Один из моих наставников в области искусственного интеллекта (ИИ) всегда говорит, что с современными технологиями машинного обучения вы можете найти практически любой ответ, но сложно задавать правильные вопросы. Этот принцип, безусловно, применим к криптоактивам. Как новый класс финансовых активов, крипто-токены чаще всего оцениваются с использованием традиционных показателей, основанных на цене и объеме, но мы можем сделать гораздо больше. В богатой данными вселенной, где блокчейны и обмен данными генерируют миллиарды точек данных, мы, безусловно, можем найти всевозможные увлекательные шаблоны и факторы, объясняющие поведение криптоактивов. Трудно понять, что искать.
Как бы вы описали Ethereum? По цене? Как блокчейн? На основе децентрализованных приложений (DApps), построенных на его основе? Понимание поведения криптоактивов начинается с правильных вопросов. Многие наши вопросы о криптоактивах нацелены на определение взаимосвязи с движением цен (что еще 😉), но анализ может выйти далеко за рамки этого. Очень часто неочевидные корреляции дают лучшее понимание.
Урок самолетов и войны
Во время Второй мировой войны Пентагон собрал команду самых известных математиков страны для разработки статистических моделей, которые могли бы помочь союзным войскам во время войны. Талант был потрясающий. Там был Фредерик Мостеллер, который позже основал статистический департамент Гарварда. Таким же был и Леонард Джимми Сэвидж, пионер теории принятия решений и великий защитник области, которая стала называться байесовской статистикой. Норберт Винер, математик Массачусетского технологического института и создатель кибернетики, и Милтон Фридман, будущий лауреат Нобелевской премии по экономике, также были частью группы.
Одно из первых заданий группы состояло в оценке уровня дополнительной защиты, которая должна быть добавлена к самолетам США, чтобы выжить в боях с немецкими военно-воздушными силами. Подобно хорошим статистикам, команда собирала ущерб, нанесенный самолетам, возвращавшимся после столкновений с нацистами.
Для каждого самолета математики вычислили количество пулевых отверстий в различных частях самолета (двери, крылья, двигатель и т. Д.). Затем группа приступила к выработке рекомендаций относительно того, какие участки самолетов должны иметь дополнительную защиту. Неудивительно, что подавляющее большинство рекомендаций было сосредоточено на областях, в которых было больше пулевых отверстий, если предположить, что это были районы, на которые нацелились немецкие самолеты. В группе было одно исключение, молодой статистик по имени Абрахам Вальд, который рекомендовал сосредоточить дополнительную защиту в тех областях, где не было обнаружено никаких повреждений в инвентаризованных самолетах. Почему? очень просто, молодой математик утверждал, что входной набор данных (самолеты) включал только самолеты, уцелевшие в боях с немцами. Хотя эти самолеты были серьезными, ущерб, нанесенный этими самолетами, не был настолько катастрофическим, что они не могли вернуться на базу. поэтому он пришел к выводу, что самолеты, которые не вернулись, скорее всего, пострадали от ударов в других районах. Очень умно, да?
История Уолда учит нас тому, что, каким бы сложным ни был механизм анализа данных, неправильные вопросы ни к чему не приведут. Когда дело доходит до неизвестной вселенной, такой как криптоактивы, эта предпосылка верна как никогда.
Методология бедняков, чтобы задавать правильные вопросы о криптоактивах
Мы знаем цену и «наполовину фальшивый» объем любых криптоактивов, но какие еще факторы нам нужны, чтобы понять поведение этого нового класса активов? Если мы используем цену как движущий фактор для большинства наших вопросов, то это ключ к пониманию типов отношений, которые мы можем экстраполировать между ценами и другими факторами. На высоком уровне есть некоторые характеристики отношений между двумя важными переменными.
· Корреляция против причинно-следственной связи. Когда мы видим фактор, который колеблется так же, как цена, мы склонны предполагать, что его можно использовать в качестве предиктора движения цен. Хотя у многих факторов могут быть очевидные корреляции, это редко означает, что между ними существует причинно-следственная связь. Давайте посмотрим на рынок, на котором цены на золото и биткойны имеют тенденцию к росту. Хотя корреляция может быть полезна для заголовков на CNBC или Bloomberg, она может быть далека от объяснения причинно-следственной связи между ними. Очень простое объяснение может заключаться в том, что более высокий уровень волатильности акций США заставляет инвесторов перемещать некоторые из своих позиций в золото, в то время как замедление темпов роста китайской экономики увеличивает инвестиции в биткойны. Если причинные факторы изменятся, то «кажущаяся» корреляция исчезнет.
· Линейные и нелинейные. Когда мы думаем о взаимосвязях между ценой и другими факторами, мы визуализируем их как линейные корреляции, которые «движутся вместе». Однако некоторые из наиболее интересных моделей вложения в финансовые активы основаны на полиномиальном, экспоненциальном и многих других нелинейных представлениях. Например, изменение цены биткойнов может быть связано с истечением многих будущих контрактов через несколько месяцев и ростом оптимизма в рекомендациях технологических компаний во время сезона отчетности.
· Однофакторная и многофакторная. Мы постоянно испытываем искушение найти однозначную корреляцию между данным фактором и ценой. Однако многие движения цен можно объяснить сложными линейными и нелинейными комбинациями различных факторов, которые далеко не очевидны для человеческого глаза. Например, колебания цен на биткойны могут быть сочетанием увеличения числа новых инвесторов, присоединяющихся к сети, и того факта, что цена движется в областях, более близких к положению большого числа инвесторов.
Теперь, когда мы понимаем типы отношений, которые мы можем экстраполировать между ценой и другими факторами, мы можем начать думать о типах соответствующих вопросов, которые мы можем задать, чтобы понять поведение криптоактивов. В своем анализе мы полагаем, что большинство актуальных вопросов о криптоактивах можно сгруппировать в пять основных категорий:
Финансовый
Финансовые вопросы пытаются описать финансовое поведение актива. Несколько нетривиальных вопросов в этой области:
· Инвесторы зарабатывают или теряют деньги?
· Насколько хорошо инвесторы занимают свои позиции?
· Увеличивается или уменьшается количество крупных транзакций?
· Торговля происходит между новыми инвесторами или историческими инвесторами?
· …..
Сеть
Криптоактивы работают в сетях, динамика которых невероятно зависит от движения цен. Отношения в криптосетях описывают модели роста, а также неожиданные движения криптоактивов. Некоторые актуальные вопросы в этой области:
· Сколько адресов капитулируют?
· Присоединяются ли к сети новые адреса?
· ….
Право собственности
Понимание контрагентов было труднодостижимой целью для всех классов финансовых активов, но блокчейны привносят уникальное измерение в эту проблему. Впервые в истории финансов поведение индивидуальных инвесторов регистрируется в публичных регистрах. Вот некоторые важные вопросы, связанные с правом собственности:
· Является ли криптоактив чрезмерно концентрированным?
· Покупают или продают крупные инвесторы?
· Покупают или продают миноритарные инвесторы?
· Являются ли инвесторы постоянными или активными трейдерами?
· ….
Поведенческий
В дополнение к предыдущему пункту криптоактивы предлагают широкий простор для понимания психологии инвесторов. Хотя мы не можем предсказать закономерности для индивидуальных инвесторов, информации достаточно, чтобы экстраполировать соответствующие тенденции на уровне токенов. Интересный вопрос в этой области:
· Не слишком ли уверены в себе держатели токенов?
· Следят ли они за тенденциями?
· Не терпят ли они убытков и вряд ли ликвидируют свои позиции?
· …..
Макроэкономические
Несмотря на неочевидные корреляции, криптоактивы являются частью более широких финансовых рынков и, как и другие классы активов, подвержены влиянию марко-экономических факторов. Понимание взаимосвязи между криптоактивом и макроэкономическими факторами может вызвать следующие вопросы:
· Переводятся ли деньги из китайских акций в биткойн?
· Есть ли видимые корреляции между акциями с микро-капитализацией, такими как индекс Rusell 2000, и криптоактивами?
· ….
Понимание и прогнозирование поведения криптоактивов - увлекательное занятие, требующее больших объемов данных. Когда вы начнете глубже изучать поведение криптоактивов, вы столкнетесь с загадочным фактом: задавать правильные вопросы важнее, чем получать правильные ответы.
