De opkomst van orakels: institutionele beleggers hebben betrouwbare cryptomarktgegevens nodig

In dit artikel wil ik het belang bespreken van marktgegevens, gedecentraliseerde financiële (DeFi) econometrie en toegepast DeFi-onderzoek naar crypto (en digitale) activa als uitvloeisel van financiële econometrie en toegepast onderzoek. Ik zal ook proberen gebruik te maken van het perspectief en de bevindingen uit de baanbrekende artikelen van Eugene Fama, gebaseerd op zijn interesse in het meten van de statistische eigenschappen van aandelenkoersen en het oplossen van het debat tussen technische analyse (het gebruik van geometrische patronen in prijs- en volumegrafieken om toekomstige koersen te voorspellen). bewegingen van een effect) en fundamentele analyse (het gebruik van boekhoudkundige en economische gegevens om de reële waarde van een effect te bepalen). Nobelprijswinnaar Fama geoperationaliseerd de efficiënte markthypothese – samengevat compact in het epigram dat “prijzen alle beschikbare informatie volledig weerspiegelen” op efficiënte markten. 

Laten we ons dus concentreren op deze informatie over crypto en digitale activa, op crypto en gedecentraliseerde financiële gegevens bronnen, analyse van marktgegevens en alles rondom de enorme opkomende DeFi-industrie die essentieel is voor het aantrekken van institutionele investeerders naar crypto-, DeFi- en bredere ‘token’-markten in het algemeen.

In de meeste markten worden marktgegevens gedefinieerd als de prijs van een instrument (een actief, effect, grondstof, enz.) en handelsgerelateerde gegevens. Deze gegevens weerspiegelen de markt- en activaklassevolatiliteit, het volume en handelsspecifieke gegevens, zoals open, high, low, close, volume (OHLCV) en andere gegevens met toegevoegde waarde, zoals orderboekgegevens (bid-ask spread, geaggregeerde markt diepte, enz.) en prijsstelling en waardering (referentiegegevens, traditionele financiële gegevens zoals eerste wisselkoersen, enz.) Deze marktgegevens zijn instrumenteel in verschillende financiële econometrische, toegepaste financiële en, nu, DeFi-onderzoeken, zoals:

• Risicobeheer en risicomodelraamwerk
• Kwantitatieve handel
• Prijs en waardering
• Opbouw en beheer van portefeuilles
• Algehele cryptofinanciering

Hoewel het toepassen van een traditionele methodologie om risico's te evalueren en verschillende kansen te onderscheiden, verspreid over diverse en opkomende crypto-activaklassen, beperkend kan zijn, is het een begin. Er zijn nieuwe waarderingsmodellen ontstaan ​​die tot doel hebben betekenis te geven aan deze digitale activa die zijn opgestegen om de werkelijk mondiale digitale markten te domineren, en zelfs deze modellen hebben marktgegevens nodig. Sommige van deze modellen omvatten, maar zijn niet beperkt tot:

• VWAPof volumegewogen gemiddelde prijs, een methodologie die doorgaans de reële waarde van een digitaal actief bepaalt door de volumegewogen gemiddelde prijs te berekenen op basis van een vooraf geselecteerde groep van de beschikbare post-transactiegegevens van de samenstellende beurzen.
• TWAP, of tijdgewogen gemiddelde prijs, wat een orakel of slim contract kan zijn dat symbolische prijzen afleidt uit liquiditeitspools, waarbij een tijdsinterval wordt gebruikt om de onderpandratio te bepalen.
• Groeiverhouding bepaalt de onderpandfactor.
• TVL, of totale waarde vergrendeld, is voor liquiditeitspools en geautomatiseerde marktmakers (AMM's).
• Totaal aantal gebruikers weerspiegelt het netwerkeffect en het potentiële gebruik en de groei.
• Belangrijkste marktmethodologie is van toepassing op de belangrijkste markt, die vaak wordt gedefinieerd als de markt met het grootste volume en de grootste activiteit voor een digitaal actief. De reële waarde zou de prijs zijn die voor een digitaal actief op die markt wordt ontvangen.
• Handelsvolumes van CEX's en DEX's zijn de som van de handelsvolumes op gecentraliseerde beurzen (CEX's) en gedecentraliseerde beurzen (DEX's).
• CVI, of crypto-volatiliteitsindex, wordt gecreëerd door een gedecentraliseerde volatiliteitsindex te berekenen op basis van cryptocurrency-optieprijzen, samen met het analyseren van de marktverwachting van toekomstige volatiliteit.

Daarom worden marktgegevens centraal in alle modellerings- en analysehulpmiddelen om markten te begrijpen, en ook voor het uitvoeren van correlatieanalyses tussen verschillende cryptosectoren zoals laag één, laag twee, Web 3.0 en DeFi. De primaire bron van deze cryptomarktgegevens is afkomstig van de steeds groter wordende en gefragmenteerde mix van crypto-uitwisselingen. De gegevens uit deze uitwisselingen kunnen niet wijd verspreid zijn vertrouwde, aangezien we gevallen hebben gezien van opgeblazen volumes door praktijken als washandel en gesloten pools die de prijs kunnen verstoren door een verkeerde voorstelling van zaken van de vraag en het volume. Het modelleren van een hypothese op basis van empirische gegevens en het vervolgens testen van de hypothese om een ​​beleggingstheorie te formuleren (inzichten uit empirische samenvattingen) kan dus lastig zijn. Dit geeft aanleiding tot orakels die tot doel hebben de problemen op te lossen van vertrouwde gegevens die in het blockchain-transactiesysteem terechtkomen of een bemiddelingslaag tussen de crypto- en traditionele financiële lagen.

Zie ook: Oracle wil blockchain naar de massa brengen door middel van een crypto-beveiligd gegevensaanbod

Blockchain, de onderliggende technologie die alle crypto-activa en -netwerken bestuurt, prijst de fundamentele principes van handel, vertrouwen en eigendom aan op basis van transparantie die wordt uitgebreid door vertrouwenssystemen (of consensus), dus waarom zijn marktgegevens zo’n groot probleem? Maakt het niet deel uit van het ethos van blockchain en de crypto-industrie om te vertrouwen op gegevens die tot de markt behoren en gemakkelijk toegankelijk zijn voor analyse?

Het antwoord is ja! Maar!" Het wordt interessant wanneer we de cryptomarkten kruisen met op fiat gebaseerde liquiditeit – transacties in Amerikaanse dollars, euro’s, yens en Britse ponden vormen de spoorlijn naar traditionele financiering die wordt gefaciliteerd door crypto-uitwisselingen.

Crypto-macro begrijpen en mondiale macro onderscheiden

Zoals Peter Tchir, hoofd Global Macro bij de in New York gevestigde Academy Securities, legt uit in een artikel geschreven door Simon Constable: “Wereldwijde macro is een term voor onderliggende trends die zo groot zijn dat ze de economie of grote delen van de effectenmarkten kunnen doen stijgen of dalen.” Constable voegde toe:

“Ze verschillen van microfactoren, die de prestaties van een enkel bedrijf of een subsector van de markt kunnen beïnvloeden.”

Ik zou graag onderscheid willen maken tussen mondiale macro en crypto-macro. Terwijl mondiale macrotrends – zoals inflatie, geldhoeveelheid en andere macrogebeurtenissen – van invloed zijn op de mondiale vraag- en aanbodcurves, regelt crypto-macro de correlatie tussen de verschillende sectoren (zoals Web 3.0, laag één, laag twee, DeFi en niet-tastbare tokens), tokens die representatief zijn voor die sectoren en gebeurtenissen die van invloed zijn op de overeenkomstige beweging van deze activaklassen.

Zie ook: Hoe NFT's, DeFi en Web 3.0 met elkaar verweven zijn

Crypto- (en digitale) activaklassen definiëren een geheel nieuw domein van activacreatie, transacties en activabeweging wanneer ze beperkt blijven tot de fungibiliteit tussen activaklassen en ruilmechanismen, zoals leningen, onderpand en uitwisselingen. Hierdoor ontstaat een macro-omgeving die wordt ondersteund door crypto-economische principes en theorieën. Wanneer we proberen deze twee belangrijke macro-economische omgevingen met elkaar te verbinden voor het injecteren of overdragen van liquiditeit van het ene economische systeem naar het andere, compliceren we feitelijk onze meetstatistieken en marktgegevens als gevolg van een botsing van waardesystemen.

Laat me de complexiteit demonstreren met een voorbeeld van het belang van marktgegevens en andere factoren bij het formuleren van een beleggingstheorie op basis van inzichten uit empirische samenvattingen.

Hoewel laag één een belangrijk nut biedt voor veel ecosystemen die ontstaan ​​op laag-één-netwerken, zijn niet alle laag-één-netwerken gelijk geschapen en bieden ze niet dezelfde onderscheidende waarde en kenmerken. Bitcoin (BTC), had bijvoorbeeld het voordeel bij de eerste stap en is een soort gezicht van het cryptocurrency-ecosysteem. Het begon als een nutsbedrijf, maar is veranderd in een waardeopslag en een activaklasse als inflatiehedge die goud probeert te verdringen.

Ether (ETH), aan de andere kant, kwam met het idee van programmeerbaarheid (het vermogen om voorwaarden en regels toe te passen) om beweging te waarderen, waardoor rijke ecosystemen zoals DeFi en NFT's ontstonden. ETH wordt dus het nutstoken dat deze ecosystemen aandrijft en co-creatie mogelijk maakt. De toename van de transactieactiviteit stimuleerde de vraag naar ether, omdat dit nodig is voor transactieverwerking.

Bitcoin als waardeopslagmiddel en inflatiehedge is heel anders dan een steeds groter wordend en opkomend bedrijf op een laag-één-netwerk. Het is daarom van cruciaal belang om te begrijpen wat deze tokens waarde geeft. Het is het nut van een token als tol op het netwerk dat het waardevol maakt, of het vermogen ervan om (grote) waarde in korte tijd op te slaan en over te dragen, waardoor het een voordeel heeft ten opzichte van bestaande waardebewegingen of betalingssystemen.

In beide gevallen bieden het nut, het transactievolume, het circulerende aanbod en de gerelateerde transactiestatistieken inzicht in de tokenwaardering. Als we de diepere macro-economische impact op de waardering zouden analyseren en onderzoeken (zoals rentetarieven, geldhoeveelheid, inflatie enzovoort) en ook crypto-macrofactoren waarbij de correlatie betrokken is tussen andere crypto-activa en cryptocurrencies die direct of indirect van invloed zijn op laag één, zou de De resulterende theorie zou de groei van fundamentele technologie, de rol van inheemse activaklassen en looptijdpremies omvatten. Het zou indicatief zijn voor technologierisico en marktacceptatie, netwerkeffect en liquiditeitspremie die een brede acceptatie laten zien in verschillende crypto-gedreven ecosystemen. Een beleggingsvisie op de strategische aansluiting bij bijvoorbeeld de constructie van een cryptoportefeuille omvat overwegingen rond macro-economische cycli, crypto-liquiditeit (het vermogen om crypto-activa te converteren) en crypto-macro-impact, en beschouwt deze als een laag middellangetermijnrisico voor ons risicomodel. kader.

De beschikbaarheid van vertrouwde cryptomarktgegevens maakt niet alleen real-time en on-spot handelsbeslissingen mogelijk, maar ook verschillende risico- en optimalisatieanalyses die nodig zijn voor het samenstellen en analyseren van portefeuilles. De analyse vereist aanvullende traditionele marktgegevens nu we in gesprek gaan met traditionele financiële gerelateerde marktcycli en liquiditeit, die ook kunnen proberen de crypto-macrosectoren te correleren met mondiale macrosectoren. Dit kan vanuit modelleringsperspectief snel ingewikkeld worden, simpelweg vanwege de ongelijkheid tussen de diversiteit en snelheid van marktgegevens tussen twee waardesystemen.

Perspectieven

Hoe fundamenteel de efficiëntie van de cryptomarkt ook is voor een goede financiële besluitvorming, deze wordt slecht begrepen en vervormd door slechte of ontoereikende informatie. Het zijn crypto-(economische) marktgegevens en verschillende economische modellen die ons in staat stellen inzicht te krijgen in opkomende en rommelige crypto-markten. De principes van de efficiënte markthypothese – die impliceert dat in efficiënte markten de prijs altijd een weerspiegeling is van de beschikbare informatie – zijn ook van toepassing op cryptomarkten.

Marktgegevens worden daarom centraal in alle modellerings- en analysehulpmiddelen om markten te begrijpen en ook voor het uitvoeren van correlatieanalyses tussen verschillende cryptosectoren, zoals laag één, laag twee, Web 3.0 en DeFi. De primaire bron van deze cryptomarktgegevens is afkomstig van de steeds groter wordende en gefragmenteerde mix van crypto-uitwisselingen. Crypto- en digitale activaklassen definiëren een geheel nieuw domein van activacreatie, transacties en activabewegingen, vooral wanneer ze beperkt blijven tot de fungibiliteit tussen activaklassen en ruilmechanismen, zoals leningen, onderpand en uitwisselingen. Dit creëert een macro-omgeving die wordt ondersteund door crypto-economische principes en theorieën.

Wanneer we proberen deze twee belangrijke macro-economische omgevingen met elkaar te verbinden voor het injecteren of overdragen van liquiditeit van het ene economische systeem naar het andere, compliceren onze meetstatistieken en marktgegevens, als gevolg van een botsing van waardesystemen. De analyse vereist aanvullende traditionele marktgegevens nu we in gesprek gaan met traditionele financiële gerelateerde marktcycli en liquiditeit, en ook proberen de crypto-macrosectoren te correleren met mondiale macrosectoren. Dit kan vanuit modelleringsperspectief snel ingewikkeld worden, simpelweg vanwege de ongelijkheid tussen de diversiteit en snelheid van marktgegevens tussen twee waardesystemen.

Dit artikel bevat geen beleggingsadvies of aanbevelingen. Elke investering en handelsbeweging brengt risico's met zich mee, en lezers moeten hun eigen onderzoek doen bij het nemen van een beslissing.

De meningen, gedachten en meningen die hier worden uitgedrukt, zijn alleen van de auteur en weerspiegelen niet noodzakelijk de meningen en meningen van Cointelegraph.

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