Uchambuzi wa Tabia za Watumiaji na Kupitishwa kwa Tokeni za ERC20

Yaliyomo

1. Utangulizi

Ukuaji wa kasi wa teknolojia za Blockchain umeleta hitaji la dharura la kuelewa mifumo ya tabia za watumiaji katika mifumo isiyo na kituo kimoja. Utafiti huu unachambua jukwaa la ERC20 ili kufunua ufahamu wa msingi kuhusu mienendo ya kupitishwa kwa tokeni na uthabiti wa mtandao.

Kiwango cha Manunuzi

Ilichambua manunuzi ya ERC20 ya siku 1

Utofauti wa Watumiaji

Mifumo tofauti ya tabia zilibainika

Athari za Mtandao

Portfoli tofauti huathiri uthabiti wa mfumo

2. Mbinu ya Utafiti

2.1 Ukusanyaji wa Data

Tulikusanya data za manunuzi kutoka kwenye jukwaa la ERC20 kwa muda wa masaa 24, tukichukua uhamisho wote wa tokeni kati ya anwani. Seti ya data inajumuisha muda wa manunuzi, aina za tokeni, anwani za mtumaji na mpokeaji, na thamani ya manunuzi.

2.2 Mfumo wa Uchambuzi wa Mtandao

Tukitumia kanuni za nadharia ya grafu, tulijenga grafu anuwai iliyoelekezwa ambapo nodi zinawakilisha anwani za watumiaji na kingo zinawakilisha manunuzi ya tokeni. Kila kingo inapimwa kwa thamani ya manunuzi na kuwekewa lebo ya aina ya tokeni.

3. Matokeo

3.1 Mifumo ya Tabia za Watumiaji

Uchambuzi wetu unafunua aina tatu tofauti za watumiaji: wafanyabiashara maalum (80% ya watumiaji), wamiliki walio na mchanganyiko (15%), na madaraja ya mtandao (5%). Wafanyabiashara maalum kwa kawaida hushirikiana na tokeni 1-3, huku watumiaji walio na mchanganyiko wakiendesha portfoli za tokeni 10+.

3.2 Uchambuzi wa Utofauti wa Portfoli

Tulipima utofauti wa portfoli kwa kutumia entropy ya Shannon: $H = -\sum_{i=1}^{n} p_i \log p_i$ ambapo $p_i$ inawakilisha sehemu ya thamani ya portfoli kwenye tokeni $i$. Matokeo yanaonyesha usambazaji wa nguvu wa alama za utofauti.

3.3 Athari za Uthabiti wa Mtandao

Asilimia 5 ya watumiaji walio na portfoli zenye utofauti mkubwa hufanya kazi kama madaraja muhimu kati ya jamii za tokeni. Kutoka kwao kwa wakati mmoja kunaweza kusababisha mashindano mfululizo katika mifumo mingi ya tokeni.

4. Mfumo wa Kiufundi

4.1 Miundo ya Kihisabati

Tunatumia muundo wa usambazaji wa Bass kuiga kupitishwa kwa tokeni: $\frac{dN(t)}{dt} = [p + \frac{q}{m}N(t)][m - N(t)]$ ambapo $p$ ni mgawo wa uvumbuzi, $q$ ni mgawo wa uigaji, na $m$ ni uwezo wa soko.

Vipimo vya kitovu cha mtandao vinajumuisha kitovu cha uwiano: $C_B(v) = \sum_{s\neq v\neq t} \frac{\sigma_{st}(v)}{\sigma_{st}}$ ambapo $\sigma_{st}$ ni idadi ya njia fupi zaidi na $\sigma_{st}(v)$ hupita kwa $v$.

4.2 Mfano wa Mfumo wa Uchambuzi

Utafiti wa Kesi: Utambuzi wa Daraja la Tokeni

Kutambua watumiaji wakuu wa madaraja, tunahesabu:

Alama ya utofauti wa portfoli kwa kutumia faharasa ya Gini-Simpson
Kitovu cha uwiano katika mtandao wa manunuzi
Mara ya manunuzi kwenye aina za tokeni
Athari ya mgawo wa kusanyiko wa mtandao

Watumiaji walio na alama za asilimia 5 juu katika vipimo vyote vinne huainishwa kama madaraja muhimu ambao tabia zao huathiri sana uthabiti wa mtandao.

5. Matumizi ya Baadaye

Ufahamu kutoka kwa utafiti huu unawezesha matumizi kadhaa ya vitendo:

Mifumo ya Udhibiti wa Hatari: Ufuatiliaji wa haraka wa tabia ya watumiaji wa madaraja kwa onyo la mapema la hatari za kimfumo
Uboreshaji wa Ubunifu wa Tokeni: Kubuni uchumi wa tokeni unaohimiza mifumo ya afya ya kupitishwa
Mifumo ya Udhibiti: Kuunda kanuni zilizolengwa kwa washiriki wenye umuhimu wa kimfumo
Mikakati ya Uwekezaji: Ujenzi wa portfoli kulingana na nafasi ya mtandao na mienendo ya kupitishwa

Uchambuzi wa Mtaalamu: Ufahamu wa Msingi na Tathmini Muhimu

Ufahamu wa Msingi

Mfumo wa ERC20 unaonyesha mkusanyiko wa hatari wa kimfumo katika kikundi kidogo cha watumiaji wenye utofauti mkubwa—ugunduzi ambao unapaswa kuwatia wasiwasi wabunifu na wadhibiti. Hii sio tu uchunguzi wa kiakademia; ni bomu la kutikisika katika fedha zisizo na kituo kimoja.

Mkondo wa Mantiki

Utafiti huu unafuata mkondo wa mantiki: kutoka kwa data ghafi za manunuzi → ujenzi wa mtandao → kusanyiko la tabia → uchambuzi wa uthabiti. Waandika wamebaini kwa usahihi kwamba uchambuzi wa mtandao wa kifedha wa kitamaduni (kama inavyoonekana katika masomo ya mfumo wa malipo wa Benki ya Makubaliano ya Kimataifa) inatumika sawa kwa mitandao ya blockchain, lakini kwa uwazi wa juu zaidi na athari ya haraka ya kimataifa.

Nguvu na Mapungufu

Nguvu: Mbinu ya kuchukua picha ya masaa 24 inatoa uwazi wa kushangaza, sawa na jinsi masomo ya ununuzi wa mara kwa mara hufunua muundo ndogo wa soko. Utambuzi wa watumiaji wa madaraja unafanana na matokeo katika nadharia ya mtandao changamano (ona utafiti wa mtandao wa Barabási) lakini inatumia katika muktadha mpya.

Mapungufu Muhimu: Uchambuzi wa siku moja haufahamu kabisa mienendo ya wakati—mifumo ya uhamiaji wa tokeni, athari za mzunguko wa maisha, na utegemezi wa mzunguko wa soko. Kulinganisha hii na mbinu ya muda mrefu katika karatasi ya CycleGAN (Zhu et al., 2017) inaonyesha kina kiliyopotea bila uchambuzi wa mfululizo wa wakati. Utafiti pia hauzingati shughuli za roboti zinazotawala manunuzi ya ERC20, na kujenga mtazamo uliopotoshwa wa tabia za "watumiaji".

Ufahamu Unaotumika

Wabunifu wa itifaki lazima watumie vizuizi vya mzunguko vinavyowasha wakati watumiaji wa madaraja wanaonyesha tabia isyo ya kawaida. Wadhibiti wanapaswa kuagiza kupimwa kwa msongo kwa itifaki za DeFi kulingana na matokeo haya ya topolojia ya mtandao. Wawekezaji wanapaswa kufuatilia vipimo vya mkusanyiko wa portfoli vilivyobainishwa hapa kama viashiria vya kuongoza vya hatari ya kimfumo. Mbinu hutoa mwongozo wa tathmini ya hatari ya haraka ambayo vihimishi na itifaki za mikopo zinapaswa kutumia mara moja.

Utafiti huu, ingawa una mipaka katika upeo, hutoa uchambuzi wa msingi ambao tasnia ya blockchain inahitaji sana kukomaa zaidi ya kamari ya kubashiri hadi kwenye miundombinu imara ya kifedha. Hatua inayofuata lazima iwe mifumo ya ufuatiliaji ya haraka ambayo inazuia mashindano mfululizo ambayo karatasi hii inabaini kwa ustadi kuwa hayuepukiki chini ya hali ya sasa.

6. Marejeo

Nakamoto, S. (2008). Bitcoin: A peer-to-peer electronic cash system
Buterin, V. (2014). Ethereum: A next-generation smart contract and decentralized application platform
Zhu, J.Y., et al. (2017). Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
Barabási, A.L. (2016). Network Science
Bass, F.M. (1969). A new product growth for model consumer durables
Bank for International Settlements (2019). Payment systems and financial stability
Morales, A.J., et al. (2020). User behavior and token adoption on ERC20
Newman, M.E.J. (2010). Networks: An Introduction