比特幣價格走廊與冪律法則:走向何方?

2020-12-17 藍狐筆記

前言:關於比特幣未來價格有很多預測的模型,本文主要通過冪律法則對比特幣的價格進行建模,它對未來樂觀,但同時時間上也拉到相對長的尺度。本文作者是Harold Christopher Burger,由「藍狐筆記」社群的「SIEN」翻譯。

聲明:本文不是財務建議。

隨著加密貨幣的日益普及,它的未來價格一直是投機的主題。一些經濟學家如Nouriel Roubini預測比特幣價格未來五年內歸零,而 John McAfee則預測2020年底每個比特幣價格將達到100萬美元。而其他大多數做出的預測都在這個幅度極大的範圍內。

總體來說,比特幣的價格從2009年誕生以來上漲迅速,且也受到繁榮和蕭條的影響。快速上漲和繁榮階段似乎鼓勵McAfee這樣的人對未來價格作出樂觀預測,而蕭條階段則鼓勵一些經濟學家作出歸零的預測。

在這篇文章中,我們觀察比特幣的整個價格歷史,看到比特幣的價格演變可以被理解為在一個走廊內移動,而這個走廊由兩個基於時間的冪律法則來定義。儘管使用冪律法則對比特幣的價格進行建模的想法並不新鮮,但本文對這一想法作出更多的闡述,並提供一些額外的解釋。

(價格走向何方)

這一模型允許我們對比特幣的未來長期價格作出更廣泛的預測。例如:

該模型預測比特幣的價格不會早於2021年也不遲於2028年達到10萬美元。2028年之後,價格將永遠不會低於10萬美元。每個比特幣價格不會早於2028年之前,也不會遲於2037年之後,比特幣價格達到100萬美元。2037年之後,價格永遠不會低於100萬美元。此外,價格走廊可以分為兩個帶,一個位於價格預測的更低一端,且相當薄;另一個位於更高一端的預測,範圍要大很多。比特幣價格變化在這兩個波段都花費了相同的時間。這意味著,大量的泡沫和破滅有可能繼續存在。上述的預測看上去範圍很廣,但它們跟其他很多人的預測不同,從這個角度,也足夠精確。這個價格模型還有助於決策進入和離開市場的時間點。

從長期看,我個人非常有信心。價格會大致按照文章預測的方向演化。事實上,我認為這些預測更有可能只是過低而不是過高:面對大的外源衝擊時,我認為比特幣有更多的上行空間而不是下行發展。(藍狐筆記註:外源衝擊主要是指從外部輸入的影響,而這個影響一般不受內部體系影響。)不過,考慮到大的外源衝擊,本文並不試圖做任何預測。相反,我們會假設事情繼續「像往常一樣」。

看待價格的不同方式

比特幣價格最有意思和最讓人驚訝的地方是它在短短幾年內經歷了許多個數量級的變化。我能找到的第一個公開上市的價格是0.05美元,是2010年7月17日Mt Gox交易所上的價格,但在此之前,很多比特幣以更低的價格換手,比如2010年5月22日,Laszlo Hanyecz為兩個比薩餅支付了10,000個btc,當時價格大概相當於每個btc0.0025美元。在寫作本文時,比特幣價格在10,000美元左右徘徊,這個價格大約是Laszlo Hanyecz購買比薩餅時的400多萬倍。

對於金融工具來說,經歷如此巨大的數量級變化是不同尋常的,並且實際上,查看按照時間推移的比特幣價格變化可能讓人困惑,如果價格是以線性比例展示。(藍狐筆記:作者的意思是說,比特幣價格變化圖按照線性比例會呈現陡峭的變化,圖示讓人難以理解。所以,比特幣價格變化圖還有一種使用對數刻度的呈現。)

下面是比特幣從2010年7月17日到最近的價格圖。任何列出比特幣價格的網站上都可以找到類似的圖表。

比特幣的歷史價格

跟過去的價格相比,任何接近現在的價格都有大幅的變化,似乎過去的價格毫無意義。然而,為了理解長期價格趨勢的意義,所有過去的價格都有一定的重要性。產生上述效果的原因是使用線性比例對於經歷如此大數量級變化的價格圖來說是不方便的。

因此,使用對數標尺比線性標尺更有用。對數標尺給出的是同等的間距,例如從0.01到0.1和從1000到10000是同等的間距。從這個角度,比特幣價格演化的更大圖景變得更加清晰:

比特幣歷史價格,y軸對數

顯而易見的是,比特幣的價格增長率看上去趨於緩慢。價格從0.1美元到1美元,10倍的漲幅在幾個月內完成。而後續的10倍增益就趨於緩慢。

上圖中,價格(y軸)按對數比例縮放,而時間則不是(x軸)。讓我們來看一下,如果x軸也按照對數比例縮放會發生什麼(在所謂的對數—對數圖中):

比特幣歷史價格,對數—對數圖

現在的價格曲線看起來非常線性!

線性回歸

既然數據看上去如此線性,讓我們嘗試使用線性回歸。這個想法本身並不新鮮。我在reddit上也發現過嘗試這個方法的帖子。

對數—對數圖上的線性回歸展示出了冪律法則

綠線是線性回歸的結果。線性回歸給我們提供下列的冪律法則,以預測比特幣在特定日期的價格:

價格=10^(a + blog10(d))

其中a = -17.01593313,斜率 b = 5.84509376 ,d為2009年以來的天數。

注意:我們得到冪律,它是非線性的,因為我們在對數空間中進行了線性回歸。

從視覺上看,效果很適合。它非常好地回溯到交易所最初上市時的價格。令人感興趣的是,reddit上的帖子是發表於一年前,結果至今還很相似。此外,確定係數很高:0.93139763,這給予我們另一個跡象表明,我們有個不錯的模型擬合。

我們可以觀察確定係數是如何隨時間推移而演化的。令人驚訝的是,隨著時間的推移,模型傾向於更好地擬合數據:

在解釋比特幣的價格時,冪律正變得越來越好

x軸代表用於線性回歸模型的數據點(天)的數量,而y軸代表對擬合程度的衡量。比特幣的價格越來越符合冪律法則。

讓我們稍微擴展一下。如果我們移動上述的擬合線低一些,但不改變斜率,我們發現支撐線似乎效果很好:除了2010年的一個實例,價格從來沒有突破這條線:

冪律提供了很好的支撐線

對比特幣價格似乎有一個基本的支撐,這在歷史上看,它遵循了冪律法則。

我們也可以嘗試僅對2011、2013、以及2017年三個峰值執行線性回歸。有趣的是,這種擬合效果也很好:所有三個數據點都非常接近於線:

市場峰值遵循冪律

市場峰值似乎也遵循冪律。如果下一個市場頂部也遵循冪律,市場頂部將位於這條線上。這一冪律的斜率是5.02927337,而所有數據的擬合給予我們稍微更大的斜率5.84509376。

這表明,跟整體趨勢線相比,比特幣牛市相對容易控制。這可能是預期的。隨著市場成熟,訂單簿更有深度,人們可以預期波動性會更低。

我們現在有兩個冪律:比特幣價格變化(較低的支撐線)、以及由三個市場頂部定義的較高線。

現在,讓我們來看看哪個數據點最適合模型。我們將使用隨機樣本共識(RANSAC),它是去除離散值的迭代形式:首先,線性回歸在所有數據點上執行。然後,去除那些跟數據最不符合的數據點,並再次執行線性回歸。當50%的數據點被移除時,我們停止。該圖顯示結果:

穩健的回歸消除了牛市

此圖中突出顯示了由RANSAC選擇的數據點。似乎有兩組數據點:由RANSAC選擇的數據點非常接近於模型擬合。在不是由RANSAC選擇的數據點組中,這些值幾乎都高於模型擬合。實際上,其中有一些比模型擬合更高。這些數據點大多數發生在牛市中。比特幣價格似乎遵循兩種模式:

正常模式在此期間的價格由冪律很好地定義。

牛市模式在此期間,價格可能遠高於正常模式,並且其間價格波動更大。

價格在這兩種模式中的每一種中花費同等的時間。

最後,讓我們將所有上述的模型擬合組合成一個圖:

幾個冪律超強加於價格

我們看到,使用所有數據的擬合與RANSAC的結果有很高相似度的斜率,但偏移略有不同。這是因為牛市價格的大多數都被當成離散值被RANSAC(隨機樣本共識)排除在外。

模型預測

我們現在有各種模型來預測未來的比特幣價格。我們所要做的是擴展此圖表:

模型價格預測

該模型預測,價格將在紅色支撐線和藍色頂部線之間移動。紫色的穩健擬合/RANSAC線定義「正常模式」的中心。過去兩次減半以及預計未來的減半都由黑色垂直線標記。

我們可以進一步將這個走廊劃分為兩個帶,一個對應「正常」模式,一個對應「牛市」模式。迄今為止,價格已經在較低的「正常模式」帶花費了一半時間,而其餘時間則在較高的「牛市模式」帶中。

解讀

這種冪律模型預測比特幣價格是持續但緩慢地增長。它還預測未來會出現減少的但仍然很大的波動。它預測價格在2021年前無法達到10萬美元,但它也預測價格在2028年後不會低於10萬美元。

它預測價格不會在2028年前達到100萬美元,但它預測價格在2037年後不會低於100萬美元。該模型預測價格會不斷上漲,儘管上漲速度越來越慢。

跟其他的預測相比,這些預測似乎在一定程度上走的是中間道路。根據這個模型,McAfee的著名預測過於樂觀。

價格走廊很寬泛的事實和增長率趨緩的事實相結合,它意味著不幸運的投資者在安全收回初始投資之前必須等待越來越長的時間。例如,在2011年泡沫峰值購買比特幣的投資者只需要等待2年,也就是2013年實現永久解套。

然而,在2013年泡沫峰值購買比特幣的投資者,需要等待4年時間,也就是直到2017年,才實現永久解套(從價格中解套,並保持在該最高價格之上)。該模型預測,2017年泡沫峰值購買比特幣的用戶,需要等待6年時間,也就是2023年底,才能完全解套。

到目前為止,每個為期四年的減半期都有泡沫,每次價格都會被下個周期的泡沫所超越。由於增長趨緩和走廊的寬泛,這不能保證未來也會持續出現相同的情況。例如該模型允許如下場景:

在2022年初的價格為15萬美元,這是下一個和第四個四年周期。價格低於15萬美元,直到2028年中期,即第六個四年期間。這種情況會給予比特幣的批評者們提供彈藥,但只要做好準備,這不會是特別讓人擔憂的。

為什麼比特幣遵循冪律法則,我們應該期待它會一直持續嗎?關於比特幣遵循冪律法則的觀察無疑是自組織的。此外,除了時間之外,還有其他因素也會影響比特幣的價格,例如稀缺性。

然而,比特幣的稀缺性是程序設計的,也是基於時間的。基於時間的簡單模型在未來持續發揮作用並非不可信。就對數—對數圖中衡量而言,冪律擬合運作越來越好的事實表明這可能確實成立。

結論

本文中,我們提出了簡單的基於時間的方程來模擬比特幣的價格。值得注意的是,該方程式很簡單,使用時間作為唯一變量,但是,在很長時間內效果良好。

這個模型並不試圖預測牛市,但這似乎是定期發生的。然而,預計牛市將落在這個模式的走廊範圍中。

------

風險警示:藍狐筆記所有文章都不能作為投資建議或推薦投資有風險,投資應該考慮個人風險承受能力,建議對項目進行深入考察,慎重做好自己的投資決策。

相關焦點

  • 冪律:自然界中的一個普遍規律
    冪律,又稱冪定律、冪法則,英文:Power law,表述兩個量之間的一種函數關係,描述其中一個量的相對變化導致另一個量相對變化的關係,而與這些量的初始大小無關:一個量隨另一個量的冪而冪律變化,例如,正方形的邊長,如果長度加倍,則面積乘以四;如計算機摩爾定律的冪數增長;又如量子計算機的能力隨量子比特數呈冪數增長。
  • 冪律分布
    這種形態叫做冪律分布(power law distribution)。  在這樣的分布中,你可以注意到從排名最靠前的幾位提交者到大多數參與者之間照片數量的急劇下降。也請注意由於少數幾位攝影者不成比例的提交量,3/4的攝影者所提交照片數量低於平均值。這個模式在博客、郵件組等社會性媒體中普遍呈現。  這其中有兩個意外之處。
  • 未來的比特幣會走向何方,以下這些推測你認同嗎?
    中本聰(Satoshi Nakamoto)在消失前對比特幣的長期走勢發表了看法,他表示:「未來幾十年,當報酬過低時,交易費用將成為各個節點的主要補償。我相信,20年後,要麼交易量非常大,要麼沒有交易量。」在中本聰寫下這句話9年之後,現在我們已經進入了這場偉大的密碼貨幣實驗近10年。那麼它回走向何方呢?
  • 比特幣突破2萬美金後,什麼時候會出現回調?
    按照年初的價位來看,比特幣漲的並沒有那麼誇張。年初大概是7000左右,現在是2萬,基本上就是三倍左右。如果你拿去年的年初價格和去年的高點來看的話,去年的年初價格大概是在三四千,去年的高點是14000,大概漲了有4倍多。今年4倍其實都沒有漲到。是什麼樣的力量拉動了比特幣?
  • 坤鵬論:讀懂了冪律,就讀懂了成功曲線
    這個分布規律被稱為「冪律」,又被稱為「可預期的不均衡」。這種分布呈現出來的狀態則被稱為「冪律分布」。一、什麼是冪律和冪律分布?1.通過二八法則理解冪律和冪律分布所謂冪律,其實最好的實例就是二八法則。4.還有哪些典型的冪律分布?除了二八法則之外,著名的Zipf定律也遵從於冪律,表現為典型的冪律分布。該定律是1932年,哈佛大學的語言學專家喬治·K.齊普夫在研究英文單詞出現的頻率時發現的。
  • 長尾經濟學:以冪律解釋網際網路商業
    04於是,安德森就創立了一個反常識的「長尾經濟學」,而支持其思想的則是冪律。冪律最早來自維弗雷多·帕累託。帕累託在1897年發現,大約20%的人口掌握了80%的財富。由此他得出一個結論:在財富與人口的分配結構上,存在一種可預測的數學關係,他把這稱為「重要少數法則」。
  • :冪律分布告訴你成功不能全靠努力
    這就是著名的「二八法則」。 「二八法則」其實就是簡化版的「冪律分布」。 我們稱這種分布為「冪律分布」。 而「冪律分布」的另外一大特點,是我們從圖中看不出來的,即:「冪律分形」。 分形就是說,一個物體局部放大後呈現出來的圖形,與這個物體原本整體的圖形是一樣的。
  • 冪律分布擬合方法
    根據文獻一,對冪律分布的擬合主要包括:1.    假定原始數據服從冪律分布,常見的方法通過直方圖,利用公式p(x) ∝ x-α,可以得知冪律分布服ln p(x) = αln x + constant, 其在雙對數坐標的圖像上會表現為一條直線,以此來初步觀測數據是否可能服從冪律分布。2.
  • 為「成功」建模:冪律分布
    如果身高服從冪律分布,人間將變成美好的童話世界相比之下,冪律分布的曲線就類似於一條躺倒的、開口比較大的c型曲線。我們剛才說人類的身高可以歸為正態分布,大多數人屬於中等身材。冪律分布的公式其實非常簡單,類似於冪指數的樣子。外觀很像2的3次方的這樣一個形式。當然,如果你把它變成計算概率的公式的話,就需要把這個2變成變量x,然後3次方變成負數。因為在冪律分布裡,這個冪指數是一個負數,而且這個指數要小於-1。
  • 冪的運算小結+測驗(同底數冪的乘法、冪的乘方、積的乘方)
    冪的運算包括同底數冪的乘法、冪的乘方和積的乘方。同底數冪的乘法即相同底數的冪相乘,冪的乘方即乘方再乘方,積的乘方即乘積的乘方。二、法則積的乘方法則文字描述如果記不住,可簡記為分別乘方再相乘。三、推導同底數冪相乘法則是利用乘方的意義和乘法結合律推導而來,冪的乘方是利用乘方的意義和同底數冪相乘的法則推導而來,積的乘方是利用乘方的意義和乘法交換律、結合律推導而來。
  • 粗看長尾,細辨冪律:跨世紀的無標度網絡研究紛爭史
    圖3:偏好連結研究簡史(取自[2]) 圖4:冪律分布和無標度網絡研究中一些歷史性節點之間的引用關係網絡二、生成冪律分布的隨機框架之路A. 20世紀60年代:科學計量學之父普萊斯對冪律網絡的奠基性貢獻一些讀者也許對於科學計量學和普萊斯(Derek John de
  • 母基金周刊:解密資產配置邏輯——風險投資中的冪律曲線分布規律...
    情形一:第一年和第二年底各獲得50元現金收入,並在第二年底以100元的價格賣出原始投資。2. 情形二:第一年底虧損100元,第二年底實現現金盈利200元,並在第二年底以100元的價格賣出原始投資。VC基金回報率的冪律分布冪律分布(Power-law Curve)規律是指:滿足於某個具有分布性質的變量,其分布密布函數是冪函數,的分布規律。不同投資機構(LP)的收益目標、風險偏好、流動性需求、投資期限、適用稅率等等因素並不一樣,對其適用的最優資產組合必然也不一樣,因此,其配置到VC類資產的資金比例和管理人的選擇標準也會不一樣。
  • ...解密資產配置邏輯——風險投資中的冪律曲線分布規律及其現實意義
    情形一:第一年和第二年底各獲得50元現金收入,並在第二年底以100元的價格賣出原始投資。2. 情形二:第一年底虧損100元,第二年底實現現金盈利200元,並在第二年底以100元的價格賣出原始投資。VC基金回報率的冪律分布冪律分布(Power-law Curve)規律是指:滿足於某個具有分布性質的變量,其分布密布函數是冪函數,的分布規律。
  • 冪次法則(power law) 在生活中的應用
    當二邊均取對數(log)時,公式成為log(R(x)) = log(a) – b˙log(x)。若以log(R(x))為X軸,log(x)為Y軸,其分布圖呈直線,斜率為負。斜率之絕對值越小,代表規模差異越小。彼得·蒂爾的冪次法則也有大家熟知的另外一種表述:用80%的精力做20%的事。20%的關鍵事物帶來80%的收益,所以我們要把精力專注在最有價值的事情上。
  • 力學所災變破壞的冪律奇異性前兆及災變預測方法研究獲進展
    這種加速演化通常被刻畫為冪律關係,但冪指數卻表現出極大的分散性,這為理解災變破壞的機理及建立災變破壞預測方法帶來了極大困難。  近期,中國科學院力學研究所非線性力學國家重點實驗室研究員白以龍團隊針對災變破壞冪律奇異性前兆及災變破壞預測方法的研究取得新進展。
  • 疫情後加速變化的冪律分布和馬太效應!
    因此在這種背景下,職業收入的分布正在發生變化,即職業收入的分布正在由正態分布規則轉變為冪律分布!冪律分布的含義就是某個具有分布性質的變量,只要其分布密布函數是冪函數,都可以稱其滿足冪律分布規律。這種分布是自然界中的一種常見現象。譬如地震的大小,通常震級越小發生的頻率越大,震級越大發生的頻率就越小。以震級為自變量,以其發生的頻率(或概率)為因變量,符合(負)冪函數。
  • 七年級下學期,同底數冪的乘法,常見題型分析
    01直接應用同底數冪乘法法則同底數冪乘法法則:同底數冪相乘,底數不變,指數相加。通過這三道例題可以發現,同底數冪的乘法可以推廣到三個或三個以上的同底數冪相乘,法則和同底數冪相乘的法則一樣,底數不變,將三個或三個以上的指數相加即可。並且,底數除了單獨的數或字母以外,也可以是多項式,此時需要用括號括起來,只要底數相同即可認為是同底數冪。
  • 冪律智能完成數千萬Pre-A輪融資,推出法律知識管理協作系統
    12月1日,新芽Newseed(公眾號ID:pelink)獲悉,冪律智能(PowerLaw AI)宣布完成數千萬Pre-A輪融資,參投方包括紅杉資本種子基金、線性資本和IMO。此外,冪律智能發布了安全智能法律知識管理協作系統MeBox與AI驅動智能合同審查產品MeCheck。
  • Nature 物理:規模法則制約腫瘤生長
    因為散點圖在雙對數坐標下呈現出一條直線,所以變量之間可以擬合成冪函數關係。直線的斜率,也就是冪函數的指數。不同的指數,對應著亞線性、線性、超線性這三種增長方式。如果一個系統屬於亞線性增長,那麼隨著系統變大,其生長速度會變慢,正因克萊伯法則(冪律法則的一種特例)的存在,哥斯拉這樣巨大的怪物會不可能出現。
  • 考拉茲猜想獲得完全證明:冪尾數周期律與質函數迭代律
    一個是洛書定理,即冪尾數周期律,此引理證明費馬猜想時已用到;同時還證明了質函數迭代律,考察了質函數,即本原解相鄰迭代函數,其迭代解集具有相鄰互素性,互異傳遞性,個數有限性的特徵。由兩個引理可直接推出考拉茲猜想成立。這個猜想,自去年引起陶哲軒的注意後,一度在網絡上很火,數學同仁紛紛給出推進,依然沒有善巧的工具可以徹底拿下。