OIN:ABM代幣經濟擬合模型：代幣經濟學如何影響代幣價值和其穩定性？_NEAR

TLDR

6MV公司已經開發了一些代理模型，用于幫助研究代幣和為投資組合公司提供關于代幣生成、啟動和機制設計的建議。我們對“基礎設施”經濟體進行了建模，這些經濟體使用實用代幣獎勵服務提供者并由用戶支付服務費用。這些經濟體包括Filecoin、Chainlink、Graph和Helium。

在這篇文章中，我們介紹了我們的方法并分享了四個早期發現：

我們的研究表明，盡管代幣價格表現最強的因素是宏觀變化，代幣設計決策可以幫助在熊市中減輕代幣價格的下行壓力。在所有其他因素相等的情況下，激勵供給方比激勵需求方更有效。將服務提供者添加到網絡中可以增加穩定性和整個代幣價格。在我們的模型中，調整代幣發行率并沒有實質性地影響協議的表現。相反，我們建議協議優先考慮價值驅動因素，而不是使用通縮來推動代幣價格。對于具有質押的網絡，增加質押獎勵可以增加散戶投資者和整個代幣市值，但也會增加波動性。當市場行情好時，許多代幣的價格會受到高度投機行為的影響，很難看出代幣的經濟設計是否有效。但當市場行情不好時，找到深入的、基于證據的見解，能夠幫助協議穩定價格并提高實用性變得越來越重要。

由于代幣經濟的完整框架尚未確定，因此我們的研究團隊正在構建基于代理的代幣經濟模擬，以幫助我們更好地理解和應對不同市場條件下的代幣經濟。

介紹

理解代幣經濟學的挑戰在于理解機制設計。在經濟學中，博弈論研究的是博弈中存在的策略和激勵。而在機制設計中，研究的是相反的問題，即一組期望的激勵和策略如何影響游戲本身的設計。通過這種數學框架，我們可以將代幣經濟的設計視為一種游戲的設計，其中代幣是激勵行為的最重要工具。

但與游戲不同的是，代幣經濟學是一種開放系統，容易受到外部因素的影響，導致很難預測代幣經濟系統中的行為和結果。因此，我們需要使用計算方法來更好地理解這些復雜的關系。

我們的方法是使用基于代理的模型，在其中對具有不同特征的個體代理進行建模。這些代理是理性的，會根據市場條件動態地做出反應，以便更好地理解代幣經濟系統的運行方式。

NEAR選擇Wormhole作為官方跨鏈橋，將共同開發ZK輕客戶端:5月17日消息，跨鏈橋Wormhole宣布NEAR Protocol選擇其作為新的官方跨鏈橋，Wormhole將使所有的NEAR資產能夠無縫橋接到20多個連接的鏈，并將數百個Wormhole支持的應用程序和社區帶入NEAR生態系統。此外，Wormhole的核心貢獻者將加入Zpoken和NEAR一起開發ZK輕客戶端，該客戶端可證明和驗證以太坊和NEAR狀態，而無需當今所需的相同信任假設。[2023/5/17 15:08:22]

基于代理的模型vs其他方法

機器學習是目前預測模型的標準行業方法。簡單來說，這是一類基于多種數據輸入的相關模型。在使用機器學習模型來預測代幣經濟時，我們可以根據歷史用戶采用率、代幣價格、代幣供應量、比特幣價格等任何現實世界指標來預測代幣價格。

通過匯總這些輸入數據，該模型使用加權回歸來預測一段時間內的代幣價格。這些模型通常用于時間范圍較短的應用程序，例如社交媒體和短期交易決策。在秒和毫秒級的時間尺度上，用戶偏好或市場趨勢與之前的趨勢高度相關。但是，在更長的時間尺度上，輸入數據的固有偏差會導致預測相對不可靠。宏觀經濟趨勢的隨機性、外部沖擊和其他趨勢通常很難或不可能量化，從而產生機器學習預測能力的空白。

使用基于代理的模型，我們可以考慮到隨機機會，并允許代理獨立行動，不受輸入數據的影響。這使我們能夠收集和分析數百個模擬的結果，并從中得出洞見。最重要的是，ABM方法使我們能夠理解為什么會發生這樣的結果。通過詳細的輸出日志，我們可以深入研究代理人行為和市場趨勢之間的因果關系。相比之下，機器學習模型只能輸出預測結果，但無法提供結果背后的信息。

總之，ABM提供了為不同參與者分配不同行為的能力，可以實現更長期的預測，不需要收集、存儲和標記數百萬個數據點，并且可以通過分析輸出日志來推斷因果關系。

模型設計

概述

我們的ABM模型是為“基礎設施經濟”設計的，這些經濟體由提供者向用戶提供服務，例如Helium、Filecoin和Chainlink。這很容易轉化為不同激勵的代理類別。用戶支付服務費用，而提供者獲得獎勵來支付成本并最大化利潤。所有代理都按照市場趨勢進行投機，以實現最大利潤。我們還包括兩個投資者代理——機構投資者和散戶投資者，他們不直接參與網絡，但會購買/持有/抵押/出售代幣來最大化利潤。

Platypusdefi遭閃電貸攻擊，目前損失約850萬美元:金色財經報道，據CertiK監測，Platypusdefi遭到閃電貸攻擊，目前損失約850萬美元。[2023/2/17 12:12:26]

為了啟動我們的模擬，我們輸入一組“初始條件”，包括代幣價格、代幣供應量、網絡規模等。然后，模擬進入循環階段，其中一系列事件發生并代理進行交易。每個周期代表一天，循環重復直到完成指定的總天數。模型隨后輸出有關每天模擬的數據，包括代理行為、代幣價格和供應變化以及市場情況。

用戶

在模擬中，我們將用戶的參數設置為概率分布，包括資本金額和風險承受能力。這可以理解為他們在市場中的特征，有些代理傾向于高回報、高風險的行為，而其他代理則傾向于保守行動。在每個時間步長中，用戶支付服務費用，評估市場，并根據情況決定是否購買或出售他們的代幣。許多因素影響他們的決策，包括當前代幣價格、自身風險承受能力、代幣的最近趨勢以及他們自己的過去行動。

供應商

供應商也像代理一樣行動，通過風險容忍度和資本進入模擬，以及總網絡計算能力的百分比，即提供的“服務量”。他們的激勵與用戶不同，因為他們更有可能在任何時間步驟賣出代幣，以便支付運營成本。供應商評估的市場趨勢和宏觀趨勢與用戶相同，受到相似的輸入影響。

投資者

投資者代理包括兩種類型：散戶投資者和機構投資者。散戶投資者沒有按照協議預期參與其中，而是通過投機代幣來實現最大化利潤。他們在決定交易策略時使用類似的指標，包括宏觀趨勢、代幣價格、他們自己的過去行為以及他們的利潤和損失。機構投資者可能會有代幣鎖定期和不同于零售投資者的投資目標。他們的決策受多種因素影響，包括他們購買代幣的價格、傾向于賣出的程度、鎖定期限和所需的回報率。

網絡增長

代理會根據變化的概率分布和代幣價格趨勢不斷進入和退出經濟系統。我們假設，持續的價格增長會促使更多供應商和用戶進入市場，反之亦然。我們模擬的協議的網絡增長的確切參數因協議而異，我們使用真實世界的數據來量身定制我們的模型。

數字人民幣新春促消費活動合計超 1.8 億元:金色財經報道，今年春節期間，試點地區地方政府和商業機構開展了多場數字人民幣促消費活動，活躍消費市場，提振消費需求。廣東、浙江、江蘇、山東等地的試點城市中，不少地方政府向民眾發放了數字人民幣消費券來拉動居民消費。如廣東深圳開展了餐飲行業 1 億補貼活動，浙江金華開展了“留東陽過年暖心紅包”活動，江蘇連云港開展了“新春惠民消費券”促消費活動，山東濟南開展了“泉城購”春節消費券活動。據不完全統計，前述活動金額總計超過 1.8 億元。[2023/2/6 11:49:03]

模型校準

我們通過對過去90天的回測進行校準，構建了模型。這個過程是一種迭代過程，我們對模型進行初始條件設定、運行模擬，然后與實際結果進行比較。我們的目標是構建一個模型，盡量減少過度擬合，能夠描述各種真實世界的基礎設施協議。我們對三個大型基礎設施經濟體、Filecoin和Chainlink）進行了回測。

我們使用兩個指標來衡量模型性能：代幣價格相關性和相對價格運動模式匹配度。我們的模型在這些指標上表現出廣泛的準確性，這讓我們對定義的數學關系有信心。這證實了模型能夠模擬真實的代幣價格波動，以響應宏觀市場條件和網絡采用情況。

實例探究

我們的初始模型包括幾個可配置參數，包括市場趨勢、代幣發行率、網絡增長和質押回報。一個自然的起點是對這些參數進行實驗。

ABM的強大之處在于能夠建模復雜的參數關系。對于這個初步的工作，我們決定將每個參數隔離開來，以了解其對整個經濟的影響。這產生了關于不同代幣經濟學設計選擇的一些見解。

Control?Case是一個通脹經濟系統，在其早期階段，初始供應為1500萬代幣，每月鑄造約10萬個代幣，相當于每年8%的通貨膨脹率。鑒于其他基礎設施型經濟體和流行代幣的通貨膨脹率，我們認為這是一個合理的選擇。我們初始化了10,000個活躍的用戶和1000個供應商，比例為10:1，這是基于Filecoin大約有35,000個活躍用戶和4000個供應商的比例。每次運行時，我們還初始化了1000-2000個投資者。我們使用ETH作為我們的加密市場情緒代理，因為ETH和BTC都能很好地跟蹤宏觀運動。

英國下議院投票贊成將加密資產視為受監管的金融工具和產品:10月26日消息，英國議會下議院周二舉行會議，對擬議的金融服務和市場法案進行逐行解讀，該法案涵蓋英國脫歐后的經濟戰略。議員們審議了法案的一系列擬議修正案，包括議員Andrew Griffith提出的將加密資產納入該國受監管金融服務范圍的修正案。該法案草案已包括將現有法規擴展到以支付為中心的穩定幣的措施。然而，這些規則在通過成為法律之前還有很長的路要走。接下來，該法案必須提交給上議院，然后才對修正案進行最終審議，然后由英國國王查爾斯三世批準。（CoinDesk）[2022/10/26 16:38:46]

我們運行每個實驗25次，每次模擬90天。選擇較短的時間段是為了捕捉模擬經濟的更精細的圖像，并關注實驗的即時結果。對于每個實驗，我們都會改變一個關鍵參數并研究結果。

案例研究1：加密貨幣市場的影響

過去一年，加密貨幣在很大程度上與宏觀經濟趨勢相關。通過ABM模型，我們可以深入挖掘并開始了解這種影響在各種市場情況下的程度和強度。

我們只改變“加密貨幣市場趨勢”參數：

在其他的案例研究中，我們為每次運行使用相同的一組真實的ETH代幣價格數據。而在這個案例研究中，我們變化這些子集，選擇了三個不同的90天歷史時期的ETH價格：下跌趨勢，穩定增長和高增長。我們發現，宏觀趨勢的影響與我們模擬的代幣價格變動高度相關。

即使在極端情況下，例如強烈的通貨緊縮或極高的質押回報率，每批運行具有除宏觀趨勢之外的完全相同的初始條件和參數，我們仍然看到L1代幣運動和我們的代幣價格之間存在很高的相關性。當回顧其他案例研究時，市場運動的影響即使在極端情況下也很明顯。我們清楚地觀察到代理受整體市場情緒的強烈影響并相應地進行交易。

以美元計算BAYC NFT地板價本月下跌超50%:金色財經消息，根據The Block提供的數據，以美元計算，Bored Ape Yacht Club（BAYC）NFT的地板價自5月初以來已經下跌了50%以上。[2022/5/21 3:32:13]

這種影響可能會讓人認為代幣設計對實際結果影響不大。但我們認為情況更為復雜。盡管市場趨勢的影響無法完全消除，但差勁的代幣設計會加速熊市崩盤，而聰明的代幣設計則可以增加穩定性和代幣價格表現，即使在波動的市場中也是如此。好的代幣設計帶來的好處使這門學科值得追求，讓協議設計者在各種宏觀環境下擁有對網絡的控制能力。

案例研究2：代幣分發計劃

代幣設計的一個重要組成部分是通脹率。一種常見的代幣設計是將代幣的發行量增加到最大限度，然后代幣變得通縮或保持穩定。其他協議可能會使用算法均衡，即協議使用某種方法在代幣的鑄造率波動時燒毀代幣。我們將這些分為四種類型：高通脹、穩定通脹、零通脹和通縮。

通過模擬，我們發現控制組穩定性最高。高通脹率略微降低了我們的代幣價格，但并沒有太大損失穩定性，而通縮導致代幣價格略微上升但穩定性較差。

令人驚訝的是，這些結果與代幣經濟中的稀缺性直覺相矛盾。我們讓代幣通貨緊縮，使其更加稀缺，但是我們只看到了代幣價格的微小提升，并略微降低了其穩定性。在零通脹和高通貨膨脹運行之間，代幣價格沒有顯著變化，但我們注意到在高通貨膨脹率下其存在一定的穩定性增長。可能原因是短期的90天模擬無法捕捉通貨膨脹對代幣價格的長期影響。

隨著以太坊的合并，它成為了通縮型代幣，但其價格并沒有持續上漲，反而因加密市場的強烈外部沖擊而下跌，這與我們模型的發現相似。我們注意到有些代幣采取通脹或通縮策略。總體而言，我們不鼓勵代幣設計者將發行速率作為代幣價格增長的驅動因素，而是鼓勵他們關注與代幣相關的激勵措施。代幣應該激勵哪些具體行為？哪些具體行為會損害你的經濟？代幣如何緩解這些行為的影響？如果沒有回答和實施這些基本細節，代幣發行量對代幣價格表現的實際影響將很小。

案例研究3：用戶和供應商采用的影響

在雙邊市場中，一個經久不衰的問題是：應該激勵市場的哪一方？在我們模擬的基礎設施經濟中，了解哪種類型的參與者增長更有益于經濟——用戶還是供應商，是很有用的。我們進行了兩次模擬，通過調整“網絡增長”參數，引入波供應商或用戶。

我們發現，增加供應商帶來了更高的代幣增長和略低的穩定性，而增加用戶帶來的代幣增長明顯減少，但穩定性略高。

這些趨勢可以通過用戶和供應商之間的動態來解釋，當供應商數量增加時，會讓更穩定的新用戶流入，導致大部分運行中的代幣價格上漲。當模擬大量新用戶時，進入經濟系統的供應商數量比按比例引入新用戶時少了約23％。

顯然，在任何協議中，用戶增長和供應商增長之間仍需要取得平衡。根據業務的不同，可能會傾向于優先考慮用戶增長或供應商增長。我們的結果表明，在基礎設施經濟中，引入供應商的影響大于引入用戶的影響。

基礎設施經濟中的代幣設計者應該仔細考慮如何激勵用戶和供應商。例如，供應商獎勵應該吸引足夠數量的供應商加入網絡，同時避免過剩資源無法被利用而導致供應商投資失敗。

例如，2020年Filecoin模型常見的問題是缺乏流動性和用戶流量以支持存儲供應商的財務需求。通過過度強調供應商流入，網絡被低效利用，代幣價格表現受到影響。同樣，用戶增長也應該仔細激勵以匹配網絡的容量，避免需求激增超過供應商的網絡能力。

案例研究4：不同的質押率

質押讓代幣持有者可以在一段時間內鎖定代幣以獲得額外獎勵。在我們的模型中，代幣持有者可以在每個時間步驟上進行質押。我們的決策是基于他們的預期收益和鎖倉的機會成本，以及一些其他因素，比如市場趨勢和他們自己的過去行為。為了研究不同的質押激勵措施的影響，我們在0％、5％、12％和20％之間變化質押收益率。

正如預期的那樣，對于沒有質押回報的模型，沒有代理選擇進行質押。我們發現，將質押回報提高到5%對代幣價格和穩定性都沒有什么影響。將質押回報提高到12%和20%都會增加代幣價格，但20%的運行中觀察到更高的不穩定性。

隨著質押收益率的增加，網絡增長速度更快，流經經濟體的財富增加。自然而然的結果是代幣價格上漲。然而，我們還觀察到，由于投機交易的結果，散戶投資者代理商數量增加，導致在20%的質押收益率下穩定性較低。

這些結果表明，在質押回報率上存在一個“平衡點”，在這個點上，協議設計者必須平衡資本流量和投機者數量的增加。在我們的實驗經濟中，12%是最接近這個平衡點的結果，給我們帶來了明顯的代幣價格增長，同時穩定性損失很小。當我們將我們的模擬用作咨詢工具時，我們可以掃描更多的質押水平或模擬不同的獎勵計劃，以獲得更高的分析精度。

雖然12%可以提供網絡增長并且穩定性損失很小，但這并不意味著每個協議都應該使用12%。例如，生命周期早期的協議可能希望減少零售投資者的數量，以便專注于核心網絡用戶和提供者，并且會受到保留代幣并保持質押低或關閉的激勵。我們建議協議監控其經濟體中從事投機活動的比例，并考慮質押調整以激勵其所需的代幣持有者組合。

更廣泛地說，我們鼓勵協議為質押者提供除金融APY之外的其他實用功能。例如更大的治理權重、對網絡安全的貢獻以及其他無形獎勵等。純粹出于金融動機進行質押，特別是對于新興協議而言，可能會扭曲基本面，并吸引留下一旦質押獎勵降低就離開的投機流動性。

總結與展望

代幣經濟的動態是極其復雜的。使用ABMs模型，我們可以更加接近理解代幣經濟的復雜性，從分析個體之間的互動和代幣如何影響他們的行為開始。

我們遵循眾所周知的格言：“所有模型都是錯誤的，但有些是有用的”。創建預測模型的最重要的一步是清楚地理解它的局限性和假設。這個初始模型的一些缺點可能包括90天的運行時間和僅對三種代幣進行的校準等。隨著我們實驗這個模型的能力，我們將不斷完善這些假設，并努力添加新類型的代理、代理能力和協議設計。

Tags：OINNEARCOICOINOuro Stablecoinnear幣的未來Whale Big CoinConcoin

聚幣