Outlier Ventures: Veriye Dayalı Token Tasarımı ve Optimizasyonu

Dr. Achim Struve｜Konuşmacı‍‍‍‍‍

Sissi｜Derleme

Editörün Notu:

Simgesel bir ekosistemde, sürdürülebilir kalkınmaya ulaşmak kritik öneme sahiptir. Outlier Ventures’ın en son videosu, token ekosisteminin karşı karşıya olduğu temel sorunlara kapsamlı bir bakış açısı sağlıyor ve bu zorlukların üstesinden gelmek için pratik çözümler ve araçlar sunuyor.

Bu video, belirteç sistemlerini planlamak ve oluşturmak için yeni bir bakış açısı sağlayan Token Engineering’in ilkelerini ve yöntemlerini vurgular. Aynı zamanda Ajan tabanlı simülasyon araçları, QTM vb. gibi bir dizi pratik araçla desteklenen bu araçlar, projenin bilinçli kararlar almasına yardımcı olmak için farklı aşamalarda değerli bilgiler sağlayabilir. Bu destekleyici araçlarla, Web3 girişimleri kalıcı büyüme elde etme fırsatına sahip olur.

Outlier Ventures’ın bu videosu, proje ekiplerinin değişime yanıt vermesinde belirteç mühendisliğinin ve ilgili araçların kritik rolünü vurgulamak için yeni bilgiler getiriyor ve sürekli değişen belirteç ekosistemine uyum sağlamada güçlü bir silah olduğunu kanıtlıyor. Bu bilişin oluşumu, belirteç ekosistemi üzerindeki derinlemesine araştırma ve uygulamalardan yararlanarak katılımcıların ekosistemin dinamiklerini daha iyi anlamalarını ve daha bilinçli ve ileri görüşlü kararlar almalarını sağlar. Video içeriğinin çevirisi ve organizasyonu aşağıdadır. Belirteç mühendisliği hakkında daha fazla bilgi için lütfen bu resmi hesabın önceki içeriğine bakın. ‍‍

Belirteç Tasarımı ve Optimizasyonunun Üç Aşaması

Keşif aşaması

Başarılı bir belirteç ekosistemi oluştururken, ekosistemin makro düzeyinde temel adımların yürütülmesi gerekir. İlk olarak, problem açıkça tanımlanmalı ve karşılaşılan zorluklar açıkça belirtilmelidir. İkinci olarak, ekosistemin sağlamlığını ve dengesini sağlamak için paydaşlar arasındaki değer akışının açıklığa kavuşturulması gerekir. Aynı zamanda, belirteçlerin makul kullanımı da dahil olmak üzere tüm ekosistemin ve belirteçlerinin rasyonelliğinin derinlemesine tartışılması ve dikkate alınması gerekir. Ayrıca, belirteçlerin etkin bir şekilde nasıl kullanılacağını ve çeşitli içerik çözümlerinin nasıl tasarlanacağını kapsayan üst düzey planlama da vazgeçilmezdir. Bu kritik adımların tümü, başarılı bir belirteç ekosistemi oluşturmanın ayrılmaz bir parçasıdır.

tasarım aşaması

Parametrelendirme, elektronik tablolar gibi nicel araçların, cadCAD, Token Spice, Machinations, vb. gibi simülasyon araçlarının uygulanmasını içeren bir token ekosisteminin inşasında bir başka kritik adımdır. Bu araçlar, insanların optimize edilmiş ve doğrulanmış modeller almasına, risk analizi ve tahmin yürütmesine ve token arzı ve değerleme eğilimleri hakkında fikir edinmesine yardımcı olabilir. Bu nicel araçlar, tasarımını ve optimizasyonunu desteklemek için ekosistemin işleyişinin daha iyi anlaşılmasını sağlar.

Dağıtım aşaması

Dağıtım aşaması çok önemlidir, önceki teorik analiz ve tasarımı uygulamaya koyar ve aslında ekosistemi blok zincirinde dağıtır. Bu aşamada Solidity, Rust vb farklı programlama dilleri ve Hardhat gibi dağıtım ortamları dahil olmak üzere çeşitli araçların kullanılması gerekir. Bu süreç boyunca, nihai sonuç, gerçekten hayata geçen ve blok zincirinde çalışan gerçek ekosistem belirteci veya ürünüdür.

Belirteç Tasarım Aracı

Yukarıdaki üç farklı aşamada (keşif, tasarım ve konuşlandırma), bir dizi araç kullanmamız gerekiyor ve bu araçların odak noktası ve türü farklı alanlarda değişiklik gösterecektir. Sadece DeFi alanı için değil, çeşitli uygulama projeleri, altyapı, oyunlar ve diğer alanlar için de geçerlidir.

Detay düzeyi düşünüldüğünde iki görüş vardır: Bir görüş, ekosisteme niteliksel bir bakış açısıyla bakabileceğimiz, piyasa standartlarını kullanmanın yeterli olduğu ve herhangi bir simülasyon gerektirmediği yönündedir. Başka bir bakış açısı da, çok fazla finansal risk içerdiğinden, tüm ekosistemin 1:1 simülasyonu olan bir dijital ikiz yaratmanın gerekli olduğudur. Daha fazla kesinlik ve kaynak yoğunluğuna doğru ilerleme kaydedildikçe, gerekli programlama bilgisi de artar. Bu aynı zamanda kullanıcılar üzerindeki talepleri de artırır - kullanıcı dostu olma özelliğinden ödün verebilecek daha karmaşık modelleri işlemek için programlayabilmeleri gerekir. Bu nedenle, daha ayrıntılı ekosistem modelleri oluşturmak için daha fazla programlama bilgisi ve iyi bir matematik anlayışı gerekir.

Belirteç ekosisteminde, sistemi anlamamıza ve tasarlamamıza yardımcı olan çeşitli araçlar vardır. Yukarıdaki "Belirteç Tasarım Aracı Şeması"nın sol ucunda elektronik tablo modeli ve sorun bildirimi, paydaş sorun bildirimi, paydaş haritalama ve belirli değer akışları gibi bazı niteliksel araçlar bulunur. İlk belirteç tasarımını hazırlamak için makine öğrenimi modellerini kullanmak gibi yapay zeka güdümlü akıl yürütmeden bile yararlanabiliriz. Ve grafiğin orta kısmında, QTM (Quantitative Token Model) gibi, aynı zamanda bir elektronik tablo modeli olmasına rağmen, DeFi ile sınırlı olmamak üzere birden fazla farklı alanı kapsar. Bu geniş kapsam, hassasiyet kaybına neden olabilir, ancak yeni başlayanların ilk elden içgörü kazanmasına ve token ekosistemi hakkında ilk anlayış kazanmasına yardımcı olur.

Şeklin sol tarafında, karmaşık bir ortamda ekosistemin 1:1 modellemesini yapabilen cadCAD gibi simülasyon araçları yer almaktadır. Genel olarak, belirteç ekosisteminde, uygun araçları ve metodolojileri seçmek, bir girişimin başarısı için kritik öneme sahiptir. Farklı türde araçlar, işletmelerin bilinçli kararlar almasına yardımcı olmak ve ekosistemin sürekli gelişimini kolaylaştırmak için farklı aşamalarda değerli bilgiler sağlayabilir.

QTM’ye genel bakış

QTM, her zaman adımı bir ay olmak üzere 10 yıllık sabit bir simülasyon süresi kullanan nicel bir belirteç modelidir, bu nedenle oldukça doğru bir modelden çok bir makro simülasyon modelidir. Her zaman adımının başında tokenlar ekosisteme salınacaktır yani modelde teşvik modülleri, token sahiplik modülleri, airdrop modülleri vb. Bu belirteçler daha sonra, yine daha ince taneli genelleştirilmiş bir yardımcı program yeniden dağıtımının gerçekleştiği birkaç meta kovaya dökülecektir. Ardından, bu yardımcı araçlardan ödül ödemeleri vb. tanımlayın. Ayrıca, imha veya yeniden satın alma gibi işletmenin genel mali durumunu da dikkate alan ve ayrıca kullanıcı benimsemesini ölçebilen veya kullanıcı benimsemesini tanımlayabilen zincir dışı iş yönleri de vardır.

Ancak bu modelin çıktı kalitesinin girdi kalitesine bağlı olduğu vurgulanmalıdır. Bu nedenle, QTM’yi kullanmadan önce, daha doğru girdiler elde etmek ve neler olup bittiğine dair fikir edinmek için yeterli pazar araştırması yapılmalıdır. Bu sayede gerçek duruma daha yakın bir çıktı sonucu elde edilebilir. QTM, başlangıç aşamasındaki girişimler için ekosistemleri hakkında ilk bilgileri edinmelerine yardımcı olan bir eğitim aracı olarak görülüyor, ancak ondan hiçbir finansal tavsiye alınmamalı ve sonuçlara tek başına güvenilmemelidir.

veri analizi

Ardından, veri analizi perspektifinden çıkarılabilecek farklı veri türlerine bakacağız. Öncelikle, DeFi piyasası ve kripto para piyasası dahil olmak üzere makro piyasa perspektifinden genel piyasanın gelişimini gözlemleyebilirsiniz. Ardından, projenin nasıl finanse edildiğini anlamak için toplanan fon miktarı, değerleme ve farklı turlardaki tedarik satışları gibi metriklere odaklanılabilir. İkinci olarak, katılımcıların davranış kalıpları, diğerlerinin yatırım alışkanlıkları hakkında fikir edinmek için de incelenebilir.

Geleneksel finansla karşılaştırıldığında, zincirdeki veriler önemli ölçüde farklıdır çünkü zincirdeki veriler herkes tarafından görülebilir ve ekosistemdeki hemen hemen her işlemi görüntüleyebilir. Buradan, kullanıcı büyümesi, toplam kilitli değer (TVL), işlem hacmi vb. gibi çeşitli metrikler yakalanabilir. Daha da ilginci, farklı teşvik mekanizmalarının ekosistemin işleyişini nasıl etkilediğini gözlemlemek de mümkün. Ek olarak, Twitter, Reddit, Discord ve Telegram gibi sosyal medya platformları, token ekonomisinde ve proje performansında önemli bir rol oynamaktadır.

Bu bilgiler, ekosistem parametrelerini daha iyi anlamak ve modellerimizi doğrulamak için kullanılması gereken herkese açık ve çok değerli verilerdir.

Aşağıda, hakediş kreasyonlarına benzer verilere bakabileceğimiz bir örnek bulunmaktadır. Bu örnek küçük bir örnek olmakla birlikte, genel olarak farklı paydaş grupları için hak ediş son tarihlerini gözlemlemek mümkündür. Yukarıdaki grafikte, tüm farklı alanlar için hakediş süresi analizi olan hakediş dönemi için minimum, ortalama, medyan ve maksimum değerleri görebilirsiniz. Ayrıca, farklı endüstri alanlarını ayırt etmek için aynı veriler bölümlere ayrılabilir. Bu şekilde, farklı alanlardaki verilerin dağılımının büyük ölçüde değişebileceği görülebilir. Bu değerler her zaman optimal olmasa da bize bir başlangıç noktası sağlar.

Başka bir örnek, token kovasının tarihsel dengesiyle ilgilidir. Maple Finance’i örnek alarak, yerel belirteçlerinin durumunu kontrol edebilir, tüm ekosistemdeki tüm işlemleri izleyebilir ve bunları Maple ile ilgili adresler, merkezi borsa adresi ve merkezi olmayan borsa adresi gibi belirli “belirteç kovaları” olarak sınıflandırabilirsiniz. vesaire. Bu sayede her bir paydaşın dengesine bakabilir ve ekosistemde neler olduğunu gözlemleyebiliriz.

Bu örnekte, staking sözleşmesinin tanıtıldığı 22 Temmuz ortasına kadar tüm Maple adreslerinin bakiyelerinin düşüşte olduğu ve bunun da staking sözleşmesine büyük miktarda token arzının tahsis edilmesine neden olduğu gözlemlenebilir. VC’lerin doğrudan grafikten türetilebilen bu staking şemasına katıldığını da gözlemleyebiliriz. Ayrıca değişim dengesinin zaman içinde nasıl değiştiğini gözlemlemek de mümkündür ki bu da ekosistemde neler olup bittiğini anlamak için oldukça faydalıdır. Son olarak, neler olup bittiğine dair fikir edinmek için bireysel bahislerin veya belirli adreslerin davranışını incelemek de mümkündür.

Bir belirteç ekosisteminde, belirli adreslerin davranışını gözlemlemek, belirteç likiditesi hakkında önemli bilgiler sağlayabilir. Örneğin, bir staking sözleşmesinden belirli bir adrese token gönderildiğinde, alıcının bu tokenlerle ne yaptığını anlamak mümkündür. Bu jetonları yeniden yatırmayı, tekrar staking sözleşmesine göndermeyi, satmayı veya başka bir yere yerleştirmeyi mi seçiyorlar? Bunlar, her bir paydaşın davranışını anlamak için analiz edilecek temel bilgilerdir ve bu verileri modellerimize geri besleyerek modellerde ince ayar yapmamıza yardımcı olabiliriz.

Bu model, belirteç alıcı davranışının yalnızca bireysel adresler için değil, aynı zamanda toplu paydaşların temsili grupları için de analiz edilmesini sağlar. Örneğin, Maple, Goldfinch ve TrueFi gibi birden fazla token projesini analiz edebilir ve tokenlerin yaklaşık %38’inin rehin sözleşmesi yoluyla alındıktan sonraki ilk işlemden sonra rehin sözleşmesine geri gönderildiğini görebiliriz. Bu, merkezi borsalar için yaklaşık yüzde 8 ve merkezi olmayan borsalar için yaklaşık yüzde 14’tür. QTM’de belirli bir zamanda token kovalarının tahsisini inceleyerek, dolaşımdaki token arzını anlamak mümkündür. Bu değerler, ekosistemin nasıl davrandığına ilk kez bakmak için parametrelerimize uygulanabilir.

Bu verileri kullanarak, temeller, ekipler, taahhüt dağıtımı, genel dolaşımdaki arz ve likidite havuzları dahil olmak üzere önümüzdeki on yıl içinde ekosistemdeki farklı kovaların denge arzını tahmin etmek gibi tahminler yapabiliriz. Aynı zamanda fiyat simülasyonu veya tahmini de yapılabilir. Bu tahminlerin spekülasyon veya finansal tavsiye amaçlı olmadığını, arz niteliği ile token talebi arasındaki ilişkiyi ve dolayısıyla bu iki faktörün dengesini anlamamıza yardımcı olduğunu vurgulamak önemlidir.

Ek olarak, farklı fayda fraksiyonlarının dağılımı gibi başka yönler de analiz edilebilir. Örneğin, kaç token stake edildiğini, kaç tanesinin likidite madenciliği teşvik programı için kullanıldığını veya yakma mekanizması varsa kaç tokenin yakıldığını anlayabiliriz. Jetonlar bir mağazada veya başka bir yerde harcanabiliyorsa, bu teşviklerin dolar bazında ne kadar değerli olduğunu görmek için aylık fayda ödüllerine de bakabiliriz. Özellikle ekosistemi teşvik ederken maliyet faktörü göz önüne alındığında, belirtecin genel kullanımını anlamak önemlidir.

Veriye dayalı modeller

Başka bir tema, hak ediş planları hakkında yeni düşünme biçimleridir. Bazen insanlar yalnızca çok uzun hakediş planlarının gerekli olduğunu düşünürler, ancak bu her zaman iyi değildir, çünkü bu, ilk dolaşımdaki arzın çok düşük olduğu anlamına gelir, bu da piyasada spekülasyona ve potansiyel olarak abartılı davranışlara yol açar. Bu nedenle, piyasa talebinden bağımsız olarak ayarlamaları benimseyen bir belirteç ilişkilendirme mekanizması getirmeyi öneriyoruz. Başka bir deyişle, ilişkilendirme sürümü, önceden tanımlanmış belirli temel performans göstergelerine göre denetleyici tarafından kontrol edileceğinden, ekosistemin ihtiyaçlarını tahmin etmek gerekli değildir. Bu KPI’lar TVL, işlem hacmi, kullanıcı benimseme, iş karlılığı ve daha fazlasını içerebilir. Bu örnekte, jetonun fiyatı basitçe kullanılmıştır.

Bir belirteç ekosisteminde, nitelik ve fiyat arasındaki ilişki, gerçek belirteç örneklerini analiz ederek anlaşılabilir. Örneğin ekosistemin ilk yılında büyük miktarda arz hak ediş yoluyla piyasaya girer ancak ürün yeterince olgunlaşmamış olabileceğinden pazar talebi yetersiz olabilir ve benimsenme fazla olmayabilir, bu da ürünün fiyatının düşmesine neden olur. bırakılacak jeton. Bu durum, benzer bir davranışın gözlemlenebileceği bir model (örn. Daha sonra zamanla, benimseme değiştiğinde, kullanıcılar katılmaya ve gelir getirmeye başlar, geri alımlar yapılabilir ve sonunda fiyat düzelir.

Modelde, üç farklı talep senaryosu simüle edilebilir: lojistik fonksiyon, doğrusal fonksiyon ve üstel büyüme. Denetleyici temel olarak farklı zaman noktalarında farklı emisyonları yönetir ve her farklı büyüme ve talep senaryosu için, ardından farklı zaman noktalarında denetleyicinin farklı emisyonları yöneteceğini görebilirsiniz.

Jeton fiyatları yükseldiğinde, ekosisteme daha fazla jeton salınacak, bu da erken yatırımcıların jeton satmasına neden olabilir ve bu da fiyatın düşmesine neden olur. Aksine, fiyat önceden belirlenmiş fiyattan düşük olduğunda, token ihracında azalma olacaktır. Bununla birlikte, tüm ilk yatırımcıların eninde sonunda adil paylarını almalarını sağlamamız gerektiğinden, token ihraçları sıfıra düşmeyecek. Bu kontrol mekanizmasıyla, token fiyatı tekrar yükselecek, sonuç olarak volatiliteyi azaltacak ve ekosistemi stabilize edecektir.

Fiyat, ekosistemde çok önemli bir göstergedir. Token fiyatının bir yılda %90 düşmesi ekosistem için çok kötü olur. Geleceği doğru bir şekilde tahmin edemeyeceğimizi bilsek de, en azından talep tarafını dikkate almalı ve onu modellemeye ve tahmin etmeye çalışmalıyız. Bu, belirli bir sonucun veya belirli bir değerin peşinden koşmak değil, Monte Carlo simülasyonları ve parametre taramaları yoluyla mevcut tüm çözüm uzayını keşfetmek anlamına gelir. Bunu yapmak, farklı durumlardaki olasılıkları anlamamıza ve daha kapsamlı ve esnek stratejiler geliştirmemize yardımcı olabilir.

Ayrıca, bu niteliklere farklı ağırlıklar atayabiliriz. Örneğin, ilk aşamada, ekipler daha küçük bir pay alırken, ekosistem teşvikleri daha fazla token tahsisi alabilir. Bununla birlikte, ekosistemin gelişimini yönlendirmek için yalnızca belirteç haklarına güvenmek istemediğimizden, sürdürülebilir bir büyüme modeli oluşturmak istediğimizden durum zaman içinde değişebilir.

Orijinal video: