Preço de Hyperliquid

Na noite passada, ganhei uma competição de trading de perps irl. A minha estratégia era simples: 𝘃𝗮𝗿𝗶𝗮𝗻𝗰𝗲 𝗺𝗮𝘅𝘅𝗶𝗻𝗴, 𝗳𝗲𝗲 𝗺𝗶𝗻𝗶𝗺𝗶𝘇𝗶𝗻𝗴. A primeira negociação que fiz foi uma longa de 50x em btc. Perdi cerca de $10, o que estava bem, mas depois das taxas fiquei $30 no negativo. Percebi que isso seria um jogo de 𝘦𝘧𝘧𝘪𝘤𝘪𝘦𝘯𝘤𝘺: negociar em excesso e posições nominais altas me cortariam. Ainda assim, você tem que ganhar dinheiro de alguma forma. Na primeira rodada, você poderia se manter simplesmente não perdendo, mas isso não funcionou à medida que as rodadas se tornaram mais competitivas. Tive que encontrar uma maneira de ganhar dinheiro sem assumir grandes posições. A solução era simples: 𝘰𝘱𝘵𝘪𝘮𝘪𝘻𝘦 𝘧𝘰𝘳 𝘷𝘢𝘳𝘪𝘢𝘯𝘤𝘦. Escolhi exatamente dois gráficos que senti que tinham a maior variância + volume, HYPE e ASTER, e só negociei esses. HYPE e ASTER eram voláteis o suficiente para que eu não precisasse alavancar para capturar retornos. Isso significava que eu poderia fazer negociações com alto potencial sem alavancagem absurda e taxas excessivas. Eu escolheria uma direção com base na minha teoria testada em batalha de "bolas formigando", definiria TPs e SLs com antecedência e deixaria rolar. Não negociei em excesso, não desisti da minha posição quando estava negativa, apenas segui o sistema. A cada rodada, eu faria no máximo 2-3 negociações. Se eu estivesse em alta, ficava quieto. Se estivesse em baixa, procurava outra oportunidade. Esta competição foi julgada em um formato baseado em rodadas. A cada rodada, metade dos concorrentes seria eliminada com base no $ PnL 𝘸𝘰𝘯 𝘪𝘯 𝘵𝘩𝘢𝘵 𝘳𝘰𝘶𝘯𝘥 𝘰𝘯𝘭𝘺. Isso significava que você não poderia arriscar uma grande vitória e depois ficar sentado nela para sempre. Em vez disso, você precisava de vitórias consistentes e minimização de perdas. Minha estratégia foi otimizada para isso. No geral, o evento foi um sucesso absoluto: todos os traders com quem conversei adoraram e parecia tão divertido de assistir. Continuaremos a fazer isso no futuro – certifique-se de estar presente na próxima.