售前客服二维码
文章均源于网络收集编辑侵删
提示:仅接受技术开发咨询!
由于每个数据集都有自己的令牌,因此存在指导性问题,因为这些令牌的流动性有限且难以估值。债券曲线是在购买/出售时确定代币价格的合约,并且作为代币的自动做市商以鼓励早期参与。下图显示了如何使用债券曲线来发行代币。请注意,存在单独的买入/卖出曲线,其中卖出价格低于买入价格以防止短期价格操纵,同时允许有机价格发现和流动性,因为市场参与者可以在任何价格交易代币之间达成一致。
当客户将加密货币存入保留时,Computable使用胶水曲线发出令牌,并在向制造商发出令牌以提供数据时发出令牌。在本文的其余部分中,我们将使用术语“网络令牌”来引用存储在保留中的令牌。实际上,网络令牌可以是可计算协议本机的令牌,并且在多个数据市场之间共享,或者它可以是底层区块链(例如,ETH)本地的令牌。
在此分析中,我们使用的线键合曲线定义如下:
Support_price=conversion_rate + conversion_slope * reserve
Withdraw_price=reserve/total_supply,
其中support_price是买入价,withdraw_price卖出价,储备是锁定在债券曲线上的货币的总价值,total_supply是债券曲线上发行的市场代币总数。
代理模型
买方——我们模拟查询数据的总体要求。通过在每个模拟时间步骤中支付查询来实现这种需要。需求是数据集中列表数量的函数,具有预定义的上限(市场规模)和每个时间步长的有界增长率。查询数据的成本(以网络令牌的形式)如下:
•datatrust_rate_network——在网络令牌中表示的datatrust代理查询费用的百分比。
·reserve e_fee_network - 以增加支持和提取价格的网络令牌形式的市场合同准备金百分比。
•maker_fee_network - 列出网络令牌中所有者的百分比。在我们的模型中,此部分均匀分布在所有列表中。如果上市公司不再由制造商拥有(参见下面的convert_listing),那么其股票将进入市场储备。 [注意]:此参数已从协议中删除,制造商付款现在仅使用市场代币。
•maker_fee_market-列出市场代币中所有者的百分比。该组件均匀分布在所有列表中并锁定(请参阅下面的convert_listing),以鼓励Maker长期参与。这部分成本是通过以债券曲线的支持价格铸造(创造)市场代币来支付的,并且是通货膨胀因为它增加了市场代币的供应而不增加储备。
Datatrust——如果这些代理收到的费用大于他们计算的边际成本,他们将处理该查询。
制造商 - 我们假设制造商的数量受到限制(即,只有那么多参与者拥有可以为数据集做出贡献的高质量数据),并且希望列出其数据的制造商数量取决于列表的预期用途。我们还假设每个制造商最多只能有一个列表。制造商可以采取以下行动:
列表——应用程序列在数据集中以获取部分查询收入。列出的预期效用可以建模为:
(maker_fee_network + maker_fee_market * demand_t)/num_listings_t * DF + listed_reward * pest_price_t - listing_cost,
T是查询收入的时间,num_listings_t是t的列表数量,DF是代理商用于未来收益的折扣因子,listed_reward是上市时收到的市场代币数量,pest_price_t是价格通过债券曲线给出。 listing_cost是与创建列表相关的开销或反sybil成本。
·convert_listing-制造商可以将列表的所有权转移到市场合约以解锁列表中的市场代币(fromlisted_reward和maker_fee_market),但需要放弃未来的查询收入。如果锁定令牌的投资回报率(ROI)低于代理商的convert_roi,则制造商将这样做。制造商的投资回报率可以通过将观察窗口收到的股息价值(包括市场代币)除以锁定的市场代币的市场价值并将其转换为年化回报来估算。 [注意]:此功能不再是协议的一部分。目前的协议不再要求制造商放弃上市公司的所有权。
赞助人 - 可以通过绑定债券曲线买卖市场代币:
·支持 - 以债券曲线给出的support_price购买代币。如果提取价格的风险调整回报率大于代理商的support_roi阈值并且预期的收支平衡时间(因为support_price_t>提取价格)小于代理商的support_breakeven时间,则客户将购买该代币。
·撤回 - 以债券曲线给出的提取价格卖出代币。如果提取价格的风险调整回报率低于代理机构提款的roi阈值,则客户将出售该代币。
模拟环境
我们的仿真平台围绕基于代理的模型构建,用户可以在其中指定网络的初始条件,包括代理行为的分布和特定于代理的参数。我们通常遵循Byzantine-Lita-rational(BAR)模型来描述代理行为。模拟的每个时间步骤包括:
·更新环境状态变量
·介绍新代理商
·为正在考虑的每个操作评估代理程序实用程序功能,并使用最高实用程序执行这些操作
对于上述分析,我们做出以下假设:
·买方的最大需求(即市场规模)是每年100,000个网络令牌
·为了提高性能,制造商的最大数量是25个,每个制造商只能有一个列表,并且列出的从属是3个网络令牌
·共有5个初始用户,每个用户贡献1000个网络令牌
·80%的创作者是理性的(上面描述的行为/效用),剩下的20%是无私的(不会尝试转换列表)
·我们运行每个模拟场景5年,即1825个时间步骤
发现
制造商的赔偿
我们模拟了maker_fee_network和maker_fee_market的不同值,以探索不同费用结构对制造商行为的影响。保留e_fee保持不变,其余的查询收入将支付给datatrust代理。回想一下,maker_fee_market是查询收入的一部分,它以市场代币的形式支付并锁定以鼓励长期参与。在下图中,每个方块表示模拟的独立操作,颜色表示理性制造商捕获的查询总收入的百分比。
一些观察:
·当maker_fee_network + maker_fee_market过高时,网络无法创建值,因为datatrust_fee不足以支付运行计算的边际成本。
·当maker_fee_network + maker_fee_market太低时,网络无法产生重大价值,因为制造商会迅速转换他们的列表,或者他们没有足够的动力首先上市。
·在这些参数化下,make_fee_market似乎对制造商没有长期利益。增加maker_fee_market对提高制造商的效用几乎没有影响,同时保持maker_fee_network不变,并且在某些情况下实用程序实际上略有下降。
从长远来看,maker_fee_market的增长通常不会给制造商带来太多好处,而这种结果肯定是违反直觉的。仔细观察后,我们意识到这样做是有意义的,原因如下:
·一旦买家需求趋于稳定,maker_fee_market将继续增加上市锁定的代币价值,同时收入保持不变。这意味着上市公司的投资回报将继续下降。在某些时候,制造商将转换上市公司并交换未来收入以获得流动性。
·maker_fee_market是通货膨胀(增加市场代币供应,但不增加储备)。在随后的模拟中,当制造商拥有大部分市场代币(相对于初始用户)时,每个制造商保留所有权的百分比并没有增加太多。
·大多数债券曲线的参数化结果是,当供给量大时,支持价格明显大于退出价格,因此转换效率较低,导致maker_fee_market对制造商ROI相对于tomaker_fee_network的贡献较小。
在这三个因素中,我们怀疑债券曲线的形状可能会产生最大影响,因此我们决定进一步挖掘。
在原始债券曲线公式中,support_price与提取价格之间的关系不是很接近,因此我们决定更新support_price的定义。我们现在将曲线定义为:
Support_price=conversion_rate + support_multiplier * reserve/max(1,total_supply)
提款价格=储备/总供应量
我们重新运行上面的分析并获得以下结果:
似乎maker_fee_market参数实际上是有用的!为了增加maker_fee_market合理性的制造商,我们将看到,对于给定的制造成本分配(maker_fee_network + maker_fee_market),最好将市场网络和组件拆分为非纯令牌。请注意,在使用市场代币付款时,制造商和用户之间仍存在权衡,因为maker_fee_market将稀释初始用户。
粘附曲线分析
协议的成功取决于最初的赞助商将大量资金投入储备基金,以激励制造商列出数据。如果提款价格超过初始投资价格,客户最终将获利。我们模拟了新债券曲线的参数conversion_rate和support_multiplier。在下图中,每个方块表示模拟的独立操作,颜色表示初始用户获得的查询总收入的百分比。
一些观察:
·高support_multiplier对初始用户有好处,因为它限制了生成市场代币时的稀释度
·当conversion_rate过高时,网络无法在初始用户设置的时间限制内生成足够的值,以使其在初始存款时收支平衡。
·当conversion_rate和support_multiplier太低时,网络无法生成任何值,因为没有足够的动力迫使制造商加入
结论
Computable的仿真工作导致了对初始协议设计的许多更新,包括改进的胶水曲线和简化的Maker支付和convert_listing接口。在此过程中,我们还确定了要优化的关键参数,与不同参数化相关的权衡,以及完全不同机制可以更有效地实现所需结果的领域。希望这是一个令人信服的例子,因此您可以清楚地了解模拟如何指导协议设计过程!
在单个数据市场的背景下,模拟允许我们将机制设计分析为分布式约束优化问题。更广泛地说,该框架可以生成一组参数和初始条件参考集,这些参数集用于具有各种不同属性和行业应用的数据市场。我们的目标是设计一个系统,以最大化买方需求,同时以统计可验证的方式维护数据提供商,制造商和用户之间的公平激励。
经济激励措施对区块链应用的长期安全性和成功至关重要。在没有模拟的情况下推理激励机制的设计是很棘手的,因为网络的突发性很难从局部变化中预测,并且为了获得易于处理的结果的解决方案,人们经常做用户行为。太简单的假设。基于代理的模拟可以是一种有价值的工具,可帮助开发人员验证安全性假设,并了解如何随着时间的推移为网络参与者创造价值。
文章均源于网络收集编辑侵删
提示:仅接受技术开发咨询!