加密货币硬币和代币的分类

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Classification of cryptocurrency coins and tokens by the dynamics of
  their market capitalisations》
---
作者：
Ke Wu, Spencer Wheatley, Didier Sornette
---
最新提交年份：
2018
---
英文摘要：
  We empirically verify that the market capitalisations of coins and tokens in the cryptocurrency universe follow power-law distributions with significantly different values, with the tail exponent falling between 0.5 and 0.7 for coins, and between 1.0 and 1.3 for tokens. We provide a rationale for this, based on a simple proportional growth with birth & death model previously employed to describe the size distribution of firms, cities, webpages, etc. We empirically validate the model and its main predictions, in terms of proportional growth (Gibrat\'s law) of the coins and tokens. Estimating the main parameters of the model, the theoretical predictions for the power-law exponents of coin and token distributions are in remarkable agreement with the empirical estimations, given the simplicity of the model. Our results clearly characterize coins as being \"entrenched incumbents\" and tokens as an \"explosive immature ecosystem\", largely due to massive and exuberant Initial Coin Offering activity in the token space. The theory predicts that the exponent for tokens should converge to 1 in the future, reflecting a more reasonable rate of new entrants associated with genuine technological innovations.
---
中文摘要：
我们通过实证验证，加密货币世界中的硬币和代币的市值遵循幂律分布，具有显著不同的值，硬币的尾部指数介于0.5和0.7之间，代币的尾部指数介于1.0和1.3之间。我们基于一个简单的出生与死亡比例增长模型提供了一个基本原理，该模型以前用于描述公司、城市、网页等的规模分布。我们根据货币和代币的比例增长（吉卜拉特定律）实证验证了该模型及其主要预测。考虑到模型的简单性，通过估计模型的主要参数，硬币和代币分布的幂律指数的理论预测与经验估计显著一致。我们的研究结果清楚地表明，硬币是“根深蒂固的在位者”，代币是“爆炸性的不成熟生态系统”，这主要是由于代币领域的大规模和活跃的初始硬币发行活动。该理论预测，代币指数在未来应收敛到1，反映出与真正的技术创新相关的新进入者的更合理比率。
---
分类信息：

一级分类：Physics        物理学
二级分类：Physics and Society        物理学与社会
分类描述：Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体（人类或其他）的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统（如能源网、运输网络）的物理和工程。
--
一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
PDF下载：
--> Classification_of_cryptocurrency_coins_and_tokens_by_the_dynamics_of_their_marke.pdf (4.49 MB)

2022-6-9 17:48:23 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：distribution Quantitative proportional Applications QUANTITATIV

根据其市值动态对加密货币硬币和代币进行分类*+, 斯宾塞·惠特利*还有Didier Sornette*2018年5月17日摘要我们根据经验验证，加密货币世界中硬币和代币的市值遵循幂律分布，具有显著不同的值，硬币的尾指数介于0.5和0.7之间，代币的尾指数介于1.0和1.3之间。我们基于一个简单的出生与死亡比例增长模型提供了一个基本原理，该模型以前用于描述企业、城市、网页等的规模分布。我们根据货币和代币的比例增长（吉布拉特定律）对模型及其主要预测进行了实证验证。考虑到模型的简单性，通过估计模型的主要参数，硬币和代币分布的幂律指数的理论预测与经验估计显著一致。我们的研究结果清楚地将生态币描述为“根深蒂固的在位者”，将代币描述为“爆炸性的不成熟生态系统”，这主要是由于代币空间中的大规模和活跃的初始货币创造活动。该理论预测，代币指数在未来应收敛到1，反映出与真正的技术创新相关的新进入者的更合理比率。*通讯作者。地址：瑞士苏黎世苏黎世苏黎世理工学院创业风险主席，Scheuchzerstrasse 7，8092Zurich，Switzerland，电子邮箱：kwu@student.ethz.ch+ETH Zürich，瑞士Zürich管理、技术和经济系2008年，瑞士日内瓦大学瑞士金融研究所1介绍，化名Satoshi Nakamoto，分散加密货币，比特币[1]，并介绍了其创新和颠覆性区块链技术。

从技术自由主义开始，比特币和许多其他加密货币就已经动荡地爆发成为主流。总的来说，到2018年2月，大约有1500种加密货币存在，其总市值在2018年1月7日创下8300亿美元的历史新高，然后在接下来的一个月里暴跌至2800亿美元，这是一个惊人的下降，但仅部分抵消了2017年第四季度取得的收益。因此，增长潜力和市场行动吸引了散户和机构投资者的巨大关注，他们正蜂拥进入新的“加密世界”，其炒作基于这样一个关键承诺，即加密货币技术可以提供分散的系统，避免信任和依赖中央集权，并将权力掌握在用户手中。可以预见一系列破坏性用例，其中一些比其他更具推测性。与此同时，中央银行、政府、金融机构和其他现状代理人的知名人士谴责加密货币空间，称其为零基础价值的“骗局”。不出所料，监管机构正在关注这一领域，他们关于潜在监管的早期声明在市场上引发了冲击波。关于加密货币的学术研究，除了一些综合调查[3，4]，研究主要集中在比特币上。这包括：经济学[5、6、7、8]；网络属性【9、10、11、12】；社会信号【13、14、15、16、17】和价格动态【18、19、20、21、22、23、24、25、26】。针对整体市场动态和增长机制，提出了一些模型[27，28]，但未能可靠地解释市场动态。

例如，在[29]中，他们的生态模型预测比特币从现在起将逐渐下降到adecade总市值的50%，但同样的下降发生在论文发表后的几个月内。作为指导，我们期待着有关企业和其他实体增长性质的基础工作。特别是，Zipf定律被认为是企业规模【30】、城市规模【31】、网页之间的连接【32】、开源软件包之间的连接【33】等普遍存在的经验规律，表现为具有单位参数的大小幂律分布，例如P r{大小>x}∝ x个-1对于足够大的规模水平，x。自西蒙的开创性工作[34]以来，齐普夫定律的主要生成机制被理解为比例增长（“Gibrat\'slaw”），当在网络环境中重铸时，也被推广为“优先依恋”[35]。Malevergne等人[36]将比例增长框架扩展到以现实的出生和死亡为特征，这再次产生了齐普夫定律，但不一定有单位参数——这取决于新企业与老企业之间的增长平衡。我们利用这个框架，根据加密货币的市值，研究从2013年4月到2018年4月加密货币的增长过程。我们对一些密码是“硬币”（在自己的独立网络上运行）和其他“代币”（在作为平台的硬币网络上运行）进行了本质的区分。值得注意的是，硬币市场资本化分布的尾部比齐夫定律更重，而代币市场的尾部则稍轻。Malevergne等人的框架。

【36】允许对此进行解释，并确定货币和代币目前存在于不同的市场制度中。这需要确认吉布拉特定律，估计出生和死亡参数，并将预测的市场资本分布指数与其经验对应的货币和代币指数进行比较。尽管该模型存在明显的局限性，且市场高度非平稳，但我们认为，这提供了一个可靠且有意义的结果，可通过扩展方法进行重新定义。由一个按时间顺序记录和验证所有交易的公共分散账本（称为区块链）提供支持。这些交易通过加密技术进行保护和验证，并在没有中央机构的情况下在网络参与者之间共享。根据Fintech research house Autonomy NEXT的数据，截至2018年2月15日的四个月内，加密对冲基金的数量翻了一番多。例如，作为一种全球分散的货币，避免中央银行，以及“为非银行提供银行服务”；安全数字资产，属于避险资产类别，如黄金或可感知的稳定货币；甚至是一个完全集中的互联网，其协议承载着广泛的分布式应用程序。本研究使用了2013年4月28日至2018年2月7日期间2499种加密货币的每日数据；其中1497人在2月7日仍然活着。数据取自硬币市值【37】，包括每日收盘价、市值（价格与流通供应的乘积）和加密货币的类型（硬币或金币）[38]。2加密货币和代币市场资本化的演变经过大约两年的熊市后，加密货币市场在2016年初开始再次增长（图1）。2016年，所有加密货币的总市值实现了250%的回报，2017年实现了3170%的回报。

虽然第一个代币“Maid SafeCoin”出现在2014年4月，但直到2017年，代币的数量才激增，从不足50枚到年底的400多枚。另一方面，硬币的诞生相对稳定，因此市场更加成熟。象征性死亡人数的演变更为嘈杂，在某些情况下是由于外部事件，如2016年一家大型交易所破产【39】。图1：上面板描绘了所有加密货币（绿色虚线）数量的演变，包括硬币（蓝色粗线）和代币（红色细线）。所有加密货币的总市值用黑色虚线绘制在右y轴上（对数刻度）。中间的面板分别绘制了硬币（蓝色粗线）和代币（细线）的出生率。下面板是相应的死亡率。出生率和死亡率是2个月移动窗口内出生（死亡）的平均数。中间和下部面板中的水平蓝色（分别为红色）虚线是95%置信区间，假设硬币（分别为代币）采用泊松过程，其平均值在整个时期内进行估计。出生人数计算为每天出现在CoinMarketCap上的新硬币/代币的数量【37】，死亡人数计算为从CoinMarketCap上移除的硬币/代币的数量（即CoinMarketCap标记为“非活动的”】【37】尽管我们对市值感兴趣，但为了快速隔离不同货币的相对大小，我们检查了图2中的市场份额分布（每个硬币或代币分别占所有硬币或代币总市值的比例）。对于硬币，这种分布可以用帕累托（“幂律”）分布很好地描述，P r{X>X}=（X/u）-u，x>u>0。

（1） 尾部指数u>0，随时间变化在0.5到0.7之间，且不明显低于前275个更灵活的双参数对数正态分布，在2018年2月的最新快照中，超过尾部指数的部分由最大可能性500硬币估计。2017年早期，代币的市场份额分布更接近对数正态分布，而不是幂律分布，但在过去几个月里，代币的市场份额分布一直在向幂律分布发展，参数约为1.1，并且在400多个代币中，没有显著低于前50名的对数正态分布，测试水平为0.05。这证实了硬币和代币市值分布的尾部现在可以用不同指数的幂律很好地描述。回想一下，u=1的帕累托分布是一种称为齐普夫定律的边界情况【41】，其中所有大于或等于1的阶矩都是有限的。在下一节中，我们将考虑一个模型来解释为什么在u=1的情况下，硬币和代币分配落在边界的不同侧面。图2：左图：2014年（灰色）至2018年2月（黑色）的100大铸币市场资本化的经验互补累积分布函数（CCDF），两条红线显示了帕累托尾的范围。右图：代币也是如此，但从2017年初开始，排名前50位的代币也是如此。在此之前，我们讨论了“比特币最大化”的信念，即比特币将是唯一的内部货币，所有替代货币（“altcoins”）都注定会失败。这种退化的情况将破坏我们的增长框架。然而，《时代》杂志在很大程度上解决了这一争论，webrie fly在图3中指出，比特币的主导地位（其硬币市场份额）已从80%以上下降到有时远低于50%。接下来的问题是，比特币是否是或曾经是一个异常值。

由于市场资本化分布随着时间的推移发生了变化，仅比特币的主导地位就可能具有误导性。然而，通过转换，比特币的市场规模可以与其他市值排名前100位的硬币进行比较【42】。如图3所示，2016年，比特币处于相对最大值，有时超过零分布的0.9分位数。从那时起，它已经下降到其相对最小的大小，接近0.1空分位数。这表明比特币的命运发生了变化，并有效地将其视为异常值。3随机出生和死亡的比例增长3.1模型和主要属性的定义比例增长是一种普遍存在的机制，如导言所述，鉴于比例增长在复杂网络中的普遍性，这对于加密货币来说是很自然的。在加密货币社区中，“网络效应”经常被证明是比特币持续主导的领域。此外，考虑到出生和死亡，我们采用了Malevergne等人[36]的框架，该框架基于以下假设：1。吉布拉特的比例增长法则成立。这意味着，在连续的时间期限内，使用统一最强大的无偏检验，在时间t，条件onLognormal不优于p=0.05水平的ithcryptocurrency的市值M Ci（t）[40]。请注意，在这里，比特币分叉被视为独立的加密货币，但将其全部包含在比特币价值中会产生类似的结果。图3：左图：随着时间的推移，比特币的主导地位（占硬币总市值的份额）。右图：测试统计量和空分位数（在帕累托下），用于将比特币作为离群值进行测试。特别是，测试统计量为E/（E+···+E），其中Ei=log（Xi/X），i=1。

，100是前100大市场资本的转换X>····>X，它将X转换为帕累托分布，将X转换为指数分布[42]。通过这种转换，检验统计量与参数无关。其初始市值是随机微分方程（即几何布朗运动）的解dMCi（t）=MCi（t）[rdt+σdWi（t）]，（2）其中r是漂移，σ是标准偏差，W（t）是标准维纳过程。假设所有加密货币的参数r和σ都相同，但维纳过程Wi（t）对每种加密货币都是特定的。2、独立随机出生时间和大小。每个加密的出生流量，时间ti，i∈ N、 遵循泊松过程，强度v（t）=ved·t，初始尺寸si=s0，i·ecti，其中{s0，i}i∈Nare独立从公共随机变量中提取。3、加密货币以恒定的风险率随机退出（死亡），h≥ 0，与大小无关。在这些假设和温和条件下，该过程渐进地生成幂律分布，尾部指数uT HuT H：=“（1- 2r级- cσ）+r（1- 2r级- cσ）+8d+hσ#。（3） 重要的是要强调，这是一个非常简单的模型，下面列出了一些限制，因此，目标只是捕获隐生态学的粗略基本动态它没有捕捉到市场的强烈非平稳性（如泡沫和崩溃）它将加密货币视为独立的，尽管整个市场高度相关，包括一些对比其他对更相关；o它忽略了不同加密货币在“适用性”（即质量）上的差异，而这在复杂网络中很重要【43】，而且很明显，新的货币中引入了新的技术；指数增长是经济体系和金融市场的标准特征。

然而，将出生时过程扩展到一大类非泊松过程并不会改变关键结果它忽略了“分叉”，这类似于公司的拆分/剥离；o该过程仅适用于超过足够高的阈值的情况，承认entirecomplex生态系统不能用如此简单的模型来描述。3.2吉卜拉特比例增长定律的直接经验定量证实方程式2中的吉卜拉特比例增长定律意味着，对于足够小的时间间隔t、 市值的平均变化hM Ci和变化的标准偏差σ(对于大型硬币和代币，两者都与MC成比例。图4显示了MC作为MC的函数，设置t作为一天，在一年的时间窗口内，确认成比例的增长。图4：截至2018年2月7日，一年期内大型硬币（左图）和代币（右图）市值的吉布拉特比例增长定律测试。黑色圆圈是增量的平均值（即hM Ci）相对于其当前市值MC。绿星是增量的标准偏差（即σ(相对于其当前市值。每2000个增量（即。货币的MCt（分别为250个代币）被分组为一个子集，用于计算这些平均值和标准偏差。仅显示积极点。在两个面板中，直线显示数据点的最小二乘拟合。此外，方程式2表明，在一个小的时间间隔内t、 平均增长率hMCMCi及其标准偏差应为，hMCMCi=r×t、 σ(MCMC）=σ×√t、 （4）后者的平方根相关性反映了维纳（随机游走）过程的特性。图5对此进行了验证，其中我们估计了漂移r（分别为。