慕尼黑的小啤酒。附近有一家好酒店。

誠實的德國食物。

大多數語言在單詞之間有空格是有原因的。

美麗的山脈，穿過阿爾卑斯山前往慕尼黑。

在阿姆斯特丹見。

在羅馬附近的中世紀小鎮裏耶蒂的比特幣討論會。
我身邊的發言者是一位比特幣愛好者，還是意大利議會的成員，而另一位發言者是裏耶蒂省的副省長。

在羅馬令人驚嘆的街頭美食。我正在喫一份野豬三明治。他們還不接受比特幣...還沒有。
.

我們將在太平洋標準時間下午4:30舉行比特幣直播節目第26集，邀請Power Law和Minotaur團隊。
我們將討論最近的價格波動，關注冪律指標、全球和本地流動性。
在這裏加入我們，YouTube 和 Twitch。
評論中的連結。

宣布時的新服裝。

在這次修正之後，我將不得不推遲購買這座位於熱那亞的城堡。

Algo剛剛下探。
這就是爲什麼擁有這樣的算法是好的。波動性成爲你的朋友。
如果你想要訪問，請私信我。

評估比特幣冪律穩定性的優越方法，如我最近的帖子中所述，涉及將每日收益的對數(log(P2/P1))歸一化爲確定性因素log((t+1)/t)，其中t代表時間。
這種標準化有效地考慮了冪律的遞減收益，揭示出自可靠數據收集開始以來，所產生的標準化收益一直保持穩定。
附圖比較了過去四年的分布與前四年的分布，表明它們幾乎是相同的。
我們可以監控這一分配的關鍵參數隨時間的變化：
Mean (μ): 表示局部斜率，圍繞大約5.9的全局斜率振蕩。
Sigma (σ)：衡量波動性，已經穩定了超過八年(，並且在最早的幾年實際上更低)。雖然由於收益遞減，絕對波動性看起來較小，但在相對層面上仍然保持一致——這一點雖然違反直覺，但有實證支持的觀察。
Nu (ν)：表示尾部沉重，反映出大幅價格波動的可能性(例如，10%的變化)。該參數在多個年度中也顯示出顯著的一致性。
通過每六個月甚至每月生成報告，我們可以跟蹤這些參數以發現任何顯著的偏差。然而，到目前爲止，冪律展現出前所未有的一致性。

從整體來看，這是一本不錯的書。
也許在某個時候我會對它進行評審。我沒有查看整本書(超過400頁)，但似乎比特幣沒有被提及，這太荒謬了。

比特幣仍然非常緊密地遵循冪律。
本週期沒有泡沫的跡象，但我們觀察到價格從冪律支撐移動到一般趨勢，然後價格隨着冪律以小幅波動(在其周圍波動幾個百分比)。
目前尚不清楚這是否是比特幣的未來(沒有重大泡沫)；我們需要更多數據來理解這一點。