Donc, ce graphique contient toutes les informations dont vous avez besoin pour comprendre le comportement de Bitcoin.
La distribution de l'échelle t-location avec un mu d'environ 5,91 semble s'adapter le mieux aux données réelles. C'est une distribution stable dans le temps ( vous pouvez utiliser l'ensemble des données historiques de 16 ans ou vous concentrer sur les données après 2017 si vous voulez être plus précis ).
Ce n'est pas parfait, je dois comprendre les données excédentaires juste à gauche du pic de distribution théorique. Mais en général, la courbe théorique fait du bon travail.
Cette distribution stable peut être utilisée pour récupérer les rendements en multipliant par un facteur déterministe log( (t+1)/t). C'est ainsi que vous obtenez la loi de puissance. Il s'avère alors que la loi de puissance est simplement la médiane de tous les chemins possibles ayant cette distribution.
C'est assez remarquable car cela signifie que Bitcoin a à la fois un composant stochastique (random) et un composant déterministe (donné une simple fonction du temps).
Vous pouvez ensuite simuler ces rendements en utilisant la distribution théorique et les paramètres extraits mu, sigma et nu.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
Donc, ce graphique contient toutes les informations dont vous avez besoin pour comprendre le comportement de Bitcoin.
La distribution de l'échelle t-location avec un mu d'environ 5,91 semble s'adapter le mieux aux données réelles. C'est une distribution stable dans le temps ( vous pouvez utiliser l'ensemble des données historiques de 16 ans ou vous concentrer sur les données après 2017 si vous voulez être plus précis ).
Ce n'est pas parfait, je dois comprendre les données excédentaires juste à gauche du pic de distribution théorique. Mais en général, la courbe théorique fait du bon travail.
Cette distribution stable peut être utilisée pour récupérer les rendements en multipliant par un facteur déterministe log( (t+1)/t). C'est ainsi que vous obtenez la loi de puissance. Il s'avère alors que la loi de puissance est simplement la médiane de tous les chemins possibles ayant cette distribution.
C'est assez remarquable car cela signifie que Bitcoin a à la fois un composant stochastique (random) et un composant déterministe (donné une simple fonction du temps).
Vous pouvez ensuite simuler ces rendements en utilisant la distribution théorique et les paramètres extraits mu, sigma et nu.
Bitcoin est vraiment prévisible.