Bitcoin: crescita esponenziale o legge di potenza? Il confronto tra Michael Saylor e Giovanni Santostasi
Nel suo recente post su X (28 aprile 2026), Giovanni Santostasi ha condiviso le impressioni di un incontro con Michael Saylor. Si aspettava un dibattito tecnico approfondito sulla matematica che governa Bitcoin, ma il confronto si è rivelato deludente.
Saylor ha difeso l’idea che Bitcoin segua una crescita esponenziale (seppur con tasso decrescente nel tempo), mentre Santostasi ha ribadito la superiorità del modello della Power Law (legge di potenza), che secondo lui descrive con maggiore precisione e parsimonia l’andamento storico del prezzo di Bitcoin.
I protagonisti del dibattito
Michael Saylor è uno dei più noti e influenti massimi sostenitori di Bitcoin. Ex CEO di MicroStrategy, ha trasformato la sua società in un veicolo di accumulo di BTC, arrivando a definirlo “il bene più prezioso al mondo”. La sua visione è fortemente orientata al lungo termine: Bitcoin come riserva di valore assoluta, con una narrazione che enfatizza la scarsità digitale e la crescita esponenziale della sua adozione e del suo valore. Saylor comunica spesso in modo visionario e ottimista, vedendo in Bitcoin un asset capace di generare rendimenti straordinari grazie alla sua natura “esponenzialmente indurente” (exponentially hardening).
Giovanni Santostasi, fisico, ex neuroscienziato e creatore della Bitcoin Power Law Theory, rappresenta invece l’approccio quantitativo e scientifico. Con una formazione in astrofisica e una lunga esperienza nell’analisi di sistemi complessi, Santostasi studia Bitcoin dal 2012 come un fenomeno naturale governato da leggi universali di scala (power law), simili a quelle che regolano città, terremoti, reti biologiche o flussi fluviali. Ha recentemente pubblicato su Amazon il libro “The Physics of Bitcoin: Not an Asset but a Force of Nature”, nel quale espone in modo dettagliato come Bitcoin non sia un semplice asset finanziario, ma un sistema complesso auto-organizzato che segue principi fisici di criticità auto-organizzata e feedback ricorsivi.
L’analisi tecnica: Power Law vs modelli esponenziali
Santostasi non si limita a un’opinione qualitativa. Nel post presenta un confronto statistico rigoroso tra diversi modelli, utilizzando i dati storici di Bitcoin dal 2010 al 28 aprile 2026. I modelli testati sono:
- Power Law (legge di potenza): P(t) ∝ t^β
- Esponenziale puro: crescita a tasso percentuale costante
- Stretched Exponential (esponenziale allungato o Weibull-like), che formalizza l’idea di Saylor di una crescita esponenziale con tasso decrescente
- Modelli polinomiali (quadratico e cubico) come termini di paragone
I risultati, misurati con metriche standard come R², RMSE e soprattutto l’AIC (Akaike Information Criterion, che premia la bontà del fit penalizzando la complessità), mostrano una netta superiorità della Power Law. Questo modello si adatta meglio ai dati con un numero minore di parametri. Inoltre, quando si ottimizza lo stretched exponential sui dati reali, il suo parametro di “stretching” tende a zero, facendo collassare il modello praticamente nella power law stessa. L’esponenziale puro, al contrario, fallisce: sovrastima pesantemente i prezzi futuri e sottostima quelli passati.
Secondo Santostasi, la power law non è solo una curva che “fitta” meglio: ha un significato meccanico profondo. Rappresenta un sistema complesso, autoregolante e potenzialmente “eterno”, caratterizzato da rendimenti decrescenti nel tempo in modo iperbolico – tipico dei processi di adozione di reti e fenomeni naturali – piuttosto che da una crescita a tasso costante destinata prima o poi a collassare.
Apertura al dubbio e ai “cigni neri”
È importante mantenere un tono equilibrato. La power law ha descritto con notevole accuratezza l’andamento di Bitcoin attraverso cinque cicli di mercato completi, offrendo una delle rappresentazioni più eleganti e parsimoniose del suo comportamento storico. Tuttavia, nessun modello matematico può garantire il futuro con certezza assoluta.
La storia dei mercati e della tecnologia è piena di eventi inattesi (i classici “cigni neri”): shock regolatori globali, innovazioni tecnologiche disruptive, cambiamenti geopolitici o persino evoluzioni nell’ecosistema Bitcoin stesso (ad esempio, sviluppi su scaling, privacy o integrazione istituzionale) potrebbero alterare la traiettoria osservata finora. Un modello che ha funzionato egregiamente per 16 anni non è immune a rotture strutturali future.
In sintesi, il dibattito tra la visione “esponenziale” di Saylor e la Power Law Theory di Santostasi va oltre una semplice discussione statistica: tocca la natura profonda di Bitcoin. È un asset finanziario come gli altri, destinato a seguire dinamiche di mercato tradizionali? O è piuttosto una “forza della natura” digitale, un sistema complesso che obbedisce a leggi universali di scala?
Il libro di Giovanni Santostasi invita a esplorare questa seconda prospettiva con rigore scientifico. Per ora, i dati storici premiano la power law, ma il futuro – come sempre nel mondo di Bitcoin – rimane aperto a sorprese.
Power law in natura
Ecco alcuni esempi classici di leggi di potenza (power law) osservati in natura. Queste distribuzioni sono caratterizzate da una relazione del tipo ( f(x) \propto x^{-\alpha} ), dove molti eventi piccoli sono comuni e pochi eventi molto grandi sono rari ma estremamente significativi. Questo crea code pesanti (“fat tails”), diverse dalle distribuzioni gaussiane.
1. Terremoti (Gutenberg-Richter law)
La frequenza dei terremoti diminuisce con l’aumentare della magnitudo secondo una legge di potenza. I piccoli tremori sono estremamente comuni, mentre i grandi terremoti catastrofici sono rari ma rilasciano enormi quantità di energia. Questo è uno degli esempi più studiati in geofisica e segue spesso un esponente intorno a 1-2.
2. Eruzioni solari (solar flares)
L’intensità e la frequenza delle eruzioni solari seguono una distribuzione a legge di potenza: molte eruzioni deboli e poche estremamente potenti. Simile ai terremoti, questo fenomeno è legato alla criticalità auto-organizzata.
3. Incendi boschivi e valanghe
La distribuzione della dimensione (area bruciata) degli incendi forestali o della grandezza delle valanghe di neve/rocce spesso obbedisce a una power law. Molti incendi piccoli e pochi giganteschi.
4. Crateri lunari e impatti asteroidali
La distribuzione delle dimensioni dei crateri sulla Luna (e di molti crateri terrestri) segue una legge di potenza: tantissimi crateri piccoli e pochissimi molto grandi.
5. Scaling biologico (Allometric scaling)
- Il metabolismo degli organismi (da batteri a elefanti) scala con la massa corporea secondo una power law con esponente ≈ 3/4 (legge di Kleiber).
- Relazioni tra dimensioni di organi, frequenza cardiaca, lunghezza delle ossa e massa corporea spesso seguono leggi di potenza.
6. Reti e sistemi complessi in natura
- Reti neuronali: la dimensione delle “avalanche” di attività neuronale (neuronal avalanches) segue una power law.
- Rete fluviale e bacini idrografici: la lunghezza dei fiumi o l’area dei bacini di drenaggio mostra scaling a legge di potenza.
- Distribuzione delle specie: in alcuni ecosistemi, il numero di individui per specie o la ricchezza di specie in cladi biologici presenta comportamenti power-law.
7. Altri esempi notevoli
- Distribuzione della dimensione delle nuvole.
- Intensità di lampi gamma o altri fenomeni astrofisici.
- Estinzioni di massa nella storia della vita sulla Terra (rarissime ma enormi).
Perché le power law sono così comuni in natura?
Spesso emergono da sistemi complessi che operano vicino a un punto di criticalità auto-organizzata (self-organized criticality). In questi sistemi, piccole perturbazioni possono propagarsi in modo scalare, senza una lunghezza caratteristica tipica, producendo comportamenti invarianti per scala (scale-free). È il caso di terremoti, eruzioni solari, incendi e avalange di sabbia (sandpile model di Bak).
Collegamento con Bitcoin Power Law
Giovanni Santostasi vede in Bitcoin un sistema complesso simile a questi fenomeni naturali: una rete autoregolante con feedback ricorsivi che porta a una crescita descritta meglio da una legge di potenza piuttosto che da una crescita esponenziale pura. La power law implica rendimenti decrescenti nel tempo in modo “naturale”, tipico di processi di adozione e reti complesse, e suggerisce una maggiore stabilità e “eternità” rispetto a dinamiche esponenziali destinate a collassare.
Questi esempi mostrano quanto le leggi di potenza siano universali, ma ricordiamo che non tutti i fenomeni che sembrano seguire una power law lo fanno su tutto l’intervallo di scala (spesso ci sono troncamenti o crossover). Inoltre, come ogni modello, non esclude la possibilità di eventi estremi inattesi (cigni neri) che possano rompere il pattern osservato finora.
Vuoi che approfondisca uno di questi esempi con formule matematiche o grafici descrittivi, o che li colleghi più specificamente alla teoria di Santostasi?
