼ N(0, 1)
Pt+Δt = Pt · exp( R(t) )

4 · Choques on-chain correlacionados (Cholesky)

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:

Σ = L · Lᵀ  (L triangular inferior)
Zcorr = L · Zindep,  Zindep ∼ N(0, I)

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.

5 · Parametrización por escenario

Cada régimen macro se obtiene modulando b (crecimiento), A₀ (amplitud del ciclo), κ (velocidad de amortiguación) y σ (volatilidad):

EscenarioA₀×κ×σ×
Hiperbitcoinización1.181.400.551.15
Oro digital1.101.100.781.05
Caso base1.001.001.001.00
Estancamiento0.790.811.220.95
Década perdida0.570.591.560.85

6 · Criterio de estrés

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:

máxt |R(t)| > 3σ√Δt

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.

El algoritmo, paso a paso

Cada componente es causal (solo usa datos pasados) y se transforma a un rango 0-1. Nada de cajas negras.

Formulación matemática

Para cada día se calcula una función logística que lleva cada métrica a [0,1]:

sig(x; c, b) = 1 / (1 + e^(-(x-c)/b)),  recortada a [0, 1]

Once señales causales, agrupadas por factor:

smayer = sig( P / SMA200(P) ; 1.60, 0.55 )  trend · Mayer
sath = ( min(P / ATH, 1) )1.5  trend · drawdown
smvrv = sig( MVRV ; 2.25, 0.90 )  A · market vs realized
smvrvz = sig( MVRV‑Z ; 3.20, 1.60 )  A · standardized
ssip = sig( supply‑in‑profit* ; 0.85, 0.10 )  A · profit (proxy)
sterm = sig( P / terminal‑price* ; 2.10, 0.85 )  A · ceiling (proxy)
spuell = sig( issuance$ / SMA365 ; 1.70, 0.95 )  B · miner revenue
smctc = sig( ln(Mcap/Thermocap) ; 2.40, 0.80 )  C · security valuation
smctc′ = sig( Mcap/Thermo dev. ; 0.30, 0.85 )  C · detrended (interp.)
srhodl = sig( exch‑inflow ratio* ; 0.45, 0.55 )  D · holder behavior (proxy)
sfees = sig( fee$ ratio ; 0.35, 0.55 )  E · network demand

Se combinan con pesos por factor (renormalizados sobre las señales disponibles) y se suavizan con una media móvil exponencial corta:

raw = Σ wi · si
agrupadas en seis familias: tendencia de precio · A · B · C · D · E
Riesgo = EMA(span=3)(raw),  α = 0.5,  recortado a [0,1]

La confianza (0-10) premia que las señales coincidan y que el riesgo sea extremo. Las señales con * son aproximaciones (proxy).

Cómo funciona

Componentes y normalización

Cómo se mide y se mapea a 0–1 cada una de las once señales, y la metodología, los datos en vivo y los límites del índice.

Qué mide cada señal y por qué
SeñalMideFuenteMapeo → [0,1]
Tendencia de precio
MayerPrecio vs. media de 200 díaspricesig(·; 1.60, 0.55)
Fracción ATHCercanía al máximo históricoprice(·)1.5
A · Valoración
MVRVValor de mercado vs. valor realizadoon-chainsig(·; 2.25, 0.90)
MVRV-ZMVRV en desviaciones estándar (z-score)on-chainsig(·; 3.20, 1.60)
Oferta en gananciaParte de la oferta comprada por debajo del precio actual (proxy de coste base)proxysig(·; 0.85, 0.10)
Precio terminalPrecio frente al techo de precio terminal (proxy)proxysig(·; 2.10, 0.85)
B · Mineros
PuellIngresos de mineros vs. su media anualon-chainsig(·; 1.70, 0.95)
C · Valoración por seguridad
Mcap/ThermocapCapitalización frente al gasto acumulado en seguridadon-chainsig(ln·; 2.40, 0.80)
mCTCMcap/Thermocap como desviación de su tendencia (interpretada)interpr.sig(dev; 0.30, 0.85)
D · Comportamiento de holders
RHODLEntradas a exchanges como proxy de comportamiento (RHODL requiere datos por antigüedad)proxysig(·; 0.45, 0.55)
E · Demanda de red
ComisionesComisiones de transacción frente a su media anual (suavizadas)on-chainsig(·; 0.35, 0.55)

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).

Metodología, datos en vivo y límites

Metodología completa
Fuentes de datos y actualización en vivo

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.

Calibración y sesgo de retrospectiva

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.

Buying strategies

Three ways to buy with the risk metric

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.

Quick comparison
This is not financial advice

FAQs

Preguntas frecuentes, respondidas

Cincuenta preguntas sobre el índice, el modelo, las herramientas y las alertas — respondidas con detalle y honestidad. Las cifras en vivo del panel son siempre la fuente autorizada.

Support this project

Keep the signal open and free

Elige cómo donar — selecciona un método y después el importe.

100% voluntario · Donaciones puntuales · Pago seguro · Sin comisiones ocultas

Apple Pay disponible en Safari y dispositivos compatibles · pago seguro con tarjeta o Apple Pay vía Stripe

Help us sharpen the risk metric

Read the full methodology before suggesting changes to the model → it's all public.

About

Open & transparent model Public data only (Coin Metrics) Never financial advice