Fremveksten av orakler: Institusjonelle investorer trenger pålitelige kryptomarkedsdata

I denne artikkelen har jeg tenkt å diskutere viktigheten av markedsdata, desentralisert finans (DeFi) økonometri og anvendt DeFi-forskning på krypto- (og digitale) eiendeler som en konsekvens av finansiell økonometri og anvendt forskning. Jeg vil også forsøke å trekke på perspektivet og funnene fra Eugene Famas banebrytende artikler basert på hans interesse for å måle de statistiske egenskapene til aksjekurser og løse debatten mellom teknisk analyse (bruken av geometriske mønstre i pris- og volumdiagrammer for å forutsi fremtidig pris bevegelser av et verdipapir) og fundamental analyse (bruk av regnskapsmessige og økonomiske data for å bestemme et verdipapirs virkelige verdi). Nobelprisvinner Fama operasjonalisert den effektive markedshypotesen - oppsummert kompakt i epigrammet om at "prisene fullt ut reflekterer all tilgjengelig informasjon" i effektive markeder. 

Så la oss fokusere på denne informasjonen rundt krypto og digitale eiendeler, på krypto og desentraliserte finansdata kilder, markedsdataanalyse og alt som omgir den massive fremvoksende DeFi-industrien som er avgjørende for å tiltrekke institusjonelle investorer til krypto-, DeFi- og bredere "token"-markeder generelt.

I de fleste markeder er markedsdata definert som prisen på et instrument (en eiendel, sikkerhet, vare osv.) Og handelsrelaterte data. Disse dataene gjenspeiler volatilitet i markedet og aktivaklassen, volum og handelsspesifikke data, slik som åpen, høy, lav, nær, volum (OHLCV) og andre merverdidata, slik som ordreboksdata (bud-spør-spredning, samlet marked dybde osv.) og prissetting og verdsettelse (referansedata, tradisjonelle finansdata som første valutakurser osv.). Disse markedsdataene er medvirkende til ulike finansøkonometriske, anvendte finanser og nå DeFi-undersøkelser som:

• Risikostyring og risikomodellrammeverk
• Kvantitativ handel
• Pris og verdsettelse
• Porteføljekonstruksjon og ledelse
• Samlet kryptofinansiering

Selv om det er begrensende å bruke en tradisjonell metodikk for å evaluere risiko og se forskjellige grader av muligheter spredt over forskjellige og nye krypto-aktivaklasser, er det en start. Nye verdsettelsesmodeller har dukket opp som tar sikte på å gi mening om disse digitale eiendelene som har steget opp for å dominere de virkelig globale digitale markedsplassene, og til og med disse modellene trenger markedsdata. Noen av disse modellene inkluderer, men er ikke begrenset til:

• VWAP, eller volumveid gjennomsnittspris, en metodikk som vanligvis bestemmer virkelig verdi av en digital eiendel ved å beregne den volumveide gjennomsnittsprisen fra en forhåndsvalgt gruppe av bestanddeler som er tilgjengelige etter handelsdata.
• TWAP, eller tidsveid gjennomsnittspris, som kan være en oracle eller smart kontrakt som får tokenpriser fra likviditetsbassenger, ved hjelp av et tidsintervall for å bestemme sikkerhetsforholdet.
• Vekstforhold bestemmer sikkerhetsfaktoren.
• TVL, eller totalverdi låst, er for likviditetsbassenger og automatiserte market makers (AMM).
• Totalt antall brukere gjenspeiler nettverkseffekten og potensiell bruk og vekst.
• Hovedmarkedsmetodikk gjelder hovedmarkedet, som ofte defineres som markedet med størst volum og aktivitet for en digital eiendel. Virkelig verdi vil være prisen som mottas for en digital eiendel i det markedet.
• Handelsvolum av CEX og DEX er summen av handelsvolumene på sentraliserte børser (CEX) og desentraliserte børser (DEX).
• IVC, eller kryptovolatilitetsindeks, blir opprettet ved å beregne en desentralisert volatilitetsindeks fra kryptovalutaopsjonspriser sammen med å analysere markedets forventning om fremtidig volatilitet.

Derfor blir markedsdata sentral i alle modellerings- og analyseverktøyene for å gi mening om markeder, og også for å utføre korrelasjonsanalyser mellom ulike kryptosektorer som lag én, lag to, Web 3.0 og DeFi. Den primære kilden til disse kryptomarkedsdataene kommer fra den stadig voksende og fragmenterte blandingen av kryptobørser. Dataene fra disse utvekslingene kan ikke være omfattende klarert, ettersom vi har sett tilfeller av oppblåste volumer gjennom praksis som vaskehandel og lukkede bassenger som kan forvrenge prisen ved å feilrepresentere etterspørsel og volum. Så det kan være vanskelig å modellere en hypotese basert på empiriske data og deretter teste hypotesen for å formulere en investeringsteori (innsikt fra empiriske abstrakter). Dette gir opphav til orakler som tar sikte på å løse problemene med pålitelige data som kommer inn i blokkjedetransaksjonssystemet eller et formidlingslag mellom krypto- og tradisjonelle finanslag.

Relatert: Oracle ønsker å bringe blockchain til massene gjennom et kryptosikkert datatilbud

Blockchain, den underliggende teknologien som styrer alle kryptoaktiva og nettverk, viser sine grunnleggende prinsipper for handel, tillit og eierskap på grunnlag av åpenhet utvidet av tillitsystemer (eller konsensus), så hvorfor er markedsdata så stort? Er det ikke en del av blockchain og kryptoindustriens etos å stole på data som tilhører markedet og er lett tilgjengelige for analyse?

Svaret er “Ja! Men!" Ting blir interessante når vi krysser kryptomarkedene med fiatbasert likviditet - amerikanske dollar-, euro-, yen- og britiske pundtransaksjoner er skinnen til tradisjonell finansiering som lettes av kryptobørsene.

Forstå kryptomakro og differensiere global makro

Som Peter Tchir, leder for global makro ved New York-baserte Academy Securities, forklarer i en artikkel skrevet av Simon Constable: "Global makro er en betegnelse på underliggende trender som er så store at de kan løfte eller slippe økonomien eller store deler av verdipapirmarkedene." Konstabel la til:

"De skiller seg fra mikrofaktorer, som kan påvirke resultatene til et enkelt selskap eller undersektor av markedet."

Jeg vil gjerne skille mellom global makro og kryptomakro. Mens globale makrotrender – som inflasjon, pengemengde og andre makrohendelser – påvirker globale etterspørsels- og tilbudskurver, styrer kryptomakro korrelasjonen mellom de ulike sektorene (som Web 3.0, lag én, lag to, DeFi og ikke-svingbare symboler), tokens som er representative for de sektorene og hendelsene som påvirker den tilsvarende bevegelsen til disse aktivaklassene.

Relatert: Hvordan NFT-er, DeFi og Web 3.0 flettes sammen

Krypto (og digitale) aktivaklasser definerer et helt nytt rike for eiendomsoppretting, transaksjon og aktivabevegelse når det er begrenset til fungibilitet mellom aktivaklasser og børsmekanismer, for eksempel lån, sikkerhet og børser. Dette skaper et makromiljø understøttet av krypto-økonomiske prinsipper og teorier. Når vi prøver å koble disse to store makroøkonomiske miljøene for å injisere eller overføre likviditet fra ett økonomisk system til et annet, kompliserer vi i hovedsak våre måleberegninger og markedsdata på grunn av en kollisjon av verdisystemer.

La meg demonstrere kompleksiteten med et eksempel på viktigheten av markedsdata og andre faktorer i formuleringen av en investeringsteori basert på innsikt fra empiriske abstrakter.

Mens lag en gir en viktig nytte for mange økosystemer som dukker opp på lag-ett-nettverk, er ikke alle lag-ett-nettverk skapt like og gir ikke samme kresne verdi og egenskaper. Bitcoin (BTC), for eksempel, hadde førstetrekksfordelen og er liksom ansiktet til kryptovaluta-økosystemet. Det startet som et verktøy, men har forvandlet seg til et verdilager og en aktivaklasse som en inflasjonssikring som forsøker å fortrenge gull.

Ether (ETH), på den annen side, kom opp med forestillingen om programmerbarhet (evnen til å anvende betingelser og regler) for å verdsette bevegelse, og dermed skape rike økosystemer som DeFi og NFT-er. Så ETH blir nyttesymbolet som driver disse økosystemene og letter samskaping. Økningen i transaksjonsaktivitet presset etterspørselen etter Ether, ettersom den er nødvendig for transaksjonsbehandling.

Bitcoin som en butikk med verdi og en inflasjonssikring er ganske forskjellig fra en stadig voksende og fremvoksende virksomhet i et lag-ett-nettverk. Det er derfor viktig å forstå hva som gir disse tokens verdi. Det er nytten av et token som en toll på nettverket som gjør det verdifullt, eller dets evne til å lagre og overføre (stor) verdi på kort tid, noe som gir det en fordel i forhold til eksisterende verdibevægelses- eller betalingssystemer.

I begge tilfeller gir verktøy, transaksjonsvolum, sirkulerende forsyning og relaterte transaksjonsmålinger innsikt i tokenverdivurderingen. Hvis vi skulle analysere og se på den dypere makroøkonomiske innvirkningen på verdsettelsen (som renter, pengemengde, inflasjon og så videre) og også kryptomakrofaktorer som involverer korrelasjon av andre kryptoaktiver og kryptovalutaer som direkte eller indirekte påvirker lag ett, den resulterende teorien vil omfatte vekst av grunnleggende teknologi, rollene til innfødte aktivaklasser og løpetidspremier. Det ville være en indikasjon på teknologirisiko og markedsadopsjon, nettverkseffekt og likviditetspremie som viser bred aksept på tvers av forskjellige kryptodrevne økosystemer. En investeringssyn på strategisk tilpasning til for eksempel en kryptoporteføljekonstruksjon inkluderer betraktninger rundt makroøkonomiske sykluser, kryptolikviditet (muligheten til å konvertere kryptoaktiva) og kryptomakroeffekt, og ser disse som en langsiktig lav risiko på vår risikomodell rammeverk.

Tilgjengeligheten av pålitelige kryptomarkedsdata muliggjør ikke bare sanntids- og stedlige handelsbeslutninger, men også ulike risiko- og optimaliseringsanalyser som trengs for porteføljekonstruksjon og analyse. Analysen krever ytterligere tradisjonelle markedsdata når vi begynner å snakke med tradisjonelle finansrelaterte markedssykluser og likviditet, som også kan forsøke å korrelere kryptomakrosektorene med globale makrosektorer. Dette kan bli raskt komplisert fra et modellperspektiv, ganske enkelt på grunn av forskjellen mellom mangfoldet og hastigheten på markedsdata mellom to verdisystemer.

Perspektiver

Så grunnleggende som kryptomarkedseffektivitet er for god økonomisk beslutningstaking, blir den dårlig forstått og forvrengt av dårlig eller utilstrekkelig informasjon. Det er krypto (økonomiske) markedsdata og ulike økonomiske modeller som gjør det mulig for oss å få mening om nye og rotete kryptomarkeder. Prinsippene for den effektive markedshypotesen - som innebærer at pris i gjeldende markeder alltid reflekterer tilgjengelig informasjon - gjelder også kryptomarkeder.

Markedsdata blir derfor sentralt i alle modellerings- og analyseverktøyene for å gi mening om markeder og også for å utføre korrelasjonsanalyser mellom forskjellige kryptosektorer, som lag ett, lag to, Web 3.0 og DeFi. Den primære kilden til disse kryptomarkedsdataene kommer fra den stadig voksende og fragmenterte blandingen av kryptobørs. Krypto- og digitale aktivaklasser definerer et helt nytt rike for eiendomsoppretting, transaksjon og aktivabevegelse, spesielt når det er begrenset til fungibilitet mellom aktivaklasser og børsmekanismer, som lån, sikkerhet og børser. Dette skaper et makromiljø understøttet av kryptoøkonomiske prinsipper og teorier.

Når vi prøver å koble disse to store makroøkonomiske miljøene for enten å injisere eller overføre likviditet fra ett økonomisk system til et annet, komplisere våre måleberegninger og markedsdata, på grunn av en kollisjon av verdisystemer. Analysen krever ytterligere tradisjonelle markedsdata når vi begynner å snakke med tradisjonelle finansrelaterte markedssykluser og likviditet, og også forsøke å korrelere kryptomakrosektorene med globale makrosektorer. Dette kan bli komplisert raskt fra et modelleringsperspektiv, ganske enkelt på grunn av ulikheten mellom mangfoldet og hastigheten til markedsdata mellom to verdisystemer.

Denne artikkelen inneholder ikke investeringsråd eller anbefalinger. Hver investerings- og handelsbevegelse innebærer risiko, og leserne bør utføre sin egen forskning når de tar en beslutning.

Synspunktene, tankene og meningene som er uttrykt her er forfatterens alene og gjenspeiler ikke nødvendigvis synspunkter og meninger fra Cointelegraph.

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