Dasar
Spot
Perdagangkan kripto dengan bebas
Perdagangan Margin
Perbesar keuntungan Anda dengan leverage
Konversi & Investasi Otomatis
0 Fees
Perdagangkan dalam ukuran berapa pun tanpa biaya dan tanpa slippage
ETF
Dapatkan eksposur ke posisi leverage dengan mudah
Perdagangan Pre-Market
Perdagangkan token baru sebelum listing
Futures
Akses ribuan kontrak perpetual
TradFi
Emas
Satu platform aset tradisional global
Opsi
Hot
Perdagangkan Opsi Vanilla ala Eropa
Akun Terpadu
Memaksimalkan efisiensi modal Anda
Perdagangan Demo
Pengantar tentang Perdagangan Futures
Bersiap untuk perdagangan futures Anda
Acara Futures
Gabung acara & dapatkan hadiah
Perdagangan Demo
Gunakan dana virtual untuk merasakan perdagangan bebas risiko
Peluncuran
CandyDrop
Koleksi permen untuk mendapatkan airdrop
Launchpool
Staking cepat, dapatkan token baru yang potensial
HODLer Airdrop
Pegang GT dan dapatkan airdrop besar secara gratis
Launchpad
Jadi yang pertama untuk proyek token besar berikutnya
Poin Alpha
Perdagangkan aset on-chain, raih airdrop
Poin Futures
Dapatkan poin futures dan klaim hadiah airdrop
Investasi
Simple Earn
Dapatkan bunga dengan token yang menganggur
Investasi Otomatis
Investasi otomatis secara teratur
Investasi Ganda
Keuntungan dari volatilitas pasar
Soft Staking
Dapatkan hadiah dengan staking fleksibel
Pinjaman Kripto
0 Fees
Menjaminkan satu kripto untuk meminjam kripto lainnya
Pusat Peminjaman
Hub Peminjaman Terpadu
Hukum pangkat muncul bahkan ketika kami menggunakan alamat dengan saldo dompet yang berbeda.
Ini adalah tanda tangan lain dari invariansi skala.
Tiga tingkat alamat dibangun:
•Shrimps = alamat non-zero balance total (seluruh dataset)
•Crabs = alamat yang memegang ≥1 BTC = (1–10 BTC) + (10–100 BTC)
•Dolphins = alamat yang memegang ≥10 BTC = (10–100 BTC) saja
________________________________________
Panel 1 — N(t) vs waktu, log-log
Setiap tingkat diplot sebagai log₁₀(addresses) vs log₁₀(t_days). Regresi linear OLS pada nilai yang ditransformasi log-nya memberikan eksponen hukum pangkat n untuk setiap tingkat — kemiringan garis best-fit. Garis putus-putus adalah fits tersebut. Tanda x-axis dikonversi kembali ke tahun kalender untuk keterbacaan.
Panel 2 — Metcalfe Umum, log-log
Harga vs alamat untuk setiap tingkat, keduanya ditransformasi log. Regresi OLS memberikan eksponen Metcalfe α — seberapa curam harga berskala dengan jumlah alamat di tingkat itu. Karena pemegang yang lebih besar lebih jarang dan lebih sulit ditambahkan, α mereka lebih curam.
Panel 3 — Model harga gabungan, log-log
Hasil utama. Karena P ∝ N^α dan N ∝ t^n, substitusi memberikan P ∝ t^(n·α). Jadi setiap tingkat menghasilkan prediksi harga-vs-waktu independen menggunakan hanya data alamat miliknya sendiri — tidak ada fitting harga langsung. Intercept adalah ic_combined = ic_Metcalfe + α × ic_time. Ketiga garis diplot terhadap harga aktual (garis putih) pada sumbu log-log.
Tingken × α (waktu)α (Metcalfe)n × α
Shrimps3.060 1.831 5.604
Crabs (≥1 BTC) 1.383 4.021 5.564
Dolphins (≥10 BTC) 0.462 11.080 5.116
Konvergensi muncul karena n dan α saling menukar satu sama lain di seluruh tingkat. Ketika Anda menggunakan tingkat yang lebih sulit dijangkau (pemegang yang lebih besar), n turun (alamat tersebut tumbuh lebih lambat) tetapi α naik (harga lebih sensitif terhadap setiap paus tambahan). Produk n·α tetap kira-kira konstan di ~5.5–5.6 di seluruh ketiga tingkat — yang juga merupakan eksponen hukum pangkat Bitcoin global dari fit harga langsung. Ini adalah teorema Metcalfe yang digeneralisasi: eksponen harga adalah invarian terhadap tingkat alamat mana yang Anda gunakan sebagai proxy adopsi.