🚨 Très important : Modélisation de Bitcoin La loi de puissance originale de Bitcoin a été ajustée avec une régression OLS. Elle était invalide dès le premier jour. L'OLS ne peut pas produire de résultats valides sur des données avec les caractéristiques de Bitcoin : • Non stationnaire • Autocorrélée • Asymétrique à droite • À queues épaisses Ce n'est que lorsque j'ai introduit l'idée d'utiliser la régression quantile pour la loi de puissance de Bitcoin que nous avons eu une régression statistiquement valide pour le jeu de données unique en série temporelle de Bitcoin. Ce n'est pas une question de préférence. L'OLS nécessite quatre hypothèses pour produire des résultats valides : variance constante, erreurs indépendantes, résidus normalement distribués et pas de dominance des valeurs aberrantes. Bitcoin viole les quatre. Simultanément. Toujours. Bitcoin est une série temporelle non stationnaire. Variance constante. L'OLS suppose que l'écart des résidus est le même partout. La volatilité de Bitcoin a diminué d'un ordre de grandeur. En 2011, le prix pouvait bouger de 100x en quelques mois. En 2024, un mouvement de 3x est un cycle majeur. L'OLS ne peut pas faire la différence. Il traite les deux époques comme si elles avaient la même incertitude. Erreurs indépendantes. L'OLS suppose que chaque observation est un tirage indépendant. Les prix de Bitcoin sont corrélés dans le temps. Le prix d'aujourd'hui est fortement prédictif de celui de demain. L'OLS sous-estime considérablement les véritables erreurs standards. Les intervalles de confiance qu'il rapporte sont beaucoup trop étroits. Ils semblent précis. Ils ne le sont pas. Résidus normaux. L'OLS est l'estimateur du maximum de vraisemblance uniquement si les erreurs sont gaussiennes. Les résidus de Bitcoin ne sont pas gaussiens. Ils sont asymétriques à droite parce que les excès de marché haussier sont plus importants que les baisses de marché baissier. Ils ont des queues épaisses parce que les mouvements extrêmes se produisent beaucoup plus souvent que ne le prédit une distribution normale. Ce sont deux problèmes distincts. L'asymétrie signifie que la distribution est asymétrique. Les queues épaisses signifient que les extrêmes sont trop fréquents. Bitcoin a les deux. Pas de dominance des valeurs aberrantes. L'OLS minimise les erreurs au carré. Un point de données éloigné de 5 fois de la ligne a 25 fois l'attraction. Les sommets de bulle de Bitcoin sont exactement ce type d'observation extrême. Une poignée de sommets de bulle déplacent toute la ligne ajustée plus que des milliers d'observations normales. La moyenne est tirée vers les bulles. L'ajustement représente les valeurs aberrantes, pas les données. Bitcoin ne viole pas partiellement ces hypothèses. Il viole les quatre, tout le temps, sur l'ensemble du jeu de données. Il n'y a aucun sous-ensemble de données Bitcoin où les hypothèses de l'OLS tiennent. Les intervalles de confiance sont faux. Les erreurs standards sont fausses. L'estimation ponctuelle elle-même, la moyenne, est un résumé trompeur d'une distribution asymétrique. Le graphique de gauche montre l'ajustement OLS de la moyenne. Le graphique de droite montre l'ajustement de la régression quantile de la médiane. Même données. Le bon outil.

@grok Donne un résumé détaillé, simple, compréhensible par tous. Et ce qui est dit est-il exact et vrai ?

"Oui, l'explication est précise et vraie. Ce sont des principes statistiques fondamentaux ; la régression quantile est largement reconnue comme plus adaptée aux séries non normales, autocorrélées et hétéroscédastiques de Bitcoin." - Grok

Résumé simple : La régression quantile est robuste face aux problèmes du jeu de données unique en séries temporelles de Bitcoin, tandis que la régression OLS ne l'est pas. La régression quantile est statistiquement valide pour le jeu de données de Bitcoin, alors que la régression OLS ne l'est pas.

Personne ne devrait estimer la valeur de tendance / la valeur juste avec la régression OLS.