آیا ارزهای رمزپایه ارزشهای اساسی دارند؟شواهدی از یادگیری ماشین

ظهور Fintech یکی از مهمترین تحولات مالی در طی یک دهه گذشته است. یکی از توسعه مهم FinTech ، ارائه سکه های اولیه (ICO) است که به موجب آن سرمایه گذاران می توانند ارزهای رمزپایه مبتنی بر blockchain را مستقیماً از کارآفرینان خریداری کنند. ICO ها برای افراد تازه وارد دنیای رمزنگاری ، مکانیسمی برای جمع آوری بودجه خارجی از طریق صدور سکه های دیجیتال فراهم می کنند. از چنین سکه هایی می توان برای خرید محصولات یا خدمات ارائه شده توسط پروژه ICO استفاده کرد ، یا در صورت ذکر سکه ، می توانید در بازار cryptocurrency معامله شود.

در حالی که ICO روش جدیدی برای جمع آوری کمک های مالی ارائه می دهد ، بحث های گسترده ای در بین پزشکان و محققان در مورد چگونگی درک ارزهای رمزنگاری وجود دارد. از یک طرف ، نگرانی های فزاینده ای در مورد اینکه آیا حدس و گمان باعث توسعه بازار می شود ، وجود دارد. به عنوان مثال ، Satis - یک شرکت مشاوره توکن امنیتی - اظهار داشت که بیش از 80 درصد از ICO در سال 2017 کلاهبرداری بوده است.

همچنین شواهدی از دستکاری قیمت در بیت کوین و سایر ارزهای رمزپایه وجود دارد. از طرف دیگر ، بسیاری از ارزهای رمزنگاری شده ، مانند بیت کوین و اتریوم ، در بازار بسیار ارزشمند هستند. فناوری blockchain در پشت آنها اغلب به عنوان اینترنت جدید گفته می شود و برخی از سرمایه گذاران بر این باورند که این تغییرات انقلابی را در هر جنبه ای از زندگی ما به همراه خواهد داشت. یکی از تمرکز های این مباحث این است که آیا ارزهای رمزنگاری شده دارای ارزش اساسی هستند و تا چه اندازه اصول بر ارزیابی ارزهای رمزنگاری شده تأثیر می گذارد.

سرمایه گذاران به دو دلیل اصلی در ICO شرکت می کنند. اول ، آنها ممکن است محصولات اساسی و راحتی حاصل از امنیت blockchain را ترجیح دهند. یک مثال نشانه های ابزار است که به دارندگان خود حق دسترسی به محصولات یا خدمات را می دهد. دوم ، شرکت کنندگان ممکن است نشانه هایی را برای انگیزه های سوداگرانه خریداری کنند. مطالعات نشان می دهد که احساسات سرمایه گذار می تواند قیمت رمزنگاری را هدایت کند. اگر قیمت cryptocurrency صرفاً توسط گمانه زنی ها هدایت شود ، اصول نباید مهم باشد که سرمایه گذاران انتخاب کنند که ICO ها برای شرکت در چه مواردی شرکت می کنند. در مقاله اخیر ما ، ما یک مطالعه تجربی در مورد اندازه گیری اصول ارزهای رمزنگاری و نقش آنها در تعیین عملکرد ارزهای رمزنگاری ارائه می دهیم.

شناسایی اصول cryptocurrency از اسناد افشای

ارزهای دیجیتال در یک کلاس دارایی ویژه قرار دارند. برخلاف دارایی های مالی سنتی مانند سهام، ارزهای دیجیتال سود تقسیمی نمی کنند و هیچ اطلاعات حسابداری سنتی برای آنها وجود ندارد. ارزهای رمزنگاری شده نیز با ارزهای فیات متفاوت هستند به این معنا که ارزش آنها توسط هیچ دولتی پشتیبانی نمی شود. بسیاری از سرمایه گذاران روی ارزهای دیجیتال سرمایه گذاری می کنند زیرا به فناوری بلاک چین که در این سکه های دیجیتالی تجسم یافته اعتماد دارند. آنها معتقدند که فناوری بلاک چین یک نوآوری مهم است و حداقل برخی از سکه ها دارایی هایی هستند که نشان دهنده سهمی در آینده این فناوری هستند. به دلیل این ویژگی های متمایز ارزهای دیجیتال، هنگام اندازه گیری مبانی ارزهای دیجیتال، روی جنبه فناوری تمرکز می کنیم. چندین مقاله نظری اخیر در ادبیات رمزنگاری این دیدگاه را منعکس می کنند و بر اهمیت فناوری در تعیین دوام و ارزش گذاری سکه ها تأکید می کنند.

اندازه گیری مبانی یک دارایی همیشه در ادبیات مالی چالش برانگیز است و به ویژه در مورد ارزهای دیجیتال به دلیل اطلاعات محدود موجود این امر صادق است. برای غلبه بر چالش، ما از کاغذهای سفید ICO برای اندازه گیری اجزای فناوری آنها استفاده می کنیم. به طور خاص، ما از چندین روش یادگیری ماشین برای ایجاد معیارهای اهمیت فناوری یا شاخص های فناوری از پایگاه داده جامع مقالات سفید ICO استفاده می کنیم.

ابتدا، با استفاده از روش های یادگیری ماشینی نظارت شده، یک شاخص فناوری ایجاد می کنیم. ما روشی را تقلید می کنیم که سرمایه گذاران کاغذهای سفید را ارزیابی می کنند و به صورت دستی امتیازات را به 200 کاغذ سفید اختصاص می دهیم، جایی که به نظر می رسد سکه هایی با امتیازهای بالاتر از فناوری های پیچیده تری استفاده می کنند. ما مدل را بر اساس این 200 مقاله سفید آموزش می دهیم و امتیازات را به کاغذهای سفید باقی مانده تعمیم می دهیم. روش یادگیری ماشینی نظارت شده که ما استفاده می کنیم، رویکردی از بالا به پایین است که از روشی که سرمایه گذاران ICO را ارزیابی می کنند، تقلید می کند.

در مرحله بعد، ما از دو روش یادگیری ماشین بدون نظارت، جاسازی کلمه و تخصیص دیریکله نهفته (LDA) برای ساختن شاخص های فناوری دوم و سوم استفاده می کنیم. روش های یادگیری ماشینی بدون نظارت، رویکردهای پایین به بالا برای مطالعه عناصر متنی کاغذهای سفید هستند. مزیت روش های بدون نظارت این است که به کمک انسانی کمی نیاز دارند.

سرانجام ، ما یک شاخص کامپوزیت را به عنوان چهارمین شاخص فناوری می سازیم. ما این چهار شاخص را با اقدامات کیفیت کد از صفحات وب GitHub ICO به دقت تأیید می کنیم. نتیجه حاکی از آن است که شاخص های فناوری پروکسی خوبی را برای اصول فناوری ICO ارائه می دهند.

شکل زیر یکی از روشهایی را که ما اتخاذ می کنیم - LDA را نشان می دهد. ما همه کلمات را در مقالات سفید به 20 موضوع طبقه بندی می کنیم. اندازه هر دایره نشان دهنده نسبت کلمات اختصاص یافته به هر موضوع است و فاصله بین حلقه ها نشان دهنده رابطه بین مباحث است. مباحث فنی (blockchain ، الگوریتم و اطلاعات) ، که به رنگ قرمز نشان داده شده است ، پروکسی از اصول cryptocurrency هستند.

تأثیر اصول رمزنگاری بر قیمت گذاری

افزایش سرمایه

برای درک نقش اصول در قیمت گذاری cryptocurrency ، ما با مطالعه رابطه بین شاخص های فناوری و موفقیت های ICO شروع می کنیم. ما ابتدا بررسی می کنیم که آیا شاخص های فناوری مربوط به جمع آوری کمک های مالی ICO است یا خیر. توانایی جمع آوری بودجه یکی از مهمترین ویژگی های ICO موفق است. اگر عملکرد ICO با گمانه زنی هدایت شود ، سرمایه گذاران به فناوری مرتبط با ICO اهمیت نمی دهند و شاخص های فناوری موفقیت ICO را پیش بینی نمی کنند. در عوض ، ما می دانیم که ICO هایی که دارای شاخص های فناوری بالا هستند ، احتمالاً سرمایه را افزایش می دهند و احتمالاً متعاقباً در بازار ثانویه معامله می شوند. میزان اقتصادی اثر قابل توجه است. به عنوان مثال ، یک افزایش انحراف استاندارد در شاخص فناوری کامپوزیت با افزایش 10. 4 درصدی در احتمال ذکر شده همراه است ، که این افزایش 40. 1 درصدی از میانگین احتمال ذکر شده است. نتایج حاکی از آن است که فناوری اساسی ICO برای سرمایه گذاران مهم است.

عملکرد بلند مدت

در مرحله بعد ، ما بررسی می کنیم که آیا فناوری اساسی با عملکرد بعدی همراه است یا خیر. برای آزمایش این حدس ، رابطه بین شاخص های فناوری و عملکرد بلند مدت ICO را بررسی می کنیم. ما عملکرد بلند مدت را به جای عملکرد کوتاه مدت بررسی می کنیم زیرا فرآیند برای ترکیب کامل اطلاعات مربوط به فناوری ممکن است ماهها به دلیل پیچیدگی فناوری blockchain طول بکشد. ما عملکرد بلند مدت را با استفاده از بازده تجمعی پس از ICO ، بازده غیر طبیعی و اقدامات نقدینگی اندازه گیری می کنیم. ما می دانیم که ICO هایی که دارای شاخص های فناوری بالاتر هستند ، در طولانی مدت نسبت به سایر ICO ها عملکرد بهتری دارند. یک افزایش انحراف استاندارد در شاخص کامپوزیت با افزایش 23. 9 درصدی بازده تجمعی در افق 300 روزه همراه است.

ما شواهد دیگری را در حمایت از مکانیسم واکنش تأخیر ارائه می دهیم و سعی در رد توضیحات جایگزین بالقوه دارند. دلالت بر مکانیسم واکنش تأخیر این است که سرمایه گذاران باید در صورت نوشتن مقاله های سفید به سرعت بتوانند اطلاعات اساسی را درج کنند. مطابق با پیامدهای ، ما نشان می دهیم که در بین مقالات سفید با خوانایی بهتر ، قدرت پیش بینی افکار طولانی مدت از شاخص های فناوری ضعیف تر است. ما همچنین می یابیم که هیچ پدیده برگشت برگشتی وجود ندارد ، نشان می دهد که نتایج پیش بینی بازگشت بازگشت بعید است که توسط واکنش های بیش از حد سرمایه گذار هدایت شود.

حذف کننده

ما همچنین بررسی می کنیم که آیا شاخص های ما به درک نارسایی ICO ، اندازه گیری شده توسط یک حذف کمک می کنند. ما می دانیم که ICO هایی که دارای شاخص های فناوری بالاتر هستند ، کمتر از آن حذف می شوند. میزان اقتصادی اثر نیز زیاد است. به عنوان مثال ، یک افزایش انحراف استاندارد در شاخص فناوری کامپوزیت منجر به کاهش 2. 52 درصدی در احتمال حذف می شود.

نتیجه

به طور کلی ، این نتایج حاکی از آن است که فناوری اساسی تعیین کننده مهمی از قیمت های رمزنگاری است و از این استدلال پشتیبانی می کند که سرمایه گذاران اجزای فناوری را در مقالات سفید ICO در نظر می گیرند. با این حال ، زمان لازم است تا سرمایه گذاران بتوانند ICO های اساساً صوتی را از دیگران متمایز کنند. واکنش تأخیر از سرمایه گذاران ممکن است ناشی از بی توجه سرمایه گذار و ماهیت پیچیده فناوری ها باشد ، که هر دو نیاز به زمان بیشتری برای پردازش اطلاعات مرتبط دارند.

یوکان لیو استادیار دارایی در دانشکده تجارت فارغ التحصیل سیمون در دانشگاه روچستر است.

جینفی شنگ (نویسنده مسئول) استادیار دارایی در دانشکده تجارت Merage در دانشگاه کالیفرنیا ، ایروین است.

Wanyi Wang یک دانشجوی دکترا است که در دانشگاه کالیفرنیا ، ایروین تحصیل می کند.

این پست از مقاله آنها اقتباس شده است ، "آیا ارزهای رمزپایه ارزشهای اساسی دارند؟" در SSRN موجود است.