طبقه بندی سکه های cryptocurrency و نشانه ها توسط پویایی سرمایه های بازار آنها

ما به طور تجربی تأیید می کنیم که سرمایه های بازار سکه ها و نشانه ها در جهان رمزنگاری ، توزیع قدرت قانون را با مقادیر قابل توجهی متفاوت برای نمایش دم در بین 0. 5 و 0. 7 برای سکه ها و بین 1. 0 تا 1. 3 برای نشانه ها دنبال می کنند. ما برای این کار منطقی ارائه می دهیم ، بر اساس یک رشد متناسب ساده با مدل تولد و مرگ که قبلاً برای توصیف توزیع اندازه بنگاه ها ، شهرها ، صفحات وب و غیره به کار رفته است. ما از نظر رشد متناسب ، مدل و پیش بینی های اصلی آن را تأیید می کنیم (قانون گیبرات) سکه ها و نشانه ها. با تخمین پارامترهای اصلی مدل ، پیش بینی های نظری برای مأمورین قدرت قانون توزیع سکه و توکن با توجه به سادگی مدل ، با تخمین های تجربی مطابقت دارد. نتایج ما به وضوح سکه ها را "مأمورین درگیر" و نشانه ها به عنوان "اکوسیستم نابالغ انفجاری" توصیف می کند ، که عمدتا به دلیل فعالیت سکه اولیه و پر زرق و برق در فضای توکن است. این تئوری پیش بینی می کند که نماینده نشانه ها باید در آینده به 1 همگرا شوند و این نشان دهنده میزان معقول تری از ورودی های جدید در ارتباط با نوآوری های فنی واقعی است.

1. معرفی

در سال 2008 ، تحت نام مستعار Satoshi Nakamoto ، bitcoin cryptocurrency غیر متمرکز [1] و فناوری blockchain نوآورانه و مخرب آن 1 معرفی شد. از ابتدای تکنوازان ، بیت کوین ، و تعداد زیادی از ارزهای رمزنگاری شده به طرز فجیعی به جریان اصلی رسیده اند. در یک داستان کلی از رشد فوق العاده ، تا فوریه 2018 حدود 1500 ارز رمزنگاری شده با سرمایه گذاری در کل بازار آنها وجود داشت که در 7 ژانویه 2018 به 830 میلیارد دلار در تمام مدت رسیده و سپس در ماه بعد به 280 میلیارد دلار سقوط کرد-افت احساسی ، امافقط سودهای خنثی کننده در Q4 2017. بنابراین پتانسیل رشد و اقدامات بازار توجه زیادی را در بین سرمایه گذاران خرده فروشی و نهادی جلب کرده است ، که در حال عجله به "دنیای رمزنگاری" جدید هستند ، 2 که اعتیاد به آنها بر اساس قول کلیدی است که فناوری cryptocurrency می تواندسیستم های غیرمتمرکز را ارائه دهید که از اعتماد و اعتماد به مقامات متمرکز جلوگیری کنند و قدرت را در دست کاربران نگه دارند. طیف وسیعی از موارد استفاده مختل کننده ، برخی از سوداگرانه تر از سایرین ، پیش بینی شده است. 3 در همین زمان ، ارقام شناخته شده بانکهای مرکزی ، دولتها ، موسسات مالی و سایر مأمورین وضع موجود ، فضای رمزنگاری را مجازات کرده اند-آن را "کلاهبرداری" با ارزش اساسی صفر می کنند. با کمال تعجب ، تنظیم کننده ها فضا را تماشا می کنند و اظهارات اولیه آنها در مورد تنظیم احتمالی امواج شوک را از طریق بازار ارسال می کند.

با توجه به مطالعات دانشگاهی در مورد cryptocurrency ، گذشته از برخی از نظرسنجی های جامع [3،4] ، مطالعات بیشتر روی بیت کوین متمرکز شده است. این شامل: اقتصاد [5-8] ، خصوصیات شبکه [9 12] ، سیگنال های اجتماعی [13-17] و پویایی قیمت [18 26]. با تمرکز بر پویایی کلی بازار و مکانیسم های رشد ، برخی از مدل ها پیشنهاد شده اند [27،28] ، اما نتوانستند با اطمینان پویایی بازار را توضیح دهند. به عنوان مثال ، در [29] ، مدل اکولوژیکی آنها افت تدریجی بیت کوین را به 50 ٪ از کل سرمایه بازار در یک دهه از این پس پیش بینی کرد ، اما همان افت در آن زمان در طی ماه ها از انتشار مقاله اتفاق افتاد.

∝ x −1 برای سطح به اندازه کافی بزرگ ، x. از آنجا که کار پیشگامانه سیمون [34] ، مکانیسم تولید اولیه قانون ZIPF به عنوان رشد متناسب (قانون Gibrat) است ، همچنین به عنوان "دلبستگی ترجیحی" هنگام تجدید نظر در زمینه شبکه ها محبوبیت می یابد [35]. Malevergne و همکاران.[36] چارچوب رشد متناسب را برای نمایش تولد و مرگ واقع گرایانه گسترش داد ، که مجدداً قانون ZIPF را به دست می آورد ، اما لزوماً با پارامتر واحد - با توجه به تعادل بین رشد بنگاه های جدید در مقابل شرکت های قدیمی. ما از این چارچوب برای مطالعه روند رشد ارزهای رمزنگاری شده ، با توجه به سرمایه گذاری در بازار آنها ، از آوریل 2013 تا فوریه 2018 استفاده می کنیم. 4 ما یک تمایز اساسی ایجاد می کنیم که برخی از رمزنگاری ها "سکه ها" هستند (که بر روی شبکه مستقل خود عمل می کنند) و دیگران "و دیگران" و دیگران "توکن ها (که در بالای یک شبکه سکه به عنوان یک بستر کار می کنند). نکته قابل توجه ، توزیع سرمایه گذاری در بازار سکه از قانون Zipf سنگین تر است و بازار توکن تا حدودی سبک تر است. چارچوب Malevergne و همکاران.[36] اجازه می دهد تا این توضیح داده شود و مشخص می کند که سکه ها و نشانه ها در حال حاضر در رژیم های بازار مشخص وجود دارند. این امر مستلزم تأیید قانون Gibrat ، تخمین پارامترهای تولد و مرگ و مقایسه نماینده پیش بینی شده توزیع سرمایه بازار با همتای تجربی خود ، هم برای سکه ها و هم نشانه ها است. با وجود محدودیت های واضح مدل و یک بازار بسیار غیر ثابت ، ما استدلال می کنیم که این یک نتیجه قابل اعتماد و معنی دار را ارائه می دهد که ممکن است با روش های گسترده تصفیه شود.

2. تکامل ارزهای رمزپایه و سرمایه گذاری در بازار

پس از گذراندن حدود یک بازار خرس 2 ساله ، بازار رمزنگاری در ابتدای سال 2016 دوباره رشد کرد (شکل 1). کل سرمایه گذاری در بازار همه ارزهای رمزنگاری شده در سال 2016 به 250 ٪ بازده و بازگشت 3170 ٪ در سال 2017 رسید. اگرچه اولین نشانه ، "سکه ایمن خدمتکار" ، در آوریل 2014 ظاهر شد ، تا سال 2017 تعداد توکن ها منفجر شد ، از کمتر. تا پایان سال از 50 تا بیش از 400. از طرف دیگر ، تولد سکه ها نسبتاً پایدار بوده و بنابراین بازار بالغ تر است. تکامل تعداد مرگ و میر نشانه ها پر سر و صدا است ، در برخی موارد به دلیل وقایع خارجی مانند ورشکستگی مبادله بزرگ در سال 2016 [39].

شکل 1. پانل (A) تکامل تعداد کلیه ارزهای رمزنگاری شده (خط با رنگ سبز رنگ) ، از جمله هر دو سکه (خط ضخیم آبی) و نشانه ها (خط نازک قرمز) را نشان می دهد. کل سرمایه در بازار همه ارزهای رمزنگاری شده با یک خط سیاه و سفید در برابر راست y-axis (مقیاس ورود به سیستم) ترسیم شده است. پانل (ب) میزان تولد سکه ها (خط ضخیم آبی) و نشانه ها (خط نازک) را ترسیم می کند. پانل (ج) میزان مرگ و میر مربوطه است. میزان تولد و مرگ و میر به طور متوسط تعداد زایمان (مرگ و میر) در پنجره دو ماهه حرکت است. خطوط آبی افقی (به ترتیب ، قرمز) در پانل های میانی و پایین ، فواصل اطمینان 95 ٪ است ، با فرض یک فرآیند پواسون برای سکه ها (به ترتیب ، نشانه ها) ، که میانگین آنها در کل دوره تخمین زده می شود. تعداد زایمان ها به عنوان تعداد سکه های جدید/نشانه های جدید که در CoinmarketCap [37] ظاهر می شوند محاسبه می شود ، و تعداد مرگ و میر به عنوان سکه های شماره/نشانه های حذف شده از CoinmarketCap محاسبه می شود (یعنی به عنوان "غیرفعال" توسط CoinmarketCap)[37]

اگرچه ما به سرمایه گذاری در بازار علاقه مند هستیم ، برای جدا کردن مختصر اندازه نسبی ارزهای رمزنگاری شده مختلف ، ما توزیع سهام بازار (کسری از هر سکه یا نشانه به کل سرمایه بازار همه سکه ها یا نشانه ها) را در شکل 2 بررسی می کنیم. برای سکه ها ، توزیع به خوبی توسط یک توزیع پارتو (قانون قدرت) شرح داده شده است ،

with the tail exponent, μ >0 ، نوسان بین 0. 5 تا 0. 7 با گذشت زمان ، 5 و به طور قابل توجهی بدتر از توزیع 2 پارامتر انعطاف پذیر برای 275 برتر ، از بیش از 500 سکه ، در جدیدترین عکس فوریه 2018 است. 6 سهم بازارتوزیع توکن ها به جای قدرت قانون در مرحله اولیه سال 2017 به Lognormal نزدیکتر بود ، اما اخیراً در ماه های گذشته با پارامتر حدود 1. 1 به سمت یک قانون قدرت تکامل یافته است و به طور قابل توجهی بدتر از Lognormal برای 50 نفر برتر نیست، از بیش از 400 توکن ، در سطح آزمون 0. 05. این تأیید می کند که دمهای توزیع سرمایه گذاری در بازار سکه و توکن اکنون به خوبی توسط قوانین قدرت با نمایندگان مختلف توصیف شده است. به یاد بیاورید که توزیع پارتو با μ = 1 یک مورد مرزی به نام قانون ZIPF است [41] که در آن تمام لحظات نظم بزرگتر از یا برابر با 1 بی نهایت هستند. در بخش بعدی ، ما یک مدل را در نظر خواهیم گرفت تا توضیح دهیم که چرا توزیع سکه و توکن در طرف های مختلف این مورد مرزی μ = 1 قرار می گیرد.

شکل 2. (الف) عملکرد توزیع تجربی تجربی تجربی (CCDF) از 100 سرمایه برتر بازار سکه در عکسهای فوری از سال 2014 (خاکستری) تا فوریه 2018 (سیاه) با دامنه دم پارتو مناسب که توسط دو خط قرمز نشان داده شده است.(ب) برای نشانه ها ، اما برای 50 نشانه برتر ، از اوایل سال 2017 شروع می شود.

قبل از این ، ما به اعتقاد "حداکثر گرایی بیت کوین" پرداختیم که بیت کوین یک برنده و تنها برنده خواهد بود ، و تمام سکه های جایگزین (Altcoins) به شکست می روند. این سناریوی انحطاط مانع از چارچوب رشد ما می شود. با این حال ، زمان تا حد زیادی بحث در مورد این موضوع را حل کرده است ، که ما به طور خلاصه در شکل 3 به آن می پردازیم ، جایی که تسلط بیت کوین (سهم بازار سکه آن) از بالای 80 ٪ کاهش یافته است و در بعضی مواقع زیر 50 ٪ است. سوال پیگیری این است که اگر بیت کوین بسیار مهم باشد یا از آن گذشته باشد. تسلط بیت کوین به تنهایی ممکن است گمراه کننده باشد زیرا توزیع سرمایه در بازار با گذشت زمان تغییر کرده است. با این حال ، می توان اندازه بازار بیت کوین را با سایر 100 سکه سرمایه گذاری بازار از طریق یک تحول مقایسه کرد [42]. همانطور که در شکل 3 نشان داده شده است ، در سال 2016 ، بیت کوین در بزرگترین نسبی خود بود ، در بعضی مواقع بیش از 0. 9 مقدار توزیع تهی. از آن زمان ، آن را به کوچکترین اندازه نسبی خود ، نزدیک به مقدار 0. 1 تهی. این نشانگر تغییر ثروت برای بیت کوین است و به طور موثری آن را به عنوان یک دور از ذهن رد می کند. 7

شکل 3. (الف) تسلط بیت کوین (سهم کل سرمایه گذاری در بازار سکه) با گذشت زمان.(ب) مقادیر آماری و NULL (تحت پارتو) را برای آزمایش بیت کوین به عنوان یک دور. به طور خاص ، آمار آزمون e است₁/(e₂+ · · · + e₁₀₀) جایی که e_من= ورود به سیستم (x_من/ ایکس₁₀₀) ، i = 1 ، · · · ، 100 تغییر 100 سرمایه برتر بازار x است₁ > ··· >ایکس₁₀₀که X را با توزیع پارتو به E با توزیع نمایی تبدیل می کند [42]. با این تحول ، آمار آزمون مستقل از پارامتر است.

3. رشد متناسب با تولد تصادفی و مرگ

3. 1تعریف مدل و خصوصیات اصلی

رشد متناسب یک مکانیسم کلی و همه جا است ، همانطور که در مقدمه مورد بحث قرار گرفته است ، و با توجه به فراگیر شدن رشد متناسب در شبکه های پیچیده ، برای ارزهای رمزنگاری کاملاً طبیعی است. در جامعه cryptocurrency ، "اثرات شبکه" اغلب به عنوان دلیلی برای تسلط پایدار بیت کوین تأیید شده است. علاوه بر این ، اجازه تولد و مرگ ، ما از چارچوب Malevergne و همکاران استفاده می کنیم.[36] ، که مبتنی بر فرضیات زیر است:

قاعده رشد متناسب Gibrat دارای آن است. این بدان معنی است که ، در محدوده زمانی مداوم ، سرمایه گذاری در بازار MC_من.

جایی که R Drift است و σ انحراف استاندارد است و W (T) یک فرآیند استاندارد وینر است. پارامترهای R و σ برای همه ارزهای رمزنگاری یکسان هستند ، اما روند Wiener W_من(T) برای هر یک خاص است.

زمان و اندازه تصادفی مستقل. جریان تولد هر رمزنگاری ، در زمان t_من، I ∈ N ، یک فرآیند پواسون را با شدت رشد نمایی v (t) = v دنبال می کند₀e d ̇ t ، و اندازه اولیه s₀= s_{0 ، من}· E C₀حرف_من، کجا s_{0 ، من}>_{من ∈ N}قرعه کشی مستقل از یک متغیر تصادفی مشترک هستند. 8

ارزهای رمزنگاری شده (می میرند) به طور تصادفی با میزان خطر ثابت ، H ≥0 ، مستقل از اندازه.

تأکید بر این نکته حائز اهمیت است که این یک مدل بسیار ساده با تعدادی از محدودیت ها است که در زیر ذکر شده است ، و بنابراین هدف فقط گرفتن پویایی اساسی اساسی بوم شناسی رمزنگاری است.

این امر غیر ثابت های قوی (به عنوان مثال حباب و تصادف) بازار را ضبط نمی کند.

با وجود اینکه بازار کلی بسیار همبسته است ، از جمله برخی از جفت ها با همبستگی بیشتری نسبت به سایرین ، ارزهای رمزنگاری شده را مستقل می کنند.

این تفاوت در "تناسب اندام" (یعنی کیفیت) ارزهای مختلف رمزنگاری شده است ، که نشان داده شده است که در شبکه های پیچیده مهم است [43] ، و به وضوح وجود دارد که فناوری جدیدتر در سکه های جدیدتر معرفی می شود.

این غفلت از "چنگال" را که شبیه به اسپین آف/واگذاری یک شرکت است ، غفلت می کند.

این فرآیند فقط در بالای آستانه به اندازه کافی بالا اعمال می شود ، و اذعان می کند که یک اکوسیستم کامل پیچیده را نمی توان با چنین یک مدل ساده توصیف کرد.

3. 2تأیید کمی تجربی مستقیم از قانون گیبرات از رشد متناسب

قانون رشد متناسب Gibrat در معادله (3. 1) نشان می دهد که ، برای فواصل زمانی کافی δ t ، میانگین تغییر در سرمایه بازار 〈ΔMC〉 و انحراف استاندارد از تغییر ، σ (ΔMC) ، هر دو متناسب با MC هستندسکه های بزرگ و نشانه ها. شکل 4 میانگین و انحراف استاندارد ΔMC را به عنوان تابعی از MC نشان می دهد ، تنظیم Δ T به عنوان 1 روز ، در یک پنجره زمانی 1 ساله ، و رشد متناسب را تأیید می کند.

شکل 4. آزمایش قانون رشد متناسب Gibrat برای سرمایه گذاری در بازار سکه های بزرگ (A) و نشانه های (B) در یک پنجره 1 ساله ، تا 7 فوریه 2018. محافل سیاه میانگین افزایش ها هستند (یعنی 〈ΔMC〉) در مقابل سرمایه گذاری فعلی بازار MC. ستاره های سبز انحراف استاندارد از افزایش (یعنی σ (ΔMC)) در مقابل سرمایه فعلی بازار آن هستند. هر 2000 افزایش (یعنی ΔMC_حرف) برای سکه ها (به ترتیب ، 250 نفر برای نشانه ها) برای محاسبه این وسایل و انحرافات استاندارد به زیر مجموعه گروه بندی می شوند. فقط نقاط مثبت نشان داده شده است. خطوط نشانگر کمترین مربعات متناسب با نقاط داده است.

علاوه بر این ، معادله (3. 1) حاکی از آن است که ، در یک بازه زمانی کوچک Δ t ، میانگین رشد 〈ΔMC/MC〉 و انحراف استاندارد آن باید توسط

این از طریق شکل 5 تأیید می شود ، جایی که ما به ترتیب Drift R (به ترتیب ، انحراف استاندارد σ) را به عنوان شیب رگرسیون خطی میانگین رشد (به ترتیب ، انحراف استاندارد از نرخ رشد) به عنوان تابعی از Δ T (تخمین می زنیم (به ترتیب ، انحراف استاندارد تخمین می زنیم. به ترتیب ، Δ T) ، با Δ T ≤ 10 روز. ما می توانیم ببینیم که نرخ رشد سکه ها تقریباً دو برابر نشانه ها است ، در حالی که نوسانات آنها مشابه است - رشد نسبتاً زیاد در سرمایه بازار توکن نتیجه بالایی از نرخ تولد بالاست ، نه رشد استثنایی نشانه های فردی.

شکل 5. (الف) رابطه بین میانگین رشد 〈ΔMC/MC〉 و فاصله زمانی Δ T ، برای سکه ها (دایره های آبی) و نشانه ها (مثلث های قرمز).(ب) انحراف استاندارد از نرخ رشد σ (ΔMC/MC) در مقابل Δ T ، به ترتیب برای سکه ها و نشانه ها. مقادیر داده در پنجره 1 ساله منتهی به 7 فوریه 2018 گرفته شد.

3. 3برآورد پارامترهای تولد و مرگ

برای هر دو سکه و نشانه ها ، توزیع سرمایه گذاری در بازار تولد 9 (شکل 6) دارای دم قابل ملاحظه ای نازک تر (0. 59 برای سکه ها و 1. 48 برای نشانه ها) نسبت به توزیع فعلی (0. 48 برای سکه ها و 1. 29 برای نشانه ها) است که نمایندگان آن برای آنها تخمین زده می شودبه ترتیب بزرگترین 100 سکه و 30 نشانه بر اساس حداکثر احتمال. این تأیید می کند که توزیع سرمایه گذاری بازار مشاهده شده صرفاً نتیجه توزیع سرمایه های اولیه بازار نیست. در عوض ، توزیع ها به دلیل رشد متناسب ، سنگین تر می شوند.

شکل 6. مقایسه بین توزیع سرمایه گذاری در بازار تولد و سرمایه گذاری در بازار اخیر ، برای سکه ها (A) و نشانه ها (B). ستاره های سیاه سرمایه گذاری بازار در بدو تولد هستند (یک هفته پس از تولد به عنوان یک پروکسی که در آن عرضه و قیمت هر دو شناخته شده است ، سرمایه گذاری در بازار را به دست می آورد). نقاط قرمز سرمایه گذاری در بازار در 7 فوریه 2018 است. نمایندگان دم به ترتیب توسط بزرگترین 100 سکه و 30 نشانه تخمین زده می شوند. بزرگترین پنج سکه در نشانه در هر صفحه برچسب خورده است.

حرکت به چارچوب حقوقی Gibrat از Malevergne و همکاران.[36] ، میزان رشد اندازه تولد c₀، رشد شدت تولد D ، و میزان خطر خروج H ، همانطور که در شکل 7 خلاصه شده است تخمین زده می شود. مهمتر از همه ، به عنوان یک آستانه لازم است ، فقط سکه ها (به ترتیب ، نشانه ها) دارای یک سرمایه متوسط در طول عمر خود بزرگتر از ما هستند10 7. 3 دلار (به ترتیب ، 10 8. 1) در نظر گرفته شده است ، که تقریباً با 10 ٪ برتر سکه ها و نشانه ها مطابقت دارد. علاوه بر این ، با توجه به عدم ایست بودن در چارچوب ، ما بر تخمین پارامترها در جدیدترین پنجره نسبتاً پایدار تمرکز می کنیم. به طور خاص ، اندازه تولد سکه ها (سرمایه گذاری بالای بازار) روند قابل توجهی ندارد ( P-Value بیشتر از 10 ٪) ، بلکه از یک سطح به سطح دیگر در ماه مه 2017 تغییر یافته است. بنابراین ، ما نرخ رشد تولد را برطرف می کنیماندازه C₀= 0. برای نشانه ها ، با این حال ، اندازه تولد با گذشت زمان به طور قابل توجهی در حال رشد است ( P-Value کمتر از 0. 1 ٪) ، به ویژه پس از ژوئیه 2017. بنابراین ، C₀از نشانه ها 1. 19 ٪ تخمین زده می شود. شدت تولد سکه ها نسبتاً پایدار است و میزان رشد شدت تولد D = 0 را نشان می دهد. با این حال ، تعداد نشانه ها از ماه مه سال 2017 به دلیل مقدار زیادی از ICO ها (پیشنهادات اولیه سکه - مانند یک پیشنهاد عمومی اولیه ، به طور قابل توجهی در حال رشد است. از حقوق صاحبان سهام). تقریب خطی از شدت تولد در حال رشد حاکی از افزایش شدت تولد توکن D به 0. 59 ٪ است. از نظر روند مرگ ، کمتر از سه سکه و نشانه های بزرگ مرده وجود داشته است ، بنابراین ما میزان خطر خروج H را برای هر دو سکه و نشانه در نظر می گیریم. 10

شکل 7. سرمایه گذاری در بازار تولد و شدت تولد (فرکانس) سکه های بزرگ (داشتن متوسط سرمایه در طول زندگی بزرگتر از 10 7. 3) و نشانه ها (متوسط سرمایه در طول عمر بزرگتر از 10 8. 1) از سال 2017. پانل (الف) تولد استسرمایه گذاری در بازار سکه ها (مثلث های آبی) و نشانه ها (حلقه های قرمز). خط جامد قرمز بهترین تناسب خطی سرمایه گذاری در بازار تولد توکن ها است. پانل (ب) تعداد تولد سکه ها (آبی) و نشانه ها (قرمز) را ترسیم می کند ، که با میانگین حرکت 180 روزه صاف شده است. خطوط متراکم آبی افقی در پانل های میانی و پایین فواصل اطمینان 95 ٪ با فرض یک فرآیند پواسون برای سکه ها است که میانگین آن در پنجره کامل تخمین زده می شود (از سال 2017). تعداد زایمان در روز در میله های آبی (سکه) و قرمز (نشانه ها) ، در برابر y-axis راست نشان داده شده است.

3. 4مقایسه توزیع های پیش بینی شده تجربی و نظری

با توجه به برآوردهای پنج پارامتر در معادله (3. 2) ، برای سکه ها و نشانه ها به طور جداگانه ، مأمورین قدرت پیش بینی شده از نظر نظری محاسبه می شوند و با همتایان تجربی خود ، 11 و در جدول 1 خلاصه می شوند.

جدول 1. مقایسه بین مأمورین قدرت پیش بینی شده نظری μ_THو مأمورین تجربی μ_باکره، با حداکثر احتمال ، برای سکه ها و نشانه ها تخمین زده می شود. مقادیر نظری μ_THتوسط معادله (3. 2) با پارامترهای تخمین زده شده از تولد و مرگ وصل شده است - برای تخمین خود به بخش های قبلی مراجعه کنید. تعداد در براکت ها فاصله اطمینان 95 ٪ است که توسط bootstrap تخمین زده می شود.

علیرغم محدودیت های مدل پذیرفته شده ، از نظر تجربی و تئوری پیش بینی شده دم توزیع سرمایه گذاری در بازار سازگار است ، با سکه نظری و مأمورین دم توکن به ترتیب کمتر از و بیشتر از 1 هستند. مقایسه نمایندگی های دم تجربی و نظری در زمان ویندوزهای متفاوت از نمونه ارائه شده در اینجا توسط غیر ثابت بودن پارامترهای تولد و مرگ پیچیده است ، اما هنوز هم نتایج مداوم را به همراه دارد ، با نمایندگان دم نظری و تجربی در محدوده مشابه. این ، در ترکیب با تأیید قانون Gibrat ، به طور موثری مدل پیشنهادی را تأیید می کند و بینش کاملی از ماهیت اساسی دو اکوسیستم و نشانه های اساساً متفاوت ارائه می دهد.

For coins, we have r − h >D + C₀این بدان معناست که رشد سرمایه گذاری (اصلاح شده برای مرگ) "افراد متعهد" موجود ، مانند بیت کوین ، اتریوم و غیره ، از رشد سرمایه شرکت کنندگان اخیر بازار فراتر می رود ، که از این تعداد نسبتاً کمی وجود دارد. این نابرابری همچنین از لحاظ نظری حاکی از یک مأمور دم μ کمتر از 1 در چارچوب Malevergne و همکاران است.[36]در مقابل ، بازار توکن دارای ویژگی مخالف است ، با R - H ≤ D + C₀، با توجه به یک دم نازک تر با μ ≤ 1. در واقع در بازار توکن ، میزان بالای تولد توکن ها ویژگی غالب است که بازار را هدایت می کند و رشد محدود R بیش از مرگ H باعث محدودیت رشد نشانه های قدیمی تر از نظر نسبی می شود. منجر به توزیع سرمایه گذاری در بازار که کمی سبک تر از قانون ZIPF است و منعکس کننده یک سیستم نابالغ است.

4. بحث

با نگاهی به سرمایه گذاری در بازار همه ارزهای رمزنگاری شده و درمان سکه ها و نشانه ها به طور جداگانه ، ما با هدف درک مکانیسم رشد اساسی با یک مدل ساده انجام شد. ما به صورت تجربی تأیید کرده ایم که ، برای سکه های بزرگ و نشانه ها ، سرمایه های بازار آنها توزیع قدرت را با مقادیر قابل توجهی متفاوت دنبال می کنند-با ضریب دم در بین 0. 5 تا 0. 7 برای سکه ها و بین 1. 0 تا 1. 3 برای نشانه ها.

با وجود محدودیت های شناخته شده ، مدل رشد متناسب تصادفی ساده از Malevergne و همکاران.[36] با موفقیت این مأمورین دم را بر اساس پارامترهای تولد ، مرگ و رشد متناسب آماری تخمین زده می کند. این امر به وضوح سکه ها را به عنوان "مأمورین درگیر" و نشانه ها به عنوان "اکوسیستم نابالغ انفجاری" توصیف می کند ، که عمدتا به دلیل فعالیت گسترده و پر زرق و برق ICO در فضای توکن است.

با توجه به اینکه قانون Zipf دارای یک واحد دم واحد و امضای آماری یک اقتصاد بهینه است [36] ، شاید شگفت آور نباشد که بازارهای سکه و توکن دارای نمایش های دم متفاوتی هستند. بدون شک ، اگر مقررات تولیدی تری معرفی شود [44-47] ، و سرمایه گذاران نهادی بازار را جاری می کنند و فرزندخواندگی رشد می کند ، بازار بالغ تر می شود. سپس می توان انتظار تعادل بهتری بین رشد افراد و میزان سالم از ورود کنندگان جدید مرتبط با نوآوری های فناوری داشت. با این حال ، از آنجا که ارزهای رمزنگاری شده به سمت داشتن یک دارایی سرمایه گذاری جایگزین در حال تحول هستند ، باید بسیار محتاط باشید ، جایی که بی ثباتی های درون زا گسترده وجود دارد [48] و خطرات ضعیف درک می شوند.

با نگاهی به جلو ، روش ارائه شده در اینجا می تواند به طور مؤثر گسترش یابد تا کیفیت متفاوت (یعنی تناسب اندام) ارزهای رمزنگاری شود. این امر واقع بینانه خواهد بود ، زیرا فناوری بهبود یافته در سکه های جدید وارد بازار می شود. به طور خاص ، چنین چارچوبی می تواند به اندازه کافی این سؤال را مطرح کند که آیا و چه زمانی بیت کوین پیشی خواهد گرفت ، زیرا چارچوب های رشد متناسب خالص شاید بیش از حد بر قدرت به اصطلاح "مزیت اولین حرکت" تأکید کند.

قابلیت دسترسی داده ها

داده ها از CoinmarketCap [37] گرفته شده است ، از جمله قیمت بسته شدن روزانه ، سرمایه گذاری در بازار (محصول قیمت و عرضه در گردش) و نوع رمزنگاری (سکه یا نشانه). داده ها را می توان در مخزن Dryad (https://doi. org/10. 5061/dryad. t577f19) یافت.

کمک های نویسندگان

D. S. تحقیق ، K. W. برگه داده ها ، K. W. و S. W. داده ها را تجزیه و تحلیل کرد. همه نویسندگان نسخه خطی را نوشتند و مرور کردند و تأیید نهایی برای انتشار دادند.

منافع رقابتی

ما اعلام می کنیم که هیچ منافع رقابتی نداریم.

منابع مالی

این کار از برنامه تحقیق و نوآوری Horizon 2020 اتحادیه اروپا تحت توافق نامه اعطای کمک مالی ماری اسکلودوفسکا دریافت کرده است. 643073.

پانویسها و منابع

1 توسط یک دفترچه غیر متمرکز عمومی که تمام معاملات را به صورت زمانی ثبت و تأیید می کند ، به نام blockchain ثبت و تأیید می کند. این معاملات با تکنیک های رمزگذاری ایمن و تأیید می شوند و در صورت عدم وجود یک مقام مرکزی بین شرکت کنندگان شبکه به اشتراک گذاشته می شوند.

2 طبق گفته های Next House Research Fintech ، تعداد صندوق های تامینی رمزنگاری بیش از دو برابر در چهار ماه تا 15 فوریه 2018 [2].

3 مانند یک ارز غیر متمرکز جهانی ، جلوگیری از بانک های مرکزی و "بانکداری از بانک های غیرقانونی". یک دارایی دیجیتالی ایمن ، در کلاس دارایی های پناهگاه امن ، مانند طلا یا ارزهای پایدار درک شده. و حتی یک اینترنت کاملاً غیر متمرکز ، که پروتکل آن میزبان طیف گسترده ای از برنامه های توزیع شده است.

4 این مطالعه از داده های روزانه 2499 ارز رمزنگاری از 28 آوریل 2013 تا 7 فوریه 2018 استفاده می کند. 1497 از آن هنوز در 7 فوریه زنده بود. داده ها از CoinmarketCap [37] گرفته شده است ، از جمله قیمت بسته شدن روزانه ، سرمایه گذاری در بازار (محصول قیمت و عرضه در گردش) و نوع رمزنگاری (سکه یا نشانه) [38].

5 نماینده دم با حداکثر احتمال تخمین زده می شود.

6 lognormal در سطح p = 0. 05 برتر نیست ، با استفاده از یکنواخت ترین تست بی طرفانه [40].

7 توجه داشته باشید که در اینجا چنگال های بیت کوین به عنوان رمزنگاری مستقل جداگانه رفتار می شوند. اما شامل همه آنها در مقدار بیت کوین نتایج مشابهی را ارائه می دهد.

8 رشد نمایی یک ویژگی استاندارد سیستم های اقتصادی و بازارهای مالی است. با این حال ، گسترش فرآیند زمان تولد به کلاس وسیعی از فرآیندهای غیر پیستون نتایج کلیدی را تغییر نمی دهد.

9 توجه داشته باشید که سرمایه گذاری در بازار تولد که از CoinmarketCap دریافت می کنیم ممکن است تأخیرهایی داشته باشد ، زیرا: (من) گاهی اوقات ارزهای رمزنگاری شده پس از مدتی معامله می شوند.(ب) برای برخی از ارزهای رمزنگاری شده ، اطلاعات مربوط به عرضه در گردش برای محاسبه سرمایه بازار در زمان تولد در دسترس نیست. بنابراین ، توزیع سرمایه بازار در بدو تولد (سرمایه اولیه بازار) که در شکل 6 نشان می دهیم دیرتر از زمان تولد واقعی است.

10 با این حال ، توجه داشته باشید که توزیع تجربی طول عمر همه سکه ها و نشانه ها توزیع های نمایی مشابه را نشان می دهد ، که نشان دهنده میزان خطر مرگ مشابهی برای سکه ها و نشانه ها است.

11 نماینده تجربی مبتنی بر توزیع سرمایه بازار در 7 فوریه 2018 است ، همانطور که در شکل 6 نشان داده شده است.

منتشر شده توسط انجمن سلطنتی تحت شرایط مجوز انتساب Creative Commons http://creativeecommons. org/licenses/by/4. 0/ ، که امکان استفاده نامحدود را فراهم می کند ، مشروط بر اینکه نویسنده و منبع اصلی اعتبار داشته باشند.

منابع

واد2008 بیت کوین: یک سیستم نقدی الکترونیکی همتا به همتا. گوگل دانشکده

Keidan M ، Kelly J

Caginalp C ، Caginalp G

وادنظر 2018: ارزیابی ، قیمت نقدینگی و ثبات ارزهای رمزنگاری. پروکNATL ACAD. علمیایالات متحده 115 ، 1131 1134.(doi: 10. 1073/pnas. 1722031115) Crossref ، PubMed ، ISI ، Google Scholar

Fantazzini D ، Nigmatullin E ، Sukhanovskaya V ، Ivliev S

وادسال 2016 هر آنچه را که همیشه می خواستید در مورد مدل سازی بیت کوین بدانید اما از ترسیدن از آن می ترسید. کاربردECON44 ، 5-24. گوگل دانشکده

Ali R ، Brdear J ، Clews R ، Southgate J

واد2014 اقتصاد ارزهای دیجیتال. به SSRN مراجعه کنید: https://ss. com/abstract=2499418. گوگل دانشکده

Vigna P ، Casey MJ

واد2015 عصر Cryptocurrency: چگونه بیت کوین و پول دیجیتال نظم اقتصادی جهانی را به چالش می کشند. نیویورک ، نیویورک: مطبوعات سنت مارتین. گوگل دانشکده

Chiu J ، تلویزیون Koeppl

واد2017 اقتصاد ارزهای رمزنگاری - کیت و فراتر از آن. به SSRN مراجعه کنید: https://ss. com/abstract=3048124. گوگل دانشکده

Ciaian P ، Rajcaniova M ، Kancs D

واد2016 اقتصاد تشکیل قیمت بیت کوین. کاربردECON48 ، 1799-1815.(doi: 10. 1080/00036846. 2015. 1109038) Crossref ، ISI ، Google Scholar

واد2015 ظهور ، رشد و پایداری بیت کوین: چشم انداز اقتصاد شبکه. در دفترچه راهنمای ارز دیجیتال (ویرایش DLK Chuen) ، صص 191-200. آمستردام ، هلند: Elsevier. Crossref ، Google Scholar

Kondor D ، Pósfai M ، Csabai I ، Vattay G

واد2014 آیا ثروتمندان ثروتمندتر می شوند؟تجزیه و تحلیل تجربی از شبکه معاملات بیت کوین. PLOS ONE 9 ، E86197.(doi: 10. 1371/joual. pone. 0086197) Crossref ، PubMed ، ISI ، Google Scholar

Ober M ، Katzenbeisser S ، Hamacher K

وادساختار 2013 و ناشناس بودن نمودار معاملات بیت کوین. اینترنت آینده 5 ، 237-250.(doi: 10. 3390/fi5020237) Crossref ، Google Scholar

Tasca P ، Hayes A ، Liu S

واد2016 تکامل اقتصاد بیت کوین: استخراج و تجزیه و تحلیل شبکه روابط پرداخت. J. Risk Finance 19 ، 94 126.(doi: 10. 1108/jrf-03-2017-0059) Crossref ، ISI ، Google Scholar

واد2013 بیت کوین با ویکی پدیا Google Trends ملاقات می کند: کمیت رابطه بین پدیده های دوران اینترنت. علمیRep. 3 3415. (doi: 10. 1038/srep03415) Crossref ، PubMed ، ISI ، Google Scholar

Garcia D ، Tessone CJ ، Mavrodiev P ، Perony N

واد2014 آثار دیجیتالی حباب ها: چرخه بازخورد بین سیگنال های اقتصادی و اجتماعی در اقتصاد بیت کوین. J. R. Soc. رابط 11 ، 20140623.(doi: 10. 1098/rsif. 2014. 0623) پیوند ، ISI ، Google Scholar

Garcia D ، Schweitzer F

وادسیگنال های اجتماعی 2015 و تجارت الگوریتمی بیت کوین. J. R. Soc. علمی باز2 ، 150288.(doi: 10. 1098/rsos. 150288) لینک ، ISI ، Google Scholar

Glaser F ، Zimmerma K ، Haferko M ، Weber M ، Siering M

واد2014 بیت کوین - دارایی یا ارز؟آشکار کردن اهداف پنهان کاربران. در Proc. 22 کنفرانس اروپایی. در مورد سیستم های اطلاعاتی ، تل آویو ، اسرائیل ، 9-11 ژوئن 2014. برکلی ، کالیفرنیا: کتابخانه الکترونیکی AIS. گوگل دانشکده

کیم YB ، لی J ، پارک N ، Choo J ، Kim JH ، Kim CH

واد2017 هنگامی که بیت کوین با اطلاعات در یک انجمن آنلاین روبرو می شود: استفاده از معدن متن برای تجزیه و تحلیل نظرات کاربر و پیش بینی نوسان ارزش. PLOS ONE 12 ، E0177630.(doi: 10. 1371/joual. pone. 0177630) PubMed ، ISI ، Google Scholar

Sapuric S ، Kokkinaki a

واد2014 بیت کوین بی ثبات است! درست نیست؟در کارگاه های سیستم اطلاعات تجاری (ویرایش ها

Abramowicz W ، Kokkinaki a

). یادداشت های سخنرانی در پردازش اطلاعات کسب و کار ، جلد. 183 ، صص 255-265. چم ، سوئیس: اسپرینگر.(doi: 10. 1007/978-3-319-11460-6_22) Google Scholar

Pichl L ، Kaizoji t

وادتجزیه و تحلیل نوسانات 2017 سری زمان قیمت بیت کوین. مقدارامور مالی ECON. 1 ، 474-485.(doi: 10. 3934/qfe. 2017. 4. 474) Crossref ، ISI ، Google Scholar

Urquhart A ، Zhang H

واد2018 آیا بیت کوین یک پرچین یا ایمن برای ارزها است؟یک تجزیه و تحلیل داخلی ، صص 1-25. به SSRN مراجعه کنید: https://ss. com/abstract=3114108. گوگل دانشکده

Bouri E ، Molnár P ، Azzi G ، Roubaud D ، Hagfors LI

واد2017 در مورد ویژگی های پرچین و Safe Haven بیت کوین: آیا واقعاً بیش از یک متنوع است؟امور مالی Res. کاهنده20 ، 192-198.(doi: 10. 1016/j. frl. 2016. 09. 025) Crossref ، ISI ، Google Scholar

واد2017 ناکارآمدی بیت کوین مجدداً مورد بررسی قرار گرفت: یک رویکرد پویا. ECONکاهنده161 ، 1-4.(doi: 10. 1016/j. econlet. 2017. 09. 013) Crossref ، ISI ، Google Scholar

Osterrireder J ، Lorenz J

واد2017 ارزیابی ریسک آماری بیت کوین و رفتار دم شدید آن. آن راECON مالی. 12 ، 1750003.(doi: 10. 1142/S2010495217500038) Crossref ، ISI ، Google Scholar

Chu J ، Nadarajah S ، Chan S

واد2015 تجزیه و تحلیل آماری نرخ ارز بیت کوین. PLOS ONE 10 ، E0133678.(doi: 10. 1371/joual. pone. 0133678) Crossref ، PubMed ، ISI ، Google Scholar

واد2015 محرک های اصلی قیمت بیت کوین چیست؟شواهدی از تجزیه و تحلیل انسجام موجک. PLOS ONE 10 ، E0123923.(doi: 10. 1371/joual. pone. 0123923) Crossref ، PubMed ، ISI ، Google Scholar

واد2016 بیت کوین ، طلا و دلار - تجزیه و تحلیل نوسانات گارچ. امور مالی Res. کاهنده16 ، 85-92.(doi: 10. 1016/j. frl. 2015. 10. 008) Crossref ، ISI ، Google Scholar

Boholdt S ، Sneppen K

واد2014 آیا بیت کوین باعث می شود جهان دور شود؟در مورد پویایی ارزهای رمزپایه رقیب.(http://arxiv. org/abs/1403. 6378) Google Scholar

Hileman G ، Rauchs M

وادمطالعه معیار جهانی Cryptocurrency 2017. کمبریج ، انگلستان: مرکز کمبریج برای امور مالی جایگزین. گوگل دانشکده

Elbahrawy A ، Alessandretti L ، Kandler A ، Pastor-Satorras R ، Baronchelli A

واددینامیک تکاملی 2017 بازار cryptocurrency. R. Soc. علمی باز4 ، 170623.(doi: 10. 1098/rsos. 170623) لینک ، ISI ، Google Scholar

واد2001 توزیع ZIPF اندازه شرکت های آمریکایی. علم 293 ، 1818-1818.(doi: 10. 1126/Science. 1062081) Crossref ، PubMed ، ISI ، Google Scholar

وادقانون Zipf 1999 برای شهرها: توضیحی. Q. J. Econ. 114 ، 739-767.(doi: 10. 1162/003355399556133) Crossref ، ISI ، Google Scholar

Kong JS ، Sarshar N ، Roychowdhury VP

وادتجربه 2008 در مقابل استعداد ساختار وب را شکل می دهد. پروکNATL ACAD. علمیUSA 105 ، 13 724-13 729. (doi: 10. 1073/pnas. 0805921105) Crossref ، ISI ، Google Scholar

Maillart T ، Soette D ، Spaeth S ، Von Krogh G

واد2008 آزمایش های تجربی مکانیسم قانون ZIPF در توزیع منبع باز لینوکس. فیزیکروحانی لت. 101 ، 218701.(doi: 10. 1103/physrevlett. 101. 218701) Crossref ، PubMed ، ISI ، Google Scholar

واد1955 در یک کلاس از توابع توزیع skew. Biometrika 42 ، 425-440.(doi: 10. 1093/biomet/42. 3-4. 425) Crossref ، ISI ، Google Scholar

Barabási AL ، Albert R

واد1999 ظهور مقیاس گذاری در شبکه های تصادفی. علوم 286 ، 509-512.(doi: 10. 1126/Science. 286. 5439. 509) Crossref ، PubMed ، ISI ، Google Scholar

Malevergne Y ، Saichev A ، Soette D

وادقانون ZIPF 2013 و حداکثر رشد پایدار. J. Econ. dyn. کنترل 37 ، 1195 1212.(doi: 10. 1016/j. jedc. 2013. 02. 004) Crossref ، ISI ، Google Scholar

Wu K ، Wheatley S ، Soette D

وادطبقه بندی سکه های رمزنگاری شده و نشانه ها از پویایی توزیع سرمایه های قدرت آنها. مخزن دیجیتال Dryad.(doi: 10. 5061/dryad. t577f19) Google Scholar

وادCryptsy 2016 ورشکستگی را تهدید می کند ، ادعا می کند میلیون ها نفر در بیت کوین هیست. به https://www. coindesk. com/cryptsy-bankuptcy-millions-bitcoin-tolen/ (15 ژانویه) مراجعه کنید. گوگل دانشکده

Malevergne Y ، Pisarenko V ، Soette D

واد2011 آزمایش پارتو در برابر توزیع های lognormal با یکنواخت ترین آزمایش بی طرفانه که برای توزیع شهرها اعمال می شود. فیزیکRev. E 83 ، 036111.(doi: 10. 1103/physreve. 83. 036111) Crossref ، ISI ، Google Scholar

Saichev A ، Malevergne Y ، Soette D

وادتئوری قانون Zipf 2010 و فراتر از آن. برلین ، آلمان: اسپرینگر. Crossref ، Google Scholar

Wheatley S ، Soette D

واد2015 تشخیص چندگانه در نمونه هایی با دم های نمایی و پارتو: بازخرید رویکرد درونی و شناسایی پادشاهان اژدها. مجموعه مقاله تحقیقات موسسه مالی سوئیس ، صص 15-28. به SSRN مراجعه کنید: https://ss. com/abstract=2645709. گوگل دانشکده

Bianconi G ، Barabási AL

واد2001 رقابت و چند رشته ای در شبکه های در حال تحول. یوروفیزکاهنده54 ، 436. (doi: 10. 1209/EPL/I2001-00260-6) Crossref ، Google Scholar