RedneckWorks Finance
FINANZPORTAL
ECBYahooCoinGeckoBlockchain
Bitcoin Power Law: Was das Modell über die langfristige Preisentwicklung aussagt

Bitcoin Power Law: Was das Modell über die langfristige Preisentwicklung aussagt

Das Bitcoin Power-Law-Modell beschreibt die langfristige Preisentwicklung von Bitcoin als mathematische Beziehung zwischen dem Alter des Netzwerks und dem Preis. Der Bericht erklärt das Modell, seine Annahmen, seine Aussagekraft und seine Grenzen.

Bitcoin Power Law: Eine mathematische Perspektive auf die langfristige Preisentwicklung

Bitcoin gehört zu den volatilsten großen Finanzwerten. Innerhalb weniger Monate können Kursbewegungen von mehreren zehn Prozent auftreten. Gleichzeitig zeigt die langfristige Entwicklung seit den frühen Handelsjahren ein interessantes Muster.

Das Bitcoin Power-Law-Modell versucht, dieses Muster mathematisch zu beschreiben.

Anders als klassische Kursprognosen beantwortet das Modell nicht die Frage:

„Wo steht Bitcoin nächste Woche?“

Stattdessen untersucht es eine wesentlich langfristigere Frage:

„Gibt es eine mathematische Beziehung zwischen dem Alter des Bitcoin-Netzwerks und seiner langfristigen Preisentwicklung?“


Die Grundidee

Ein Power Law – auf Deutsch Potenzgesetz – hat die allgemeine Form:

P(t)=A⋅tnP(t)=A \cdot t^n

Dabei bezeichnet:

P(t) den modellierten Bitcoin-Preis, t die Zeit beziehungsweise das Alter des Bitcoin-Netzwerks, A einen Skalierungsfaktor, n den Power-Law-Exponenten.

Für Bitcoin wird die Zeit typischerweise als Anzahl der Tage seit dem Genesis Block vom 3. Januar 2009 definiert.

Die entscheidende Eigenschaft dieser Funktion wird sichtbar, wenn beide Achsen logarithmiert werden.

Aus

P(t)=A⋅tnP(t)=A \cdot t^n

wird:

log⁡P(t)=log⁡A+nlog⁡t\log P(t)=\log A+n\log t

Damit wird aus der gekrümmten Power-Law-Funktion mathematisch eine Gerade.

Die Steigung dieser Geraden entspricht dem Exponenten n.

Warum ist die Log-Log-Darstellung interessant?

Auf einem normalen Bitcoin-Chart dominieren die enormen Preissteigerungen der jüngeren Vergangenheit. Die frühen Jahre sind dadurch kaum noch erkennbar.

Eine logarithmische Darstellung reduziert dieses Problem.

Werden sowohl Zeit als auch Preis logarithmiert, zeigt die historische Bitcoin-Preisentwicklung über lange Zeiträume eine bemerkenswert lineare Struktur.

Genau darauf basiert das Power-Law-Modell.

Eine 2026 veröffentlichte Reproduktion mit 5.674 täglichen Schlusskursen von 2010 bis Anfang 2026 ermittelte beispielsweise einen Exponenten von ungefähr 5,69 und ein R² von rund 0,96 für die Regression im Log-Log-Raum.

Das bedeutet allerdings nicht, dass „96 Prozent des Bitcoin-Preises durch die Zeit erklärt werden“. Das R² bezieht sich auf die logarithmisch transformierten Daten innerhalb des untersuchten Samples.

Was bedeutet der Exponent?

Vereinfacht ergibt sich eine Beziehung der Größenordnung:

P(t)∝t5.7P(t)\propto t^{5.7}

Das ist etwas völlig anderes als ein konstantes exponentielles Wachstum.

Bei exponentiellem Wachstum wäre beispielsweise eine konstante relative Wachstumsrate denkbar.

Beim Power Law hängt die relative Wachstumsrate dagegen vom Alter des Systems ab.

Für

P(t)=AtnP(t)=A t^n

ergibt die Ableitung:

dPdt=Antn−1\frac{dP}{dt}=A n t^{n-1}

Die relative Wachstumsrate ist damit:

1P(t)dPdt=Antn−1Atn=nt\frac{1}{P(t)}\frac{dP}{dt}=\frac{A n t^{n-1}}{A t^n}=\frac{n}{t}

Damit sinkt die modellierte relative Wachstumsrate mit zunehmendem Alter von Bitcoin.

Das hat eine wichtige Konsequenz:

Das Power-Law-Modell impliziert langfristig abnehmende prozentuale Wachstumsraten.

Bitcoin könnte nach diesem Modell also langfristig weiter steigen, während gleichzeitig die prozentualen Wachstumsraten gegenüber den frühen Jahren immer kleiner werden.


Von der Trendlinie zum Power-Law-Korridor

Der tatsächliche Bitcoin-Preis liegt selbstverständlich nicht exakt auf der mathematischen Trendlinie.

Bitcoin bewegt sich historisch teilweise erheblich oberhalb oder unterhalb dieser Linie.

Deshalb werden Power-Law-Darstellungen häufig um einen Korridor erweitert.

Die mittlere Linie repräsentiert dabei den langfristigen Trend. Weitere Linien oder statistische Bänder zeigen mögliche Abweichungen davon.

Eine mögliche Interpretation lautet:

unterhalb des Trends → Trendbereich → oberhalb des Trends

Solche Bereiche dürfen jedoch nicht automatisch mit „unterbewertet“ oder „überbewertet“ gleichgesetzt werden.

Sie zeigen zunächst lediglich die Abweichung des aktuellen Preises vom mathematischen Modell.


Was das Modell besonders interessant macht

Das Power Law versucht nicht, einzelne Marktzyklen exakt vorherzusagen.

Halvings, ETF-Zuflüsse, Liquidität, Zinspolitik, Regulierung, institutionelle Nachfrage oder kurzfristige Marktstimmung sind keine direkten Eingangsgrößen der einfachen Gleichung.

Das Modell reduziert die langfristige Entwicklung im Wesentlichen auf:

P=f(t)P=f(t)

Das wirkt zunächst extrem vereinfachend.

Gerade diese Einfachheit macht das Modell aber interessant.

Trotz massiver Veränderungen des Bitcoin-Marktes – Börsencrashs, regulatorischer Veränderungen, Halvings und unterschiedlicher makroökonomischer Phasen – lässt sich die langfristige Entwicklung historisch erstaunlich gut durch eine relativ einfache Potenzfunktion approximieren.


Giovanni Santostasi und die Netzwerk-Hypothese

Das Modell wird insbesondere mit dem Physiker Giovanni Santostasi verbunden.

Die Grundidee einer zeitbasierten Bitcoin-Power-Law-Beziehung wurde bereits vor vielen Jahren diskutiert und später weiterentwickelt.

Eine weitergehende Interpretation versucht, die Preisentwicklung mit dem Wachstum des Bitcoin-Netzwerks zu verbinden.

Vereinfacht lautet die Hypothese:

N(t)∝tαN(t)\propto t^\alpha

wobei N(t)N(t) die Größe beziehungsweise Adoption des Netzwerks beschreibt.

Wird zusätzlich eine Beziehung ähnlich dem Metcalfe-Ansatz angenommen:

P∝NβP\propto N^\beta

ergibt sich:

P(t)∝tαβP(t)\propto t^{\alpha\beta}

Santostasi und Stephen Perrenod berichten für ihre Untersuchungen einen Preisexponenten von ungefähr 5,69 und versuchen diesen über Netzwerkadoption und Netzwerkeffekte zu motivieren.

Das ist wissenschaftlich allerdings ein wesentlich stärkerer Anspruch als lediglich festzustellen, dass historische Bitcoin-Preise gut auf eine Power-Law-Kurve passen.


Korrelation ist noch kein Naturgesetz

Hier liegt eine der wichtigsten Einschränkungen des Modells.

Eine Gerade in einem Log-Log-Diagramm beweist nicht automatisch, dass Bitcoin einem fundamentalen Naturgesetz folgt.

Es müssen mindestens zwei Fragen getrennt betrachtet werden:

1. Beschreibt eine Power-Law-Funktion die historischen Daten gut?

Dafür gibt es bemerkenswerte empirische Hinweise.

2. Existiert tatsächlich ein stabiler ökonomischer oder netzwerktheoretischer Mechanismus, der genau dieses Power Law erzeugt?

Diese Frage ist deutlich umstrittener.

Neuere Untersuchungen zeigen genau diese Differenzierung. Eine Arbeit von Baquero und Menezes aus dem Jahr 2026 stellt die strukturelle Interpretation infrage, kommt gleichzeitig aber zu einem interessanten Ergebnis:

In ihren Walk-Forward-Tests schnitt das einfache Power-Law-Modell bei langfristigen Prognosehorizonten von 12 bis 24 Monaten besser ab als mehrere klassische Zeitreihenmodelle.

Das ergibt ein interessantes Bild:

Das Modell könnte als langfristiges statistisches Modell nützlich sein, ohne dass daraus folgt, dass Bitcoin einem unveränderlichen mathematischen Gesetz gehorcht.


Was das Power Law nicht kann

Das Modell kann nicht zuverlässig bestimmen:

wann der nächste Bitcoin-Bullenmarkt beginnt, wann ein Zyklus seinen Höchststand erreicht, wie Bitcoin nächste Woche handelt, welchen Einfluss die Federal Reserve auf den Kurs haben wird, wie stark ETF-Zuflüsse den Markt verändern, wie der Markt auf regulatorische Entscheidungen reagiert.

Selbst innerhalb des langfristigen Trends können enorme Abweichungen auftreten.

Historisch lagen die Residuen einer 2026 diskutierten Regression bei ungefähr 0,30 logarithmischen Dekaden. Das entspricht grob einem möglichen Faktor von etwa zwei um die zentrale Modelllinie.

Für kurzfristiges Trading ist diese Unsicherheit viel zu groß.

Power Law ist kein Kursziel

Ein häufiger Fehler besteht darin, die Power-Law-Linie als exaktes zukünftiges Kursziel zu interpretieren.

Das wäre eine Überinterpretation.

Wenn ein Modell beispielsweise für einen zukünftigen Zeitpunkt einen bestimmten Trendwert liefert, bedeutet dies nicht:

„Bitcoin wird an diesem Tag diesen Preis erreichen.“

Die Aussage lautet vielmehr:

„Unter der Annahme, dass die bisher beobachtete Power-Law-Beziehung bestehen bleibt, befindet sich hier der mathematisch extrapolierte langfristige Trend.“

Dieser Unterschied ist entscheidend.


Wie wir das Modell bei RedneckWorks verwenden

Auf RedneckWorks Finance betrachten wir das Bitcoin Power Law deshalb nicht isoliert.

Es ist ein Baustein unter mehreren.

Sinnvoll wird das Modell insbesondere in Kombination mit:

aktuellem Bitcoin-Preis, Abstand zur Power-Law-Trendlinie, historischen Power-Law-Bändern, On-Chain-Daten, Fear-&-Greed-Indikatoren, Prediction Markets, makroökonomischen Daten, Liquiditäts- und Zinsentwicklung.

Damit entsteht kein automatisches Handelssignal.

Stattdessen entsteht Kontext.

Das Power Law beantwortet dabei eine andere Frage als kurzfristige Marktindikatoren:

„Wo befindet sich Bitcoin relativ zu seiner langfristigen mathematischen Wachstumskurve?“


Fazit

Das Bitcoin Power-Law-Modell gehört zu den interessantesten mathematischen Ansätzen zur Beschreibung der langfristigen Bitcoin-Preisentwicklung.

Seine Stärke liegt nicht darin, den Bitcoin-Preis für morgen oder nächste Woche vorherzusagen.

Seine Stärke liegt in der Perspektive.

Die historische Entwicklung lässt sich über einen außergewöhnlich langen Zeitraum mit einer relativ einfachen Beziehung zwischen Preis und Zeit beschreiben:

P(t)=AtnP(t)=A t^n

Gleichzeitig deutet das Modell auf einen wichtigen langfristigen Effekt hin:

abnehmende relative Wachstumsraten mit zunehmendem Alter des Bitcoin-Netzwerks.

Ob diese Beziehung auch in Zukunft bestehen bleibt, ist nicht garantiert.

Deshalb sollte das Power Law weder als Naturgesetz noch als Preisversprechen betrachtet werden.

Es ist ein mathematisches Modell.

Und genau darin liegt sein Nutzen:

Data → Models → Context

Nicht mehr – aber auch nicht weniger.