Деякий час тому я зловив PlanB, який відповідав на критику, показуючи цей графік. Він стверджував, що ми тут бачимо стрибки в законі Клейбера (a степеневому законі ) між споживанням енергії тварини та її середньою вагою виду.
Я не знав, чи сміятися, плакати, чи те й інше, зокрема, тому що тисячі оцінили його відповідь (, не розуміючи нічого ).
Це показує, що він справді не розуміє, про що говорить, і так само його багато послідовників.
Так, тут є стрибки, але жоден вчений не стверджує, що це єдиний закон степеня. Це кілька подібних законів. Різні закони степеня застосовуються до різних біологі

Прогрес. Мета - 185.
Обізнаність про те, що ви їсте, робить їжу більш приємною та корисною.

Проекції Монте-Карло на основі поточних статистичних даних Біткойна.

Ось попередній перегляд результатів проекції симуляції Монте-Карло на наступні 20 років.
Я зроблю це красивим з датами та фінансовою нотацією в доларах на осі y пізніше.
Я хотів поділитися результатами, як тільки я їх отримую, з вами, хлопці.
Іншими словами, 10 М за 20 років, вперед.

Тож замість того, щоб підганяти закон степеня під дані, ви просто спостерігаєте, що прибутки Біткойна зменшуються з часом.
Це зменшувані доходи, про які ми часто говоримо (дивіться графік у коментарях).
Тепер ви можете знайти замість цього кількість, яка є стабільною ( в "середньому" ) протягом всієї історії Біткойна?
Так, розділіть доходи на t+1/t, де t - вік Біткойна.
Ви отримуєте графік нижче. Вражає, що ці значення коливаються навколо точного медіани (тип поведінки цих точок даних не має чітко визначеного середнього, тому ми використовуємо медіану замість ).
Ці дані (можемо назвати місцеви

Ще один спосіб візуалізувати симуляцію Монте-Карло, описану в попередніх дописах.
Тут ми показуємо індивідуальні шляхи. Зелені відтінки є найімовірнішими шляхами (вища щільність).
Червона лінія є законом степеня, але не отримана шляхом регресійного підходу, а просто шляхом обчислення медіани всіх шляхів.
Не впевнений, що люди розуміють, наскільки потужним є цей результат.
Вона базується на кількох простих припущеннях та емпіричних спостереженнях:
1) Спостережене зменшення прибутковості з часом у формі степеневої залежності: Ret=( (t+1)/t)^n, де t - це час від блоку генезису, а n - показник сте

Це результат 2000 віртуальних BTC історій, використовуючи спостережувані статистики.
Кольори в затіненні вказують на найбільш ймовірні шляхи, зелені відтінки означають більшу ймовірність.
Червона лінія не підходить. Це важливо, вона отримується шляхом взяття медіани всіх можливих шляхів.
Отже, Біткойн слідує шляху найменшого опору. Найімовірніший шлях.

Ось тут!
Запустіть 2000 симуляцій, використовуючи розподіл t-локації та масштабу з спостережуваними параметрами з Bitcoin, і це історії.
Медіанне значення позначене червоним, це наш закон влади.

Це один з результатів запуску абсолютно синтетичного Біткойна.
Я почав з моделі розподілу нахилів ( ви можете використовувати розподіл Лоренца або t-Location Scale ) на основі спостережуваних параметрів.
Це незмінний розподіл (, це той самий розподіл з початку історії Біткойна ).
Тоді ми можемо отримати доходи, помноживши на детермінований фактор (, це не випадково ), лог(t+1/t), що представляє теоретичні логарифмічні доходи з закону степеня, t - це час з Генезис-блоку.
Ви потім складете доходи з часом. Це не включає бульбашки, які повинні моделюватися окремо.
Ви можете побачити, що ми отримує

Це один з результатів роботи абсолютно синтетичного Біткойна.
Я почав з моделі розподілу схилів ( ви можете використовувати розподіл Лоренца або t-розподіл з параметрами масштабу ) на основі спостережуваних параметрів.
Це інваріантний розподіл ( це той самий розподіл з початку історії Біткойна ).
Тоді ми можемо отримати прибутки, помноживши на детермінований фактор (, це не випадково ), t+1/t, що представляє теоретичні прибутки з степеневого закону, t - це час від Генезис Блоку.
Ви потім компонуєте доходи з часом. Це не включає бульбашки, які слід моделювати окремо.
Ви можете бачити, що ми отр

Отже, розподіл Лоренца здається дуже хорошим проксі для реальної поведінки. Не впевнений, що можемо знайти кращий, дайте знати, якщо у вас є пропозиції.
Ми можемо використовувати цей розподіл, щоб відтворити синтетичну ціну Біткоїна і порівняти поточний розподіл з загальним, щоб попередити нас про зміни.
Це справді єдиний стабільний розподіл, який у нас є для Bitcoin.
Повернення є функцією часу, тому нам потрібно перейти від цього розподілу похилих ( або нормалізованих повернень ) до повернень.