Outlier Ventures: проектирование и оптимизация токенов на основе данных

Д-р Ахим Струве｜Докладчик‍‍‍‍‍

Сисси｜Сборник

Примечание редактора:

В экосистеме токенов достижение устойчивого развития имеет решающее значение. Последнее видео от Outlier Ventures дает всесторонний взгляд на ключевые проблемы, стоящие перед экосистемой токенов, и предлагает практические решения и инструменты для решения этих проблем.

В этом видео рассказывается о принципах и методах проектирования токенов, которое открывает новые перспективы для планирования и создания систем токенов. В то же время, дополненные рядом практических инструментов, таких как инструменты моделирования на основе агентов, QTM и т. д., эти инструменты могут предоставлять ценную информацию на разных этапах, помогая проекту принимать обоснованные решения. Благодаря этим вспомогательным инструментам у стартапов Web3 есть возможность добиться устойчивого роста.

Это видео от Outlier Ventures дает новый взгляд на критическую роль разработки токенов и связанных с ними инструментов в реакции проектных команд на изменения, доказывая, что это мощное оружие в адаптации к постоянно меняющейся экосистеме токенов. Формированию этого познания способствуют углубленные исследования и практика экосистемы токенов, что позволяет участникам лучше понять динамику экосистемы и принимать более обоснованные и дальновидные решения. Далее идет перевод и организация видеоконтента. Для получения дополнительной информации о разработке токенов, пожалуйста, обратитесь к предыдущему содержанию этой официальной учетной записи. ‍‍

Три этапа разработки и оптимизации токена

Фаза обнаружения

При создании успешной экосистемы токенов необходимо выполнить ключевые шаги на макроуровне экосистемы. Во-первых, проблема должна быть четко определена, а проблемы, с которыми предстоит столкнуться, должны быть четко обозначены. Во-вторых, необходимо прояснить поток ценности между заинтересованными сторонами, чтобы обеспечить устойчивость и сбалансированность экосистемы. В то же время рациональность всей экосистемы и ее токенов, включая разумное использование токенов, необходимо обсудить и рассмотреть более подробно. Кроме того, необходимо также высокоуровневое планирование, которое охватывает способы эффективного использования токенов и разработки различных контентных решений. Все эти важные шаги являются неотъемлемой частью построения успешной экосистемы токенов.

этап проектирования

Параметризация — еще один важный шаг в построении экосистемы токенов, который включает в себя применение количественных инструментов, таких как электронные таблицы, инструменты моделирования, такие как CADCAD, Token Spice, Machinations и т. д. Эти инструменты могут помочь людям получить оптимизированные и проверенные модели, провести анализ рисков и прогнозирование, а также получить представление о тенденциях предложения и оценки токенов. Эти количественные инструменты обеспечивают лучшее понимание функционирования экосистемы для поддержки ее проектирования и оптимизации.

Этап развертывания

Этап развертывания имеет решающее значение, он претворяет в жизнь предыдущий теоретический анализ и дизайн и фактически развертывает экосистему на блокчейне. На этом этапе необходимо использовать различные инструменты, в том числе разные языки программирования, такие как Solidity, Rust и т. д., и среды развертывания, такие как Hardhat. В результате этого процесса конечным результатом является фактический токен или продукт экосистемы, который действительно оживает и работает на блокчейне.

Инструмент создания токенов

На трех вышеперечисленных этапах (обнаружение, проектирование и развертывание) нам необходимо использовать ряд инструментов, и направленность и тип этих инструментов будут различаться в разных областях. Это применимо не только к сфере DeFi, но и к различным прикладным проектам, инфраструктуре, играм и другим областям.

При рассмотрении уровня детализации есть две точки зрения: одна точка зрения заключается в том, что мы можем смотреть на экосистему с качественной точки зрения, достаточно использовать рыночные стандарты и не требует никакого моделирования. Другая точка зрения заключается в том, что необходимо создать цифрового двойника, симуляцию всей экосистемы 1:1, поскольку это сопряжено с большим финансовым риском. По мере продвижения к большей точности и увеличению ресурсоемкости растут и необходимые знания в области программирования. Это также увеличивает требования к пользователям — они должны уметь программировать, чтобы работать с более сложными моделями, что может поставить под угрозу удобство для пользователя. Поэтому для построения более подробных моделей экосистем требуется больше знаний в области программирования, а также хорошее понимание математики.

В экосистеме токенов есть различные инструменты, которые помогают нам понять и спроектировать систему. В левом конце «Схемы инструмента проектирования токенов» выше находится модель электронной таблицы и некоторые качественные инструменты, такие как постановка проблемы, постановка проблемы заинтересованных сторон, сопоставление заинтересованных сторон и конкретные потоки создания ценности. Мы даже можем использовать аргументы, основанные на искусственном интеллекте, например, использовать модели машинного обучения для разработки первого проекта токена. А в средней части графика, такой как QTM (количественная модель токенов), хотя это также модель электронных таблиц, она охватывает несколько различных областей, не ограничиваясь DeFi. Такой широкий охват может привести к потере точности, но он помогает стартапам получить информацию из первых рук и первоначальное понимание своей экосистемы токенов.

В левой части рисунка расположены инструменты моделирования, такие как CADCAD, которые могут выполнять моделирование экосистемы 1:1 в сложной среде. В целом, в экосистеме токенов выбор правильных инструментов и методологий имеет решающее значение для успеха стартапа. Различные типы инструментов могут предоставлять ценную информацию на разных этапах, чтобы помочь предприятиям принимать обоснованные решения и способствовать непрерывному развитию экосистемы.

Обзор QTM

QTM — это количественная модель токенов, в которой используется фиксированное время моделирования, равное 10 годам, при этом каждый временной шаг равен одному месяцу, поэтому это скорее модель макросимуляции, чем высокоточная модель. В начале каждого временного шага токены будут выпущены в экосистему, поэтому в модели есть модули поощрения, модули владения токенами, модули аирдропа и т. д. Затем эти токены будут распределены по нескольким мета-сегментам, из которых снова будет происходить более детальное обобщенное перераспределение полезности. Затем определите выплаты вознаграждения и т. д. с помощью этих служебных инструментов. Существуют также бизнес-аспекты вне сети, которые также учитывают общее финансовое состояние бизнеса, такое как уничтожение или выкуп, а также могут измерять принятие пользователями или определять принятие пользователей.

Однако следует подчеркнуть, что качество вывода этой модели зависит от качества ввода. Поэтому, прежде чем использовать QTM, необходимо провести адекватное исследование рынка, чтобы получить более точные исходные данные и получить представление о том, что происходит. Таким образом, можно получить выходной результат, более близкий к реальной ситуации. QTM рассматривается как образовательный инструмент для стартапов на ранней стадии, помогающий им получить первоначальное представление об их экосистеме, но из него нельзя брать финансовые советы, и нельзя полагаться только на результаты.

анализ данных

Далее мы рассмотрим различные типы данных, которые можно извлечь с точки зрения анализа данных. Прежде всего, вы можете наблюдать за развитием рынка в целом с точки зрения макрорынка, включая рынок DeFi и рынок криптовалют. Впоследствии можно сосредоточиться на показателях раундов сбора средств, чтобы понять, как финансируется проект, например, объем привлеченных средств, оценка и продажи поставок в разных раундах. Во-вторых, модели поведения участников также могут быть изучены, чтобы получить представление об инвестиционных привычках других.

По сравнению с традиционными финансами данные в цепочке значительно отличаются, потому что данные в цепочке общедоступны для всех и могут просматривать практически каждую транзакцию в экосистеме. Из этого можно получить различные показатели, такие как рост числа пользователей, общая заблокированная стоимость (TVL), объем транзакций и т. д. Что еще более интересно, также можно наблюдать, как различные механизмы стимулирования влияют на работу экосистемы. Кроме того, платформы социальных сетей, такие как Twitter, Reddit, Discord и Telegram, играют важную роль в экономике токенов и эффективности проекта.

Эта информация является общедоступной и представляет собой очень ценные данные, которые следует использовать для лучшего понимания параметров экосистемы и проверки наших моделей.

Ниже приведен пример, в котором мы можем посмотреть на данные, похожие на создание вестинга. Несмотря на то, что этот пример небольшой, в целом можно соблюсти сроки распределения прав для различных групп заинтересованных сторон. На приведенной выше диаграмме вы можете увидеть минимальные, средние, медианные и максимальные значения для периода наделения правами, которые представляют собой анализ периода наделения правами для всех различных полей. Кроме того, одни и те же данные можно сегментировать, чтобы различать разные отрасли промышленности. Таким образом, видно, что распределение данных по разным полям может сильно различаться. Хотя эти значения не всегда могут быть оптимальными, они дают нам отправную точку.

Другой пример касается исторического баланса корзины токенов. Взяв в качестве примера Maple Finance, вы можете проверить статус собственных токенов, отслеживать все транзакции во всей экосистеме и классифицировать их по определенным «сегментам токенов», таким как адреса, связанные с Maple, адреса централизованных бирж и адреса децентрализованных бирж, и т. д. Таким образом, мы можем посмотреть на баланс каждой заинтересованной стороны и наблюдать за тем, что происходит в экосистеме.

В этом примере можно заметить, что балансы всех адресов Maple снижались до середины 22 июля, когда был введен контракт на размещение, в результате чего большое количество токенов было выделено для контракта на размещение. Мы также можем наблюдать, что венчурные капиталисты участвуют в этой схеме ставок, что можно вывести непосредственно из графика. Кроме того, есть возможность наблюдать, как меняется баланс биржи с течением времени, что очень помогает понять, что происходит в экосистеме. Наконец, также можно изучить поведение отдельных ставок или конкретных адресов, чтобы получить представление о том, что происходит.

В экосистеме токенов наблюдение за поведением конкретных адресов может предоставить важную информацию о ликвидности токенов. Например, когда токены отправляются из контракта стейкинга на определенный адрес, можно понять, что получатель делает с этими токенами. Решат ли они реинвестировать эти токены, снова отправить их обратно в стейкинг-контракт, продать их или разместить в другом месте? Это ключевая информация, которую необходимо проанализировать, чтобы понять поведение каждой заинтересованной стороны, и мы можем передать эти данные обратно в наши модели, помогая их точно настроить.

Эта модель позволяет анализировать поведение получателей токенов не только для отдельных адресов, но и для репрезентативных групп агрегированных заинтересованных сторон. Например, мы можем проанализировать несколько проектов токенов, таких как Maple, Goldfinch и TrueFi, и обнаружить, что около 38% токенов отправляются обратно в договор залога после первой транзакции после получения через договор залога. Это сопоставимо с примерно 8 процентами для централизованных бирж и примерно 14 процентами для децентрализованных бирж. Просматривая распределение сегментов токенов в определенный момент времени в QTM, можно понять количество токенов в обращении. Эти значения можно применить к нашим параметрам, чтобы получить первое представление о том, как ведет себя экосистема.

Используя эти данные, мы можем делать прогнозы, например прогнозировать балансовое предложение различных сегментов в экосистеме в течение следующих десяти лет или около того, включая фонды, команды, распределение залогов, общее оборотное предложение и пулы ликвидности. В то же время также может выполняться ценовое моделирование или прогнозирование. Важно подчеркнуть, что эти прогнозы не предназначены для спекуляций или финансовых консультаций, а скорее помогают нам понять взаимосвязь между атрибуцией предложения и спросом на токены и, следовательно, баланс этих двух факторов.

Кроме того, можно анализировать и другие аспекты, такие как распределение различных долей полезности. Например, мы можем понять, сколько токенов поставлено на карту, сколько используется для программы стимулирования добычи ликвидности или сколько токенов сожжено, если есть механизм сжигания. Мы также можем посмотреть на ежемесячные вознаграждения за коммунальные услуги, чтобы увидеть, сколько стоят эти стимулы в долларовом выражении, если токены можно потратить в магазине или в другом месте. Важно понимать общее использование токена, особенно учитывая фактор стоимости при стимулировании экосистемы.

Модели, управляемые данными

Еще одна тема — новые подходы к планам наделения правами. Иногда люди думают, что требуются только очень длинные планы вестинга, но это не всегда хорошо, так как это означает, что предложение в начальном обращении очень низкое, что приводит к спекуляциям и потенциально раздутому поведению на рынке. Поэтому мы предлагаем ввести механизм атрибуции токенов, который принимает корректировки, не зависящие от рыночного спроса. Другими словами, нет необходимости прогнозировать потребности экосистемы, поскольку выпуск атрибуции будет контролироваться контроллером в соответствии с определенными заранее определенными ключевыми показателями эффективности. Эти KPI могут включать TVL, объем транзакций, принятие пользователями, прибыльность бизнеса и многое другое. В этом примере просто используется цена токена.

В экосистеме токенов взаимосвязь между атрибуцией и ценой можно понять, проанализировав реальные экземпляры токенов. Например, в первый год существования экосистемы большой объем предложения поступает на рынок через наделение правами, но, поскольку продукт может быть недостаточно зрелым, рыночный спрос может быть недостаточным, а внедрение может быть небольшим, что приводит к повышению цены жетон для сброса. Эту ситуацию можно смоделировать с помощью модели (например, QTM), из которой можно наблюдать аналогичное поведение: на начальном этапе цена токена может упасть из-за выхода на рынок большого предложения. Затем с течением времени, когда принятие меняется, пользователи начинают присоединяться и приносить доход, можно совершать выкупы, и цена в конечном итоге восстанавливается.

В модели можно смоделировать три различных сценария спроса: логистическая функция, линейная функция и экспоненциальный рост. Контроллер в основном управляет разными выбросами в разные моменты времени, и вы можете видеть, что для каждого отдельного сценария роста и спроса в разные моменты времени контроллер будет управлять разными выбросами.

Когда цены на токены растут, в экосистему будет выпущено больше токенов, что может привести к тому, что ранние инвесторы будут продавать токены, что, в свою очередь, приведет к падению цены. Наоборот, когда цена ниже установленной, выпуск токенов будет уменьшен. Однако выпуск токенов не упадет до нуля, так как нам необходимо обеспечить, чтобы все первоначальные инвесторы в конечном итоге получили свою справедливую долю. Благодаря этому механизму контроля цена токена снова вырастет, что в конечном итоге снизит волатильность и стабилизирует экосистему.

Цена — очень важный показатель в экосистеме. Для экосистемы было бы очень плохо, если бы цена токена упала на 90% за год. Хотя мы знаем, что не можем точно предсказать будущее, по крайней мере, мы должны учитывать спрос и пытаться моделировать и прогнозировать его. Это не означает погоню за определенным результатом или конкретным значением, а означает изучение всего доступного пространства решений с помощью моделирования методом Монте-Карло и анализа параметров. Это может помочь нам понять возможности в различных ситуациях и разработать более комплексные и гибкие стратегии.

Кроме того, мы можем присвоить этим атрибуциям разные веса. Например, на начальном этапе стимулы экосистемы могут получать больше токенов, в то время как команды могут получать меньшую долю. Однако со временем ситуация может измениться, поскольку мы не хотим полагаться исключительно на передачу токенов для развития экосистемы, мы хотим создать модель устойчивого роста.

Оригинальное видео: