En esta era de explosión de información, ya no es posible obtener ganancias sostenibles en el comercio solo con intuición y simples reenvíos. Recientemente, he tomado una plataforma como 'laboratorio' para realizar una investigación profunda, con el objetivo de no seguir ciegamente la tendencia del mercado, sino descomponer cada rumor del mercado en hipótesis, señales y resultados verificables, con el fin de aumentar la tasa de éxito a largo plazo.

Primero, debemos considerar cada rumor del mercado como una hipótesis de investigación. Al ver un nuevo rumor, no debemos apresurarnos a actuar. En cambio, debemos construir tres hipótesis simples: qué tokens o proyectos pueden verse afectados, qué señales en la cadena o en la comunidad pueden aparecer primero, y en cuánto tiempo pueden ocurrir estos cambios. Por ejemplo, podemos suponer: 'Si una billetera retira tokens de un intercambio y interactúa con un contrato inteligente en dos días, entonces la credibilidad de ese rumor aumentará.' Definir claramente estas hipótesis nos ayuda en el posterior backtesting y análisis.

En segundo lugar, necesitamos establecer un conjunto de señales completo, y no solo centrarnos en la popularidad. Clasifico las señales en tres categorías: señales de la comunidad (incluyendo la reputación del emisor, comportamiento de staking o votación, profundidad de las discusiones), señales en cadena (como transferencias grandes, frecuencia de llamadas a contratos, flujo de fondos en exchanges), y validación externa (como declaraciones oficiales del proyecto, comentarios de desarrolladores clave, evidencia proporcionada por socios). Podemos combinar estas señales en un sistema de puntuación simple (por ejemplo, de 0 a 100), donde una puntuación alta indica que se está formando un consenso en el mercado. Esta puntuación puede servir como una referencia importante para decidir si invertir más tiempo y recursos.

Finalmente, es crucial construir un flujo de procesamiento de datos eficiente. Podemos obtener pistas del mercado a través de herramientas automatizadas o de forma manual.