Bitcoin mainstream 1. daļā: Šveices Bitcoin Research Paper

Iekš Bitcoin kopiena, Bitcoin cena analīze ir pieaugoša tendence, kaut arī tā bieži ir daudzu joku un sarkastisku komentāru mērķis. Šis sarkasms un cinisms pret Bitcoin cenu analīzi tomēr netrūkst pamatojuma; lielākā daļa analītiķu izsaka drausmīgi neprecīzas prognozes un neizmanto faktiski noderīgus datus, praksi, kas noteikti rodas, izmantojot nepareizu metodoloģija.

Bet šajā rakstā mēs neiedziļināsimies Bitcoin cenu analīzes kopienas problēmās, jo citur mēs tās esam ilgi apsprieduši. Tā vietā šis raksts būs pirmā daļa divdaļīgā sērijā par to, cik lielā mērā galvenā izpratne par Bitcoin izpratni atpaliek no Bitcoin kopienas. Šis raksts īpaši koncentrējas uz neseno Šveices universitātes pētījumu, kurā tiek pētītas Bitcoin cenas svārstības, jo tās ir saistītas ar izmaiņām sociālajā izpratnē par digitālo kursi. Šī raksta gaitā mēs atklāsim, ka Šveices pētnieki galu galā nedeva neko vērtīgu diskusijām par Bitcoin un izmantoja arī ļoti kļūdainas ekonomikas teorijas un metodikas.

Šveices pētījums par Bitcoin cenu svārstībām un to saistību ar sociālajiem signāliem: kāpēc šis pētījums ir bezvērtīgs un kur tas notika nepareizi

Šī raksta iedvesma rodas no nesen publicēta raksta CoinDesk, kas ziņoja par a Bitcoin pētījums to nesen publicēja ETH Zürich – universitāte Šveicē, kas ir līderis tehnoloģiju izglītībā. Šis pētījums apkopoja empīriskos datus no 2010. gada vidus līdz 2013. gada novembrim, Bitcoin cenu pīķa sākumā, tikai dažus mēnešus pirms Mt. Goks avarēja un izmantoja vairākus dažādus statistikas rīkus, lai analizētu šos datus.

Autors Huans Rubiano [CC BY-NC-ND 2.0], izmantojot FlickrPētnieku grupa paņēma četras datu kopas, apstrādāja tos kā mainīgos un uzlika tos viens otram, lai atrastu korelācijas un savstarpējo atkarību starp četriem mainīgajiem lielumiem, kad tie auga un mainījās visā pētījumā aplūkotajā laika periodā. Pirmais no četriem mainīgajiem bija Bitcoin klienta un Bitcoin blokķēdes lejupielāde. Pētnieku grupa analizēja darbību blokķēdē un izsekoja Bitcoin klienta lejupielādes, lai ģenerētu aptuvenu jaunu Bitcoin lietotāju skaitu.

Otrkārt, komanda apkopoja datus par valūtas maiņas kursiem starp Bitcoin un trim dažādām, fiat valūtām un trim dažādām valūtām, attiecīgi. Viņi izmantoja Mt. Gox Bitcoin cena, kas apzīmēta ASV dolāros (USD); viņi izsekoja Ķīnas aktivitātes, izmantojot BTC-China, kas apzīmēta ar ķīniešu renminbi (CNY); visbeidzot, viņi izsekoja BTC-de – Eiropas Bitcoin apmaiņas – darbību, kas apzīmēta eiro (EUR). Gan Mt. Gox un BTC-de ļāva tirgoties ar EUR, tāpēc pētījumu grupa izsekoja EUR kustību abās biržās, lai pētītu Eiropas Bitcoin aktivitāti.

Trešais mainīgais, ko komanda izmantoja, bija informācija par meklēšanu internetā. Viņi apkopoja datus par Google veikto meklēšanas vaicājumu skaitu ar vārdu “bitcoin”. Kā alternatīvu viņi izmantoja meklējumus Wikipedia, pasaulē lielākajā tiešsaistes enciklopēdijā.

Ceturtais un pēdējais mainīgais, kas tika izmantots pētījumā, bija informācijas apmaiņa no mutes mutē (WOM). Lai izsekotu WOM Bitcoin informācijas koplietošanas pieaugumu, viņi novērtēja ar Bitcoin saistīto tvītu skaitu uz 1 miljonu ziņu komandas Twitter plūsmā. Kā alternatīva pētījumā tika izmantots vecāko ziņu “akciju” skaits no tā, ko pētnieki varēja savākt, ar Bitcoin saistītā Facebook lapa: http://www.facebook.com/bitcoins.

Tad pētnieki izmantoja izvēlēto metodiku, lai analizētu datus. Mēs šeit neiedziļināsimies šajā metodikā, jo tas ir nedaudz vairāk par neskaitāmiem statistikas modeļiem un empīrisku analīzi, kam nav nozīmes ekonomikas pasaulē. Patiesībā, kā mēs strīdēsimies, viņu ilgstošais, empīriskais pētījumu projekts neizraisīja datus, kurus Bitcoin kopiena jau nebija izdomājusi pati. Šī raksta vēlākajā daļā mēs īsumā aplūkosim empīriskās ekonomikas trūkumus, un lasītājs tiks atsaukts uz dažiem iepriekšējiem šī autora rakstiem, kas snieguši padziļinātu analīzi par empīriskā ekonomika.

Tomēr pētījumos tika izmantota viena analītiskā metode, kas, pēc autora domām, ir ļoti interesanta, kuru mēs šeit izklāstīsim. Pētnieku grupa mēģināja noteikt viena bitcoin “pamata” vērtību, lai viņiem varētu būt Bitcoin vērtības pamatmērījums, ko viņi varētu salīdzināt ar faktisko Bitcoin cenu, jo tirgus reaģēja uz “sociālajiem signāliem”. Viņi atzina, ka bija grūti noteikt precīzu bitkoina “pamata” vērtību; bet viņi arī apgalvoja, ka šai vērtībai bija jābūt vismaz viena bitcoin ražošanas izmaksām, tāpēc viņi izmantoja šīs izmaksas kā “pamata” vērtības etalonu. Šīs konkrētās metodes pamatā ir mūžsenais ekonomiskais maldīgums: vērtības teorija par ražošanas izmaksām. Šo kļūdu mēs apspriedīsim vēlāk šajā rakstā, kad mēs identificēsim problēmas ar pētījumu projektu kopumā.

Tieša citāts no pētījuma par Bitcoin pamata vērtību:

Ir grūti aprēķināt viena bitcoin pamata vai patiesās vērtības novērtējumu, kas atšķiras no tā “patiesās” vērtības [23]. Tomēr mēs apgalvojam, ka viena bitcoīna pamatvērtība ir vienāda ar vismaz izmaksām, kas saistītas ar tā ražošanu (izmantojot ieguvi), un tāpēc mēs varam izmantot šīs izmaksas kā pamatvērtības zemāku robežu. Šīs definīcijas priekšrocība ir tā, ka tā ir neatkarīga no jebkura nākotnes atdeves subjektīvā novērtējuma.

Cīrihes Bitcoin pētījuma secinājumi

Izklāstot izvēlētās metodikas un datu kopas, kas jāizmanto, veicot šo Bitcoin cenu pētījumu, darba autori pēc tam iztērēja vairākas lappuses, apskatot sava pētījuma rezultātus. Tā vietā, lai detalizēti aplūkotu šos rezultātus, jo tie ir pārņemti ar nevajadzīgu tehnisko žargonu, kas faktiski nesniedz nekādus vērtīgus datus Bitcoin ekonomikai, mēs sniegsim īsu secinājumu kopsavilkumu un sniegsim dažus tiešus teksta citātus.

Autors Robs Iretons [CC BY 2.0], izmantojot FlickrTātad, lai īsi apkopotu pētījuma rezultātus, pētnieka būtiskākie secinājumi bija tādi, ka pastāv pozitīva korelācija starp palielinātu Google meklēšanu, palielinātu WOM informācijas koplietošanu un pieaugošu Bitcoin cenu. Viņi vēlreiz pārbaudīja šo korelāciju, palaižot statistiskos modeļus gan interneta meklēšanas, gan WOM kopīgo mainīgo kopām – Wikipedia kalpo kā alternatīva Google un Facebook kā alternatīva Twitter. Pat aplūkojot Vikipēdijas meklējumus un Facebook akcijas, palielināta aktivitāte abās platformās pozitīvi korelēja ar Bitcoin cenas pieaugumu.

Papildus tam, ka viņi “atklāja” šo saikni starp sociālajiem signāliem un Bitcoin cenu, viņi atklāja, ka šī korelācija faktiski rada divas pozitīvas atgriezeniskās saites. Pirmā atgriezeniskā saite ir tāda, ka pieaugošajiem meklēšanas vaicājumiem internetā un sociālo mediju daļām sekoja cenas pieaugums, kam sekoja vairāk meklēšanas vaicājumu un kopīgošanas utt. Viņi atklāja, ka palielināta meklēšana un koplietošana izraisīja adopcijas pieaugumu, kas radīja Bitcoin cenas pieaugumu, izraisot lielāku meklēšanu un koplietošanu utt..

Šīs atgriezeniskās saites tomēr nenotika bezgalīgi. Pētījumā arī tika atklāta korelācija starp pīķa meklēšanu internetā un WOM koplietošanu un krītošo Bitcoin cenu. Vairākas reizes šo pētnieku pētītajā laika posmā meklēšana un kopīgošana sasniegtu maksimumu, pēc kura Bitcoin cena “sabruktu”. Pēc šīs korelācijas atklāšanas pētījumā nonāca pie secinājuma, ka šie sociālie signāli noteikti ir saistīti ar Bitcoin “burbuļu ciklu” un tiem ir nozīmīga loma; paaugstināta sociālā informētība noved pie Bitcoin cenas eksplozijas, kam seko straujš cenas kritums, kā arī meklēšanas un WOM koplietošanas samazināšanās.

Šeit ir daži tiešie citāti no dokumenta par pētījuma secinājumiem:

Mēs nošķiram atgriezeniskās saites ciklus mūsu sistēmā, izmantojot VAR [26], kas uztver laika atkarīgas daudzdimensionālas lineāras attiecības starp četriem analīzes mainīgajiem lielumiem ar 1 dienas nobīdi. . . VAR atklāj šādus atgriezeniskās saites ciklus:

– “sociālais” cikls: meklēšanas apjoms palielinās līdz ar cenu (f P, S 1/4 0,386), mutiski palielinās meklēšanas vaicājums (f S, W 1/4 0,243) un cenu pieaugums no mutes mutē (f W , P 1/4 0,1). Vienlaikus uzskaitot visas atkarības starp četriem mainīgajiem, tiek uzsvērta mutvārdu ietekme uz cenu, atklājot spēcīgāku sakarību, nekā to nevar novērot, izmantojot pāru korelācijas analīzi (sīkāka informācija elektroniskajā papildmateriālā, §3). Trīsceļu cilpa starp S t, W t un P t atspoguļo atgriezeniskās saites ciklu starp sociālo dinamiku un cenu Bitcoin ekonomikā.

– “lietotāju pieņemšanas” cikls: meklēšanas apjoms palielinās līdz ar cenu (f P, S 1/4 0,386), jauno lietotāju skaits palielinās līdz ar meklēšanas interesi (f S, U 1/4 0,158) un cenu pieaugums, pieaugot lietotāju pieņemšanai (f U, P 1/4 0,137). Šī otrā trīsvirzienu cilpa starp S t, U t un P t modelē to, kā Bitcoin maiņas kurss uz citām valūtām ir atkarīgs no lietotāju skaita Bitcoin ekonomikā

Papildus šiem diviem cikliem mēs atrodam negatīvu saistību no meklēšanas līdz cenai (f S, P 1/4 20,233). To ilustrē skaidra diadiskā saistība starp divu mainīgo galējībām: trīs no četriem lielākajiem dienas cenu kritumiem bija pirmais, ceturtais un astotais lielākais Google meklēšanas apjoma pieaugums iepriekšējā dienā.

Iepriekš aprakstītie cikli sniedz izskaidrojumu burbuļu veidošanai Bitcoin ekonomikā. Jaunākie atklājumi liecina, ka kopš Bitcoin izgudrošanas mainījās Bitcoin cenu virzītājspēki [29], motivējot mūsu pētījuma perioda sadalīšanos raksturīgos laika logos, no kuriem katrs atbilst atšķirīgam burbulim. Mēs to darām, novērtējot zemāko robežu Bitcoin pamatvērtībai: mēs aptuveni aprēķinām enerģijas izmaksas viena bitkoīna ražošanai, kas iegūtas tieši no Bitcoin grūtībām [1] (sk. Materiālu un metodes). Visā mūsu pētījuma periodā cena gandrīz vienmēr pārsniedza pamatvērtību (3.a attēls: nedēļas svērtās vidējās cenas trajektorija ir gandrīz tikai pa kreisi no cenu / pamatlīdzības līnijas). Bitkoīnu tirdzniecība par daudz augstāku cenu norāda uz iespējamo burbuļa klātbūtni [30], un notikumi, kuros tirgus cena sāk atšķirties no pamatvērtības, iezīmē burbuļu sākumu..

Visbeidzot, citāts par to, kā pētnieki uzskata, ka šāda veida kvantitatīvā analīze var būt noderīga, lai prognozētu nākotnes Bitcoin cenu un nākotnes Bitcoin burbuļus:

Tādējādi šajā dokumentā izmantotā statistikas tehnika izrādās spēcīgs veids, kā identificēt mūsu pētīto sociālekonomisko mainīgo saistīto dinamiku. Tas arī sagatavo precīzas aplēses par jebkura mainīgā lieluma nākotni (ieskaitot cenu un mutiski), pamatojoties uz sistēmas iepriekšējo vēsturi.

Turpinājums 2. lappusē

Lapas: 1 2 3

Mike Owergreen Administrator

Sorry! The Author has not filled his profile.

follow me