BTC_POWER_LA

喜欢这个。终极知识，单一幂律解释了比特币的长期轨迹和周期：
P(t) = Re[ C' · t^(β + iω) ]

正在发生。

这个结果的重要意义不仅仅体现在表面。
下面两个面板显示的是移除了长期幂律趋势后比特币价格历史的剩余部分——原始波动，剥离了增长因素。
这个残差不是噪音。它几乎完全由单一频率及其整数倍数拟合：2×、3×、4×。这些是谐波，与从振弦到量子阱等物理系统中共振所遵循的数学结构相同。
但其意义更深层次。这里的频谱不是在时间上周期性的——它在时间的对数上是周期性的。这是离散标度不变性的标志：一种对称性不是通过将时间向前移动固定量来实现，而是通过按固定比率缩放时间来实现。这个结构不是在规则的时间间隔内重复，而是在时间尺度的规则倍数处重复——每个周期大约是前一个周期的两倍长。
大多数标度不变系统表现为连续标度不变性，意味着它们在任何因子下重新标度时看起来相同。离散标度不变性更为罕见且更具体：系统仅在按特定比率λ≈2重新标度时才具有自相似性。比特币似乎同时表现出这两种性质——价格趋势中的连续标度不变性，以及叠加在其上的振荡中的离散标度不变性。
图表中彩色编码的三角形直接显示了关键点。模型预测的每一个峰值——无论是主要的还是次要的——都与数据中的实际峰值相吻合。
这种对应不是人为施加的。该模型是对整个残差序列拟合的，而不是对单个峰值拟合的。峰值从数学中产生，数据证实了它们。
这些不是拟合伪影。它们是具有相干谐波结构的真实振荡——这种结构在物理学中指向需要被识别的潜在共振机制。

未来15年的预测。

这展示了对数周期模型中的不确定性。噪声解释了峰顶和谷底的一些错位和不确定性。但总的来说，比特币的周期性质被相当准确地重建了。
这可能表明泡沫不是外部现象，而是内部现象，与某些需要进一步研究的宏观经济因素有一定的耦合关系。

具有置信度水平的模型。

# 复杂指数：趋势与周期合一
## 长期轨迹
本书的核心结论是比特币价格在时间上遵循幂律。用对数刻度拟合完整的价格历史得出如下形式的关系：
P(t) = a · t^β
其中t是自创世区块以来经过的天数，a是缩放常数，β ≈ 5.65是幂律指数。在对数-对数空间中这是一条直线，对观察到的数据的拟合在超过十五年的交易历史中达到了R²大于0.96。该方程不是传统金融意义上的模型——它不对投资者行为、货币政策或市场结构做任何假设。它是一种具有非凡稳定性的经验规律，其解释在于网络采用的物理学，而不在于任何市场周期的具体细节。
然而，幂律并不能解释一切。检查残差——实际价格与拟合趋势的垂直偏差——揭示了与随机噪声不一致的结构。2013年、2017年和2021年的大牛市各自产生了远高于趋势的偏离，之后是长时间的收缩回到趋势。这些振荡不是随机的。它们是周期性的，其时间安排表现出需要解释的规律。
## 对数周期振荡
将残差定义为：
r(t) = log₁₀ P(t) − log₁₀ a − β · log₁₀ t
这个量以对数单位衡量价格在任何给定时刻与幂律趋势之间相差多远。当针对日历时间绘制时，残差不规则地振荡。但是当针对时间的自然对数绘制时——即针对ln t而不是t——出现了惊人的现象：振荡变得近似周期性。它们类似于正弦曲线，在对数时间中均匀间隔。
这是对数周期函数的特征。用模型拟合残差：
r