BTC_POWER_LA

Расхождение Дженсена-Шеннона — это тест, который показывает, являются ли распределения похожими или разными. Если распределения отличаются, расхождение со временем увеличивается.
Результаты очень показательны. Вот что говорит вам расхождение JS:
Ежедневный (верхняя панель) — самое низкое расхождение из всех трех временных масштабов. Окно в 365 точек (синяя) колеблется вокруг среднего значения 0.070, что означает, что полный год ежедневных наклонов отличается всего на 7% от полного эталонного распределения. Также оно не показывает тенденции со временем — синяя линия плоская и стационарная на п

Тестирование стабильности склонов на ежедневных, месячных и годовых временных масштабах.
Распределение ежедневных склонов за последние 4 года и предыдущие 4 идентично.
Это невероятно. Месячные показатели статистически идентичны, а годовые показывают различия из-за отсутствия большого пузыря в последние 4 года. Но базовая структура масштабируемого поведения остается той же.

Экспонента масштабирования n, рассчитанная на различных масштабах — ежедневных, ежемесячных, ежегодных — с помощью метода локального наклона, который избегает недостатков регрессии.
Показывает, насколько этот параметр, единственный параметр, необходимый для понимания долгосрочного поведения Биткоина, является поразительно стабильным с ранних лет и до сегодняшнего дня.

Вычисление доходности в случайных точках — это то, что делает гистограмма Сейлора. Лучше вычислять их каждый день, а затем усреднять за скользящее окно в 4 года, чтобы сгладить пузыри.
Это и показывает красная кривая.
Теоретическая кривая закона степени ясно демонстрирует это затухание доходности и предлагает более достоверный прогноз для будущего CAGR.

Я сравниваю здесь прогноз Сейлора с прогнозом по закону силы. На самом деле, 4-летний скользящий медианный показатель CAGR со временем приближается к прогнозу по закону силы.

Месячные наклоны. Также это показывает похожий показатель степени n и заметную стабильность.

Если углубиться, то нормализованные годовые доходности в виде непрерывной функции образуют бимодальное распределение. Мы замечали это ранее.
Два пика слева и справа от распределения обусловлены экстремальным поведением во время пузырей.

Все значительные тесты на стабильность Bitcoin должны основываться на масштабных тестах, то есть проверке того, как поведение масштабирования в логарифмическом логарифмическом пространстве меняется со временем.
Он является замечательно стабильным.
Здесь показано распределение годовых шагов в нормализованных доходностях или наклонах.
Среднее значение составляет 5.71, что очень близко к глобальному значению, измеренному с помощью регрессии.

Начальная дата для закона степени — это GB, потому что это имеет физический смысл. Вы также можете использовать методы, не связанные с регрессией, чтобы показать, что эта дата согласуется с существующими данными.
Но в процессе с законом степени точная начальная дата становится неважной на больших масштабах.
Локальный наклон сходится к истинному показателю масштабирования независимо от выбранного начала отсчета времени.
Именно поэтому изучение распределения локальных наклонов является гораздо более надежным способом проверки закона степени Bitcoin, чем подгонка регрессий, привязанных к произ

Когда я преподавал в Соединенных Штатах, я часто проводил сессии упражнений с студентами в мои свободные часы — часы, выбранные мной. Студенты очень ценили это, хотя, конечно, не все могли участвовать. Я не объяснял новый материал: это просто было для углубления уже рассмотренного в классе.
Представьте, если бы кто-то пожаловался, что не может воспользоваться этой дополнительной помощью, потому что ему нужно работать или он должен идти на футбольный матч. Такого никогда не происходило.
Если бы тогда был YouTube, я использовал бы его точно так же: возможно, не настаивая на участии в прямом эфир

Масштабируемые свободные сети, такие как Bitcoin, одновременно устойчивы и уязвимы (по крайней мере, на коротких временных масштабах).