Glossar
Logarithmische Regression
Aktualisiert 12. Juni 2026
Logarithmische Regression ist ein statistisches Verfahren, das den Zusammenhang zwischen zwei Variablen durch eine Kurve der Form y = a + b·ln(x) beschreibt – geeignet für Datensätze, bei denen eine Größe anfangs steil ansteigt und sich das Wachstumstempo im Zeitverlauf systematisch abschwächt.
Funktionsweise und mathematischer Hintergrund
Im Gegensatz zur linearen Regression, die einen konstanten Zuwachs pro Zeiteinheit unterstellt, bildet die logarithmische Variante abnehmende Grenzraten ab. Der natürliche Logarithmus ln(x) staucht große Werte auf der x-Achse, sodass die resultierende Kurve charakteristisch flacher wird. Für die Anpassungsgüte wird das Bestimmtheitsmaß R² herangezogen: Es gibt an, welcher Anteil der Streuung in den historischen Daten durch das Modell erklärt wird. Ein R²-Wert nahe 1 bedeutet eine enge Anlage der Kurve an die Originaldaten – sagt jedoch nichts darüber aus, ob das Muster künftig Bestand hat.
Bitcoin-Analyse und der Rainbow Chart
In der Krypto-Community wurde die logarithmische Regression vor allem durch den Bitcoin Rainbow Chart bekannt. Dieses Werkzeug legt eine logarithmische Regressionsgerade durch historische Bitcoin-Preisdaten und ergänzt sie um farbcodierte Standardabweichungsbänder. Die äußeren Bänder markieren dabei Zonen, in denen der Preis historisch weit über oder unter der Regressionskurve notierte. Analysten nutzen solche Darstellungen, um einzuordnen, wo sich der aktuelle Preis relativ zur langfristigen Trendkurve befindet.
Da Bitcoins Preisverlauf über mehrere Halving-Zyklen hinweg Wachstumsraten zeigt, die sich mit zunehmendem Marktvolumen abflachen, eignet sich die logarithmische Skalierung besser als eine lineare – sowohl für die visuelle Darstellung als auch für die Kurvenanpassung.
Grenzen und Einordnung
Das Modell ist rein deskriptiv und retrospektiv: Es beschreibt, wie sich der Preis in der Vergangenheit entwickelt hat, liefert jedoch keine kausale Erklärung dafür. Extrapolationen in die Zukunft sind statistisch spekulativ. Ob ein historisches Muster anhält, hängt von Faktoren ab, die kein Regressionsmodell erfassen kann – regulatorische Einschnitte, Liquiditätsschocks oder strukturelle Marktveränderungen können jede Kurvenanpassung obsolet machen. Logarithmische Regression ist kein Handelssignal. Wie alle technischen und statistischen Werkzeuge kann das Modell scheitern; es ersetzt keine fundierte Risikoabwägung.