BTC_POWER_LA

vip
币龄 2 年
最高VIP等级 0
用户暂无简介
下图是每个比特币持有者都应该打印出来放在卧室里的内容。
摘自《比特币的物理学》一书:
比特币是唯一通过扩展性测试的资产。
这里有一种与模型无关的方法来证明比特币遵循幂律——无需曲线拟合,无需挑选特定日期,无需假设。
从比特币的历史中随机挑选两个日期。计算这两个日期的价格比。计算时间比。将二者绘制在一张图上。重复数千次。
对于真正的幂律,这些点应该完美地落在一条直线上——因为如果 P(t) ∝ tⁿ,那么 P(t₂)/P(t₁) = (t₂/t₁)ⁿ。价格比完全由时间比决定。无论你选择哪个日期,无论你处于周期的哪个阶段,指数都是相同的。
比特币正是这样做的。斜率 = 5.67。R² = 0.96。在15年的数据中形成了紧密的线性云——牛市、崩盘、减半、交易所崩溃——所有这些都与一个基本的数学结构一致。
使用其完整的55年历史的标普500和纳斯达克?R²降至约0.70。三分之一的方差仅由经过的时间无法解释。黄金更糟。这些资产在增长,但它们不具备扩展性。经济衰退、政策转变和宏观冲击都留下了指纹,没有单一的指数可以完全捕捉。
这就是尺度不变性的数学特征——在物理学中的临界现象、相变和重整化群中也会出现的对称性。当一个数据集具有这种对称性时,意味着微观噪声在大尺度上被冲淡,只留下一个通用的指数。
比特币不仅增长速度快于其他资产。它还遵循一种完全不同的数学逻辑。
BTC1.04%
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享
我们在Y轴上测试了log(P2/P1)与log(t2/t1)的关系。
真正的幂律关系在对数-对数图中会表现为一条散点线。
注意这个测试没有使用回归,也不关心拟合线。
比特币与其他资产相比如何?它是唯一具有疯狂的R^2且看起来像真正幂律的资产。
BTC1.04%
查看原文
post-image
  • 赞赏
  • 1
  • 转发
  • 分享
ybaservip:
2026年GOGOGO 👊
大多数经济学家的问题在于他们不用上任何物理课。
我说的很认真。
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
对这些无知言论的每一个AI回应:
例如,Claude。
“幂律只是一个虚假的相关性,因为数据是自相关的”——错误
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
四年窗口内的中心移动平均。你需要多么干净的幂律?
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享
3D幂律是一平面。
一条穿过所有5,524个数据点的单一平面,R² = 0.970。
方程:
log⁡10(H)=0.47⋅log⁡10(P)+2.83⋅log⁡10(A)+常数。
灰色下垂线显示了与平面的个别残差——数据在15年和约10个数量级的算力范围内与其紧密贴合。投影到三面墙上的阴影显示了如果折叠任何一个维度,你会看到的二维边际关系。
从单一拟合中获得的关键物理洞察:这三个量不仅各自遵循时间上的幂律——它们共同形成一个幂律流形。
算力主要由地址(指数2.83驱动,约为Metcalfe平方),次要由价格(0.47)驱动。
这表明矿工对长期采用信号的反应比对短期价格变动更敏感,这与硬件投资周期远长于价格周期的情况一致。
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享
3的幂律是许多信息网络选择的增长模式。互联网、电影目录IMDB和比特币。
BTC1.04%
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享
同一群中的两只鸟。
互联网和比特币以具有相似指数的幂律增长。
BTC1.04%
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享
幂律法则仅仅是最可能的路径。
它在数学上的含义非常直观:根据构造,当你从以α为中心的分布中抽取S时,每一步的预期对数价格增量等于α · dlog(t)。所有步骤相加,预期轨迹正好是幂律。中位数跟随均值,因为自由度ν > 1的t分布在其位置参数周围是对称的。因此,中位数路径就是幂律——不是近似的,而是完全的。
它在物理上的意义要深得多。你有10万条完全独立的价格历史,每一条都是通过随机抽样经验分布中的日斜率波动生成的。这些路径对比特币的历史一无所知——它们只是从测量的分布中抽取的纯噪声样本。尽管如此,50%的路径高于幂律,50%的路径低于幂律。幂律是所有符合观察到的噪声结构的比特币类历史的中位结果。
这是随机系统中真正吸引子(吸引域)的标志。幂律不仅仅是对数据的拟合——它是随机过程围绕的固定点。任何单个路径都在漂移,有时甚至偏离得很远,但所有路径的集体行为趋向于幂律,作为它们的中心趋势。
可以用热力学来类比这本书的内容。热力学第二定律不是关于单个分子的陈述——它是关于绝大多数微观轨迹的陈述。同样,比特币的幂律也不是关于任何特定价格路径的陈述——它是关于所有符合比特币动态的价格路径的绝对中心趋势。实际的历史价格只是这个集合中的一个实现,而它在近15年几乎整个时间段都保持在绿色的25–75百分位区间,说明这个路径既不幸运也不特殊——它是典型的。
哲学上的启示——也是这本书最重要的一句话—
BTC1.04%
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享
无回归的幂律。利用斜率的分布,我们为比特币生成了100,000条备选路径。所有这些路径都是可能的,但有些比其他路径更可能。我用颜色编码了这些路径的可能性。接近分布均值的路径是最可能的。
幂律不过是所有可能路径的中位数。你可以看到,它基本上与回归线无差别。
BTC1.04%
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享
局部斜率的分布在过去超过17年中一直保持稳定。为了严格检验这一点,我们使用了Jensen–Shannon (JS)发散度,这是一种非常敏感的统计度量,旨在比较概率分布。
如果JS发散度随时间保持稳定,意味着基础分布本质上是相同的。在此分析中,JS发散度是在滚动的一年窗口内计算的,这提供了足够的数据以获得有意义的统计结果。
重要的是,JS发散度是有界的,在我们的结果中,它没有显示出任何系统性增长的趋势。这表明斜率分布的统计结构保持稳定。
换句话说,在比特币的整个历史中,始终在运行相同的幂律动力学。尽管经历了重大事件——多次牛市和熊市周期、FTX崩溃、ETF的引入以及许多其他冲击,基础的尺度行为仍然保持不变。
BTC1.04%
查看原文
post-image
  • 赞赏
  • 1
  • 转发
  • 分享
ybaservip:
猿在 🚀
詹森-香农散度是一种用来显示分布是否相似或不同的测试。如果分布不同,散度会随着时间增长。
结果非常具有启示性。以下是JS散度告诉你的内容:
每日(顶部面板) — 三个时间尺度中最低的散度。365点窗口(蓝色)的平均值约为0.070,意味着一整年的每日斜率与完整参考分布的偏差只有7%。它也没有显示出随时间的趋势——蓝线在所有四个减半周期中保持平坦和静止。每日分布是三者中最稳定的,与之前/之后的测试一致,只有每日时间尺度通过了所有测试。
每月(中间面板) — 中等。365点窗口的散度约为0.112,显示出与减半相关的轻微周期性波动,但总是会回归。30点窗口(红色)非常嘈杂——30个每月观察值仅约为2.5年的数据,因此窗口太小,无法稳定代表完整的分布。
年度(底部面板) — 各方面的散度最高,周期结构最为明显。365点窗口(蓝色)在0.14到0.65之间波动,完整地描绘出牛市/熊市周期的美丽波浪。
这是预料之中的:一个365点的年度步长窗口覆盖的范围内,每个点都展望未来一年,因此窗口会在周期的峰值或谷底前剧烈变化,然后回归。这里的JS散度并不显示幂律的不稳定性——它显示的是周期结构。向0.14的下降是市场接近趋势的时期;接近1.0的峰值是每次减半周期的顶点和底部。
关键见解:JS散度在年度时间尺度上最高,并不是因为幂律在那里的稳定性较差,而是因为年度斜率是检测周期
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
测试斜坡在每日、每月和每年时间尺度上的稳定性。
过去4年和之前4年的每日斜率分布是相同的。
这令人难以置信。每月的分布在统计上也是相同的,而每年的分布由于过去4年没有出现大泡沫而显示出差异。但其底层的尺度行为结构仍然保持不变。
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
我喜欢这句话。
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享
在不同尺度(每日、每月、每年)使用局部斜率法计算的缩放指数n,避免了回归法的陷阱。
它显示了这个参数——理解比特币长期行为的唯一参数——自早期以来到今天都非常稳定。
BTC1.04%
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
抱歉尝试了几次。Claude误读了Saylor的图表,所以我们不得不多次尝试以纠正解释。现在应该是准确的了。有趣的是,从第一原理推导出的幂律与CAGR的真实中位数值非常接近。
它还重现了Saylor图表中显示的相同衰减模式。
关键的区别在于,幂律为这种行为提供了理论基础,而Saylor的曲线似乎是一个临时估算——本质上是没有明确底层模型的猜测。
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享
在随机点计算回报率就是Saylor柱状图所展示的内容。更好的方法是每天计算一次,然后在一个滚动的4年窗口内取平均,以平滑泡沫。
这就是红色曲线所显示的内容。
幂律理论曲线非常清楚地显示了这种回报的衰减,并为未来的年复合增长率(CAGR)提供了更有效的预测。
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
我在这里比较了Saylor预测与幂律预测。实际上,CAGR的四年滚动中位数随着时间的推移正逐渐接近幂律预测。
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享