Il y a quelque temps, j'ai vu PlanB répondre aux critiques en montrant ce graphique. Il a affirmé que nous voyons ici des sauts dans la loi de Kleiber (a loi de puissance) entre la consommation d'énergie d'un animal et son poids moyen par espèce.
Je ne savais pas si rire, pleurer ou les deux, en particulier parce que des milliers ont aimé sa réponse ( sans rien comprendre ).
Cela montre qu'il ne comprend vraiment pas de quoi il parle et donc ses nombreux abonnés.
Oui, il y a des sauts ici mais aucun scientifique ne prétend que c'est une seule loi de puissance. Ce sont plusieurs lois similaires

Progrès. L'objectif est 185.
Être conscient de ce que vous mangez rend la nourriture plus agréable et saine.

Projections de Monte Carlo basées sur les statistiques actuelles de Bitcoin.

Voici un aperçu des résultats de la projection de la simulation de Monte Carlo pour les 20 prochaines années.
Je vais le rendre joli avec des dates et une notation financière en dollars sur l'axe des y plus tard.
Je voulais partager les résultats au fur et à mesure que je les obtins avec vous.
En d'autres termes, 10 M dans 20 ans, c'est parti.

Ainsi, au lieu d'ajuster la loi de puissance aux données, vous observez simplement que les rendements de Bitcoin décayent dans le temps.
Ce sont les rendements décroissants dont nous discutons souvent (voir le graphique dans les commentaires).
Alors pouvez-vous plutôt trouver une quantité qui est stable ( en "moyenne") sur l'ensemble de l'histoire de Bitcoin ?
Oui, divisez les rendements par t+1/t où t est l'âge de Bitcoin.
Vous obtenez le graphique ci-dessous. Il est incroyable que ces valeurs oscillent autour d'une médiane précise ( le type de comportement de ces points de données n'a pas de

Une autre façon de visualiser la simulation de Monte Carlo décrite dans les publications précédentes.
Ici, nous montrons les chemins individuels. Les teintes vertes sont les chemins les plus probables (une densité plus élevée).
La ligne rouge est la loi de puissance mais n'est pas obtenue par un ajustement par régression, mais simplement en calculant la médiane de tous les chemins.
Je ne suis pas sûr que les gens comprennent à quel point ce résultat est puissant.
Il est basé sur quelques hypothèses simples et observations empiriques :
1) Le retour observé se décompose dans le temps de manière

Ceci est le résultat de 2000 historiques virtuels de BTC utilisant les statistiques observées.
Les couleurs dans l'ombrage indiquent les chemins les plus probables, les nuances de vert signifient plus probable.
La ligne rouge n'est pas adaptée. C'est important, elle est dérivée en prenant la médiane de tous les chemins possibles.
Donc, le Bitcoin suit le chemin de la moindre résistance. Le chemin le plus probable.

Voici ici !
Exécutez 2000 simulations en utilisant une distribution de t-location scale avec des paramètres observés de Bitcoin et voici les historiques.
La valeur médiane est en rouge, c'est notre loi de puissance.

Ceci est l'un des résultats de l'exécution d'un Bitcoin complètement synthétique.
J'ai commencé avec une distribution modèle des pentes ( vous pouvez utiliser une distribution de Lorentz ou une distribution de t-Location Scale ) basée sur les paramètres observés.
Ceci est une distribution invariante dans le temps ( c'est la même distribution depuis le début de l'histoire de Bitcoin ).
Alors nous pouvons dériver les rendements en multipliant par un facteur déterministe (ce n'est pas aléatoire), log(t+1/t), représentant les rendements log théoriques de la loi de puissance, t est le temps depuis