我們的方法是使用代理人基模型（ABM），我們在其中對具有不同特徵的單個代理人進行建模。
原文：Simulating Token Economies: Motivations and Insights（6th Man Ventures）
作者： MUSTAFA，CARL
編譯： DeFi 之道，東尋
封面： Photo by Milad Fakurian on Unsplash
TLDR；6MV 已經開發了初始的代理人基模型（Agent-Based Models，ABM），以促進代幣研究，並幫助我們的投資組合公司就初始代幣生成/發布和機制設計權衡方面提供建議。我們開始對 “基礎設施” 經濟進行建模，在這種經濟中，實用型代幣用於獎勵服務 “提供商”，並讓 “用戶” 為服務付費。基礎設施經濟的例子包括 Filecoin、Chainlink、Graph 和 Helium。
本文介紹了方法並分享四個早期發現：
- 儘管影響代幣價格表現的最強因素是宏觀變化，但我們表明，代幣設計決策有助於緩解熊市期間的價格下行壓力。
- 在所有條件都相同的情況下，激勵供應方（提供商）比激勵需求方（用戶）更有效率。在網絡中增加提供商的效果既能提高穩定性，又能提高整體代幣價格。
- 在我們的模型中，調整代幣發行率（例如通貨緊縮）不會對協議的性能產生有意義的影響。與其使用通貨緊縮來推動代幣價格，我們建議協議優先考慮價值驅動因素。
- 對於具有 Staking（質押）的網絡，增加 Staking 獎勵會增加散戶投資者和整體代幣市值，但也會增加波動性。
我們對我們的早期見解持謹慎樂觀態度，並期待從代幣設計社區獲得反饋，並繼續擴展模型的功能。
在牛市中，我們觀察到許多代幣的採用和價格變動在很大程度上受到高度投機行為的影響，這可能會掩蓋代幣經濟設計選擇的有效性。
然而，在蟹市或熊市中，找到深刻的、基於證據的見解變得越來越重要，協議可以應用這些見解來穩定價格和推動效用。代幣經濟的完整經濟框架尚未得到鞏固，因此在這個缺乏堅實基礎的領域中，為理論建設留下了機會。
為了實現這一目標，我們在 6th Man Ventures 的研究團隊正在構建基於代理的代幣經濟模擬。
介紹
理解代幣經濟學的挑戰就是理解機制設計的挑戰。在經濟學中，博弈論是對博弈中存在的策略和激勵的研究。在機制設計中，我們研究的是相反的情況，即一系列理想的激勵機制和策略能夠引導遊戲本身的設計。通過這個數學框架，我們可以將代幣經濟的設計視為遊戲的設計，在遊戲中代幣是激勵行為的最重要工具。
在簡單、封閉的遊戲（例如國際象棋）中，列舉可能的策略和激勵措施遠比在開放的複雜遊戲中更可行。當今代幣學設計中的致命缺陷，通常是難以使用邏輯推理來預測的二階效應。為了捕捉和理解這些複雜的動態，我們可以求助於計算方法。
我們的方法是使用代理人基模型（ABM），我們在其中對具有不同特徵的單個代理人進行建模。這些代理人的行為是理性的，並對市場狀況作出動態反應。如果建模正確，我們可以深入了解重大事件的發生時間和原因。
代理人基模型與其他方法
預測建模的標準行業方法是機器學習（Machine Learning，ML）。雖然這是一系列算法的廣泛術語，但它可以歸結為多個輸入的相關模型。使用 ML 對代幣經濟建模，可以根據歷史用戶採用率、代幣價格、代幣供應、比特幣價格或任何其他現實世界指標來預測代幣價格。基於匯總這些輸入的大量數據，該模型將使用加權回歸來預測一段時間內的代幣價格。
這些模型通常用於短期應用——例如社交媒體信息流和短期交易決策。在秒和毫秒的時間尺度上，用戶偏好或市場趨勢很可能與之前的趨勢相關。然而，對於更長的時間段，輸入數據的固有偏差會產生相對不可靠的預測。宏觀經濟趨勢、外生衝擊（Exogenous Shocks）和其他趨勢的隨機性根據定義是罕見的，而且通常難以或不可能量化，從而在 ML 預測能力方面造成差距。
通過使用代理人基模型（ABM），我們可以考慮隨機的偶然性，並允許代理人單獨行動而不受輸入數據的影響。這使我們能夠收集和分析數百次模擬的輸出，並從最常發生的結果中得出見解。最重要的是，ABM 方法使我們能夠理解結果發生的原因。通過詳細的輸出日誌，我們可以了解代理人行為與市場趨勢之間的因果關係。另一方面，ML 模型輸出預測，但不包括其周圍的環境。
總之，ABM 提供了將不同行為分配給不同參與者的能力，實現了更長期的預測，無需收集、存儲和標記數百萬個數據點，並使我們能夠通過分析輸出日誌得出因果關係。
模型設計
概述
ABM 模擬 “基礎設施經濟（Infrastructure Economies）”，其中提供商為用戶提供服務。此類經濟體的示例包括 Helium、Filecoin 和 Chainlink。這清楚地轉化為具有不同激勵的代理類別。用戶為服務付費，而提供商則獲得用於支付成本和實現利潤最大化的獎勵。代理人都是根據市場趨勢進行投機，所有代理人都以利潤最大化為目標。我們還包括兩個投資者代理人——機構和散戶，他們不直接參與網絡，而是購買/持有/質押/出售代幣以實現利潤最大化。
為了啟動模擬，我們輸入了一組 “初始條件”，包括代幣價格、代幣供應、網絡規模等。然後模擬進入循環階段，在此階段發生一系列事件，代理人進行交易。每個週期代表一天，重複進行，直到指定的總天數完成。然後，該模型會輸出模擬的每一天的數據，包括代理人行為、代幣價格和供應變化以及市場狀況。
用戶
用戶被引入到模擬中，其參數來自概率分佈，包括資本量和風險承受能力。這可以理解為他們在市場上的特點，一些代理人傾向於高回報、高風險的行為，而另一些代理人則傾向於保守的行為。在每個時間點，用戶都會為服務付費、評估市場並做出購買或出售代幣的決定（如果有的話）。有幾個因素會影響他們的決定，包括當前的代幣價格、他們自己的風險承受能力、代幣的近期趨勢以及他們自己過去的行為。
提供商
提供商的行為與代理人類似，並被引入模擬中，具有風險承受能力和資本，以及佔總網絡計算能力的百分比，或他們提供的 “多少” 服務。他們的動機與用戶不同，因為他們更有可能在任何時間步驟中出售代幣，並假設他們必須支付運營成本。提供商向用戶提供類似的輸入，評估相同的市場趨勢和宏觀趨勢。
投資者
投資者代理人包括兩類：散戶投資者和機構投資者。散戶投資者並沒有按預期參與協議，而是對代幣進行投機以實現利潤最大化。他們在決定交易策略時使用類似的指標，包括宏觀趨勢、代幣價格、他們自己過去的行為以及他們的盈虧。
機構投資者可能有與散戶投資者不同的代幣鎖定期和不同的投資目標。他們的決定受到無數因素的影響，包括他們對代幣的買入價、他們的出售傾向、鎖定期和他們期望的回報。
網絡增長
代理人根據不同的概率分佈和代幣價格趨勢流入和流出經濟體。我們假設持續的價格增長會導致更多的提供商和用戶進入市場，反之亦然。網絡增長分佈的確切參數隨我們模擬的協議而變化；我們使用真實世界的數據來定制我們的模型以適應我們模擬的協議。
模型校準
我們通過超過 90 天的回溯測試來校準模型，這是一個迭代過程，其中模型被填充初始條件、運行並與實際結果進行比較。目標是建立一個模型，最大限度地減少過度擬合併描述各種現實世界的基礎設施協議。我們針對三個大型基礎設施經濟體進行了回測：Helium（HNT）、Filecoin（FIL）和 Chainlink（LINK）。
我們使用兩個指標來衡量模型表現：代幣價格相關性和相對價格變動模式匹配。我們的模型在這些指標上表現出普遍、準確的性能，這驗證了模型模擬現實代幣價格變動以響應宏觀市場條件和網絡採用的能力。
實例探究
一旦我們的模型結果得到了現實世界數據的驗證，我們便開始探索其生成可操作見解的能力。我們的初始模型包括幾個可配置的參數：市場趨勢、代幣發行率、網絡增長和質押回報。一個自然的起點是對這些參數進行實驗。
ABM 的優勢在於能夠對複雜的參數間關係進行建模。對於這個初始部分，我們決定隔離每個參數以了解其對整體經濟的影響。這產生了關於不同代幣經濟學設計選擇的一些見解。
控制案例是一個處於早期階段的通貨膨脹經濟，起始供應量為 1500 萬個代幣，每月鑄造約 10 萬個代幣。考慮到流行代幣和其他基於基礎設施的經濟體的通貨膨脹率，這大約是 8% 的年通貨膨脹率，我們認為這是一個合理的方法。
我們初始化 10,000 個活躍用戶和 1000 個提供商，比例為 10:1，這是基於 Filecoin 大約 35,000 個活躍用戶與 4000 個提供者的比例。我們還在每次運行時初始化 1000-2000 之間的投資者的可變數量，並使用 ETH 作為我們的加密貨幣市場情緒的代理，因為 ETH 和 BTC 都能很好地跟踪宏觀走勢。
每個實驗運行 25 次，每次運行模擬 90 天。選擇較短的時間段是為了捕捉模擬經濟的更精細圖像，並關注我們實驗的直接結果。對於每個實驗，我們都會改變一個關鍵參數並研究結果。
案例研究 1：加密貨幣市場的影響
過去一年，加密貨幣在很大程度上與宏觀經濟趨勢相關聯。通過分析現實世界的歷史價格，我們可以看到宏觀因素與加密貨幣價格之間存在很強的相關性。通過 ABM，我們可以更深入地挖掘，並開始了解這種影響在各種市場條件下的範圍和強度。
我們只改變 “加密貨幣市場趨勢” 參數：
對於所有其他案例研究，我們在每次運行中都使用相同的真實世界 ETH 代幣價格數據子集。在本案例研究中，我們改變了這些子集，選擇了三個不同的 90 天 ETH 價格歷史時期：下降趨勢、穩定增長和高增長。我們發現宏觀趨勢的影響與我們模擬的代幣價格走勢高度相關。
儘管除了宏觀趨勢外，每批次的運行都具有完全相同的初始條件和參數，但我們發現 L1 代幣走勢與我們的代幣價格之間存在高度相關性。
在回顧其他案例研究時，即使在嚴重通貨緊縮或極高的質押回報等極端情況下，市場走勢的影響也是明顯的。我們清楚地觀察到代理商受到整體市場情緒的強烈影響，並相應地進行交易。
這種程度的影響可能會讓人相信，代幣設計作為一個領域對現實世界的結果影響不大。我們認為情況更加微妙。儘管市場趨勢的影響肯定不能完全減輕，但糟糕的代幣設計有助於加速熊市的崩盤，而智能代幣設計可以提高穩定性和代幣價格表現，即使在動蕩的市場中也是如此。良好的代幣設計的好處使該學科值得追求，使協議設計者能夠在各種宏觀環境中對其網絡進行一定程度的控制。
案例研究 2：代幣發行計劃
代幣設計的一個主要部分是通貨膨脹率。一種常見的代幣設計是使經濟膨脹直到代幣供應量達到最大值，之後代幣會通貨緊縮或保持穩定。其他協議可能使用算法平衡，在這種情況下，協議使用一些方法來銷毀代幣，以響應鑄幣率的波動。我們將它們分為四種類型：高通脹、穩定通脹（我們的控制案例）、零通脹和通貨緊縮。
通過模擬，我們發現控制運行 (~ +8%) 具有最高的穩定性。高通脹 (~ +37%) 使代幣價格小幅下降，穩定性損失很小，通貨緊縮 (~ -37%) 使代幣價格略有上漲，但穩定性較差。
令人驚訝的是，這些變化與代幣經濟中稀缺性的直觀理解相矛盾。
當我們使代幣通貨緊縮並因此變得更加稀缺時，我們看到代幣價格只有小幅上漲，穩定性略有下降。代幣價格在淨零通脹和高通脹之間沒有顯著變化，但我們注意到隨著通脹上升，穩定性有所提高。人們可能認為高通脹會使貨幣貶值，從而降低代幣價格，但我們的結果顯示影響不大。這可能是因為較短的 90 天運行沒有捕捉到通貨膨脹對代幣價格的長期影響。
由於 ETH 在合併後變得通縮，其價格沒有持續上漲，而是由於對整個加密市場的更強烈的外生衝擊而下跌，這與我們的模型的結果相似。
我們已經看到一些代幣追求通貨膨脹或通貨緊縮策略。一般來說，我們不鼓勵代幣設計者使用排放率作為代幣價格增長的驅動力，而是鼓勵關注與其代幣相關的激勵措施。
你的代幣應該激勵哪些具體行為？哪些具體行為會損害你的經濟？代幣如何緩解這些行為？如果不回答和實施這些基本細節，代幣發行對代幣價格表現的實際影響很小。
案例研究 3：用戶和提供商採用的影響
雙邊市場中長期存在的問題是，應該激勵市場的哪一方？對於我們模擬的基礎設施經濟，了解哪種代理人增長對經濟更有利——用戶或提供商，將是非常有用的。我們執行兩個模擬，改變 “網絡增長” 參數來引入進來的提供商或用戶:
我們發現，增加提供商帶來了更高的代幣增長和略低的穩定性，而增加用戶帶來的代幣增長明顯減少，但穩定性略高。
這些趨勢可以通過用戶和提供商之間的動態來解釋，其中提供商的湧入導致新用戶的流動更加穩定，導致代幣價格在大多數運行中上漲。當模擬大量用戶湧入時，進入經濟的提供商數量比引入固定比例的用戶時少約 23%。
顯然，在任何協議中，用戶增長和提供商增長之間仍然需要取得平衡。根據業務的不同，人們可能會偏向於優先考慮用戶的增長而不是提供商，反之亦然。我們的結果表明，在基礎設施經濟中，提供商的引入比用戶的引入具有更大的影響。
基礎設施經濟中的代幣設計者應該仔細考慮他們的代幣如何激勵用戶和提供商。例如，提供商獎勵應該帶來足夠多的提供者來滿足網絡的需求，而不會出現過剩。在這種情況下，多餘的資源仍然是不需要的，而提供者的投資會蒙受損失。
2020 年，對 Filecoin 模式的普遍抱怨是缺乏流動性和用戶流量來支持存儲提供商的財務需求。通過過分強調提供商流入，網絡未得到充分利用，代幣價格表現受到影響。同樣，應仔細激勵用戶增長以匹配網絡容量，避免需求激增，導致提供商數量過少的網絡不堪重負。
案例研究 4：不同的質押率
Staking（質押）允許代理人鎖定代幣一段時間以獲得額外獎勵。在我們的模型中，代理人可以選擇在每個時間段內進行 6 個月的鎖定期質押。他們根據預期回報和鎖定代幣的機會成本，以及市場趨勢和他們自己過去的行為等一系列其他因素做出決定。為了研究不同質押激勵的影響，我們在 0%、5%、12% 和 20% 之間改變質押回報率。
正如預期的那樣，對於 0% 質押獎勵的運行，沒有代理人做出質押決定。我們發現增加到 5% 對代幣價格幾乎沒有影響，並且對穩定性有一些邊際改善。將質押獎勵增加到 12% 和 20% 都提高了總體代幣價格，但在 20% 的運行中觀察到更高的不穩定性。
隨著質押回報的增加，網絡發展得更快，增加了更多財富在經濟中的流動。自然，這種活動的結果是代幣價格上漲。然而，我們也看到散戶投資者代理人的增加，由於投機交易的結果，在 20% 的質押回報率下，給我們帶來了更多的不穩定性。
這些結果可能意味著質押回報存在一個 “平衡” 點，協議設計者必須在增加的資本流動與增加的投機代理人數量之間取得平衡。
在我們的實驗經濟中，12% 是我們運行中最接近這種平衡的，這使我們的代幣價格顯著上漲，而穩定性幾乎沒有損失。當將我們的模擬用作諮詢工具時，我們可以掃描更多級別的質押或模擬不斷變化的獎勵計劃，從而使我們的分析具有更高的粒度。
雖然 12% 提供了網絡增長而穩定性損失很小，但這並不意味著每個協議都應該使用 12%。例如，在其生命週期早期的協議可能希望減少散戶投資者以關注核心網絡用戶和提供商，並會被激勵保留代幣以保持低質押或關閉質押。我們建議協議監控參與經濟體與投機投資者的比例，並考慮調整質押以激勵他們所需的代幣持有者組合。
更廣泛地說，我們鼓勵協議為 Stakers 提供金融 APY 之外的額外效用。示例包括更大的治理權重、對網絡安全的貢獻以及其他無形獎勵等。出於純粹的財務動機進行質押，尤其是對於新生協議，可能會扭曲基本面並吸引唯利是圖的流動性，一旦質押獎勵減少，這種流動性就會流失。
總結與展望
代幣經濟的動態極其複雜。借助 ABM，我們可以更深入地了解其中的一些複雜性，從分析個人之間的互動以及代幣如何影響他們的行為開始。
我們遵循著著名的格言：“所有模型都是錯誤的，但有些是有用的”。創建一個預測模型最重要的一步是清楚地了解其局限性和假設。這個初始部分的一些缺點可能是 90 天的運行時間和僅針對三個代幣的校準等。當我們試驗這個模型的功能時，我們將迭代地改進這些假設，並將努力增加新的代理類型、代理功能和協議設計。
免責聲明：作為區塊鏈信息平台，本站所發布文章僅代表作者及嘉賓個人觀點，與 Web3Caff 立場無關。文章內的信息僅供參考，均不構成任何投資建議及要約，並請您遵守所在國家或地區的相關法律法規。
