1. 개체-속성 형이상학적 분석에서 노드-에지 그래프 이론 분석으로 전환
현대 학교 시스템에서 형이상학(여기서는 학교에서 가르치는 개념적 지식을 의미)에 프레임 대규모 및 장기 훈련을 받은 후, 우리는 개체와 속성을 사물의 본질을 망각하고 개체 속성 ≠ 사물 자체를 망각
2018년과 19년에 코인업계 인기가 있었던 프로젝트 평가 보고서를 예로 들어 보겠습니다. 해당 보고서는 일반적으로 엔터티 속성 분석 프레임 사용했습니다.
→엔티티: 프로젝트 A
→속성: 프로젝트 포지셔닝, 시장 공간, 비전, 기술 스택, 제품 아키텍처, 팀, 로드맵
이 분석 프레임 는 일반 투자자가 가장 쉽게 전파하고 이해할 수 있지만, 이 분석 프레임 사용하여 도출된 결론은 지난 불장(Bull market) 에서 거의 완전히 위조되었습니다.
이는 엔터티 속성이 특정 항목을 격리된 존재로 추상화하고 단일 항목의 값이 전체 web3 네트워크에 대한 연결에서 나온다는 점을 무시하기 때문입니다.
그래서 올해부터 그래프 이론의 node-edge 분석 프레임 사용하여 web3 프로젝트의 가치를 분석하는 방법을 배우기 시작했습니다. 깨달음을 얻었고, 많은 혼란이 해소되었습니다.
예를 들어, EOS의 기술/제품이 시대를 선도했지만, 지난 불장(Bull market) 에서는 왜 시장보다 저조한 성과를 냈을까요?
원래 엔터티 속성 분석 프레임 에서 EOS는 Solana/Avalanche/Polygon보다 훨씬 높은 점수를 받았습니다.
그러나 노드-에지 분석 프레임 에서 EOS는 이더 생태계와의 연결이 부족하고 미국 자본과의 연결이 부족하여 고립된 노드입니다. EOS의 점수는 Solana/Avalanche/Polygon의 점수보다 훨씬 낮습니다.
지난 불장(Bull market) 에서의 성과는 노드 에지 분석 프레임 의 정확성을 검증했습니다.
노드 에지(그래프 이론) 분석은 심각한 수학적 주제이므로 여기서는 확장하지 않겠습니다. 관심 있는 학생들은 YouTube나 Bilibili에 가서 스스로 배울 수 있습니다.
여기서는 node-edge 분석 프레임 의 중심성 분석과 web3 프로젝트의 가치 판단에 대한 적용에 대해서만 설명합니다.
중심성 분석은 네트워크에서 노드의 중요성을 측정하는 데 사용되는 방법입니다. 이는 어떤 노드가 네트워크에서 더 중앙에 위치하여 정보 전파, 영향력 전파, 연결성 등에 중요한 역할을 하는지 결정하려고 시도합니다. 다음은 몇 가지 공통 중심성 지표입니다.
학위 중심성
정도 중심성은 노드가 갖는 연결 수, 즉 가장자리 수를 나타냅니다. 노드의 중심성이 높을수록 다른 노드와의 연결이 더 많아집니다.
특정 web3 프로젝트를 평가할 때, 연결된 다른 web3 프로젝트가 많을수록 중심도가 높아집니다.
현재 암호화폐 세계에서 가장 중심성이 높은 프로젝트는 비트코인이고, 그 다음은 이더, 바이낸스, 코인베이스, OKX와 같은 CEX, USDT와 같은 스테이블코인 발행자가 그 뒤를 따릅니다.
근접성 중심성
근접 중심성은 한 노드에서 다른 노드까지의 평균 거리를 측정합니다. 평균 거리가 짧은 노드일수록 다른 노드에 정보를 더 빨리 전파할 수 있기 때문에 네트워크 중심에 더 가깝습니다.
web3 프로젝트를 평가할 때 다른 web3 프로젝트와의 평균 거리가 짧을수록 근접 중심성은 높아집니다.
현재 암호화폐 세계에서 가장 중심성이 높은 프로젝트는 이더 이고, 그 다음은 Binance, Coinbase, OKX와 같은 CEX, 그리고 LayerZero 및 Orbiter와 같은 크로스체인 브리지입니다.
매개 중심성
매개 중심성은 노드가 모든 최단 경로 중에서 중개자 역할을 하는 빈도를 측정합니다.
현재 암호화폐 세계에서 중개 중심성이 가장 높은 프로젝트는 LayerZero 및 Orbiter와 같은 크로스체인 브리지입니다.
고유벡터 중심성
고유벡터 중심성은 노드와 이에 연결된 노드의 중심성, 즉 노드와 이에 연결된 노드의 중심성의 합을 고려합니다.
현재 암호화 세계에서 고유벡터 중심성이 가장 높은 프로젝트는 Arbitrum, Optimistim, Starknet, Zksync, Scroll, Taiko 등과 같은 L2 프로젝트입니다.
위의 중심성 분석을 통해 전체 web3 가치 네트워크에서 특정 web3 프로젝트의 위치와 중요성을 쉽게 평가할 수 있습니다.
2. 인과연쇄분석에서 확률적 상관분석으로 전환
실체와 속성에 대한 형이상학적 분석 프레임 현대 학교 교육이 우리 마음속에 심어준 이데올로기적 각인이라면, A-BCD 인과연쇄 분석 프레임 우리 두뇌의 생리적 구조와 작동 방식에 뿌리를 두고 있다.
간단히 말해서, 우리 뇌의 생리적 구조와 작동 방식은 AI의 구조 및 작동 방식과 매우 유사하므로 AI를 인공신경망이라고도 합니다.
알고리즘, 해시레이트, 데이터는 AI가 지식을 학습하는 3대 요소이자 우리 뇌가 지식을 학습하는 3대 요소이기도 합니다.
차이점은 AI의 해시레이트 우리 두뇌의 N배라는 것입니다. 학습의 가용성을 보장하기 위해 뇌는 환경과의 상호 작용에서 에너지를 절약하고 사용하기 쉬운 알고리즘을 지속적으로 찾고 있으며 인과 사슬 분석이 그 중 하나입니다.
인과연쇄분석은 일상생활에서 충분히 유용하며, 개인이 삶과 일에서 다양한 문제를 처리하는 데 도움이 될 수 있습니다.
하지만 금융시장 거래에서 인과연쇄분석에만 집착한다면 큰 문제가 생길 것이다.
모든 시장 급등이나 붕괴 이후 미디어/ 거래자 습관적으로 이를 하나 이상의 원인으로 돌립니다. 예를 들어, Big A는 최근 급락한 자금 유출을 비난하고, 암호화폐 시장은 머스크의 SpaceX 회사가 비트코인을 청산한 최근 급락을 비난합니다.
그런 다음 우리는 특정 사건과 시장 추세를 찾기 위해 최선을 다하고, 원인과 결과의 법칙을 파악하여 차익거래를 하려고 노력합니다. 이것은 일종의 거래 사고 행위입니다.
금융 시장에서의 거래는 개인으로서 현실 세계의 불확실성에 직면할 때 이를 이해하기 위해 확률적 상관 분석 방법을 사용해야 합니다.
금융 시계열 방법도 중요한 주제입니다. 관심 있는 학생들은 YouTube나 Bilibili에 가서 배울 수 있습니다.
입문 금융 시계열 방법에는 AR과 MR이 포함됩니다. 이 분석 방법은 이전 트윗에서 자세히 설명했으며 여기서는 자세히 설명하지 않겠습니다.
3. 내러티브 분석에서 주요 분석, 역학 분석으로 전환
암호화 산업은 두 권의 베스트셀러인 『동물의 정령』과 『내러티브 경제학』의 영향을 크게 받았고, 나는 그 중 하나입니다.
백서 에서 탈중앙화 내러티브를 볼 때마다 나는 위대한 역사적 과정에 참여한다는 사실에 설렘과 명예와 신성함을 느끼지 않을 수 없습니다. , 그리고 프로젝트를 실행하기 시작합니다. 내러티브는 프로젝트의 가치와 동일합니다.
인도의 Web3 프로젝트는 ZkSync의 "ZK Magna Carta" 서술과 같은 Polygon의 "인터넷 가치 계층" 서술과 같이 이를 활용하는 데 매우 능숙하며, 서술에 대한 암호화 산업의 집단적 무의식적 집착을 조작하여 가치 평가를 시작하는 데 매우 능숙합니다. 성장 플라이휠.
암호화 산업에서 서사적 극대주의의 단점은 사물을 정적이고 고립된 방식으로 바라보며 비합리적이고 시적인 힘을 옹호한다는 점이다.
서사적 극대주의를 믿으며, 모듈 퍼블릭 체인, ZK 공유 보안 등과 같이 규모가 크고 공허하며 실질적인 효과가 없는 일부 프로젝트에서는 가치가 박탈되기 쉽습니다.
따라서 이를 보완하기 위해 역학분석 방법을 활용할 필요가 있다. 실제로 『서사경제학』이라는 책에서도 내러티브가 경제를 어떻게 움직이는지 분석하기 위해 역학분석에 많은 지면을 할애하고 있다.
역학 분석도 심각한 주제입니다. 관심 있는 학생들은 YouTube나 Bilibili에 가서 스스로 공부할 수 있습니다.
코인업계 분석하려면 SIR 모델만 이해하면 됩니다.
SIR 모델은 인구 집단 내 전염병 확산을 설명하는 데 사용되는 역학 모델입니다. 이 모델은 인구를 민감성, 감염성, 회복자의 세 가지 주요 범주로 나눕니다.
이러한 범주는 인구 내의 다양한 상태를 나타내며 시간이 지남에 따라 사람들은 감염되기 쉬운 상태에서 감염되고 회복된 상태로 이동할 수 있습니다.
다음은 SIR 모델의 세 가지 주요 범주에 대한 설명입니다.
- 감수성: 인구 중 아직 질병에 감염되지 않은 개인입니다. 감염된 사람과 접촉한 후 잠재적으로 감염될 리스크 있습니다.
- 감염성: 이들은 질병에 감염된 개인이며, 취약한 개인에게 질병을 퍼뜨릴 수 있습니다. 일정 기간이 지나면 감염된 사람이 질병을 퍼뜨린 후 회복된 상태로 전환될 수 있습니다.
- 회복됨(Recovered): 회복되어 더 이상 질병을 퍼뜨릴 수 없는 개인입니다. 개인이 회복되면 특정 질병의 성격에 따라 일반적으로 질병에 대한 면역력을 얻습니다.
SIR 모델의 기본 미분 방정식은 취약자, 감염자, 회복자 간의 변화 추세를 설명합니다.
암호화폐 투자를 분석하기 위해 SIR 모델을 사용하면 취약한 사람, 감염된 사람, 회복된 사람을 각각 잠재적 투자자, 기존 투자자, 퇴출 투자자로 대체하면 됩니다.
