BTC_POWER_LA

¿Podemos descubrir el origen de la ley de potencia de Bitcoin a partir de los datos? Probamos esto ajustando P = A·(t - t₀)^n donde los tres parámetros se optimizan simultáneamente. La pregunta: ¿prefiere la data el Bloque Génesis (t₀=0) o algún otro origen?
El paisaje de R² revela la respuesta. Cuando exploramos diferentes valores de t₀, la función es notablemente plana alrededor del Bloque Génesis. Además, observe la banda de confianza enorme.
El optimizador sin restricciones encuentra un óptimo matemático en t₀ = +202 días (julio de 2009), mejorando el R² de 0.9613 a 0.9628 — una gananc

El espacio afín (el espacio de geodésicas) es el espacio log-log para un sistema invariante a escala.
Debido a que Bitcoin está linealizado en dicho espacio, todo el sistema, y esto también se justifica físicamente dado que esperamos un comportamiento invariante a escala para una red.

En realidad, este artículo básicamente vuelve a proponer S2F con un enfoque diferente.
Él afirma que el mecanismo principal para el valor base es el inverso del calendario de emisión, pero eso conduce a una exponencial porque 1/2^-N es una exponencial a largo plazo.
Pero como hizo PlanB, también afirma que hay una ley de potencia en los datos y que los dos no van en absoluto de la mano, a menos que te des cuenta de que cuando miras agrupaciones o pocos puntos de datos, puedes ajustar cualquier cosa y darlo por válido.
Aún así, me gusta toda la propuesta de usar argumentos físicos para es

Interesante ida y vuelta entre el Profesor Dave y Metatrón.
Honestamente, me gustan ambos. Tengo un cariño especial por Metatrón—ser italiano ayuda—y aprecio su contenido histórico, especialmente su trabajo sobre historia romana y medieval ( y él juega a Warhammer). En su mejor momento, aporta verdadera profundidad y entusiasmo a esos temas.
Al mismo tiempo, admiro el impulso implacable del Profesor Dave contra la analfabetización científica. Su estilo directo y sin rodeos me resuena—no está muy lejos de cómo abordo las cosas, incluso si puede ser más áspero.
Lo que es un poco lamentable es qu

¿Por qué debería seguir estudiando Física incluso con el avance de la IA?
Una respuesta maravillosa por parte de ChatGPT.

Pendientes locales vs desviaciones del espacio de fases de la ley de potencia.
Puedes ver las grandes desviaciones debido al mercado alcista y cuán asimétricas son en relación con los mercados bajistas que no caen mucho más del 50 % por debajo de la ley de potencia.

No importa el precio, la pendiente promedio de la ley de potencia es alrededor de 5.7.
Esto muestra cuán estable es la ley de potencia.

Muy buena imagen. Leyes de potencia en todos lados. Incluso el ruido es una ley de potencia.
Cuatro métodos independientes en los residuos:
1. DFA (Análisis de fluctuación detrendida)
Residuos: H = 1.158
Señal original: H = 0.636
H > 0.5 significa que persisten correlaciones a largo plazo
¡Incluso el 0.58% de "ruido" tiene memoria!
2. Análisis de espectro de potencia
Los residuos muestran: P(f) ~ 1/f^1.74
Esto es "ruido rosa" o "ruido 1/f"
NO es ruido blanco (que sería P(f) ~ constante)
¡Leyes de potencia en el dominio de la frecuencia!
3. Decaimiento de autocorrelación

Los residuos aún no son completamente gaussianos, pero estamos llegando allí. Todavía hay cierta estructura después de restar los patrones oscilatorios. Pero la media está cerca de cero y la distribución es simétrica.