Stigningen af ​​orakler: Institutionelle investorer har brug for pålidelige kryptomarkedsdata

I denne artikel har jeg til hensigt at diskutere vigtigheden af ​​markedsdata, decentraliseret finansøkonometri (DeFi) og anvendt DeFi-forskning om krypto- (og digitale) aktiver som en konsekvens af finansiel økonometri og anvendt forskning. Jeg vil også forsøge at trække på perspektivet og resultaterne fra Eugene Famas skelsættende artikler baseret på hans interesse i at måle aktiekursernes statistiske egenskaber og løse debatten mellem teknisk analyse (brugen af ​​geometriske mønstre i kurs- og volumendiagrammer til at forudsige fremtidige kurser). bevægelser af et værdipapir) og fundamental analyse (brug af regnskabsmæssige og økonomiske data til at bestemme et værdipapirs dagsværdi). Nobelpristageren Fama operationel hypotesen om det effektive marked — opsummeret kompakt i epigrammet, at "priser fuldt ud afspejler al tilgængelig information" på effektive markeder. 

Så lad os fokusere på denne information omkring krypto og digitale aktiver, på krypto og decentrale finansdata kilder, markedsdataanalyse og alt, hvad der omgiver den massive nye DeFi-industri, der er afgørende for at tiltrække institutionelle investorer til krypto-, DeFi- og bredere "token"-markeder generelt.

På de fleste markeder defineres markedsdata som prisen på et instrument (et aktiv, værdipapir, råvare osv.) og handelsrelaterede data. Disse data afspejler markeds- og aktivklassevolatilitet, volumen og handelsspecifikke data, såsom åben, høj, lav, tæt, volumen (OHLCV) og andre værdiskabende data, såsom ordrebogsdata (bid-ask spread, aggregeret marked dybde osv.) og prisfastsættelse og værdiansættelse (referencedata, traditionelle finansdata som f.eks. første valutakurser osv.) Disse markedsdata er medvirkende til forskellige finansøkonometriske, anvendte finansierings- og nu DeFi-forskning som:

• Risikostyring og risikomodelramme
• Kvantitativ handel
• Pris og værdiansættelse
• Porteføljeopbygning og forvaltning
• Samlet kryptofinansiering

Selvom det kan være begrænsende at anvende en traditionel metode til at evaluere risiko og skelne forskellige grader af muligheder spredt på forskellige og nye kryptoaktivklasser, er det en begyndelse. Nye værdiansættelsesmodeller er dukket op, som har til formål at give mening om disse digitale aktiver, der er steget op for at dominere de virkelig globale digitale markedspladser, og selv disse modeller har brug for markedsdata. Nogle af disse modeller inkluderer, men er ikke begrænset til:

• VWAP, eller volumenvægtet gennemsnitspris, en metode, der typisk bestemmer dagsværdien af ​​et digitalt aktiv ved at beregne den volumenvægtede gennemsnitspris fra en forudvalgt gruppe af konstituerende børsers tilgængelige post-handelsdata.
• TWAP, eller tidsvægtet gennemsnitspris, som kan være et orakel eller en smart kontrakt, der udleder tokenpriser fra likviditetspuljer, ved hjælp af et tidsinterval til at bestemme sikkerhedsforholdet.
• Vækstforhold bestemmer sikkerhedsfaktoren.
• TVL, eller total værdi låst, er til likviditetspuljer og automatiserede markedsskabere (AMM'er).
• Samlet antal brugere afspejler netværkseffekten og potentiel brug og vækst.
• Primær markedsmetodologi gælder for hovedmarkedet, som ofte defineres som det marked med størst volumen og aktivitet for et digitalt aktiv. Dagsværdien vil være prisen modtaget for et digitalt aktiv på det pågældende marked.
• Handelsvolumen for CEX'er og DEX'er er summen af ​​handelsvolumener på centraliserede børser (CEX'er) og decentraliserede børser (DEX'er).
• IVC, eller kryptovolatilitetsindeks, er skabt ved at beregne et decentraliseret volatilitetsindeks fra kryptovalutaoptionspriser sammen med en analyse af markedets forventning om fremtidig volatilitet.

Derfor bliver markedsdata centralt for alle modellerings- og analyseværktøjer til at give mening med markeder, og også til at udføre korrelationsanalyser mellem forskellige kryptosektorer såsom lag et, lag to, Web 3.0 og DeFi. Den primære kilde til disse kryptomarkedsdata kommer fra den stadigt voksende og fragmenterede blanding af kryptobørser. Dataene fra disse udvekslinger kan ikke være vidtgående betroet, da vi har set tilfælde af oppustede mængder gennem praksis som vaskehandel og lukkede puljer, der kan fordreje prisen ved at misrepræsentation af efterspørgsel og volumen. Så det kan være vanskeligt at modellere en hypotese baseret på empiriske data og efterfølgende teste hypotesen for at formulere en investeringsteori (indsigt fra empiriske abstracts). Dette giver anledning til orakler, der har til formål at løse problemerne med pålidelige data, der kommer ind i blockchain-transaktionssystemet eller et formidlingslag mellem krypto- og traditionelle finanslag.

Relateret: Oracle ønsker at bringe blockchain til masserne gennem et krypto-sikkert datatilbud

Blockchain, den underliggende teknologi, der styrer alle kryptoaktiver og -netværk, fremhæver sine grundlæggende principper om handel, tillid og ejerskab på grundlag af gennemsigtighed udvidet af tillidssystemer (eller konsensus), så hvorfor er markedsdata så stort et problem? Er det ikke en del af etosen for blockchain og kryptoindustrien at stole på data, der tilhører markedet og er let tilgængelige for analyse?

Svaret er "Ja! Men!" Tingene bliver interessante, når vi krydser kryptomarkederne med fiat-baseret likviditet - transaktioner i amerikanske dollar, euro, yen og britiske pund er sporet til traditionel finansiering, der bliver faciliteret af kryptobørser.

Forståelse af kryptomakro og differentiering af global makro

Som Peter Tchir, leder af global makro hos New York-baserede Academy Securities, forklarer i en artikel skrevet af Simon Constable: "Global makro er en betegnelse for underliggende tendenser, der er så store, at de kan løfte eller droppe økonomien eller store bidder af værdipapirmarkederne." Konstabel tilføjede:

"De adskiller sig fra mikrofaktorer, som kan påvirke ydeevnen for en enkelt virksomhed eller undersektor af markedet."

Jeg vil gerne skelne mellem global makro og kryptomakro. Mens globale makrotendenser - såsom inflation, pengemængde og andre makrobegivenheder - påvirker globale efterspørgsels- og udbudskurver, styrer kryptomakro korrelationen mellem de forskellige sektorer (såsom Web 3.0, lag et, lag to, DeFi og ikke-svingbare symboler), tokens, der er repræsentative for de sektorer og begivenheder, der påvirker den tilsvarende bevægelse af disse aktivklasser.

Relateret: Hvordan NFT'er, DeFi og Web 3.0 er sammenflettet

Krypto- (og digitale) aktivklasser definerer et helt nyt område af oprettelse af aktiver, transaktioner og aktivbevægelser, når de er begrænset til fungibilitet mellem aktivklasser og udvekslingsmekanismer, såsom lån, sikkerhed og udveksling. Dette skaber et makromiljø understøttet af kryptoøkonomiske principper og teorier. Når vi forsøger at forbinde disse to store makroøkonomiske miljøer til enten at indsprøjte eller overføre likviditet fra et økonomisk system til et andet, komplicerer vi i det væsentlige vores måledata og markedsdata på grund af en kollision af værdisystemer.

Lad mig demonstrere kompleksiteten med et eksempel på vigtigheden af ​​markedsdata og andre faktorer i formuleringen af ​​en investeringsteori baseret på indsigt fra empiriske abstrakter.

Mens lag et giver en vigtig nytteværdi for mange økosystemer, der opstår på lag-et-netværk, er ikke alle lag-et-netværk skabt lige og giver ikke den samme kræsne værdi og karakteristika. Bitcoin (BTC), for eksempel havde den første træk-fordel og er en slags ansigt for kryptovaluta-økosystemet. Det startede som et værktøj, men har forvandlet sig til et værdilager og en aktivklasse som en inflationsafdækning, der forsøger at fortrænge guld.

Ether (ETH), på den anden side kom op med begrebet programmerbarhed (evnen til at anvende betingelser og regler) til at værdisætte bevægelse og derved skabe rige økosystemer såsom DeFi og NFT'er. Så ETH bliver det nyttesymbol, der driver disse økosystemer, hvilket letter samskabelse. Stigningen i transaktionsaktivitet pressede efterspørgslen efter Ether, da det er nødvendigt til transaktionsbehandling.

Bitcoin som et lager af værdi og en inflationssikring er helt anderledes end en stadigt voksende og fremvoksende virksomhed på et lag-et-netværk. Det er derfor vigtigt at forstå, hvad der giver disse tokens værdi. Det er nytten af ​​et token som en vejafgift på netværket, der gør det værdifuldt, eller dets evne til at lagre og overføre (stor) værdi på kort tid, hvilket giver det en fordel i forhold til eksisterende værdibevægelser eller betalingssystemer.

I begge tilfælde giver nytten, transaktionsvolumen, cirkulerende forsyning og relaterede transaktionsmålinger indsigt i token-værdiansættelsen. Hvis vi skulle analysere og se nærmere på den dybere makroøkonomiske indvirkning på værdiansættelse (såsom renter, pengemængde, inflation og så videre) og også kryptomakrofaktorer, der involverer korrelation af andre kryptoaktiver og kryptovalutaer, der direkte eller indirekte påvirker lag et, resulterende teori vil omfatte væksten af ​​grundlæggende teknologi, rollerne af indfødte aktivklasser og løbetidspræmier. Det ville være et tegn på teknologirisiko og markedsadoption, netværkseffekt og likviditetspræmie, der viser bred accept på tværs af forskellige krypto-drevne økosystemer. Et investeringssyn på strategisk tilpasning til f.eks. en kryptoporteføljekonstruktion inkluderer overvejelser omkring makroøkonomiske cyklusser, kryptolikviditet (evnen til at konvertere kryptoaktiver) og kryptomakropåvirkning og betragter disse som en mellemsigtet lav risiko på vores risikomodel rammer.

Tilgængeligheden af ​​pålidelige kryptomarkedsdata muliggør ikke kun handelsbeslutninger i realtid og på stedet, men også forskellige risiko- og optimeringsanalyser, der er nødvendige for porteføljekonstruktion og -analyse. Analysen kræver yderligere traditionelle markedsdata, efterhånden som vi begynder at tale med traditionelle finansrelaterede markedscyklusser og likviditet, som også kan forsøge at korrelere kryptomakrosektorerne med globale makrosektorer. Dette kan hurtigt blive kompliceret fra et modelleringsperspektiv, simpelthen på grund af forskellen mellem mangfoldigheden og hastigheden af ​​markedsdata mellem to værdisystemer.

Perspektiver

Lige så fundamentalt som kryptomarkedseffektivitet er for god økonomisk beslutningstagning, er den dårligt forstået og forvrænget af dårlig eller utilstrækkelig information. Det er krypto (økonomiske) markedsdata og forskellige økonomiske modeller, der gør os i stand til at skabe mening om nye og rodede kryptomarkeder. Principperne for hypotesen om det effektive marked - som indebærer, at prisen på effektive markeder altid afspejler tilgængelig information - gælder også for kryptomarkeder.

Markedsdata bliver derfor centrale for alle modellerings- og analyseværktøjer til at give mening om markeder og også til at udføre korrelationsanalyser mellem forskellige kryptosektorer, såsom lag et, lag to, Web 3.0 og DeFi. Den primære kilde til disse kryptomarkedsdata kommer fra den stadigt voksende og fragmenterede blanding af kryptobørser. Krypto- og digitale aktivklasser definerer et helt nyt område af oprettelse af aktiver, transaktioner og aktivbevægelser, især når de er begrænset til fungibilitet mellem aktivklasser og udvekslingsmekanismer, såsom lån, sikkerhed og udveksling. Dette skaber et makromiljø understøttet af kryptoøkonomiske principper og teorier.

Når vi forsøger at forbinde disse to store makroøkonomiske miljøer for enten at indsprøjte eller overføre likviditet fra et økonomisk system til et andet, komplicere vores målinger og markedsdata på grund af en kollision af værdisystemer. Analysen kræver yderligere traditionelle markedsdata, efterhånden som vi begynder at tale med traditionelle finansrelaterede markedscyklusser og likviditet og også forsøger at korrelere kryptomakrosektorerne med globale makrosektorer. Dette kan hurtigt blive kompliceret fra et modelleringsperspektiv, simpelthen på grund af forskellen mellem mangfoldigheden og hastigheden af ​​markedsdata mellem to værdisystemer.

Denne artikel indeholder ikke investeringsrådgivning eller anbefalinger. Enhver investerings- og handelsbevægelse indebærer risiko, og læsere bør foretage deres egen forskning, når de træffer en beslutning.

De synspunkter, tanker og meninger, der er udtrykt her, er forfatterens alene og afspejler ikke nødvendigvis Cointelegraphs synspunkter og meninger.

Kilde: https://cointelegraph.com/news/the-rise-of-oracles-institutional-investors-need-trusted-crypto-market-data