Lịch sử phát triển của logic đầu tư tiền điện tử: 3 chuyển đổi tư duy cơ bản thiết yếu

Tác giả: NingNing, Twitter: @0xNing0x

1. Chuyển đổi từ phân tích siêu hình thuộc tính thực thể sang phân tích lý thuyết đồ thị cạnh nút

Được đào tạo quy mô lớn và dài hạn về siêu hình học (ở đây đề cập đến kiến ​​thức khái niệm được dạy trong trường học) trong hệ thống trường học hiện đại, chúng tôi đã phát triển sự phụ thuộc nghiêm túc vào khung phân tích thuộc tính thực thể và coi thuộc tính thực thể là bản chất, và quên đi thuộc tính thực thể ≠ bản thân sự vật

Lấy các báo cáo xếp hạng dự án phổ biến trong vòng tròn tiền tệ trong 18 và 19 năm làm ví dụ. Các báo cáo đó thường được sử dụng khung phân tích Thuộc tính thực thể:

→  Thực thể: Dự án A

→   Thuộc tính: định vị dự án, không gian thị trường, tầm nhìn, nền tảng công nghệ, kiến ​​trúc sản phẩm, đội ngũ, lộ trình

Khung phân tích này là khung phân tích dễ phổ biến và dễ dàng nhất được sử dụng phổ biến Các nhà đầu tư hiểu nó, nhưng các kết luận rút ra bằng cách sử dụng khung phân tích này gần như bị sai lệch hoàn toàn trong thị trường tăng trưởng vừa qua

Điều này là do thuộc tính thực thể Trừu tượng hóa một một dự án cụ thể thành một sự tồn tại biệt lập, đồng thời bỏ qua giá trị của một dự án duy nhất xuất phát từ sự kết nối với mạng web3 tổng thể

Vì vậy, năm nay tôi bắt đầu Học cách sử dụng khung phân tích cạnh nút của lý thuyết đồ thị để phân tích giá trị của các dự án web3. Điều này mang lại cho tôi cảm giác giác ngộ và nhiều thắc mắc đã được giải quyết

Ví dụ: tại sao công nghệ/sản phẩm của EOS dẫn đầu thời đại nhưng lại hoạt động kém hiệu quả trên thị trường trong thời gian qua thị trường tăng trưởng?

Theo khung phân tích thuộc tính thực thể ban đầu, điểm của EOS cao hơn nhiều so với Solana/Avalanche/Polygon

Tuy nhiên, theo khung phân tích cạnh nút, EOS là một nút bị cô lập do thiếu kết nối với hệ sinh thái Ethereum và thiếu kết nối với vốn Mỹ. Điểm của EOS thấp hơn nhiều so với Solana/Avalanche/Polygon

Hiệu suất trong thị trường tăng giá vừa qua vừa xác minh tính chính xác của khung phân tích cạnh nút

Phân tích cạnh nút (lý thuyết đồ thị) là một chủ đề toán học nghiêm túc. Tôi sẽ không mở rộng nó ở đây. Những sinh viên quan tâm có thể truy cập YouTube hoặc Bilibili để tự học

Ở đây tôi chỉ trình bày phân tích trung tâm trong khung phân tích cạnh nút và ứng dụng của nó trong việc đánh giá giá trị của các dự án web3

Phân tích trung tâm là một phương pháp A cho đo lường tầm quan trọng của các nút trong mạng. Nó cố gắng xác định các nút nào là trung tâm hơn trong mạng và do đó đóng vai trò chính trong việc phổ biến thông tin, phổ biến ảnh hưởng, kết nối, v.v. Sau đây là một số chỉ báo trung tâm phổ biến:

Mức độ trung tâm

Mức độ trung tâm đề cập đến số lượng kết nối của một nút, nghĩa là số cạnh của nó . Mức độ tập trung của một nút càng cao thì nó càng có nhiều kết nối với các nút khác

Khi đánh giá một dự án web3, số lượng các dự án web3 khác mà nó được kết nối tới Càng có nhiều dự án thì mức độ trung tâm của chúng càng cao

Trong thế giới tiền điện tử hiện tại, dự án có mức độ trung tâm cao nhất là Bitcoin, tiếp theo là Ethereum và sau đó là Bitcoin CEX như An, Coinbase, OKX và các tổ chức phát hành stablecoin như USDT

Tính trung tâm của sự gần gũi (Tính trung tâm của sự gần gũi)< /p>

Tính trung tâm gần gũi đo khoảng cách trung bình từ nút này đến nút khác. Các nút có khoảng cách trung bình thấp hơn sẽ ở gần trung tâm mạng hơn vì chúng có thể truyền bá thông tin đến các nút khác nhanh hơn.

Khi đánh giá một dự án web3, khoảng cách trung bình đến các dự án web3 khác càng ngắn thì tính trung tâm gần gũi của nó càng cao

Trong thế giới tiền điện tử hiện tại, dự án có tính trung tâm cao nhất là Ethereum, tiếp theo là các CEX như Binance, Coinbase và OKX, sau đó là các cầu nối chuỗi chéo như LayerZero và Orbiter

Tính trung tâm giữa 

Đo lường mức độ trung tâm giữa Nó xác định tần suất của một nút hoạt động như một trung gian trong tất cả các con đường ngắn nhất

Trong thế giới mã hóa hiện tại, các dự án có tính trung tâm trung gian cao nhất là các cầu nối chuỗi chéo như LayerZero và Orbiter

Tính trung tâm của vectơ riêng

Tính trung tâm của vectơ riêng tính đến tính trung tâm của một nút và các nút được kết nối với nó, nghĩa là tổng các điểm trung tâm của một nút và các nút được kết nối với nó

Trong thế giới mã hóa hiện tại, các dự án có tính trung tâm của vectơ riêng cao nhất là Arbitrum, Optimistim, Starknet, Zksync, Scroll, Taiko và các dự án L2 khác

Thông qua phân tích tính trung tâm ở trên, chúng ta có thể dễ dàng đánh giá vị trí và tầm quan trọng của một dự án web3 nhất định trong toàn bộ mạng giá trị web3

2. Chuyển đổi từ phân tích chuỗi nhân quả sang phân tích tương quan xác suất

Nếu chúng ta nói rằng khuôn khổ phân tích siêu hình về các thực thể và thuộc tính được giáo dục học đường hiện đại đưa vào tâm trí chúng ta bằng dấu ấn tư duy, thì A-B-C-D Khung phân tích chuỗi nhân quả bắt nguồn từ cấu trúc sinh lý và phương pháp làm việc của não chúng ta

Nói một cách đơn giản, cấu trúc sinh lý và phương pháp làm việc của não chúng ta rất giống với Kiến trúc và phương thức làm việc của AI nên AI còn được gọi là mạng nơ-ron nhân tạo

Thuật toán, sức mạnh tính toán và dữ liệu là những gì AI học được kiến ​​thức từ đó. Ba yếu tố cũng chính là ba yếu tố để bộ não chúng ta tiếp thu kiến ​​thức

Sự khác biệt là sức mạnh tính toán của AI gấp N lần bộ não chúng ta. Để đảm bảo tính sẵn sàng của việc học, bộ não không ngừng tìm kiếm các thuật toán tiết kiệm năng lượng và dễ sử dụng khi tương tác với môi trường và phân tích chuỗi nhân quả là một trong số đó

Phân tích chuỗi nhân quả đủ hữu ích trong cuộc sống hàng ngày và có thể giúp chúng ta với tư cách cá nhân giải quyết nhiều vấn đề khác nhau trong cuộc sống và công việc

Nhưng trong tài chính giao dịch thị trường, chúng ta bị ám ảnh bởi việc phân tích chuỗi nhân quả, sẽ có vấn đề lớn

Mỗi khi thị trường tăng hoặc giảm mạnh, giới truyền thông/nhà giao dịch thường có thói quen gán nó cho một hoặc nhiều lý do. Ví dụ: Big A cho rằng sự sụt giảm gần đây là do dòng vốn chảy ra phía bắc và thị trường tiền điện tử cho rằng sự sụt giảm gần đây là do công ty SpaceX của Musk đã thanh lý Bitcoin

và sau đó cạn kiệt tiền Tập trung tìm kiếm một sự kiện và xu hướng thị trường nhất định, cố gắng nắm bắt luật nhân quả để thực hiện giao dịch chênh lệch giá, đây là một kiểu hành vi tư duy giao dịch tìm cá trên cây

Giao dịch trên thị trường tài chính, chúng ta với tư cách cá nhân đang phải đối mặt với sự không chắc chắn của thế giới thực và chúng ta nên sử dụng phương pháp phân tích tương quan xác suất để hiểu điều đó

Phương pháp chuỗi thời gian tài chính cũng rất nghiêm túc. Đối tượng, sinh viên quan tâm có thể lên YouTube hoặc Bilibili để học

Các phương pháp chuỗi thời gian tài chính cơ bản bao gồm AR và MR Tôi đã giải thích chi tiết về phương pháp phân tích này trong một tweet trước đó. Tuy nhiên, tôi sẽ không đi sâu vào chi tiết ở đây

3. Chuyển đổi từ phân tích chủ nghĩa tối đa tường thuật sang phân tích dịch tễ học

Ngành công nghiệp mã hóa chịu ảnh hưởng sâu sắc từ hai cuốn sách bán chạy nhất "Animal Spirits" và " Kinh tế học tường thuật". Nó thường tin vào chủ nghĩa tối đa tường thuật và tôi cũng vậy. Một trong số họ

Mỗi khi tôi nhìn thấy những câu chuyện như phân quyền, web3, cách mạng mô hình, nguyên thủy mới, phân lớp, công bằng, v.v. trong sách trắng, tôi không khỏi nghĩ Tâm trí hưng phấn, có một cảm giác vinh dự và thiêng liêng khi tham gia vào tiến trình lịch sử vĩ đại, rồi kể lại câu chuyện của dự án là tương đương với giá trị của dự án

Dự án Web3 đến từ Ấn Độ khai thác rất tốt điều này, chẳng hạn như tường thuật về "Lớp giá trị Internet" của Polygon, chẳng hạn như " của ZkSync" ZK Magna Carta", họ rất giỏi trong việc vận dụng nỗi ám ảnh vô thức tập thể về câu chuyện trong ngành mã hóa để bắt đầu bánh đà tăng trưởng định giá

Sự thiếu sót của chủ nghĩa tối đa tường thuật trong ngành mã hóa là nó nhìn mọi thứ một cách tĩnh lặng và biệt lập, ủng hộ sức mạnh phi lý và thơ mộng

Tin vào chủ nghĩa tối đa tường thuật, thật dễ dàng để trở thành bị mất giá trị bởi một số dự án lớn và trống rỗng, không có tiện ích thiết thực, chẳng hạn như chuỗi công cộng mô-đun, bảo mật chia sẻ ZK, v.v.

Vì vậy, chúng tôi phải sử dụng phân tích dịch tễ học trên thực tế, cuốn sách "Kinh tế tường thuật" cũng dành nhiều không gian cho phân tích dịch tễ học về cách các câu chuyện thúc đẩy nền kinh tế

Phân tích dịch tễ học cũng vậy. một môn học nghiêm túc. Sinh viên quan tâm có thể lên YouTube hoặc Bilibili để tự học

Để phân tích vòng tròn tiền tệ, chúng ta chỉ cần hiểu mô hình SIR

Mô hình SIR là mô hình dịch tễ học dùng để mô tả sự lây lan của các bệnh truyền nhiễm trong quá trình phổ biến dân số. Mô hình này chia dân số thành ba loại chính: Dễ mắc bệnh, Có khả năng lây nhiễm và Đã phục hồi

Những loại này đại diện cho các trạng thái khác nhau trong dân số. Theo thời gian, mọi người có thể chuyển từ nhóm dễ mắc bệnh. trạng thái sang trạng thái bị nhiễm và sau đó đến trạng thái được khôi phục

Sau đây là giải thích về ba loại chính trong mô hình SIR:

Dễ mắc bệnh: Đây là những cá nhân trong quần thể chưa nhiễm bệnh. Họ có nguy cơ bị nhiễm bệnh sau khi tiếp xúc với người bị nhiễm bệnh

Lây nhiễm: Đây là cá nhân đã bị nhiễm bệnh và có thể lây lan bệnh đến những người dễ bị tổn thương. Trong một khoảng thời gian, người nhiễm bệnh có thể lây bệnh rồi chuyển sang trạng thái hồi phục

Recovered: Đây là người đã khỏi bệnh và không còn khả năng để lây lan những người có khả năng mắc bệnh. Sau khi các cá nhân hồi phục, họ thường có được khả năng miễn dịch với căn bệnh này, tùy thuộc vào tính chất của bệnh cụ thể

Phương trình vi phân cơ bản của mô hình SIR mô tả ai dễ mắc bệnh lây nhiễm, ai bị nhiễm và người đã khỏi bệnh

Sử dụng mô hình SIR để phân tích các khoản đầu tư tiền điện tử, chúng tôi chỉ cần thay thế những người dễ mắc bệnh, người bị nhiễm bệnh và người đã khỏi bệnh bằng Nhà đầu tư tiềm năng , nhà đầu tư hiện tại và nhà đầu tư rút lui có thể