Chiarifichiamo queste idee sbagliate perché sembrano ripetersi continuamente. 1) La Legge di Potenza di per Sé Non Indica Bolle È fondamentale sottolineare questo punto ripetutamente: secondo il modello della legge di potenza, non ci sono bolle intrinseche. Qualsiasi apparente deviazione (bolle e correzioni) si annulla efficacemente nel lungo termine, lasciando intatta la tendenza sottostante. Le Bolle Esistono a un Livello Più Profondo e Possono Essere Analizzate Sebbene la legge di potenza smussi gli estremi, le bolle si manifestano nei dati. Sottraendo la tendenza generale della legge di potenza dalla serie di prezzi, puoi isolare e studiare queste deviazioni: la loro struttura, i modelli e le regolarità. Questo approccio basato sui dati è di gran lunga superiore a congetture speculative sui futuri picchi. 2) Caratterizzazione delle Bolle: Metodo di Decadimento Esponenziale Esistono diverse tecniche per modellare queste bolle. Un metodo affidabile osserva che il decadimento dai massimi picchi segue spesso un modello esponenziale. Se questo decadimento persiste, suggerisce che la prossima bolla potrebbe deviare di circa l'80% sopra la tendenza della legge di potenza. Ad esempio, se la legge di potenza proietta un livello di riferimento di circa 130K entro la fine dell'anno (un punto comune per i massimi dei cicli), questo implica un picco potenziale vicino a 200K. In alternativa, puoi visualizzarlo come un "canale di decadimento" che delimita i massimi nel tempo. 3) Regressione Quantile per Modellare le Deviazioni Un altro approccio utilizza la regressione quantile per modellare le deviazioni dalla legge di potenza. Ho discusso i pro e i contro di questo metodo in dettaglio in uno dei miei articoli (link nei commenti). Il suo vantaggio è che non richiede un'assunzione esplicita di decadimento per i massimi. Tuttavia, un importante svantaggio è che adatta le leggi di potenza direttamente ai picchi, il che può sovrastimare le possibili deviazioni. Ecco perché modelli come quello di @TheRealPlanC tendono a prevedere massimi più alti rispetto al mio. 4) Modello Quantile Ibrido con Decadimento Per affrontare le limitazioni, puoi migliorare il metodo quantile incorporando un componente di decadimento esplicito, come descritto nel mio articolo. Questo ibrido combina i punti di forza del canale di decadimento (delimitazione realistica dei picchi) e della regressione quantile (gestione flessibile delle distribuzioni dei dati), producendo stime più equilibrate. 5) Critica dell'Approccio Bitbo (Adattamento della Legge di Potenza ai Massimi o Corridoio della Legge di Potenza) Il metodo Bitbo si limita ad adattare una legge di potenza direttamente attraverso i massimi storici, un'idea proposta per la prima volta da @hcburger1 per stimare potenziali intervalli (lui lo chiamava Corridoio della Legge di Potenza). Il fondo del corridoio, a proposito, è valido e supportato da statistiche solide. Ma non la parte superiore. Sebbene ne abbia discusso ampiamente con lui, non è l'approccio ottimale: è simile alla regressione quantile ma inferiore, poiché assume che una semplice legge di potenza governi i massimi. In realtà, solo il 50° percentile inferiore dei dati aderisce rigorosamente a una legge di potenza; i massimi mostrano un comportamento più complesso. Questo porta a stime inaffidabili e sovrastimate. Spero che questa analisi chiarisca le distinzioni tra questi metodi. In generale, ricorda che le previsioni per le deviazioni delle bolle sono intrinsecamente meno prevedibili rispetto alla tendenza centrale della legge di potenza stessa. La legge di potenza rimane robusta e si rafforza con più dati, fungendo da riferimento fondamentale. Le deviazioni specifiche del ciclo, sebbene utili, sono secondarie e non centrali nella teoria: si basano sulla legge di potenza per il contesto e portano maggiore incertezza.