Methodologie voor crypto koers verwachtingen

Cryptomarkten bewegen snel en kunnen moeilijk te interpreteren zijn. Om gebruikers beter te helpen begrijpen hoe prijzen zich kunnen ontwikkelen, biedt Finst maandelijkse crypto-prijsvoorspellingen op basis van een transparante en consistente methodologie.

Deze voorspellingen zijn geen financieel advies, maar ze bieden nuttige context door een voorspelling te tonen op basis van hoe een cryptocurrency zich historisch heeft gedragen, hoe marktcycli de prestaties beïnvloeden en hoe verschillende scenario’s toekomstige prijzen kunnen beïnvloeden.

Deze methodologie legt uit hoe deze voorspellingen worden bepaald, zodat gebruikers ze duidelijk kunnen interpreteren en naast hun eigen inzichten en investeringsstrategie kunnen gebruiken.

Houd er rekening mee dat de voorspellingen dagelijks worden bijgewerkt op basis van de methodologie. De methodologie zelf is voor het laatst bijgewerkt in november 2025.

Disclaimer: Investeren in crypto-activa brengt risico op verlies met zich mee. De voorspelde gegevens zijn gebaseerd op historische data en worden uitsluitend verstrekt voor informatieve en educatieve doeleinden. De voorspelde gegevens kunnen onvolledig of onnauwkeurig zijn en vormen geen enkele vorm van verklaring, garantie of financieel, investerings- of ander advies door Finst. Toekomstige prijzen kunnen aanzienlijk afwijken van de gepresenteerde voorspelling. Voordat je handelt in crypto-activa, dien je je eigen onderzoek te doen en je risicobereidheid te evalueren. Finst is niet verantwoordelijk voor eventuele verliezen die je kunt lijden bij het handelen in crypto-activa.

Hoe werkt de Methodologie?

Het model combineert historische maandelijkse gemiddelden, drie scenario’s (neutraal, bullish en bearish) en marktcycli rondom de Bitcoin-halving. Dit resulteert in een prijsvoorspelling die zowel seizoensinvloeden als bredere marktdynamiek meeneemt.

Gebaseerd op de huidige koers

Het model gebruikt de closing price van de cryptocurrency (de laatste prijs van de vorige dag) als input voor alle berekeningen, wat betekent dat de voorspellingen dagelijks worden bijgewerkt.

Als Bitcoin bijvoorbeeld de dag eindigde op €80.000 op 16 november 2025, wordt deze prijs gebruikt als startpunt voor de berekeningen op 17 november 2025 (de volgende dag).

Analyse van historische data

Het model berekent het gemiddelde maandrendement voor elk van de 12 maanden op basis van de gemiddelde maandelijkse closing prices van de cryptocurrency over de afgelopen vijf jaar. Als een cryptocurrency relatief nieuw is en minder dan één jaar aan historische data heeft, wordt de historische prestatie van Bitcoin gebruikt. Wanneer er voldoende data beschikbaar is, gebruikt het model maximaal vijf jaar aan eigen geschiedenis van het asset.

Om ervoor te zorgen dat recentere marktomstandigheden zwaarder meewegen in de analyse, past het model een Exponentially Weighted Moving Average (EWMA) toe. Deze techniek, oorspronkelijk geïntroduceerd door J.P. Morgan en veel gebruikt in financiële risicomodellen, rekent exponentieel afnemende wegingen toe aan oudere observaties. Hierdoor dragen recente prijsbewegingen meer bij aan de uiteindelijke schatting, terwijl oudere data nog steeds een rol speelt, maar met minder invloed.

De mate waarin nieuwere data wordt geprioriteerd, wordt bepaald door een parameter genaamd lambda (λ). In het algemeen geeft een hogere λ meer gewicht aan oudere data, wat resulteert in een vloeiender trend, terwijl een lagere λ het model gevoeliger maakt voor recente marktveranderingen. Omdat de cryptomarkt bekend staat om zijn volatiliteit en snel veranderende omstandigheden, stelt EWMA het model in staat om hier goed op te reageren zonder alleen te vertrouwen op kortetermijnschommelingen.

Door langdurige seizoenspatronen te combineren met een methode die meer gewicht geeft aan recente data, vangt het model zowel het historische gedrag van elke maand als de actuele dynamiek van de markt op.

Scenario’s

Voordat de drie scenario’s worden geïntroduceerd, is het belangrijk om te begrijpen waar de factoren vandaan komen. Zowel de scenariofactoren in sectie 3 als de marktcycli in sectie 4 zijn gebaseerd op dezelfde langetermijnanalyse van de totale cryptocurrency-marktkapitalisatie van 2013 tot 2024.

Door te bestuderen hoe de totale cryptomarkt zich gedroeg tijdens neutrale, bullish en bearish jaren, leidt het model realistische factoren af die op de maandelijkse historische gemiddelden kunnen worden toegepast.

Het model presenteert drie scenario’s, die elk een factor toepassen op de historische maandelijkse gemiddelden:

1. Neutraal

Het neutrale scenario volgt simpelweg de historische gemiddelden zonder extra aanpassingen.

2. Bullish

Historische data laat zien dat tijdens bullish marktfases de cryptomarkt aanzienlijk hogere groei kan ervaren dan gemiddeld. Maar zulke extreme pieken zijn niet geschikt voor een maandelijkse voorspellingsmethode, omdat ze kunnen leiden tot onrealistische of instabiele prijsvoorspellingen.

Daarom past het bullish scenario een gematigde positieve factor toe op de historische maandtrend. Deze aanpassing versterkt winsten en verzwakt verliezen, waardoor een optimistischere outlook ontstaat die toch realistisch en bruikbaar blijft. Het bullish scenario weerspiegelt dus omstandigheden waarin de markt beter presteert dan normaal, maar zonder de extreme pieken uit eerdere bull-cycli te gebruiken.

3. Bearish

Omgekeerd laat historische data ook zien dat tijdens bearish marktfases cryptocurrencies aanzienlijke dalingen kunnen ervaren. Om deze omstandigheden te weerspiegelen, past het bearish scenario een positieve aanpassing toe op de historische maandtrend. Dit vermindert winsten en versterkt verliezen, waardoor het soort prestaties wordt vastgelegd dat typisch is tijdens langdurige bearmarkets. Het bearish scenario vertegenwoordigt dus een pessimistischere outlook waarin het asset slechter presteert dan zijn langetermijngemiddelde.

Effect van marktcycli

Naast historische gemiddelden en scenario’s houdt het model ook rekening met bredere marktcycli. Deze cycli zijn afgeleid van het langetermijngroeipatroon van de totale cryptomarktkapitalisatie, met data van 2013 tot 2024. Door deze volledige periode te analyseren en het gemiddelde terugkerende patroon te pakken, wordt deze cyclus doorgetrokken naar toekomstige jaren.

De Bitcoin-halving speelt een centrale rol in het vormgeven van deze marktcycli, omdat deze historisch gezien een grote invloed heeft gehad op de algemene cryptoprestaties. Daarom worden de jaren rondom elke halving geïdentificeerd als bullish, bearish of neutraal:

• In een bullish jaar worden winsten versterkt en verliezen verzwakt door een positieve factor toe te passen, waardoor het sterkere marktprestaties laat zien.
• In een bearish jaar worden winsten verzwakt en verliezen versterkt door een negatieve factor toe te passen, iets wat typisch is tijdens bearish periodes.

Omdat de Bitcoin-halving ongeveer elke vier jaar plaatsvindt, gebruikt het model de volgende structuur:

Future decay factor

Om langetermijnvoorspellingen realistisch te houden, past het model een future decay factor toe die geleidelijk de invloed van zowel de scenariofactor als de marktcyclusfactor vermindert naarmate de voorspelling verder in de toekomst ligt. Kortetermijnmarktomstandigheden kunnen een sterke impact hebben op voorspellingen voor de nabije toekomst, maar hun betrouwbaarheid neemt af naarmate je verder in de toekomst gaat. De decay zorgt ervoor dat deze kortetermijneffecten niet de overhand krijgen in voorspellingen voor de verre toekomst.

Waarom gebruiken we deze aanpak?

We gebruiken deze aanpak omdat historische data de basis vormt, terwijl marktcycli en scenario’s kracht toevoegen aan de voorspellingen.

• Historisch onderbouwd: Elke voorspelling is gebaseerd op vijf jaar aan maandelijkse rendementen, verwerkt via een EWMA om recent marktgedrag zwaarder te laten wegen.
• Seizoensinvloeden: De cryptomarkt volgt cycli met terugkerende patronen; sommige maanden presteren historisch beter dan andere.
• Meerdere scenario’s: Elke prijsvoorspelling toont neutrale, bullish en bearish uitkomsten, elk met een eigen factor op maandelijkse groei.
• Aanpassingen voor marktcycli: Jaren rondom de Bitcoin-halving krijgen specifieke cyclusfactoren (bullish, bearish of neutraal) gebaseerd op hoe de totale cryptomarkt zich heeft gedragen over meerdere halving-cycli van 2013 tot 2024.
• Dagelijkse updates: Het model werkt voorspellingen elke dag bij met de nieuwste prijzen, zodat de voorspellingen zich continu aanpassen aan de actuele marktbewegingen.

Beperkingen

Er zijn een aantal beperkingen van het model waar je rekening mee moet houden:

• Gebaseerd op historische data: Het model is afhankelijk van historische prijsdata, maar het verleden biedt geen garantie voor de toekomst.
• Beperkte data: Nieuwere cryptocurrencies kunnen onvoldoende data hebben, waardoor het model terugvalt op de geschiedenis van Bitcoin in plaats van hun eigen.
• Geen externe factoren: Het model weerspiegelt groei/verlies op basis van gemiddelden, maar houdt geen rekening met externe factoren zoals regelgeving, hacks of grote aankondigingen.
• Eenvoudige scenario’s: Het model beschouwt slechts drie scenario’s (neutraal, bullish, bearish) en houdt geen rekening met zijwaartse trends of plotselinge herstelbewegingen na crashes.
• Bitcoin-gericht: De classificatie van neutrale, bullish en bearish jaren is gebaseerd op Bitcoin-halvings en houdt geen rekening met mogelijke altcoin-seasons, waarin altcoins beter kunnen presteren dan Bitcoin.
• Bullish scenario’s garanderen geen stijging: Zelfs in het bullish scenario kunnen sommige cryptocurrencies dalende prijzen laten zien op de lange termijn. Dit gebeurt wanneer de historische prestaties van het asset over de afgelopen vijf jaar overwegend negatief zijn. De bullish factor versterkt winsten en verzacht verliezen, maar kan geen consequent negatieve trend omkeren.

Risico’s

• Geen investeringsadvies: De koers verwachtingen van Finst zijn slechts projecties en mogen nooit worden beschouwd als financieel advies om crypto te kopen of te verkopen.
• Volatiliteit: Omdat de cryptomarkt extreem volatiel kan zijn, kunnen werkelijke prijzen sterk afwijken van de voorspellingen.
• Eigen verantwoordelijkheid: Elke gebruiker is volledig verantwoordelijk voor zijn eigen handelsbeslissingen. De crypto-prijsvoorspellingen van Finst zijn uitsluitend bedoeld voor illustratieve en educatieve doeleinden.
• Modelonzekerheid: Alle voorspellingsmodellen zijn afhankelijk van aannames en historische patronen, die mogelijk niet blijven gelden. Onverwacht marktgedrag kan leiden tot uitkomsten die sterk verschillen van de voorspelde waarden.
• Langetermijnonzekerheid: Hoe verder een voorspelling in de toekomst ligt, hoe groter de onzekerheid. Langetermijnprojecties moeten met extra voorzichtigheid worden geïnterpreteerd.
• Externe gebeurtenissen: Plotselinge regelgevende veranderingen, problemen bij exchanges, hacks, macro-economische gebeurtenissen of onverwachte marktschokken zijn niet opgenomen in het model en kunnen aanzienlijke prijsbewegingen veroorzaken.