加密货币硬币和代币的分类

作为平均增长率线性回归斜率的标准偏差σ（分别为增长率的标准偏差），作为t（分别为。√t） ，带有t型≤ 10天。我们可以看到，硬币的增长率大约是代币的两倍，而它们的波动性是相似的——因此，代币市场资本的相对大幅增长是由于个别代币的高出生率、非异常增长所致。图5：左：平均增长率h之间的关系MCMCi与时间间隔t、 分别用于硬币（蓝色圆圈）和代币（红色三角形）。右：增长率σ的标准差(MCMC）与√t、 分别用于硬币和代币。数据值取自截至2018年2月7日的一年窗口。3.3出生和死亡参数的估计对于硬币和代币，出生市值的分布（见图6）比当前分布（硬币0.48，代币1.29）有一个实质性的更细尾部（硬币0.59，代币1.48），根据最大似然法，分别估计最大100枚硬币和30枚代币的指数。这证实了观察到的市场资本化分布不仅仅是初始市场资本化分布的结果。相反，由于比例增长，分布变得更厚。图6：硬币（左图）和代币（右图）出生市值和最近市值分布的比较。黑星是出生时的市值（在供应和价格都已知的情况下，将出生后1周的市值作为代理）。红点是2018年2月7日的市值。

尾部指数分别由最大的100枚硬币和30枚代币估算。最大的五枚硬币/代币标记在上面板中。转到Malevergne等人[36]的扩展Gibrat定律框架，我们从CoinMarketCap获得的出生市值的增长率可能会有一些延迟，因为：1）有时加密货币在交易一段时间后会被列入CoinMarketCap；2） 对于某些加密货币，在出生时无法使用流通供应的信息来计算市场资本化。因此，图6所示出生时的市值分布（“初始市值”）晚于实际出生时间。如图7所示，估计了出生尺寸c、出生强度d的增长和退出危险率h。重要的是，作为一个阈值是必要的，只有在其生命周期内平均市值大于107.3美元（分别为108.1美元）的硬币（分别为代币）才被考虑，这大致相当于前10%的硬币和代币。此外，由于框架不允许存在非平稳性，我们将重点放在最稳定窗口中的参数估计上。特别是，（高市值）铸币的出生规模没有明显的趋势（p值>10%），而是在2017年5月左右从一个水平转移到另一个水平。因此，我们将出生人口的增长率确定为c=0。然而，代币的出生规模随着时间的推移而显著增长（p值<0.1%），尤其是2017年7月之后。因此，cof代币估计为1.19%。货币的出生强度相对稳定，因此出生强度的增长率d=0。

然而，由于大量ICO（初始货币基金——类似于初始公共股本），代币数量在2017年5月大幅增长。增长的出生强度的线性近似值意味着象征性的出生强度增长率d为0.59%。就死亡过程而言，死亡的大型硬币和代币不到3枚，因此我们认为硬币和代币的退出风险率h均为0。图7:2017年以来大型硬币（终身平均市场资本大于107.3）和代币（终身平均市场资本大于108.1）的出生市值和出生强度（频率）。左侧面板是硬币（蓝色三角形）和代币（红色圆圈）的出生市值。红色实线是代币出生市值的最佳线性拟合。右面板绘制了硬币（蓝色）和代币（红色）的出生数量，并用180天移动平均值进行平滑处理。中间和下部面板中的水平蓝色虚线是95%置信区间，假设硬币采用泊松过程，其平均值在整个窗口上估计（自2017年起）。每天的出生人数以蓝色（硬币）和红色（代币）条显示，与右y轴相对。3.4比较经验和理论预测分布给定方程式3中五个参数的估计值，分别计算硬币和代币的理论预测幂律指数，并与经验指数进行比较，总结在表1中。尽管存在公认的模型局限性，但根据经验和理论预测的市值分布尾部指数是一致的，理论货币和代币尾部指数分别小于和大于1。

由于出生和死亡参数的非平稳性，比较与本文不同的时间窗口上的经验和理论尾指数变得复杂，但仍然产生一致的结果，理论和经验尾指数在相似的范围内。这与对吉布拉特定律的确认相结合，有效地验证了所提出的模型，对两个根本不同的硬币和代币生态系统的基本性质提供了有力的见解。然而，请注意，所有硬币和代币寿命的经验分布表明类似的指数分布，表明硬币和代币的死亡风险率相似。经验指数基于2018年2月7日的市值分布，如图6所示。表1：硬币和代币的理论预测幂律指数uT和经验指数uMLE（通过最大似然估计）之间的比较。方程式3给出了理论值uT，其中包含估计的出生和死亡参数–其估计见前面的小节。括号中的数字是bootstrap估计的95%置信区间。代币市值增长率r 1.52%[1.45%，1.59%]0.77%[0.68%，0.86%]增长波动率σ24.67%[22.64%，26.58%]24.6%[22.74%，26.45%]退出风险率h 0 0出生人口增长率c0 1.19%[0.48%，1.90%]出生强度增长d 0.59%[0.57%，0.61%]经验尾部指数u0.48[0.39，0.57]1.29[0.83，1.75]理论尾部指数uT H0.50【0.41，0.57】1.29[1.12，1.48]对于硬币，我们有r- 这意味着比特币、以太坊等现有“根深蒂固的在位者”的资本化增长（因死亡而修正）超过了近期市场进入者的资本化增长，而近期市场进入者的资本化增长相对较少。

在[36]的框架下，这种不平等理论上也意味着尾部指数u小于1。相反，代币市场具有相反的特征，r-h类≤ d+c，意味着具有u≤ 事实上，在代币市场中，代币的高出生率是推动市场的主要特征，而超过死亡h的有限增长r限制了相对论中较旧代币的增长，导致市值分布的尾部略轻于齐夫定律，并反映出一个不成熟的系统。4讨论研究了所有加密货币的市值，并分别对待硬币和代币，我们旨在通过一个简单的模型了解基本的增长机制。我们已经通过经验验证，对于大型硬币和代币，其市场资本化遵循幂律分布，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。尽管存在公认的局限性，Malevergneet等人[36]的简单随机比例增长模型根据统计估计的出生、死亡和比例增长参数成功地恢复了这些尾部指数。这清楚地将硬币描述为“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”，这主要是由于代币领域的大规模繁荣活动。由于齐夫定律有一个单位尾部指数，并且是最优经济的统计特征[36]，因此硬币和代币市场有不同的尾部指数可能并不奇怪。毫无疑问，如果引入更具生产性的监管[44、45、46、47]，机构投资者对市场充满热情，采用率提高，市场将变得更加成熟。

因此，人们可以期望在现有企业的增长与技术创新相关的新进入企业的健康增长率之间取得更好的平衡。然而，随着加密货币逐渐成为一种另类投资资产，人们应该保持极度谨慎，因为存在大量的内生不稳定性[48]，而且人们对风险了解甚少。展望未来，本文提出的方法可以有效扩展，以允许加密货币的不同质量（即适用性）。这将是现实的，因为改进的技术以新的硬币进入市场。特别是，这样一个框架可以更充分地解决比特币是否以及何时会被超越的问题，因为纯粹的比例增长框架可能过分强调了所谓的“先发优势”的优势。参考文献【1】Satoshi Nakamoto。比特币：点对点电子现金系统。2008年【2】Maiya Keidan和Jemima Kelly。加密对冲基金的数量随着比特币的波动而激增。https://www.reuters.com/article/uk-hedgefunds-bitcoin/number-of-crypto-hedge-funds-surges-amid-bitcoin-volatility-idUSKCN1FZ1892018年2月15日。[3] Carey Caginalp和Gunduz Caginalp。观点：货币的估值、流动性价格和稳定性。《美国国家科学院院刊》，115（6）：1131–11342018。[4] 院长Fantazzini、Erik Nigmatullin、Vera Sukhanovskaya和Sergey Ivliev。关于比特币建模，你一直想知道但又不敢问的一切。应用计量经济学，即将出版。，2016年。SSRN提供：https://ssrn.com/abstract=2794622.[5] Robleh Ali、John Barrdear、Roger Clews和James Southgate。数字货币经济学。2014年。SSRN提供：https://ssrn.com/abstract=2499418.[6] 保罗·维格纳和凯西·迈克尔·J.《加密货币的时代：比特币和数字货币如何挑战全球经济秩序》。圣。

马丁出版社，2015年。[7] Jonathan Chiu和Thorsten V Koeppl。加密货币的经济学——比特币及其他。2017年。SSRN提供：https://ssrn.com/abstract=3048124.[8] Pavel Ciaian、Miroslava Rajcaniova和d\'Artis Kancs。比特币价格形成的经济学。《应用经济学》，48（19）：1799–18152016。[9] Ernie GS Teo。比特币的出现、增长和可持续性：网络经济学视角。《数字货币手册》，第191-200页。Elsevier，2015年。[10] 达尼尔·康多尔、马尔顿·波斯法、伊斯特万·萨拜和加博尔·瓦塔伊。富人会变得更富有吗？比特币交易网络的实证分析。PloS one，9（2）：E861972014。[11] Micha Ober、Stefan Katzenbeisser和Kay Hamacher。比特币交易图的结构和匿名性。《未来互联网》，5（2）：237–2502013年。[12] 保罗·塔斯卡、亚当·海耶斯和刘少文。比特币经济的演变：提取和分析支付关系网络。《风险金融杂志》，pageshttps://doi.org/10.1108/JRF–03–2017–0059, 2016.[13] 拉迪斯拉夫·克里斯托菲克。比特币符合谷歌趋势和维基百科：量化互联网时代现象之间的关系。《科学报告》，2013年3:3415。[14] David Garcia、Claudio J Tessone、Pavlin Mavrodiev和Nicolas Perony。泡沫的数字轨迹：比特币经济中社会经济信号之间的反馈周期。《皇家学会界面杂志》，11（99）：201406232014。[15] David Garcia和Frank Schweitzer。比特币的社交信号和算法交易。《开放科学》，2（9），2015年。内政部：https://doi.org/10.1098/rsos.150288.[16] Florian Glaser、Kai Zimmermann、Martin Haferkorn、Moritz Weber和M Siering。比特币-资产还是货币？揭示用户隐藏的意图。

ECIS 2014会议记录-第22届欧洲信息系统会议，2014年1月。[17] 年轻的金彬彬、李朱琳、朴汝丽、周杰国、金正贤和金昌勋。当比特币在在线论坛上遇到信息时：使用文本挖掘分析用户意见并预测价值波动。《公共科学图书馆》第一期，12（5）：2017年1月至14日。[18] Svetlana Sapuria和Angelika Kokkinaki。比特币是易变的！对不对？商业信息系统国际会议，第255–265页。Springer，2014年。[19] LukásPichl和Taisei Kaizoji。比特币价格时间序列的波动性分析。QuantitativeFinance and Economics，1（4）：474–485，2017年。[20] 安德鲁·厄克特和张汉雄。比特币是货币的对冲还是避风港？传统分析。2018年第1-25页。SSRN提供：https://ssrn.com/abstract=3114108.【21】埃利·布里、彼得·莫尔纳、乔治·阿兹、大卫·鲁波特和拉尔斯·伊瓦尔·哈格福斯。比特币的避险和避险属性：它真的不仅仅是一种多样化吗？《金融研究快报》，20:192–1982017年。【22】奥雷里奥·F·巴里维拉。重新审视比特币的效率：一种动态方法。《经济学快报》，161:1–42017。[23]约尔格·奥斯特里德和朱利安·洛伦兹。比特币及其极端行为的统计风险评估。《金融经济学年鉴》，12（01）：17500032017。【24】Je ffrey Chu、Saralees Nadarajah和Stephen Chan。比特币汇率的统计分析。PloS one，10（7）：E01336782015。[25]Ladislav Kristoufek。比特币价格的主要驱动因素是什么？来自小波相干分析的证据。PloS one，10（4）：E01239232015。【26】安妮·豪博·迪赫伯格。比特币、黄金和美元——GARCH波动性分析。FinanceResearch Letters，2016年16:85–92。【27】斯特凡·博恩霍尔德和金·斯内彭。比特币能让世界运转吗？关于竞争加密货币的动态。

arXiv预印本arXiv:1403.63782014。[28]加里克·希勒曼和米歇尔·劳克斯。全球加密货币基准研究。剑桥替代金融中心，2017年。【29】Abeer ElBahrawy、Laura Alessandretti、Anne Kandler、Romualdo Pastor Satorras和Andrea Baronchelli。加密货币市场的演化动力学。皇家开放科学学会，4（11）：1706232017。罗伯特·阿克斯泰尔。美国企业规模的Zipf分布。《科学》，293（5536）：1818-18202001。[31]Xavier Gabaix。齐普夫城市定律：一种解释。《经济学季刊》，114（3）：739–7671999。[32]Joseph S Kong、Nima Sarshar和Vwani P Roychowdhury。经验与人才塑造了网络的结构。《国家科学院学报》，105（37）：13724–137292008。【33】托马斯·梅拉特、迪迪埃·索内特、塞巴斯蒂安·斯佩思和G·冯·克罗。在开源linux发行版中对Zipf定律机制进行实证测试。《物理评论快报》，101（21）：2187012008。赫伯特是西蒙。关于一类偏态分布函数。Biometrika，42（3/4）：425–4401955。[35]阿尔伯特·拉斯洛·巴拉巴西和雷卡·阿尔伯特。随机网络中尺度的出现。《科学》，286（5439）：509–512，1999年。Yannick Malevergne、Alexander Saichev和Didier Sornette。齐普夫定律与最大可持续增长。《经济动态与控制杂志》，37（6）：1195–12122013。【37】CoinMarketCap。https://coinmarketcap.com/.[38]柯武、斯宾塞·惠特利和迪迪埃·索内特。根据幂律资本化分布动态对加密货币和代币进行分类。http://datadryad.org/review?doi=doi:10.5061/dryad.t577f19.[39]斯坦·希金斯。比特币盗窃案造成数百万人损失，Crypsy面临破产威胁。https://www.coindesk.com/cryptsy-bankruptcy-millions-bitcoin-stolen/, 2016. 1月15日。Yannick Malevergne、Vladilen Pisarenko和Didier Sornette。

用一致最强大的无偏检验对城市分布进行帕累托检验，以对抗对数正态分布。《物理评论》E，83（3）：03611112011。【41】亚历山大·萨切夫、扬尼克·马勒弗涅和迪迪埃·索内特。齐普夫定律及其他理论。斯普林格，2010年。【42】斯宾塞·惠特利和迪迪埃·索内特。指数和帕累托尾样本中的多个离群点检测：弥补内向方法和检测龙王。瑞士金融研究所研究论文系列，2015年第15-28页。可从SSRN获得：https://ssrn.com/abstract=2645709.【43】吉内斯特拉·比安科尼和巴拉巴西。不断发展的网络中的竞争和多尺度。EPL（欧洲物理学快报），54（4）：4362001。【44】芬玛。FINMA发布ICO指南。https://www.finma.ch/en/news/2018/02/20180216-mm-ico-wegleitung/, 2018. 2月16日。[45]田川和瑞秋·罗斯·奥伊雷。中国取缔ICO：金融监管机构下令停止代币交易。https://www.coindesk.com/china-outlaws-icos-financial-regulators-order-halt-token-trading/, 2017. 9月4日。【46】斯坦·希金斯。毫不奇怪：区块链行业看到SEC ICO行动即将到来。https://www.coindesk.com/not-surprise-blockchain-industry-saw-sec-ico-action-coming/2017年7月26日。【47】辛西娅·金。韩国禁止通过首次发行硬币筹集资金。https://www.reuters.com/article/us-southkorea-bitcoin/south-korea-bans-raising-money-through-initial-coin-offerings-idUSKCN1C408N2017年9月29日。[48]迪迪埃·索内特。股市崩溃原因：复杂金融系统中的关键事件。普林斯顿大学出版社，2003年。