Aclaramos estos conceptos erróneos porque parecen repetirse una y otra vez. 1) La Ley de Potencia en Sí No Indica Burbujas Es esencial enfatizar este punto repetidamente: Según el modelo de ley de potencia, no hay burbujas inherentes. Cualquier desviación aparente (burbujas y correcciones) se cancela efectivamente entre sí a largo plazo, dejando intacta la tendencia subyacente. Las Burbujas Existen a un Nivel Más Profundo y Pueden Ser Analizadas Mientras que la ley de potencia suaviza los extremos, las burbujas sí se manifiestan en los datos. Al restar la tendencia general de la ley de potencia de la serie de precios, puedes aislar y estudiar estas desviaciones: su estructura, patrones y regularidades. Este enfoque basado en datos es muy superior a las conjeturas especulativas sobre picos futuros. 2) Caracterizando Burbujas: Método de Decaimiento Exponencial Existen varias técnicas para modelar estas burbujas. Un método confiable observa que el decaimiento desde los picos altos a menudo sigue un patrón exponencial. Si este decaimiento persiste, sugiere que la próxima burbuja podría desviarse alrededor del 80% por encima de la tendencia de la ley de potencia. Por ejemplo, si la ley de potencia proyecta un nivel de referencia de alrededor de 130K para fin de año (un punto común para los picos de ciclo), esto implica un pico potencial cerca de 200K. Alternativamente, puedes visualizar esto como un "canal de decaimiento" que limita los picos a lo largo del tiempo. 3) Regresión Cuantílica para Modelar Desviaciones Otro enfoque utiliza la regresión cuantílica para modelar desviaciones de la ley de potencia. He discutido los pros y los contras de este método en detalle en uno de mis artículos (enlace en los comentarios). Su ventaja es que no requiere una suposición de decaimiento explícita para los picos. Sin embargo, una desventaja clave es que ajusta las leyes de potencia directamente a los picos, lo que puede sobreestimar las posibles desviaciones. Por eso modelos como el de @TheRealPlanC tienden a predecir picos más altos en comparación con el mío. 4) Modelo Cuantílico Híbrido con Decaimiento Para abordar las limitaciones, puedes mejorar el método cuantílico incorporando un componente de decaimiento explícito, como se describe en mi artículo. Este híbrido combina las fortalezas del canal de decaimiento (limitación realista de los picos) y la regresión cuantílica (manejo flexible de las distribuciones de datos), lo que produce estimaciones más equilibradas. 5) Crítica del Enfoque Bitbo (Ajuste de Ley de Potencia a los Picos o el Corredor de Ley de Potencia) El método Bitbo simplemente ajusta una ley de potencia directamente a través de los picos históricos, una idea propuesta por primera vez por @hcburger1 para estimar rangos potenciales (él llamó a esto el Corredor de Ley de Potencia). La parte inferior del corredor, por cierto, es válida y está respaldada por estadísticas sólidas. Pero no la parte superior. Aunque he discutido esto con él extensamente, no es el enfoque óptimo; es similar a la regresión cuantílica pero inferior, ya que asume que una simple ley de potencia rige los picos. En realidad, solo el percentil 50 inferior de los datos se adhiere estrictamente a una ley de potencia; los picos exhiben un comportamiento más complejo. Esto lleva a estimaciones poco fiables y exageradas. Espero que este desglose aclare las distinciones entre estos métodos. En general, recuerda que las predicciones para las desviaciones de burbujas son inherentemente menos predecibles que la tendencia central de la ley de potencia en sí. La ley de potencia sigue siendo robusta y se fortalece con más datos, sirviendo como la referencia fundamental. Las desviaciones específicas del ciclo, aunque útiles, son secundarias y no centrales para la teoría; dependen de la ley de potencia para el contexto y conllevan una mayor incertidumbre.