หมายเหตุบรรณาธิการ: บทความนี้มาจากหนังสือสีส้มหมายเหตุบรรณาธิการ: บทความนี้มาจากNinos Mansorหนังสือสีส้ม

(ID: chengpishu) ผู้เขียน:รวบรวม: Feng Answer เผยแพร่โดยได้รับอนุญาตในบทความที่แล้ว เราได้เข้าร่วมทีมผู้ก่อตั้งของ Algorand

พูดคุยเกี่ยวกับปรัชญาที่ผิดปรกติของการกระจายอำนาจ

และสำหรับผู้ใช้หลายๆ คน พวกเขามีความกังวลเกี่ยวกับ:

วันนี้เรานำบทวิเคราะห์ของ Arrington เกี่ยวกับ Algorand มาฝาก Arrington เป็นกองทุนโทเค็นที่ก่อตั้งโดยผู้ก่อตั้ง TechCrunch ผมเชื่อว่าหลังจากอ่านแล้วคุณจะเข้าใจการประมูลของ Algorand ในเนเธอร์แลนด์ได้ดีขึ้น

ต่อไปนี้เป็นข้อความ ขอให้สนุก:

ชื่อเรื่องรอง

1 วางตัวเลือก & สามกลยุทธ์

การซื้อคืนด้วยต้นทุน 90% เป็นเหตุผลสำคัญที่ดึงดูดผู้เล่นจำนวนมากให้เข้าร่วมการประมูลในเนเธอร์แลนด์นี้ โดยพื้นฐานแล้วเป็นตัวเลือกการขาย คุณมีสิทธิ์ขายคืนให้กับฝ่ายโครงการหนึ่งปีหลังจากที่คุณซื้ออัลโก

Call option เป็นเครื่องมือทางการเงินระดับสูง ซึ่งทำให้การประมูลแบบดัตช์ของ algo แตกต่างอย่างสิ้นเชิงจาก ico และ ieo ก่อนหน้านี้ เป็นวิธีการทำตลาดและการป้องกันความเสี่ยง ในระยะกลาง วิธีการนี้จะแนะนำผู้ใช้ให้ค้นพบคุณค่าและ ช่วยตลาดรองในการค้นหาราคาที่มีประสิทธิภาพ

ขอยกตัวอย่างให้เห็นภาพดังนี้

วันนี้ Bob ซื้อ 1,000 algos ในราคา 2 ดอลลาร์ ซึ่งหมายความว่าความเสี่ยง 90% ของ Bob ถูกสำรองไว้ ก่อนที่การไถ่ถอน 90% จะมาถึง เราสามารถคิดถึงพฤติกรรมการซื้อขายที่เป็นไปได้ของ A ภายในหนึ่งปี:

1. ราคาตลาดของ algo นั้นสูงกว่าราคาสมัครสมาชิกของ Bob เสมอ ดังนั้นเขาจึงมีทางเลือกสองทาง: ขาย algo ทำเงินแล้วออกไป หรือถือ algo ไว้นานๆ

3. Algo ต่ำกว่าราคาสมาชิกของ Bob มานานแล้ว โอกาสที่คล้ายกับราคาที่สองก็มีอยู่เช่นกัน Bob ควรกำหนดเส้นความเสี่ยง เมื่อราคาลดลงต่ำกว่า 1.8 เขาควรขายในตลาดทันที แล้วจึงขาย ในตลาดที่ต่ำกว่า 90% ของราคาซื้อขาย ราคาคือ ซื้ออัลโกคืนและรอชำระเงินต้น 90% หลังจากหนึ่งปี ด้วยกลยุทธ์นี้ ความเสี่ยง 10% ก่อนหน้าจะถูกป้องกันด้วย

แน่นอน ในกลยุทธ์ที่สาม มีสถานการณ์ที่ราคาของ Algo อยู่ในสถานะต่ำและมีเสถียรภาพเป็นเวลานาน และอาจไม่พบจุดป้องกันความเสี่ยงที่เหมาะสม

ชื่อเรื่องรอง

2 ทุกคนเป็นผู้ดูแลสภาพคล่อง

ข้างต้นเราได้กล่าวถึงสถานการณ์ของการประมูลเพียงครั้งเดียวและพฤติกรรมที่เป็นไปได้ของผู้ใช้ส่วนใหญ่ที่เข้าร่วมการประมูล อย่างไรก็ตาม การประมูลของ Algorand มีอายุห้าปี ซึ่งหมายความว่าการประมูลแต่ละครั้งจะมีราคาซื้อขาย

จะมี Bobs จำนวนมาก และพวกเขาอาจใช้สามกลยุทธ์ข้างต้นเพื่อจัดการกับ algo ในมือของพวกเขา ซึ่งหมายความว่าการประมูลแต่ละครั้งจะส่งผลกระทบต่อสภาพคล่องของ algo และราคาสุดท้ายของ algo อาจ ขึ้นอยู่กับ Weighting สำหรับรุ่นราคาต่างๆ

สิ่งนี้ยังอธิบายว่าทำไมเราถึงพูดว่านอกเหนือจากการเสนอขายหุ้นต่อสาธารณะแล้ว การประมูลของ algo ยังมีฟังก์ชั่นการป้องกันความเสี่ยงและการทำตลาดอีกด้วย

ลองนึกภาพว่าราคาประมูลของอลิซคือ 2 ดอลลาร์ และราคาประมูลของบ็อบคือ 3 ดอลลาร์ จะเกิดอะไรขึ้นเมื่อใกล้ถึง 90% ของการชำระเงิน

P = 90% x (A1P1+A2P2+...+AnPn)/(A1+A2+...+A2)

ในที่นี้ เราจะดูสถานการณ์ที่เป็นไปได้หลังจากชั่งน้ำหนักการประมูลแต่ละครั้ง (เพื่อความสะดวกในการคำนวณ เราจะตั้งค่าไถ่ถอนเป็น 90% ซึ่งก็คือราคาธุรกรรมการประมูลมากกว่า 1 ดอลลาร์สหรัฐ):

ราคาถัวเฉลี่ยถ่วงน้ำหนักหลังการประมูล:

โดยที่ An = จำนวนของ algos ที่ขายได้ในการประมูลแต่ละครั้ง

Pn = ราคาซื้อขายสุดท้ายของการประมูลแต่ละครั้ง

หากรวมสิ่งเหล่านี้โมเดลสุดท้ายจะซับซ้อนมากขึ้น แต่ ณ ปัจจุบัน การคำนวณนี้เป็นข้อมูลอ้างอิงที่ดี สำหรับราคาของ algo จะเป็นสิ่งที่น่าสนใจมาก

ผู้ใช้ทั้งหมดที่เข้าร่วมการประมูลกำลังเล่นเกม ในทางทฤษฎีเกมนี้จะมีราคาขั้นต่ำเมื่อเวลาผ่านไป และผู้เข้าร่วมแต่ละคนจะมีราคาของตัวเองเพื่อตัดสินว่าราคาปัจจุบันสูงหรือต่ำ ดังนั้นในการประมูลอัลโก ทุกคนคือ ผู้สร้างตลาด

ชื่อเรื่องรอง

3 คุณเป็นผู้ใช้ประเภทไหน

กลไกนี้จะช่วยปรับปรุงประสิทธิภาพสภาพคล่องของ algo อย่างมาก และสามารถดำเนินการตลาดได้อย่างมีประสิทธิภาพมากขึ้น เมื่อเปรียบเทียบกับ EOS หรือ ETH แล้ว มันเหมือนกับตลาดแลกเปลี่ยนเงินตราต่างประเทศแบบดั้งเดิมมากกว่า สกุลเงินส่วนใหญ่มีสภาพคล่องอิสระในตัวเอง แทนที่จะติดตาม BTC ที่ผันผวนตามความผันผวน

โดยเฉพาะอย่างยิ่ง Smart Trader จะมีส่วนร่วมด้วย หากการประมูลให้ข้อมูลจริง (จริง ๆ แล้วข้อมูลอยู่ในห่วงโซ่) พวกเขาสามารถอนุมานราคาที่ค่อนข้างมีประสิทธิภาพตามแบบจำลอง จากนั้นความเบี่ยงเบนของราคาถือเป็นพื้นที่การเก็งกำไรของอัลโก และคุณสามารถจินตนาการได้ว่าตลาดอาจ การตัดสิน "ราคา" ผิดพลาดก็เหมือนกับ usdt ไม่ได้อยู่ที่ระดับ 1:1 เป็นเวลานาน และ "smart trader" จะใช้ประโยชน์จากความตื่นตระหนกของ usdt เป็นระยะเพื่อการเก็งกำไร

อย่างที่คุณสามารถจินตนาการได้ ผู้ใช้เหล่านี้จะใช้โมเดลเศรษฐกิจของ algo เพื่อกำหนดราคา algo ติดตามวันที่ชำระราคาและราคาปัจจุบันของการประมูลแต่ละครั้ง และพวกเขาจะกำหนดราคาที่ไม่มีประสิทธิภาพและขจัดความผันผวนเมื่อเวลาผ่านไป ตัวอย่างเช่น ยิ่งวันที่คืนเงินใกล้เข้ามามากเท่าไหร่ แบบจำลองเหล่านี้ก็จะยิ่งมีโอกาสทำงานมากขึ้นเท่านั้น เนื่องจากความต้องการในการเก็งกำไรโดยนักเก็งกำไรจะเพิ่มขึ้น