Attrattore caotico di Bitcoin: 5 prove che i residui non sono rumore

— Manoscritto · Sistemi dinamici —

─ ▶ ◉ ◀ ─

Abstract. I residui del prezzo di Bitcoin rispetto alla legge di proporzione (esponente β≈5,69, R²>0,96) non sono rumore casuale: ricostruiti nello spazio degli stati in tempo logaritmico, evolvono su un attrattore caotico dissipativo a bassa dimensione. Le nostre analisi su circa 5.800 osservazioni giornaliere, interpolate su 3.000 punti equispaziati in log-età e immerse in uno spazio a m=6 dimensioni (circa 2.750 stati ricostruiti), restituiscono cinque evidenze convergenti: una traiettoria compatta e confinata per oltre 16 anni; due esponenti di Lyapunov positivi; una somma degli esponenti negativa (sistema dissipativo); una dimensione di Kaplan-Yorke D_KY≈4,1 come limite inferiore; uno spettro stabile al variare dei parametri di ricostruzione. Conclusione: i cicli di espansione e contrazione di Bitcoin sono dinamica deterministica, non estrazioni casuali. La legge di proporzione è la destinazione; l’attrattore è il percorso.

Perché i residui sono il banco di prova: l’ipotesi dell’attrattore caotico

La legge di proporzione descrive la traiettoria di lungo periodo del prezzo di Bitcoin con una precisione che nessuna classe di attivi replica: log₁₀P = −16,493 + 5,688·log₁₀t, con R² tra 0,96 e 0,964 su oltre quindici anni di dati giornalieri. Ma un modello di trend, per quanto potente, lascia dei residui: gli scostamenti del prezzo sopra e sotto la curva, con deviazione tipica di circa 0,30 dex. La domanda scientifica decisiva è: che cosa sono questi residui?

Le ipotesi in campo sono due, e sono mutuamente esclusive.

• Ipotesi nulla (rumore): i residui sono fluttuazioni stocastiche senza struttura dinamica. In tal caso, nello spazio degli stati ricostruito dovrebbero apparire come una nuvola diffusa, con esponenti di Lyapunov non interpretabili e dimensione effettiva pari a quella dell’embedding.
• Ipotesi alternativa (attrattore caotico): i residui sono l’evoluzione di un sistema dinamico deterministico a bassa dimensione. In tal caso, la traiettoria ricostruita deve risultare confinata in una regione compatta, esibire divergenza esponenziale lungo poche direzioni (caos) e contrazione dei volumi di fase (dissipazione).

Avevamo già mostrato che i residui contengono struttura: la distribuzione asimmetrica delle deviazioni dal trend e i tre modi log-periodici del ciclo erano indizi convergenti. Il test dell’attrattore caotico è però di natura diversa: non descrive la forma statistica dei residui, ma la loro dinamica di stato. È il passaggio dalla statistica alla teoria dei sistemi dinamici.

Metodologia: come si ricostruisce lo spazio degli stati

La procedura segue il teorema di immersione di Takens, lo strumento canonico per ricostruire la dinamica di un sistema osservandone una sola variabile.

1. Detrendizzazione. Si rimuove dal prezzo il trend della legge di proporzione: restano i residui r(u), con u = log₁₀(età). Il log-tempo non è una scelta estetica: è la base naturale del sistema, coerente con l’invarianza di scala che caratterizza l’intero corpus dei nostri modelli.
2. Griglia uniforme in log-età. Le circa 5.800 osservazioni giornaliere vengono interpolate su 3.000 punti equispaziati in u, così che la dinamica sia campionata in modo omogeneo rispetto alla variabile in cui il sistema è invariante.
3. Delay-coordinate embedding. Ogni stato del sistema è il vettore [r(u), r(u−τ), r(u−2τ), …, r(u−5τ)]: un “pettine” a m=6 denti, con spaziatura τ=50 passi di griglia (circa il 4% dell’età: da ~1 mese agli esordi a ~6 mesi oggi). Il risultato è una traiettoria di circa 2.750 stati in uno spazio a 6 dimensioni.
4. Stima dello spettro di Lyapunov. Si misura come evolvono perturbazioni infinitesime lungo la traiettoria, usando K=200 stati vicini (circa 1/6 dell’età) e un orizzonte di predizione di 10 passi. Lo spettro risultante è stabile e monotono al variare di K: non è un artefatto della scelta dei parametri.

Le cinque prove dell’attrattore caotico

Prova 1 — La traiettoria è compatta e strutturata. Oltre 16 anni di residui restano confinati nella stessa regione dello spazio degli stati: lo stato iniziale e quello finale giacciono nella stessa zona. Un processo puramente casuale riempirebbe lo spazio come una nuvola diffusa; qui la traiettoria disegna una figura geometrica precisa e ricorrente. È la firma qualitativa di un attrattore.

Prova 2 — Due esponenti di Lyapunov positivi. Lo spettro a m=6 restituisce 2 esponenti positivi e 4 negativi. Due direzioni di divergenza esponenziale significano sensibilità alle condizioni iniziali: la definizione operativa di caos deterministico. Non uno, ma due gradi di instabilità: il sistema è iper-caotico nel senso tecnico del termine, e questo esclude sia il rumore puro sia una dinamica periodica regolare.

Prova 3 — La somma degli esponenti è negativa. Sommando tutti gli esponenti si ottiene un valore minore di zero: i volumi nello spazio delle fasi si contraggono. Il sistema è dissipativo, non esplosivo né conservativo: le traiettorie vengono continuamente riassorbite verso l’attrattore. È la controparte matematica di un fatto empirico che osserviamo da anni: le deviazioni estreme dal trend non persistono, rientrano.

Prova 4 — Dimensione di Kaplan-Yorke D_KY≈4,1. Dallo spettro si ricava la dimensione frattale dell’attrattore: circa 4,1 con m=6, da leggersi come limite inferiore (l’esplorazione a immersioni maggiori suggerisce una dimensione effettiva ≥6). Il punto qualificante è la bassa dimensionalità: la dinamica di lungo periodo del mercato più discusso del mondo è governata da appena 4–6 gradi di libertà effettivi. Un mercato “dominato dal caso” non potrebbe comprimersi così.

Prova 5 — Robustezza e coerenza con la log-periodicità. Lo spettro è stabile e monotono al variare del numero di vicini K, e i risultati non dipendono da scelte fini di τ. Soprattutto, l’attrattore non è un modello concorrente rispetto ai nostri risultati precedenti: la log-periodicità a scala discreta λ≈2 che misuriamo da tempo nei residui è esattamente ciò che ci si attende come firma osservabile di un sistema dinamico di questo tipo. La geometria spiega la periodicità, non la contraddice.

— Tesi centrale —
I residui della legge di proporzione sono incompatibili con puro rumore casuale. La gerarchia del sistema Bitcoin si articola su tre livelli: la legge di proporzione è la destinazione (la varietà di equilibrio dell’adozione di lungo periodo); la log-periodicità (λ≈2) è il comportamento di scala discreto; l’attrattore caotico è il percorso, la dinamica di stato che collega i due. I cicli di boom e contrazione non sono incidenti: sono l’evoluzione deterministica del sistema sul suo attrattore.

Che cosa NON dicono le prove

Il rigore impone di delimitare le conclusioni con la stessa cura con cui si affermano.

• Non dicono che i residui siano prevedibili a lungo termine. Al contrario: due esponenti di Lyapunov positivi implicano un orizzonte di prevedibilità finito. La sensibilità alle condizioni iniziali degrada esponenzialmente qualunque previsione puntuale sui residui oltre poche stagioni. Questo è pienamente coerente con il nostro modello di previsione dei residui log-periodici, che opera deliberatamente solo out-of-sample su circa 12 settimane. Chi promette previsioni puntuali a un anno sui residui sta violando la matematica del sistema che pretende di descrivere.
• Non dicono che D_KY=4,1 sia la dimensione vera. È un limite inferiore vincolato dall’embedding a m=6; la dimensione effettiva è plausibilmente ≥6. L’affermazione difendibile è d’ordine: pochi gradi di libertà, non “esattamente 4,1”.
• Non dicono nulla contro la legge di proporzione. L’attrattore vive nei residui, cioè in ciò che resta dopo aver rimosso il trend. L’ancora di lungo periodo — β≈5,69, R²>0,96 — resta intatta e anzi ne esce rafforzata: la dissipazione (Prova 3) è il meccanismo che riporta il prezzo verso la curva.
• Non sono una prova di determinismo totale del mercato. Il rumore esogeno esiste (shock normativi, macro); la tesi è che la componente dominante dei residui sia dinamica deterministica a bassa dimensione, non che il caso sia assente.

Implicazioni

Primo: cambia lo statuto epistemico dei cicli. Se i boom e i bust sono l’evoluzione di un attrattore caotico, allora non vanno “spiegati” di volta in volta con narrazioni esogene: sono il comportamento normale del sistema. Secondo: la distinzione destinazione/percorso fornisce la divisione del lavoro corretta tra i modelli — la legge di proporzione per l’orizzonte pluriennale, la dinamica sull’attrattore per la posizione nel ciclo, con un orizzonte di validità dichiarato e finito. Terzo: la bassa dimensionalità è una notizia operativa, perché un sistema a 4–6 gradi di libertà può essere monitorato; il prossimo fronte delle nostre analisi è la geometria locale dell’attrattore (stiramento, curvatura, fase) come informazione sul comportamento a breve.

Falsificabilità

La tesi dell’attrattore caotico è falsificabile su almeno quattro fronti: (1) se, ripetendo la ricostruzione con finestre dati future, la traiettoria smettesse di essere confinata (nuvola diffusa), l’ipotesi cadrebbe; (2) se lo spettro di Lyapunov perdesse gli esponenti positivi o la somma diventasse positiva, cadrebbero rispettivamente caoticità e dissipazione; (3) se D_KY crescesse sistematicamente con m senza saturare, la bassa dimensionalità sarebbe un artefatto; (4) se un modello stocastico privo di struttura dinamica riproducesse le stesse firme (surrogate test), la specificità della prova verrebbe meno. Nessuna di queste condizioni risulta oggi verificata.

─ ─ ◆ ─ ─

Riferimenti

• Cryptograssini.com, L’attrattore nascosto di Bitcoin: la figura geometrica che guida i cicli da 16 anni, luglio 2026.
• Cryptograssini.com, La legge di proporzione di Bitcoin: derivazione e stime dell’esponente, 2026.
• Takens, F., Detecting Strange Attractors in Turbulence, Lecture Notes in Mathematics 898, 1981.
• Kaplan, J. L., Yorke, J. A., Chaotic Behavior of Multidimensional Difference Equations, 1979.
• Lorenz, E. N., Deterministic Nonperiodic Flow, Journal of the Atmospheric Sciences, 1963.
• Wolf, A., Swift, J. B., Swinney, H. L., Vastano, J. A., Determining Lyapunov Exponents from a Time Series, Physica D, 1985.
• Sornette, D., Why Stock Markets Crash, Princeton University Press, 2003.

Disclaimer: contenuto a scopo esclusivamente educativo e di divulgazione scientifica. Non costituisce consulenza finanziaria né incitazione all’investimento; ogni decisione è di esclusiva responsabilità del lettore.