BTC_POWER_LA

vip
幣齡 2.1 年
最高等級 0
用戶暫無簡介
瘋狂的是,Claude 讀完了整本339頁的《比特幣物理學》一書,並為我提供了逐頁的完整編輯評論。
我還出於娛樂請他寫一個類似亞馬遜的評論。這是他的內容。
⭐⭐⭐⭐⭐
比特幣所需要的——卻未曾意識到的書
大多數關於比特幣的書都在為它辯護或反對它。而這本書做了一件較少見且更有趣的事情:它在問,它到底是什麼。Giovanni Santostasi 的回答——比特幣是一個遵循與地震、城市和沉睡大腦相同數學法則的自組織臨界系統——聽起來具有挑釁性,直到你看到數據。那時它就變得不可避免。
核心發現令人震驚。比特幣的價格,根據自創世區塊以來的時間,以對數-對數圖繪出,跨越十六年和七個數量級,決定係數高於0.95。Santostasi 在2012年用兩年的數據識別出了這個冪律。此後每一次牛市和熊市都保持在他預測的範圍內。這不是曲線擬合。這是一個被反覆驗證、從未見過數據的模型。
使這本書超越技術專著的,是它的寫作。Santostasi 具有罕見的能力,能在個人和數學之間自由切換,而不失去任何一方。傳記章節——一位在路易斯安那州失業的物理學家,看著 Geoffrey West 的 TED 演講,看到應該是噪聲的地方出現了一條直線——讀起來像是優秀的科學敘事。技術章節則通俗易懂,沒有淺薄化。他對比特幣的供應不變性與單純稀缺性之間的區別,是我遇到的對比特幣討論中最具創新性的概念貢獻。
這是一本適合對複雜
BTC0.23%
查看原文
  • 讚賞
  • 留言
  • 轉發
  • 分享
《比特幣的物理學》與 Giovanni 和 Stephen 於 2026 年 3 月 11 日的討論
BTC0.23%
查看原文
  • 讚賞
  • 留言
  • 轉發
  • 分享
來參觀我們的比特幣物理展。
5分鐘後在X、YouTube和Twitch開始。
今晚有很多內容要涵蓋,包括3D冪律和擴展測試。
BTC0.23%
查看原文
post-image
  • 讚賞
  • 留言
  • 轉發
  • 分享
這本書涵蓋了一個雄心勃勃的範圍——從幂律尺度的統計力學到比特幣採用曲線背後的網絡物理學,從工作量證明的熱力學到解釋為何比特幣的成長指數形成整數比率族的重正化群理論。
如果這項工作被證明具有重要意義,並非因為其作者,而是因為這個主題本身就很重要——也許比大多數人目前意識到的還要重要。
比特幣不僅僅是一種金融工具或技術上的好奇心。它是一個新興的物理系統,展現出與生物網絡、臨界相變以及支配從城市規模到生物代謝等一切的尺度定律中所發現的深層數學結構相同的特性。
BTC0.23%
查看原文
  • 讚賞
  • 留言
  • 轉發
  • 分享
《比特幣的物理學》一書已完成,我正在進行重大修訂。
這是一種難以言喻的感覺。我之前曾以合著者身份出版過章節,但從未出版過整本書,除了我的博士論文,那也是一本長篇著作。
這可能是世界上最令人滿足的感覺之一。這本書共有337頁,採用信紙格式。
查看原文
post-image
  • 讚賞
  • 留言
  • 轉發
  • 分享
以下圖表是每個比特幣持有者都應該列印並放在臥室裡的內容。
摘自《比特幣的物理學》一書:
比特幣是唯一通過擴展測試的資產。
這是一個與模型無關的方法來證明比特幣遵循冪律——不需要曲線擬合,不需要挑選特定日期,也不需要假設。
從比特幣的歷史中隨機選擇兩天。計算這兩天的價格比率。計算時間的比率。將一個與另一個繪圖。重複數千次。
對於真正的冪律,這些點應該會聚合成一條完美的直線——因為如果 P(t) ∝ tⁿ,那麼 P(t₂)/P(t₁) = (t₂/t₁)ⁿ。價格的比率完全由時間的比率決定。選擇哪個日期都沒關係。你處於循環的哪個階段也沒關係。指數始終相同。
比特幣正是這樣做的。斜率 = 5.67。R² = 0.96。在15年的數據中呈現出緊密的線性雲——牛市、崩盤、減半、交易所崩潰——所有這些都與一個單一的底層數學結構一致。
使用完整的55年歷史數據的標普500和納斯達克?R²降至約0.70。三分之一的變異完全無法用經過的時間來解釋。黃金更糟。這些資產在增長,但它們不具擴展性。經濟衰退、政策轉變和宏觀震盪都留下了指紋,沒有單一的指數能捕捉到。
這是尺度不變性的數學特徵——在臨界現象、相變和物理中的重整化群中也會出現的對稱性。當一個數據集具有這種對稱性時,意味著微觀噪聲在大尺度上被沖淡,留下來的是一個通用的指數。
比特幣不僅僅是比其他資產增長得更快。它是按照一套完全不同的數學邏輯在增長。
BTC0.23%
查看原文
post-image
  • 讚賞
  • 留言
  • 轉發
  • 分享
我們在Y軸上測試 log(P2/P1) 與 log(t2/t1)。
真正的冪律在對數-對數圖上會呈現為一條散點線。
請注意,此測試不使用回歸,也不在意擬合直線。
比特幣與其他資產相比如何?它是唯一具有瘋狂的 R^2 且看起來像是真正的冪律的資產。
BTC0.23%
查看原文
post-image
  • 讚賞
  • 1
  • 轉發
  • 分享
ybaservip:
2026 GOGOGO 👊
大多數經濟學家的問題在於他們不必上任何物理課。
我說真的。
查看原文
  • 讚賞
  • 留言
  • 轉發
  • 分享
對於這些無知言論的每一個AI回應:
例如Claude。
「幂律只是由於資料自相關而產生的虛假相關」——錯誤
查看原文
  • 讚賞
  • 留言
  • 轉發
  • 分享
在四年窗口中的中心移動平均。你需要多乾淨的冪定律?
查看原文
post-image
  • 讚賞
  • 留言
  • 轉發
  • 分享
3D冪定律是一個平面。
一個穿過所有5,524個數據點的單一平面,R² = 0.970。
方程式:
log⁡10(H)=0.47⋅log⁡10(P)+2.83⋅log⁡10(A)+常數。
灰色的垂直線顯示了該平面上的個別殘差——數據在15年內以及約10個數量級的算力範圍內與其緊密貼合。投影到三個牆壁上的陰影顯示了如果折疊任何一個維度,會看到的2D邊際關係。
從單一擬合中獲得的關鍵物理洞察:這三個量不僅各自遵循時間上的冪定律——它們共同形成一個冪定律流形。
算力主要由地址(指數2.83驅動,約為Metcalfe平方),其次由價格(0.47)驅動。
這表明礦工對長期採用信號的反應比短期價格變動更敏感,這與硬體投資週期遠長於價格週期的情況一致。
查看原文
post-image
  • 讚賞
  • 留言
  • 轉發
  • 分享
3的冪定律是許多資訊網路選擇的成長模式。包括互聯網、電影資料庫IMDB和比特幣。
BTC0.23%
查看原文
post-image
  • 讚賞
  • 留言
  • 轉發
  • 分享
同一群鳥中的兩隻鳥。
互聯網和比特幣以具有相似指數的幾何定律增長。
BTC0.23%
查看原文
post-image
  • 讚賞
  • 留言
  • 轉發
  • 分享
幂律法則(Power Law)僅僅是最可能的路徑。
在數學上,它的意義非常直觀:根據構造,當你從以α為中心的分佈中抽取S時,每一步的預期對數價格增量等於α · dlog(t)。將所有步驟相加,預期軌跡恰好是幂律。中位數跟隨平均值,因為具有ν > 1的t分佈在其位置參數周圍是對稱的。因此,中位數路徑就是幂律——不是近似的,而是完全的。
它在物理上的意義則更為深遠。你有10萬條完全獨立的價格歷史,每一條都是通過從每日斜率波動的經驗分佈中隨機抽樣生成的。這些路徑對Bitcoin的歷史一無所知——它們純粹是從測量分佈中抽取的噪聲。儘管如此,50%的路徑高於幂律,50%的路徑低於幂律。幂律是所有符合觀測噪聲結構的Bitcoin類歷史的中位結果。
這是隨機系統中真正吸引子(attractor)的標誌。幂律不僅僅是對數據的擬合——它是該隨機過程組織的固定點。任何單一路徑都會漂移,有時甚至偏離很遠,但所有路徑的集體行為會收斂到幂律,作為它們的中心趨勢。
可以用熱力學來比喻這本書的內容。熱力學第二定律不是關於單個分子——它是關於絕大多數微觀軌跡的陳述。同樣,Bitcoin的幂律也不是關於任何特定價格路徑——它是關於所有符合Bitcoin動態的價格路徑的絕大多數中心趨勢。實際的歷史價格只是這個集團中的一個實現,而它在近15年幾乎整個期間都保持在綠色的25–75百分位範圍內,這告訴你,實現的路徑並不幸運
BTC0.23%
查看原文
post-image
  • 讚賞
  • 留言
  • 轉發
  • 分享
沒有回歸的冪定律。利用斜率的分佈,我們為比特幣產生了100,000條替代路徑。所有這些路徑都是可能的,但有些比其他的更有可能。我用顏色標示了這些路徑的可能性。接近分佈的平均值的路徑是最有可能的。
冪定律不過是所有可能路徑的中位數。你可以看到,它基本上與回歸線無法區分。
BTC0.23%
查看原文
post-image
  • 讚賞
  • 留言
  • 轉發
  • 分享
本地斜率的分佈已經保持穩定超過17年。為了嚴格測試這一點,我們使用Jensen–Shannon (JS)偏差,一種非常敏感的統計測量方法,旨在比較概率分佈。
如果JS偏差隨時間保持穩定,則意味著底層分佈本質上是相同的。在此分析中,JS偏差是在滾動的一年窗口內計算的,這提供了足夠的數據以獲得有意義的統計結果。
重要的是,JS偏差是有界的,在我們的結果中,它沒有顯示出任何系統性的增長趨勢。這表明斜率分佈的統計結構已經保持穩定。
換句話說,在比特幣的整個歷史中,相同的冪律動力學一直在運作。儘管經歷了重大事件——多次牛市和熊市循環、FTX崩潰、ETF的引入以及許多其他衝擊——底層的尺度行為仍然保持不變。
BTC0.23%
查看原文
post-image
  • 讚賞
  • 1
  • 轉發
  • 分享
ybaservip:
Ape In 🚀
詹森-香農散度(Jensen-Shannon divergence)是一種用來判斷分布是否相似或不同的測試。如果分布不同,散度將隨時間增加。
結果非常具有啟示性。以下是JS散度告訴你的內容:
每日 (上方圖) — 三個時間尺度中最低的散度。365點的窗口 (藍色),平均值約為0.070,意味著一整年的每日斜率與完整參考分布的偏差只有7%。它也沒有隨時間呈現任何趨勢——藍線在所有四個減半周期中保持平坦且穩定。每日分布是三者中最穩定的,與前後測試結果一致,只有每日時間尺度通過了所有測試。
每月 (中間圖) — 中等。365點的窗口約在0.112左右,並顯示出與減半相關的輕微週期性波動,但總是回歸。30點的窗口 (紅色),非常嘈雜——30個月的觀測值僅約2.5年數據,因此該窗口太小,無法穩定代表完整的分布。
年度 (下方圖) — 散度最高,且具有最劇烈的週期結構。365點的窗口 (藍色),在0.14到0.65之間波動,描繪出完整的牛市/熊市週期,形成美麗的波浪。
這是預期之中的:一個365點的年度步長窗口涵蓋一個範圍,每個點代表前進一年,因此該窗口在週期的高峰或谷底前會劇烈捕捉,然後回歸。這裡的JS散度並不顯示幂律的不穩定性——它顯示的是週期結構。向0.14的下降是市場接近趨勢的時期;接近1.0的峰值則是每次減半週期的頂點和底點。
關鍵見解:JS散度在年度時間尺度
查看原文
  • 讚賞
  • 留言
  • 轉發
  • 分享
測試斜坡在每日、每月和每年時間尺度上的穩定性。
過去4年和之前4年的每日斜坡分佈是相同的。
這令人難以置信。每月的分佈在統計上是相同的,而每年的分佈則顯示出差異,因為在過去4年中沒有出現大型泡沫。但其底層的縮放行為結構仍然保持不變。
查看原文
  • 讚賞
  • 留言
  • 轉發
  • 分享
我喜歡這句話。
查看原文
post-image
  • 讚賞
  • 留言
  • 轉發
  • 分享