— Manoscritto · Volatilità e drawdown —
─ ▶ ◉ ◀ ─
Abstract. La volatilità di Bitcoin non è una costante e non è rumore: è una funzione decrescente dell’età della rete. Calibrando l’inviluppo dei residui logaritmici del prezzo si ottiene σ(t) ≈ 1/(t + 8,04), pari a circa il 42% annuo all’età attuale (≈ 17,4 anni), in discesa dal 56% del 2011 verso un asintoto stimato σ∞ ≈ 18%. In questo quadro un drawdown del 30–50% non è un’anomalia da spiegare con una notizia, ma l’ampiezza attesa di un’oscillazione attorno alla legge di proporzione (β ≈ 5,67). Questo manoscritto mostra, con misure indipendenti, che il calo in corso è struttura, non eccezione.
Perché il drawdown viene letto come anomalia
La narrazione di mercato tratta ogni discesa come un evento isolato: un deflusso dagli ETF, una rotazione settoriale, una notizia macro. Questa lettura confonde l’innesco con la causa. L’innesco cambia di volta in volta; l’ampiezza del movimento, invece, è sorprendentemente regolare quando la si misura nel tempo logaritmico anziché nel tempo solare. È la differenza tra raccontare la cronaca e misurare la struttura: la posizione nel ciclo non si sente, si misura.
Il problema metodologico è semplice da enunciare. Se la dispersione del prezzo attorno al proprio valore di trend si comprime in modo prevedibile con l’età, allora i drawdown “grandi” di oggi sono più piccoli, in termini relativi, di quelli di cinque o dieci anni fa, e perfettamente compatibili con un processo stazionario nei residui. La domanda corretta non è “perché Bitcoin è sceso”, ma “questa discesa rientra nell’ampiezza che il modello prevede a questa età?”.
Il tempo che conta è quello logaritmico
Bitcoin non scorre nel tempo solare ma nel tempo logaritmico: gli eventi strutturali si diradano man mano che la rete invecchia. Per questo l’idea di un “ciclo di quattro anni” a calendario fisso non supera il vaglio dei dati. La decomposizione in modi log-periodici (invarianza di scala discreta) batte sistematicamente il miglior ciclo lineare, con differenze di criterio informativo di Akaike nell’ordine delle centinaia; e il miglior ciclo lineare, quando lo si stima, cade a circa 3,5 anni, non 4. La volatilità eredita questa stessa logica: si comprime lungo l’asse del logaritmo dell’età, non lungo il calendario.
Metodologia: come si misura l’inviluppo della volatilità
Definiamo il residuo logaritmico r(t) come la distanza tra log-prezzo osservato e log-prezzo di trend dato dalla legge di proporzione, log₁₀P = −16,493 + 5,688·log₁₀t, con t in giorni dal blocco genesi (3 gennaio 2009). Su oltre 5.600 osservazioni giornaliere, l’inviluppo dei valori assoluti dei residui è ben descritto da una forma iperbolica:
E(|r|) = 4,0 / (Età + 8,0) (R² = 0,51)
La forma è one-sided e conservativa, perché i residui sono asimmetrici verso l’alto. Separando i due lati si ottengono inviluppo positivo 2,63/(Età+2,50) con R² = 0,66 e inviluppo negativo −3,44/(Età+8,78) con R² = 0,45. La distribuzione dei residui non è gaussiana: una mistura a due componenti la descrive meglio, ma la gaussiana resta un’approssimazione prudente per fissare le bande. È un quadro di eteroschedasticità deterministica: la varianza non è costante, ma la sua legge di variazione è nota.
Il modello: volatilità età-dipendente
Da qui la volatilità età-scalata σ(t) ≈ 1/(t + 8,04), calibrata al 42% odierno. La conseguenza è non banale: sia il rendimento atteso μ sia la volatilità σ calano come reciproci dell’età, ma σ cala più in fretta perché la varianza scala come 1/t². Il rendimento corretto per il rischio decresce dunque molto più lentamente del rendimento grezzo. Bitcoin diventa più lento, ma anche meno volatile.
Tre numeri-firma fissano la scala del fenomeno oggi. Il rapporto di Sharpe strutturale μ/σ vale circa 0,89, con asintoto di lungo periodo ≈ 0,53. La frazione di Kelly continua μ/σ² vale circa 2,1 e — fatto contro-intuitivo — ha già superato il proprio minimo attorno all’età 12 e sta risalendo, perché la varianza si contrae più rapidamente del rendimento. La volatilità storica a un anno, infine, è passata dal 56% del 2011 al 21% del 2026, con costante di tempo ≈ 5 anni: il rapporto σ_BTC/σ_S&P500 si è ridotto da 11,1× a 5,2×. Tre misure diverse — inviluppo dei residui, rapporto rischio-rendimento, volatilità realizzata — convergono sulla stessa conclusione.
— Tesi centrale —
Un drawdown del 30–50% all’età attuale rientra nelle bande ±2σ della legge di proporzione (fattore ≈ 2,5 attorno al valore centrale). Non falsifica il modello: lo conferma. Il calo è l’ampiezza attesa, non una rottura.
Una proprietà che resiste al cambio di numerario
Si potrebbe obiettare che la regolarità sia un artefatto del dollaro. Non lo è. Misurando Bitcoin in once d’oro la struttura sopravvive: esponente e modi log-periodici restano nello stesso intervallo, segno che il fenomeno è endogeno alla rete e non un riflesso della valuta di conto. A rafforzare il punto, il pair-ratio test mostra che solo Bitcoin è privo di scala caratteristica (R² ≈ 0,995 contro 0,60 dell’oro, 0,43 del NASDAQ, 0,41 dello S&P 500): nessun altro grande attivo segue una legge di potenza pulita su quindici anni. E le 54 mini-bolle storiche — 31 positive e 23 negative, circa il 21% del tempo — ricostruiscono da sole un esponente β ≈ 5,1, prova della natura frattale del trend.
Annealing: perché la compressione è strutturale
La decrescita della volatilità non è casuale né garantita da una legge esterna: emerge dal modo in cui la rete cresce. L’adozione procede per onde di saturazione (saturation waves) sovrapposte, ciascuna delle quali porta nuovi partecipanti e nuova liquidità; ogni onda, esaurendosi, lascia un mercato più profondo e più difficile da muovere in percentuale. È un processo affine all’annealing fisico: l’energia delle oscillazioni si dissipa progressivamente man mano che il sistema si raffredda verso una configurazione più stabile. La derivazione meccanica dell’esponente, β = β_A · β_M ≈ 3,05 × 1,84 ≈ 5,60 (adozione cubica per valore di rete sub-quadratico, tra Metcalfe lineare e quadratico), spiega perché il trend è ripido e, insieme, perché la dispersione attorno ad esso si comprime: più la rete è grande, più capitale serve per spostarne il prezzo di una stessa frazione. La volatilità che cala non è quindi una promessa, ma la firma osservabile di una rete che matura. Questa è anche la ragione per cui i drawdown mantengono ampiezza relativa simile pur diventando, in valore assoluto, eventi che spostano cifre sempre maggiori: la struttura si conserva, la scala cambia.
Implicazioni
La prima implicazione è interpretativa: separare l’innesco dall’ampiezza. La seconda è quantitativa: a parità di sotto-valutazione, lo sconto sul trend si comprime con l’età. Oggi il prezzo si colloca vicino a −2σ, circa il 57% sotto il valore centrale, uno dei minimi relativi della serie storica; a età 40 lo stesso −2σ varrebbe uno sconto di appena il 36%. La “sotto-valutazione estrema” di oggi è quindi un fenomeno legato all’età della rete, non un giudizio soggettivo.
La terza implicazione è di profilo: una volatilità che si comprime rende l’attivo progressivamente più compatibile con capitali a orizzonte lungo. La volatilità di Bitcoin diventa così una variabile prevedibile, non un ostacolo imponderabile.
Falsificabilità
Il modello è falsificabile e dichiara in anticipo le proprie condizioni di rottura: violazione del floor a 3σ per oltre un anno; esponente β fuori dall’intervallo [5,0; 7,0]; coefficiente di adozione β_A inferiore a 2–3; R² della legge di proporzione sotto 0,80 per due anni consecutivi. Finché questi limiti reggono, un ribasso entro le bande non è un’eccezione: è la regola che il modello prevede. Non è rumore: è struttura.
─ ─ ◆ ─ ─
Riferimenti
Cryptograssini.com, Legge di proporzione e bande di dispersione del prezzo di Bitcoin, 2026. — Cryptograssini.com, Rapporto di Sharpe strutturale e frazione di Kelly continua, 2026. — B. Mandelbrot, The Variation of Certain Speculative Prices, 1963. — R. F. Engle, Autoregressive Conditional Heteroskedasticity, 1982. — W. F. Sharpe, Mutual Fund Performance, 1966. — J. L. Kelly, A New Interpretation of Information Rate, 1956. — D. Sornette, Why Stock Markets Crash, 2003.