BTC_POWER_LA

vip
幣齡 2.1 年
最高等級 0
用戶暫無簡介
喜歡這個。終極知識,一個單一的冪律解釋了比特幣的長期軌跡和週期:
P(t) = Re[ C' · t^(β + iω) ]
BTC-2.47%
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
正在發生。
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
這個結果的意義比乍看之下更為重要。
下面的兩個面板顯示了移除長期冪律趨勢後比特幣價格歷史的殘留部分——原始的波動,剝去增長因素。
該殘差不是噪聲。它幾乎完全由單一頻率及其整數倍數擬合:2×、3×、4×。這些是諧波,與從振動弦到量子井等物理系統中的共鳴相同的數學結構。
但意義遠不止於普通共鳴。這裡的頻譜不是在時間上週期性的——它在時間對數上是週期性的。這是離散標度不變性的標誌:一種對稱性不是在固定時間間隔內時間前移,而是按固定比例縮放時間。結構不是以規則間隔重複,而是以規則標度倍數重複——每個週期大約是前一個的兩倍長度。
大多數標度不變系統表現出連續標度不變性,意味著它們在任何因數下重新縮放後看起來相同。離散標度不變性更罕見且更具體:系統只在按特定比例λ ≈ 2縮放時才自相似。比特幣似乎同時表現出兩者——冪律趨勢中的連續標度不變性,以及疊加在其上的振盪中的離散標度不變性。
圖表中的顏色編碼三角形直接說明了關鍵點。模型預測的每個峰值——無論大小——都與數據中的實際峰值相吻合。
這種對應不是人為施加的。模型是對整個殘差序列進行擬合,而不是對單個峰值。峰值從數學中產生,數據證實了它們。
這些不是擬合假象。它們是具有連貫諧波結構的真實振盪——在物理學中,這種結構指向有待識別的潛在共鳴機制。
BTC-2.47%
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
未來15年的預測。
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
這顯示了對數週期模型中的不確定性。噪聲解釋了峰值頂部和底部的一些不對齐和不確定性。但總的來說,比特幣的週期性質被相當準確地重構了。
這可能表明泡沫不是外部現象,而是內部現象,需要對其與宏觀經濟因素的耦合進行研究。
BTC-2.47%
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
具有置信度水平的模型。
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
# 複雜指數:趨勢與週期合一
## 長期軌跡
本書的核心結論是比特幣價格遵循時間上的冪律。將完整價格歷史擬合到對數尺度上得到以下形式的關係:
P(t) = a · t^β
其中 t 是自創世區塊以來經過的天數,a 是縮放常數,β ≈ 5.65 是冪律指數。在對數-對數空間中這是一條直線,對觀測數據的擬合在超過十五年的交易歷史中達到 R² 值高於 0.96。該方程不是傳統金融意義上的模型——它對投資者行為、貨幣政策或市場結構沒有做任何假設。它是一個具有非凡穩定性的經驗規律,其解釋在於網絡採用的物理學,而非任何市場週期的特殊性。
然而,冪律並未解釋一切。對殘差的檢查——實際價格與擬合趨勢的垂直偏差——揭示了與隨機噪聲不一致的結構。2013年、2017年和2021年的大牛市各自產生了遠高於趨勢的激增,隨後是歷時漫長的對趨勢的回縮。這些振蕩並非隨機的。它們是重複出現的,其時機表現出一種需要解釋的模式。
## 對數週期振蕩
將殘差定義為:
r(t) = log₁₀ P(t) − log₁₀ a − β · log₁₀ t
該量以對數單位衡量價格在任何給定時刻高於或低於冪律趨勢的距離。當針對日曆時間繪製時,殘差不規則振蕩。但當針對時間的自然對數繪製時——即針對 ln t 而非 t——出現了一些非凡的現象:振蕩變得近似週期性。它們類似於正弦波,在對數時間中均勻間隔。
這是對數週期函數的特徵。用以
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
當然,隨著我們添加越來越多頻率,我們傾向於基於過去數據進行過度擬合,但有趣的是這些頻率是主要頻率的諧波,所以理論上可以以自然的方式添加它們。
另外,這在對數周期頻譜中的效果比在線性頻譜中要好得多。
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
即使只是加入更多主頻率的純諧波,也能取得相當不錯的效果。這真的很酷。
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
3種計算冪律殘差的對數週期譜的方法。在主諧波附近有強峰值,第2和第3諧波也有強烈存在。
這些是真實信號。
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
我希望這不是過度擬合,但哇。
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
這包括主振盪頻率的3個次諧波。
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
我几年前就有一种直觉,认为泡沫可能是幂律本身的内在属性。我最初尝试对其进行建模的方式之一是通过对数周期框架——我知道它与幂律有某种联系,但当时还没有足够深入地探索这种联系。
@moneyordebt 后来重新激发了这种思路,并进一步推进了对数周期方法。
最近,我终于有时间坐下来更仔细地理解这种联系。
如果假设是正确的——泡沫是对数周期性的——那么长期趋势和震荡泡沫行为都可以在单一框架内统一:一个具有复数指数的幂律。
数学公式在评论中,但结果真的非常优雅。
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
我幾年前就有個直覺,認為泡沫可能是幂律本身固有的性質。我的首次嘗試之一是通過對數週期框架來建模——我知道它與幂律有關,但當時還沒有深入探索過那種聯繫。
@moneryordebt 後來復興了這條思路,並進一步推進了對數週期方法。
最近,我終於有時間坐下來仔細研究這個聯繫。
如果這個假設是正確的——泡沫是對數週期的——那麼長期趨勢和振盪泡沫行為都可以在單一框架內統一:具有複數指數的幂律。
數學公式在評論中,但結果確實非常優雅。
查看原文
post-image
  • 打賞
  • 2
  • 轉發
  • 分享
Meherab_Rahmanvip:
直達月球 🌕
查看更多
關於冪律的一些有趣之處。
冪律就像指數函數,但時間參數是時間的對數。
這意味著當它想要指數增長時,時間會「減速」,幾乎是時間偏好減速的一種體現。
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
推動價格移動的力量和重力位勢。
冪律就像一口井,價格會掉進去。
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
有史以來最酷的比特幣圖表之一。請觀看評論中的 Veritasium 影片,以理解下面所描述內容的普遍意義。
它是什麼:在每一個 4,084 個連續數據點中,我們有一個向量 Fᵢ = (Δlog t, Δlog P) — 只是價格在對數-對數空間中採取的步驟。我們將這些標準化為單位方向向量,然後使用散點數據插值將它們插值到 (log t, log P) 平面上的常規 40×40 網格上。
然後在該網格上數值計算旋度:
curl(F) = ∂Fy/∂x − ∂Fx/∂y
紅色區域表示該場局部逆時針旋轉 — 相對於場方向所暗示的,價格正在向上加速,如同牛市的領先邊緣。
藍色區域表示順時針旋轉 — 價格減速,熊市結構。
令人驚訝的是,該模式不是隨機噪音 — 存在明確的空間結構。
紅色和藍色區域相對於冪律線 (gold) 組織有序,在某些時間段內有紅色在上方、藍色在下方的傾向。
這是 Helmholtz 分解將隔離的旋轉分量 — 代表圍繞冪律吸引子進行的繁榮-衰退週期循環,而非朝著或遠離它的運動。
BTC-2.47%
查看原文
post-image
  • 打賞
  • 留言
  • 1
  • 分享
無論分母是什麼,比特幣都是接近6的冪律。這裡我使用美元、黃金、房地產、石油。
有什麼問題嗎?
BTC-2.47%
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
黃金冪律完好無損。
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
與其散佈恐懼,我們應該專注於賦予人們實際使用這些AI工具的能力——去創造、學習、構建和參與。真正的機會不是值得害怕的事物,而應該盡可能廣泛地分配。
我們已經見過這種模式了。許多左傾人士早期大多不看好比特幣,主要從風險、投機或意識形態偏見的角度來框架化它,這樣做忽視了它作為自下而上的財富創造和再分配機制的潛力——一種不需要許可或機構看門人的機制。
如今我們在AI領域處於類似的轉折點。這些工具大幅降低了生產力、創意和創業的準入門檻。任何人現在都能獲得以前僅供大型組織或高度專業化專家使用的能力。忽視這一點——或者更糟的是,只關注其危害——會導致重複同樣的錯誤。
真正的對話應該圍繞著獲取、教育和代理權進行。
BTC-2.47%
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享