Die Standard-Power-Law-Regressionsanalyse verletzt grundlegende OLS-Annahmen und überschätzt systematisch die BTC-Preisschätzungen. Das BTC-Power-Law verwendet OLS. OLS hat 5 testbare Annahmen. BTC verletzt 4. 1. Unabhängigkeit ❌ — DW = 0.007, lag-1 ρ = 0.997 2. Konstante Varianz ❌ — Residualvarianz schrumpft um das 3,5-fache 3. Normalverteilung ❌ — Schiefe = +0.91 4. Strukturelle Stabilität ❌ — Exponent sinkt um 12% über die Hälften 5. Nullmittelwerte der Residuen ✅ — Garantiert durch Konstruktion Ich habe ein Modell entwickelt, das die beiden schlimmsten Probleme behebt und die anderen beiden teilweise verbessert. FGLS + AR(1): Machbare verallgemeinerte kleinste Quadrate mit Korrektur der ersten Ordnung für Autokorrelation. 𝐅𝐢𝐱 𝟏: 𝐀𝐮𝐭𝐨𝐤𝐨𝐫𝐫𝐞𝐥𝐚𝐭𝐢𝐨𝐧 ❌ → ✅ Cochrane-Orcutt iterative Schätzung. Konvergiert bei ρ = 0.997. DW: 0.007 → 2.02. Autokorrelation vollständig entfernt. SE wurde um das 28-fache unterschätzt. Jetzt ehrlich. 𝐅𝐢𝐱 𝟐: 𝐇𝐞𝐭𝐞𝐫𝐨𝐬𝐤𝐞𝐝𝐚𝐬𝐭𝐢𝐜𝐢𝐭𝐲 ❌ → ✅ Parametrisches Varianzmodell: Var(ε) = σ² × t⁻¹·²¹ BTC konvergiert in Richtung des Power Laws. Maximaler Überschuss: 15,5× (2013) → 1,3× (2025). Gewichtetes Varianzverhältnis: 3,49× → 1,85×. 𝐈𝐦𝐩𝐫𝐨𝐯𝐞 𝟑: 𝐍𝐨𝐫𝐦𝐚𝐥𝐢𝐭𝐚𝐭 ❌ → ⚠️ Die Schiefe sinkt von +0.91 auf +0.32. Mania-Überschüsse werden abgewichtet, da sie in der frühen Hochvarianten-Ära auftraten. Nicht vollständig behoben, aber 65% Reduktion. 𝐈𝐦𝐩𝐫𝐨𝐯𝐞 𝟒: 𝐒𝐭𝐚𝐛𝐢𝐥𝐢𝐭𝐚𝐭 ❌ → ⚠️ FGLS gewichtet die frühe steile Wachstumsära ab und verankert die Anpassung an aktuelle präzise Daten. Der Exponent verschiebt sich vom Durchschnitt der gesamten Stichprobe (5.66) in Richtung der aktuellen Trajektorie (5.32). Passt immer noch zu einem einzelnen Exponenten, aber einem, der widerspiegelt, wo BTC jetzt steht, nicht wo es 2013 war. ...