Erkenntnisse und Vorhersagen aus dem Bitcoin Power Law

Das kann die Schwingungsgleichung doch auch nicht. Wo berücksichtigt sie plötzliche Windböen oder was so ein Pendel sonst beeinflussen könnte?

Im Übrigen ist die Schwingungsgleichung als Vertreter der klassischen Physik und als Beispiel auch schlecht gewählt. Eine Formel aus der Teilchenphysik ist mir jedoch nicht auf die Schnelle eingefallen. Doch was ich verdeutlichen wollte, bleibt: Jede Formel / jedes Modell hat seinen Anwendungsbereich und taugt nicht für fremde Themen. Das gilt für die Schwingungsgleichung genauso wie für das BPL.

Ich bezweifle, dass Du den Bitcoins Worst Case Preis aus der Kenntnis seiner fundamentalen Eigenschaften heraus besser schätzen kannst, als das BPL. Ohne Beweis zweifle ich auch weiter daran.

Verstehe mich bitte richtig. Natürlich kann das BPL nicht als einzige Orientierung dienen. Natürlich speist sich mein zartes Vertrauen in des BPL zum großen Teil aus Bitcoins Eigenschaften. Doch die Eigenschaften allein geben mir keine Preisuntergrenze.

Ich verstehe das R des BPL als Aussagekraft des Modell, wenn gleich dieser nur sagt, wie gut der Trend des BPL zu den Daten passt.

Genau. Du sprichst die Validierung der Modelle an. Deswegen habe argumentiert, dass die Wirtschaftsmathematik zu Bitcoin gerade erst anfängt. Das BPL ist so zusagen eines der ersten Modelle. Natürlich müssen anderen Modelle gefunden werden, die die Blackbox weiter detaillieren. Oder das BPL bildet nur einen Teil eines größeren Modells. Wer weiß, was die Zukunft bringt. Mehr Forschung ist nötig.

Ich frage mich zum Beispiel, ob die abnehmende Varianz der Bitcoinkurse nicht auch mindestens durch einen Trend beschrieben werden könnte. Falls ja, könnte er der steigenden Varianz des BPL entgegenstehen.

Guter Punkt. Natürlich macht es einen Unterschied, ob die 10 oder 20% tiefsten Bitcoin Kurse nehmen, um den Worst Case Trend zu bestimmen.

Arbeitet die Physik nicht ähnlich? Ich habe Artikel gelesen, in denen die Eingangsparameter so lange angepasst wurden, bis das Modell endlich die Realität ausgespuckt hat.

Genau. Mir ist klar, dass das BPL sehr konservativ ist. Ich unterschätze die positive Zukunft lieber, als dass ich sie überschätze.

Dass das BPL keine Brechwahrscheinlichkeit ausgibt, ist natürlich schade. Nur so aus Neugier: Wie wird die Brechwahrscheinlichkeit der Schwingungsgleichung bestimmt? Wo ist ihr Fehlerbalken?

Welche Gesamtwahrscheinlichkeit? Was meinst Du? Die aus Erwartungswert, Best und Worst Case? Falls ja, das interessiert mich kaum. Für schaue auf den Worst Case.

Und genau darin - „Es ist sozusagen schwammig genug um immer richtig zu sein.“ - liegt ihr Nutzen für mich.

Danke @DasPie , dass Du Dir die Zeit nimmst, mich zu hinterfragen, zu challengen. Ich nehme mit, dass ihr (Du, Physiker im Allgemeinen) die Fehlerwahrscheinlichkeit des BPL hinterfragt. Zu recht. Das muss auf jeden Fall ergründet werden. Ich wüsste jedoch nicht, wie das aktuell zu bewerkstelligen wäre. Wie wird die Fehlerwahrscheinlichkeit für die Schwingungsgleichung bestimmt?

Gerade fällt mir die Heisenbergsche Unschärferelation ein. Da Ort und Zeit eines Teilchen nicht gleichzeitig exakt bestimmt werden kann: Wie steht es hier um die Fehlerwahrscheinlichkeit des Modells?

1 „Gefällt mir“

Die Schwingungsgleichung kannst du in der realen Welt anwenden wenn du ausschließt, dass die Störfaktoren zu groß werden. Nimm ein Verbrennermotor als Beispiel: Hier haben die Ingenieure es geschafft eine Machine zu bauen, in der periodisch exakt die gleichen Vorgänge ablaufen. Wie ist das möglich? Weil es Attraktoren gibt sodass das Modell mit sehr guter Wahrscheinlichkeit davon ausgehen kann, dass die betrachteten Objekte dahin bewegen, wo sie hin sollen. Das bedeutet: Selbst wenn es kleine Abweichungen durch die Realität gibt führen die Attraktoren dazu, dass diese Abweichung mit der Zeit immer kleiner werden und du dieses Modell quasi unendlich lange so weiter fortführen kannst. Ganz unendlich ist natürlich auch übertrieben, die Physik kennt keine Unendlichkeiten, irgendwann geht auch jede noch so gute Maschine einmal kaputt.

Und natürlich kannst du jetzt sagen: Ein Autounfall ist nicht im Modell vorgesehen und auch da hast du recht: Nach einem Autounfall funktioniert der Motor eventuell nicht mehr so wie im Modell vorgesehen, dann ist das Modell gebrochen.

Der Qualitiative Unterschied vom Modell des Motors und der Bitcoinpreiskurve ist, dass das Modell des Motors konvergiert während das Modell des Bitcoinpreises divergiert. Wegen dem Attraktor und der Schwingung im Motor werden die Fehler in Normalbetrieb immer kleiner während die Fehler bei dem Fit des Bitcoinpreises aus der Vergangenheit mit der Zeit immer größer werden.

Ich behaupte nicht, dass ich das aus den Eigenschaften von Bitcoin irgendwelche Preise ablese. Auch ich gehe dazu auf einen Markt um im Zusammenspiel mit vielen Marktteilnehmer einen Preis auszuhandeln.

Was ich dir nur versuche klar zu machen ist, dass du kein mathematisches Modell für die Tiefpunkte des Bitcoinpreises benötigst. Wenn dich das interessierst kannst du mit Lineal und Bleistift die Kurve so fortführen, wie du es für richtig hältst. Diese Linie hat dann eine genauso gute Vorhersagekraft wie eine berechnete Kurve. Und wenn du deine Informationen über Bitcoin mit einfließen lässt wird diese Kurve wahrscheinlich besser als jedes mathematische Modell.

Wenn du dir mal Finanzsendungen und Chartanalysen anschaust, da wird permanent drin herum gemalt und mit dem Bolligerband oder einer Schulter-Kopf-Schulter-Formation die Preise versucht vorherzusagen. All diese Modelle haben exakt die gleiche Vorhersagekraft bezüglich des Preises: Vielleicht geht es hoch, vielleicht geht es runter.
Aus dem einfachen Grund weil der Preis nur sekundär von den historischen Daten abhängt sondern vielmehr auf Angebot und Nachfrage reagiert, also wie die Menschen auf Ereignisse in der Realen Welt reagieren.

Wenn du den Preis irgend eines Assets also abschätzen willst, dann musst du möglichst viel Informationen aus der gesamten Welt sammeln und abschätzen, wie diese Information den Preis beeinflussen könnte. Damit kannst du deutlich bessere Prognosen aufstellen als es dir irgendeine Trendlinie sagen kann.

Die Eigenschaften des Assets (Bitcoin) zu kennen und zu verstehen gehören natürlich dazu, aber genauso wichtig ist es zu wissen, wie sich die Umwelt gegenüber Bitcoin verhält. All diese Daten haben einen Einfluss auf den Bitcoinpreis und umso mehr dieser Einflüsse du abschätzen und richtig genug vorhersagen kannst, desto genauer kannst du auch die Preisentwicklung vorhersagen.

Aber eines haben alle Vorhersagen gemeinsam: Es ist die Zukunft und die ist in unserer komplexen Welt nuneinmal ungewiss.

Hier ist es schwierig von „Die Physik“ zu sprechen weil das ein viel zu großer Bereich ist. Klar gibt es legitime Anwendungsgebiete von Regressionen oder Fit-Kurven, aber auch die angesprochenen Attraktoren in einem Modell müssen hinterfragt werden. Wenn du z.B. in einem Klimamodell Attraktoren einbaust, die in Wirklichkeit nicht vorhanden sind, dann spuckt dir dein Modell Daten aus, die du haben willst, es divergiert auch nicht und macht die Fehler somit beliebig klein. Aber wenn die Ergebnisse dann nicht der Realität entsprechen ist das Modell eben auch nicht wertvoll. Das Problem ist, dass man das Modell beliebig wählen kann und auch beliebige Attraktoren einbauen kann, wenn die Attraktoren dann aber (anders als im Motor) nicht existieren, dann weicht das Modell eben von der Wirklichkeit ab.

Problematisch wird es, wenn solche Modelle so gewählt werden, dass die Attraktoren die Historie beschreiben können, eine Garantie für die Zukunft ist das aber immer noch nicht. Es bleibt ein Modell, das gebrochen werden kann weil wesentliche Effekte nicht berücksichtigt worden sind. Nur wenn alle wesentlichen Einflussfaktoren mit berücksichtigt wurden und im Modell mit den richtigen Einflussfaktoren belegt wurden, dann ist das Modell aussagekräftig. Jede Simulation sollte also ersteinmal ehr wie ein Roman als eine Vorhersage betrachtet werden. Genauso könnte man ein Computerspiel spielen, das hat dann auch nicht viel mit der Wirklichkeit zu tun.

Aus diesem Grund lege ich mein Fokus eben auch explizit auf die Effekte, die einen Einfluss haben könnten. Diese Effekte zu sammeln und so realistisch wie möglich abzuschätzen, daraus kann man aufbauen und versuchen Prognosen zu erstellen. Die Effekte sind deutlich wichtiger als eine einfache Trendfortführung weil jeder Trend neue Effekte oder neue Erkenntnisse vernachlässigt und somit von diesen gebrochen wird.

Du kannst die Fehler des Modells mit dem Fehlerfortpflanzungsgesetz bestimmen und die Grundfehler aus der Varianz der historischen Daten abschätzen.

Und zu diesem Fehler kommt noch der Fehler der Anwendbarkeit des Modells.
Wenn du also die Fehler des Modells abgeschätzt hast, dann bleibt ja die Aussage der Trendlinie: Wenn das so weiter geht, dann geht es so weiter. Den Fehler von: So geht es weiter kannst du mathematisch aus dem historischen Datensatz abschätzen, dazu kommt noch der Fehler der Bedingung: Wenn es so weiter geht. Wie groß ist die Wahrscheinlichkeit, dass es so weiter geht? Das kannst du nur abschätzen, wenn du die großen Ereignisse rund um Bitcoin verfolgst und daraus deine Schlüsse ziehst, ob der Trend ehr nach unten geht (immer mehr Staaten verbieten Bitcoin) oder ob der Trend nach oben geht, weil es z.B. zu einer Hyperinflation gekommen ist.

All das zusammen ergibt dann die Gesamtwahrscheinlichkeit bzw. die Höhe der Fehlerbalken, wie gut die Werte des Modells wirklich sind.

Nein, natürlich ist das keine leichte Aufgabe die Fehlerrechnung zu machen und all die Unsicherheiten abzuschätzen. Genau deswegen wird das auch gerne von vielen Menschen weggelassen. Aber das bedeutet eben gleichzeitig, dass die Werte nicht vertrauenswürdig sind bzw. eine Genauigkeit suggerieren, die in den allermeisten Fällen einfach nicht gegeben ist.

Da wären wir im Bereich der Astrologie: Die liegen auch „immer richtig“ nur kann man mit den Aussagen nicht viel Anfangen bzw. alles hinein interpretieren was man selber will. Der Informationsgehalt ist damit nicht wirklich groß.

1 „Gefällt mir“

Ganz einfach: Der Fehlerbalken ergibt sich aus der Ungenauigkeit von g und l.

Die Erdbeschleunigung kannst Du am entsprechenden Ort auf 5 Nachkommastellen genau bestimmen. Je nach Längenmessung bekommst Du auch hier nur einen kleinen Fehler. Dann noch Fehlerfortpflanzungsgesetze berücksichtigen und schon hast Du Deinen Fehlerbalken.

Brechen wird da nichts. Im Gegenteil: Du wirst die hier (in dem Fall beim Pendel) die Formel für die Schwingdauer bestätigen, da Deine Vorhersage mit Deinen Messwerten übereinstimmen wird bzw. Deine Messwerte im vorhergesagten Intervall liegen werden.

2 „Gefällt mir“

Stimmt, ich habe die Fehler des Modells gelistet, nicht der Schwingungsgleichung :see_no_evil:

Mein erster Gedanke hierzu war: Das BPL kann ich doch auch in der realen Wert (=Bitcoinkurs bzw minimalster Bitcoinkurs) anwenden.

Bei nochmaligem darüber Nachdenken und zwischen den Zeilen lesen, scheint mir aber das, der wichtige Punkt zu sein:

Das passt auch zu Deiner/Eurer Kritik, dass die Varianz des BPL Erwartungswertes größer anstatt kleiner wird. Ich sehe gerade, dass Du mir das schon bestätigt hast:

Da ist mir der in den Daten liegende Trend lieber als meine Meinung allein oder gar meine Linie im Chart.

Wie kommt es, dass die Finanzwelt so gut mit der Anwendung der Mathematik fährt? Klar, es ist kein Selbstläuft, doch meines Verständnisses nach kann BlackRock mit Aladin den Markt schlagen.

Natürlich. Doch wer keine Ahnung hat, muss so anfangen:

Ihr sprecht von Fehlerfortpflanzungsgesetzen und Fehler der Anwendbarkeit des Modells. Lasse ich mir erstere von einer KI erklären, komme ich zu folgendem Punkt:

In der Praxis ist der Tag als Einheit oft exakt definiert (1. Tag, 2. Tag, etc.), sodass der relative Fehler von T tatsächlich vernachlässigbar oder sogar 0 ist. Das heißt, wenn du die Zeit (in Tagen) exakt kennst, trägt der Zeitfehler nicht zum Gesamtfehler des Preises bei.

Bleibt noch der Grundgedanke, der auf unbekannte Fehlereinflüsse zu verallgemeinern ist:

Die allgemeine Formel bleibt aber so, dass, wenn es Unsicherheiten in der Zeitmessung gäbe, diese um den Faktor n (dem Exponenten) verstärkt auf das Ergebnis übertragen würden. Bei einer exakten Zeitmessung fällt dieser Term einfach weg.

Für unbekannte Fehler meine ich gelernt zu haben, dass bei ihnen davon ausgegangen werden kann, dass sie sich gegenseitig abschwächen - vorausgesetzt, ein Modell funktioniert.

Ja, ich habe den Unterschied zwischen konvergierenden und divergierenden Modelle mitbekommen. Das BPL ist ein divergierendes Modell, das unschärfer und nicht genauer wird. Doch dem wirkt ja die beobachtbare, abnehmende Varianz des Bitcoinkurses entgegen. Angenommen, der liegt bei 70%, so steigt doch die Wahrscheinlichkeit, dass es nach dem Top nicht weiter runtergeht, oder?

Edit: Kann Bitcoins Volatilitätsindex nicht helfen, die Kursabweichungen der Wahrheit näher zu bringen?

Ich habe mir den Trend der Volatilität von einer KI berechnen lassen (R2 = 0,93) und folgende Formel für den gleitenden 60 Tage Wert erhalten:

σ60(T) = 0,75 * T^-0,22

Da die Volatilität sinkt, sinkt nach meinem Verständnis auch der (Input und damit auch der Output) Fehler. Für mich heißt das, dass das Delta zwischen Erwartungswert und tatsächlichem Wert abnimmt. Oder?

Sorry, dass ich nicht locker lasse. Sorry, dass ich unter Umständen das Gefühl vermittle, irgend etwas nicht verstehen zu wollen. Ich kann Euch versichern, dass Gegenteil ist der Fall. Ich will verstehen und bin für Euren erklärenden Gegenwind sehr dankbar. Ich würde mich sehr freuen, wenn Ihr weiterhin die Geduld aufbringt, mich an meinen Denkfehlern wachsen zu lassen. :slight_smile:

Ja, und das ist eben der Punkt. Das sind mathematische Modelle, die genau das machen, was ich oben einmal beschrieben habe. Komplexe Funktionen entwickeln, die beispielsweise Arbeitlosenquote, Geldmenge, Strompreis und co. hereinfließen lassen und basierend darauf Preisentwicklungen abschätzen.

So kann bei der Annahme, dass zu Wahrscheinlichkeit x die Arbeitslosenzahlen in Richtung y laufen, sich der Preis sich vermutlich entsprechend in Richtung z bewegt. Das braucht aber a) ziemlich komplexe Funktionen und mindestens genauso wichtig b) aktuelle und zuverlässige Daten. Und da ist BlackRock uns eben meilenweit voraus.

Die Zeichnen eben nicht nur einen Trendkanal wie das BPL. Sondern dort fließen Realwertdaten in die Modelle, zu der Normalsterbliche nicht einmal Zugang haben.

Die Zeit ist halt die unabhängige Variable. Du hast aber eben extreme Unsicherheit bzgl. Strompreis, Nutzung, Teilnehmer:innen, Arbeitslosendaten etc. und diese Unsicherheiten kommen eben nicht nur durch die Art des Messens zustande, sondern in erster Linie dadurch, dass ich zukünftige Entscheidungen nicht kenne und nur Wahrscheinlichkeiten angeben kann.

Nicht unbedingt. Es kommt auf die Arten von Fehlern an. Ein systematischer Fehler kann deine gesamte Funktion auch einfach um einen fixen Wert verschieben.

Wenn man von abnehmender Volatilität ausgeht, ja, dann nehmen die Schwankungen ab. Weil Volatilität ist Schwankung. Das ist ja rein deduktiv ersichtlich und bedarf keiner Wahrscheinlichkeitsbetrachtung.

Ein gutes Modell wird ganz sicher einen Volatilitätsfaktor in Abhängigkeit der Zeit berücksichtigen. Das macht diese Modelle ja auch so verdammt komplex.

3 „Gefällt mir“

Schon klar. Ich plädiere auch für nichts anderes, als irgendwo dafür anzufangen. Das BPL ist ein solcher Anfang für mich.

Und wie gehen Physiker mit Fehlern um, wenn sie noch keine Ahnung von dem haben, was sie untersuchen? Ohne Ahnung sind ihnen auch die Fehler unbekannt.

Irgendwo muss man ja anfangen. Wenn wir Menschen immer Komplexität gemieden hätten, stünden wir nicht, wo wir heute stehen. Oder? :grinning:

1 „Gefällt mir“

Ich finde, dass @DasPie eigentlich schon sehr deutlich gemacht hat, dass es einen Unterschied zwischen ‚echten‘ Modellen und willkürlichen Trendlinien gibt.

Aber ja, jeder darf das Modell zu Rate ziehen, das ihr oder ihm taugt.

Man muss hier glaube ich zwischen Modellen (wie in der Klimaphysik) und Modellen wie im Kontext der Schwingungsgleichung unterscheiden.

In ersterem können wir nur möglichst viele Bekannte Erkenntnisse berücksichtigen, aber womöglich sind gewisse Effekte nicht berücksichtigt. Je weiter wir mit dem Modell in die Zukunft schauen, desto unsicherer die Aussage.

Etwas wie die Schwingungsgleichung können wir jedoch gegenwärtig schon falsifizieren oder eben bestätigen. Hier liegt der Fehler in der Messung selbst. Also wie genau kann ich Fadenlänge und Erdbeschleunigung bestimmen. Ziemlich genau ja, aber eben doch fehlerbehaftet.

Konsens. Deswegen spreche ich mich ja auch für komplexere Modelle und gegen Trendlinien und Kaffeesatz aus. :slight_smile:

2 „Gefällt mir“

Guter Vergleich, die Modelle des Klimas sind diese komplexen Betrachtungen die möglich viele Faktoren hinzuziehen, um ein sehr akkurates Bild zu bekommen.

Aber @Achse hat schon auch recht, dass man schon mit sehr simplen Gleichungen vor Jahrzehnten extrem akkurat die Erwärmung vorhersagen konnte, indem einfach der steigende Wärmefluss mit einer exponentiellen Steigerung der Emission verrechnet wird.

Daher konnten mit relativ einfach Gleichungen/Kurven bereits vor Jahrzehnten der Treibhauseffekt bzw. die resultierende globale Temperatur ohne komplexe Modelle bestimmt werden, wenn auch die Schwankungen, also das „noise“ nicht betrachtet werden.
(Interessanterweise waren Vorhersagen für heutige globale Temperaturen 1980 akkurater als die Modelle des IPCC 2007, abgesehen von dem Erwärmungs-lag durch schmelzende Gletscher 1980-2000)

Am Ende würde ich sagen ist das komplexe Modell fehleranfälliger und daher die einfache Gleichung/Kurve bis zu einem sehr sicheren und akkuratem Modell aufgrund ihrer Einfachheit und weniger Fehlerpotential überlegen.

Für alle, die das Video noch nicht mitbekommen haben. Eine Einführung in Power Laws:

1 „Gefällt mir“

Ich hatte das schon in einem anderen Thread gepostet, aber hier passt es besser hin und ich hoffe, dass es andere auch interessiert und besprochen werden kann.

Das folgende Video ist meines Erachtens die beste mir bekannte Besprechung des Bitcoin Powerlaws.

Stephen Perrenod ist Astrophysiker und Spezialist für Hochleistungsrechner. Zusammen mit dem „Entdecker“ des Powerlaw Giovanni Santostasi ist er wohl einer der profiliertesten Kennern. Er erläutert fundiert das Potenzgesetz, dem Bitcoin seit Tag null bis dato folgt. Natürlich handelt es sich dabei um ein Modell und Modelle sind per Definition Vereinfachungen der Realität und können falsch liegen. Doch wie in den Naturwissenschaften auch, können gut konstruierte Modelle erstaunliche Muster sichtbar machen und tieferliegende Gesetzmässigkeiten offenlegen.

Die Persistenz (Beständigkeit) der Bitcoin-Preisentwicklung entlang der Power-Law-Linie ist aussergewöhnlich hoch. Bitcoin ist im Kern ein Netzwerk und sein Wachstum folgt denselben mathematischen Prinzipien wie andere selbstverstärkende Netzwerke, bei denen Skalierung, Adoption und Wertentwicklung nicht linear, sondern nach Potenzgesetzen verlaufen. Das kann man bei Lebewesen, Städten und selbst in der Astronomie beobachten.

Wer den Naturwissenschaften, insbesondere der Physik, nahesteht bzw. deren Denkweise und Methodik als robust und überzeugend empfindet, wird in diesem Gespräch zahlreiche interessante Denkanstösse finden.

6 „Gefällt mir“

Na dann. All in. ;)

1 „Gefällt mir“

Interessant finde ich auch Stephen Perrenods Darstellung warum es nie den 4-Jahres-Zyklus gab. Passt hier aber natürlich nicht rein :slightly_smiling_face:

4 „Gefällt mir“

Da wäre ich nicht so pingelich :slight_smile:

Ich bin nach wie vor fasziniert von diesen Modellen. Die besten Artikel die ich dazu bisher fand, sind englischsprachige wissenschaftliche Abhandlungen. Kennt jemand ein gutes deutschsprachiges Buch dazu?

Powerlaws generell wurden insbesondere von Geoffrey West popularisiert. Ich habe einige Vorträge von ihm gehört. Am sinnvollsten wäre die Lektüre seines Buchs, auch auf deutsch erhältlich:

Beschrieb:

„Dieses Buch erweitert Ihr Denken von drei auf vier Dimensionen.“
Nassim Nicolas Taleb, Autor von „Der schwarze Schwan“

„Scale“ ist ein großes Ideen-Buch, das uns neue Welten erschließt, ein intellektuelles Abenteuer, das bislang unverknüpfte Perspektiven und Wissensgebiete miteinander verbindet. Es zeigt, welche universalen Gesetzmäßigkeiten unserem biologischen und sozialen Leben zugrunde liegen, die uns alle auf so einfache wie tief reichende Weise miteinander verbinden. Wer wissen will, wie die Welt wirklich funktioniert, muss dieses Buch lesen.

Am Anfang stand die Faszination von Altern und Sterblichkeit. Mit der Präzision des Physikers hat West die Frage, warum wir so lange leben, wie wir leben, und nicht länger, zu beantworten versucht. Das Ergebnis war erstaunlich: West entdeckte, dass trotz bestehender Unterschiede alle Säugetiere skalierte Versionen voneinander sind. Kennt man die Größe eines Säugetiers, so kann man vom täglichen Nahrungsverbrauch über die Dauer des Reifungsprozesses bis hin zur Lebensspanne alles herausbekommen, was man über das betreffende Tier wissen will.
Seine für die Biologie bahnbrechende Forschung hat West auf andere Felder angewendet, insbesondere auf Städte und Unternehmen. In „Scale“ schlägt er vor, einige der großen Probleme, mit denen wir ringen - von der rasanten Verstädterung, dem Bevölkerungswachstum bis zum Verständnis von Krebs sowie den Ursachen von Altern und Tod -, auf der Basis eines ganzheitlichen Ansatzes anzugehen. Nur so gelangen wir zu Erkenntnissen und Strategien, mit denen wir diese großen globalen Herausforderungen auch bewältigen können.

"Mit diesem Ansatz nimmt West im Buch eine Vielzahl großer Fragen in Angriff und scheut sich bei der Suche nach Antworten nicht vor Spekulationen oder Provokationen.
Neue Zürcher Zeitung, André Behr

"Scale zeigt, dass alles zusammenhängt, von einem funktionierenden Stadtorganismus bis hin zu Unternehmensstrukturen. () Dieser ganzheitliche Ansatz ist spannend. Und es geht auch um Nachhaltigkeit, darum, uns und die Welt nicht mehr zu verbrauchen.
Börsenblatt, Mathias Meyer

"Ein faszinierendes Buch, das gänzlich neue Einsichten auf unsere Welt ermöglicht.
Mittelbayerische, Bernhard Lübbers

"Ein Werk, das philosophische Überlegungen mit neuen Forschungsmethoden kombiniert. Anregend, kontrovers und zugleich wissenschaftlich abgesichert.
GNOSTIKA

"Wests Werks (zähmt) die Komplexität der Welt und ermöglicht uns den einen oder anderen Aha-Moment.
Beschaffung aktuell Buchtipp, Sonja Dötting

„Ein Buch, randvoll mit aufregenden Ideen.“
*The Times

  • „Ein bedeutendes und originelles Buch von ungeheurer Reichweite.“
    *Martin Rees

    *„Scale liest sich wie ein wissenschaftlicher Kriminalroman.“ *
    Marcus du Sautoy

    *„Ich kenne keinen aufregenderen Denker in der Welt von heute als Geoffrey West.“ *
    Niall Ferguson*

    „Dieses Buch erweitert Ihr Denken von drei auf vier Dimensionen.“
    Nassim Nicolas Taleb, Autor von „Der schwarze Schwan“

    Autorentext
    Geoffrey West ist ein Pionier auf dem Feld der Komplexitätsforschung, der Wissenschaft von Systemen und Netzwerken. Der Physiker ist Professor am Santa Fe Institute, dessen Präsident er von 2005 bis 2009 war. Für seine Forschung wurde er mit zahlreichen, international renommierten Preisen ausgezeichnet. Im Jahr 2006 wurde er vom „Time Magazine“ zu den 100 einflussreichsten Menschen der Welt gerechnet.

2 „Gefällt mir“

Herzlichen Dank! Das werde ich mir spätestens vor dem nächsten Urlaub anschaffen :sunrise:

1 „Gefällt mir“

Das Bitcoin Power Law versucht sich am Sprung zu einer ernst zunehmenden Wissenschaft. Giovanni und Stephen haben das erste Paper im Rahmen ihres Bitcoin Institutes veröffentlicht, das den theoretischen Unterbau des BPL darlegt. Das Paper findet Ihr hier:

2 „Gefällt mir“

Klingt spannend. Hast du es gelesen und was ist ihr Fazit?