[ad_1]
В этой статье я намерен обсудить важность рыночных данных, эконометрики децентрализованных финансов (DeFi) и прикладных исследований DeFi крипто (и цифровых) активов как следствия финансовой эконометрики и прикладных исследований. Я также попытаюсь опираться на точку зрения и выводы из основополагающих работ Юджина Фамы, основанные на его интересе к измерению статистических свойств цен акций и разрешению споров между техническим анализом (использование геометрических паттернов в графиках цен и объемов для прогнозирования будущей цены). движение ценной бумаги) и фундаментальный анализ (использование бухгалтерских и экономических данных для определения справедливой стоимости ценной бумаги). Нобелевский лауреат Фама воплотил в жизнь гипотезу эффективного рынка, компактно резюмированную в эпиграмме, что «цены полностью отражают всю доступную информацию» на эффективных рынках.
Итак, давайте сосредоточимся на этой информации о крипто и цифровых активах, на источниках данных о криптовалюте и децентрализованном финансировании, анализе рыночных данных и на всем, что окружает массовую развивающуюся индустрию DeFi, которая необходима для привлечения институциональных инвесторов к криптовалюте, DeFi и более широкому «токену». рынки в целом.
На большинстве рынков рыночные данные определяются как цена инструмента (актива, ценной бумаги, товара и т. Д.) И данные, связанные с торговлей. Эти данные отражают волатильность рынка и класса активов, объем и данные по конкретной сделке, такие как открытие, максимум, минимум, закрытие, объем (OHLCV) и другие данные с добавленной стоимостью, такие как данные книги заказов (спред спроса и предложения, агрегированный рынок глубина и т. д.), а также ценообразование и оценка (справочные данные, традиционные финансовые данные, такие как первые курсы валют и т. д.). Эти рыночные данные играют важную роль в различных финансовых эконометрических, прикладных финансах, а теперь и в исследованиях DeFi, таких как:
- Структура управления рисками и модели рисков
- Количественная торговля
- Цена и оценка
- Построение и управление портфелем
- Общее криптовалютное финансирование
Хотя применение традиционной методологии для оценки риска и различения разной степени возможностей, распространяемых по разным и появляющимся классам криптоактивов, может быть ограничивающим, это только начало. Появились новые модели оценки, нацеленные на осмысление этих цифровых активов, которые стали доминировать на действительно глобальных цифровых рынках, и даже этим моделям нужны рыночные данные. Некоторые из этих моделей включают, но не ограничиваются:
- VWAP, или средневзвешенная цена по объему, методология, которая обычно определяет справедливую стоимость цифрового актива путем расчета средневзвешенной по объему цены на основе предварительно выбранной группы доступных постторговых данных составляющих бирж.
- TWAPили средневзвешенная по времени цена, которая может быть оракулом или смарт-контрактом, который выводит цены токенов из пулов ликвидности, используя временной интервал для определения коэффициента обеспечения.
- Коэффициент роста определяет побочный фактор.
- ТВЛ, или заблокированная общая стоимость, предназначена для пулов ликвидности и автоматических маркет-мейкеров (AMM).
- Общее количество пользователей отражает сетевой эффект и потенциальное использование и рост.
- Основная рыночная методология применяется к основному рынку, который часто определяется как рынок с наибольшим объемом и активностью для цифрового актива. Справедливая стоимость – это цена, полученная за цифровой актив на этом рынке.
- Объемы торгов на CEX и DEX представляют собой сумму объемов торгов на централизованных биржах (CEX) и децентрализованных биржах (DEX).
- CVI, или индекс волатильности криптовалюты, создается путем вычисления индекса децентрализованной волатильности на основе цен на опционы на криптовалюту вместе с анализом ожиданий рынка относительно будущей волатильности.
Таким образом, рыночные данные становятся центральными для всех инструментов моделирования и анализа для понимания рынков, а также для выполнения корреляционного анализа между различными криптосекторами, такими как уровень один, уровень два, Web 3.0 и DeFi. Основным источником данных криптовалютного рынка является постоянно растущее и фрагментированное сочетание криптобирж. Данным с этих бирж нельзя повсеместно доверять, поскольку мы видели случаи завышения объемов с помощью таких практик, как промывочная торговля и закрытые пулы, которые могут искажать цену, искажая спрос и объем. Таким образом, моделирование гипотезы на основе эмпирических данных и последующая проверка гипотезы для формулировки теории инвестиций (выводы из эмпирических резюме) могут быть непростыми. Это порождает оракулы, которые стремятся решить проблемы, связанные с надежными данными, поступающими в систему транзакций блокчейна или на уровень посредничества между криптовалютным и традиционным финансовыми уровнями.
Блокчейн, базовая технология, которая управляет всеми криптоактивами и сетями, рекламирует свои фундаментальные принципы торговли, доверия и владения на основе прозрачности, расширяемой трастовыми системами (или консенсусом), так почему же рыночные данные являются такой огромной проблемой? Разве не является частью идеала блокчейна и криптоиндустрии полагаться на рыночные данные, которые легко доступны для анализа?
Ответ: «Да! Но!” Все становится интереснее, когда мы пересекаем криптовалютные рынки с ликвидностью на основе фиата – транзакции, деноминированные в долларах США, евро, иенах и британских фунтах стерлингов, представляют собой железную дорогу к традиционному финансированию, которому способствуют криптобиржи.
Понимание крипто-макроса и дифференциация глобального макроса
Как поясняет Питер Чир, глава отдела глобальной макроэкономики в нью-йоркской Academy Securities, в статье Саймона Констебля «Глобальная макроэкономика» обозначает основные тенденции, которые настолько велики, что они могут поднять или упасть в экономике или в огромных количествах. на рынках ценных бумаг ». Констебль добавил:
«Они отличаются от микропредприятий, которые могут повлиять на производительность отдельной компании или подсектора рынка».
Я хотел бы различать глобальный макрос и крипто-макрос. В то время как глобальные макроэкономические тенденции, такие как инфляция, денежная масса и другие макро-события, влияют на глобальные кривые спроса и предложения, крипто-макроопределение регулирует корреляцию между различными секторами (такими как Web 3.0, уровень один, уровень два, DeFi и нематериальные токены) , токены, которые являются репрезентативными для тех секторов и событий, которые влияют на соответствующее движение этих классов активов.
Классы криптографических (и цифровых) активов определяют совершенно новую сферу создания активов, транзакций и движения активов, когда они ограничиваются взаимозаменяемостью между классами активов и механизмами обмена, такими как ссуды, обеспечение и обмен. Это создает макросреду, подкрепленную криптоэкономическими принципами и теориями. Когда мы пытаемся связать эти две основные макроэкономические среды для вливания или передачи ликвидности из одной экономической системы в другую, мы существенно усложняем наши метрики измерения и рыночные данные из-за столкновения систем ценностей.
Позвольте мне продемонстрировать сложность на примере важности рыночных данных и других факторов при формулировании теории инвестиций, основанной на выводах из эмпирических абстракций.
В то время как уровень один обеспечивает важную полезность для многих экосистем, возникающих в сетях первого уровня, не все сети первого уровня созданы равными и не обеспечивают одинаковую ценность и характеристики. Биткойн (BTC), например, имеет преимущество первого шага и является своего рода лицом экосистемы криптовалюты. Это началось как коммунальное предприятие, но превратилось в средство сбережения и класс активов как средство защиты от инфляции, пытающееся вытеснить золото.
С другой стороны, эфир (ETH) придумал понятие программируемости (способности применять условия и правила) для оценки движения, тем самым создавая богатые экосистемы, такие как DeFi и NFT. Таким образом, ETH становится служебным токеном, который поддерживает эти экосистемы, облегчая совместное создание. Рост транзакционной активности подтолкнул спрос на эфир, так как он необходим для обработки транзакций.
Биткойн как средство сбережения и защита от инфляции сильно отличается от постоянно растущего и развивающегося бизнеса в сети первого уровня. Следовательно, важно понимать, что придает ценность этим токенам. Это полезность токена в качестве платы за сеть, которая делает его ценным, или его способность хранить и передавать (большую) ценность в ближайшее время, что дает ему преимущество перед существующими системами движения стоимости или платежными системами.
В любом случае полезность, объем транзакций, оборотное предложение и соответствующие показатели транзакций дают представление об оценке токена. Если бы мы проанализировали и изучили более глубокое макроэкономическое влияние на оценку (например, процентные ставки, денежную массу, инфляцию и т. Д.), А также макроэкономические факторы, связанные с корреляцией других криптоактивов и криптовалют, которые прямо или косвенно влияют на первый уровень, итоговая теория будет включать в себя рост базовых технологий, роли классов собственных активов и премий по погашению. Это будет свидетельствовать о технологическом риске и принятии на рынок, сетевом эффекте и премии за ликвидность, которые демонстрируют широкое признание в различных экосистемах, управляемых криптовалютой. Инвестиционный взгляд на стратегическое соответствие, например, построению криптопортфеля, включает соображения, касающиеся макроэкономических циклов, крипто-ликвидности (способности конвертировать криптоактивы) и крипто-макро-воздействия, и рассматривает их как среднесрочный низкий риск для нашей модели риска. фреймворк.
Доступность надежных данных криптовалютного рынка позволяет не только принимать торговые решения в режиме реального времени и на месте, но также проводить различные анализы рисков и оптимизации, необходимые для построения и анализа портфеля. Для анализа требуются дополнительные традиционные рыночные данные, поскольку мы начинаем общаться с традиционными рыночными циклами и ликвидностью, связанными с финансами, которые также могут пытаться коррелировать криптографические макро-секторы с глобальными макро-секторами. Это может быстро усложниться с точки зрения моделирования просто из-за несоответствия между разнообразием и скоростью рыночных данных между двумя системами ценностей.
Перспективы
Эффективность криптовалютного рынка столь же важна для принятия правильных финансовых решений, но она плохо понимается и искажается плохой или неадекватной информацией. Именно данные о (экономических) рынках криптовалют и различные экономические модели позволяют нам понять возникающие и беспорядочные криптовалютные рынки. Принципы гипотезы эффективного рынка, которая подразумевает, что на эффективных рынках цена всегда отражает доступную информацию, также применимы к криптовалютным рынкам.
Таким образом, рыночные данные становятся центральными для всех инструментов моделирования и анализа для понимания рынков, а также для выполнения корреляционного анализа между различными криптографическими секторами, такими как уровень один, уровень два, Web 3.0 и DeFi. Основным источником данных криптовалютного рынка является постоянно растущее и фрагментированное сочетание криптобирж. Классы криптовалютных и цифровых активов определяют совершенно новую сферу создания активов, транзакций и движения активов, особенно когда они ограничиваются взаимозаменяемостью между классами активов и механизмами обмена, такими как ссуды, обеспечение и обмен. Это создает макросреду, подкрепленную криптоэкономическими принципами и теориями.
Когда мы пытаемся связать эти две основные макроэкономические среды для вливания или передачи ликвидности из одной экономической системы в другую, мы существенно усложняем наши метрики измерения и рыночные данные из-за коллизии систем ценностей. Для анализа требуются дополнительные традиционные рыночные данные, поскольку мы начинаем разговаривать с традиционными рыночными циклами и ликвидностью, связанными с финансами, а также пытаемся соотнести криптографические макро-секторы с глобальными макро-секторами. Это может быстро усложниться с точки зрения моделирования просто из-за несоответствия между разнообразием и скоростью рыночных данных между двумя системами ценностей.
Эта статья не содержит советов или рекомендаций по инвестициям. Каждое инвестиционное и торговое движение сопряжено с риском, и читатели должны проводить собственное исследование при принятии решения.
Взгляды, мысли и мнения, выраженные здесь, принадлежат только автору и не обязательно отражают или отражают взгляды и мнения CryptoBots.
[ad_2]
