ชื่อเรื่องต้นฉบับ: การสร้างเศรษฐกิจแห่งความสนใจ

โพสต์ดั้งเดิมโดย Eli Qian, Multicoin Capital

เรียบเรียงโดย: Peggy, BlockBeats

หมายเหตุบรรณาธิการ: ในยุคที่ข้อมูลหลั่งไหลอย่างมหาศาล ความสนใจกำลังกลายเป็นสินทรัพย์ที่วัดผลและซื้อขายได้ บทความนี้จะสำรวจว่า "สินทรัพย์ความสนใจ" สามารถเปลี่ยนสถานะทางการเงินได้อย่างไรผ่านตลาดคาดการณ์และกลไกออราเคิล พร้อมเสนอวิธีการสร้าง "สัญญาถาวรของความสนใจ" ขณะที่มูลค่าของมีมค่อยๆ ปรากฏขึ้นในสินทรัพย์แบบดั้งเดิมอย่างหุ้น เราอาจกำลังอยู่ในช่วงหัวเลี้ยวหัวต่อของการที่เศรษฐกิจความสนใจกำลังกลายเป็นสินทรัพย์ประเภทหลัก

ต่อไปนี้เป็นเนื้อหาต้นฉบับ:

ศักยภาพทางการเงินของสินทรัพย์ที่ได้รับความสนใจ

แม้ว่าอาจจะกระชับเกินไป แต่สินทรัพย์สามารถแบ่งกว้างๆ ได้เป็นสองประเภท:

1. สินทรัพย์กระแสเงินสด – ส่วนใหญ่เป็นหุ้นและพันธบัตร สินทรัพย์เหล่านี้สร้างกระแสเงินสด ซึ่งนักลงทุนให้มูลค่าตามกระแสเงินสดนั้น

2. สินทรัพย์อุปสงค์และอุปทาน – ส่วนใหญ่ใช้กับสินค้าโภคภัณฑ์และอัตราแลกเปลี่ยน ราคาของสินทรัพย์เหล่านี้ผันผวนตามอุปสงค์และอุปทาน

เมื่อไม่นานมานี้ วงการคริปโตได้ก่อให้เกิดสินทรัพย์ประเภทใหม่ ซึ่งมีมูลค่าขึ้นอยู่กับความสนใจ ปัจจุบัน "สินทรัพย์ที่ดึงดูดความสนใจ" เหล่านี้ส่วนใหญ่ประกอบด้วยสินทรัพย์ที่ผู้ใช้สร้างขึ้น (UGA) เช่น NFT โทเค็นผู้สร้าง และเหรียญมีม สินทรัพย์เหล่านี้ทำหน้าที่เป็น "จุดเชลลิง" ของความสนใจทางวัฒนธรรม โดยราคาของสินทรัพย์เหล่านี้สะท้อนถึงการขึ้นๆ ลงๆ ของความสนใจนั้น

แม้ว่าเหรียญมีมจะน่าสนใจในมุมมองทางวัฒนธรรม แต่ก็ยังมีข้อบกพร่องมากมายในมุมมองทางการเงิน สินทรัพย์ที่ดึงดูดความสนใจได้อย่างมีประสิทธิภาพควรเปิดโอกาสให้ผู้เข้าร่วมตลาดได้รับผลประโยชน์ทางการเงินโดยตรงจากความสนใจที่มอบให้กับสิ่งใดสิ่งหนึ่ง สิ่งนี้จะจูงใจให้ผู้เข้าร่วมซื้อขายสินทรัพย์ที่พวกเขาเชื่อว่ามีราคาที่ผิดพลาด และตลาดจะร่วมกันกำหนดราคาที่สะท้อนการคาดการณ์ความสนใจดังกล่าว

เราเชื่อว่าสินทรัพย์ที่ดึงดูดความสนใจ หากถูกสร้างขึ้นอย่างเหมาะสม มีศักยภาพที่จะกลายเป็นสินทรัพย์ประเภทที่แท้จริง เพื่อพัฒนาแนวคิดนี้ บทความฉบับนี้จึงเสนอแนวคิด "Attention Oracles" ซึ่งเป็นสถาปัตยกรรมออราเคิลแบบใหม่ที่รองรับ "Attention Perps" ซึ่งเป็นเครื่องมือทางการเงินรูปแบบใหม่ที่อนุญาตให้เทรดเดอร์สามารถเปิดสถานะ Long หรือ Short ของสินทรัพย์ที่ดึงดูดความสนใจทางวัฒนธรรมได้

กล่าวโดยสรุป Attention Oracle สร้างดัชนีรวมถ่วงน้ำหนักที่ออกแบบมาเพื่อจับการเปลี่ยนแปลงของความสนใจโดยใช้ประโยชน์จากมิติราคา สภาพคล่อง และเวลาของตลาดการทำนายแบบไบนารีที่เกี่ยวข้องกับหัวข้อใดหัวข้อหนึ่ง เพื่อให้มั่นใจถึงประสิทธิภาพ ตลาดอ้างอิงต้องได้รับการคัดเลือกอย่างรอบคอบเพื่อแสดงถึงปัจจัยนำเข้าจากความสนใจในโลกแห่งความเป็นจริงที่เกี่ยวข้อง การใช้ตลาดการทำนายเป็นปัจจัยนำเข้าของ Attention Oracle ยังนำไปสู่ "ต้นทุนการจัดการแบบฝังตัว" ซึ่งในทางทฤษฎีช่วยลดการจัดการที่เป็นอันตราย เนื่องจากเทรดเดอร์ที่เป็นปฏิปักษ์ต้องเสี่ยงเงินทุนเพื่อมีอิทธิพลต่อดัชนี

เหตุใดเราจึงต้องมีสัญญาการเอาใจใส่ตลอดไป?

UGA พบว่าผลิตภัณฑ์และตลาดมีความเหมาะสมกันในพื้นที่ที่มีการเก็งกำไรโดยเฉพาะ และมีความสามารถในการติดตามความสนใจตั้งแต่พื้นฐาน เช่น เทรนด์เว็บและมีมใหม่ๆ ที่เกิดขึ้น

UGAs แก้ปัญหาได้ด้วยการสร้างสินทรัพย์สำหรับสิ่งที่ระบบการเงินแบบดั้งเดิมไม่สามารถครอบคลุมได้ กระบวนการออกสินทรัพย์แบบดั้งเดิมนั้นล่าช้า มีค่าใช้จ่ายสูง และมีข้อจำกัดด้านกฎระเบียบสูง ซึ่งจำกัดขอบเขตของสินทรัพย์ที่สามารถออกได้ ในทางกลับกัน สินทรัพย์ที่เน้นความสนใจต้องทำงานด้วยความเร็วอินเทอร์เน็ตเพื่อให้ทันกับกระแสวัฒนธรรมโลก ด้วยการผสมผสานกลไกการออกโทเค็นแบบไม่ต้องขออนุญาต วิธีการกำหนดราคาที่ชาญฉลาด เช่น กราฟเส้นเชื่อมต่อ และการสนับสนุนสภาพคล่องของตลาดแลกเปลี่ยนแบบกระจายศูนย์ (DEX) ทุกคนสามารถสร้างสินทรัพย์ได้ฟรี สร้างสภาพคล่อง และนำสินทรัพย์เหล่านั้นออกสู่ตลาดเพื่อให้ผู้อื่นสามารถซื้อขายได้

ข้อสังเกตหนึ่งเกี่ยวกับ UGA คือราคามักจะเริ่มต้นที่ศูนย์ ซึ่งไม่ใช่ข้อบกพร่อง แต่เป็นคุณสมบัติพิเศษ หากคุณสร้างมีมใหม่ตั้งแต่ต้น ช่วงความสนใจเริ่มต้นจะเป็นศูนย์ ทำให้การเข้าร่วมในราคาต่ำเป็นเรื่องที่สมเหตุสมผล นอกจากนี้ยังช่วยให้ผู้ที่มีทักษะในการมองเห็นเทรนด์ตั้งแต่เนิ่นๆ สามารถสร้างรายได้จากทักษะของตนเองด้วยการสร้างสินทรัพย์ต้นทุนต่ำ อย่างไรก็ตาม นี่ยังหมายความว่า UGA ยังไม่เหมาะกับการสร้างโอกาสทางการเงินให้กับสิ่งที่ได้รับความสนใจอยู่แล้ว

ยกตัวอย่างเช่น สมมติว่าคุณต้องการถือครองหุ้นระยะยาว (Long) เพื่อดึงดูดความสนใจของ LeBron James คุณสามารถสร้างเหรียญมีมได้ แต่ปัจจุบันมีโทเค็น LeBron อยู่ในตลาดมากมายแล้ว คุณควรซื้อเหรียญไหน? ยิ่งไปกว่านั้น ราคาของเหรียญมีม LeBron ใหม่จะเกือบเป็นศูนย์ อย่างไรก็ตาม LeBron เป็นหนึ่งในบุคคลที่มีชื่อเสียงที่สุดในโลก และความสนใจของเขาก็สูงมากอยู่แล้ว ความสนใจของเขาไม่น่าจะเพิ่มขึ้น 100 เท่าในช่วงเวลาสั้นๆ สุดท้าย หากคุณต้องการดึงดูดความสนใจของเขาน้อยลง เหรียญมีมก็ทำได้ยาก

ดังนั้น สินทรัพย์ที่มุ่งเป้าไปที่หัวข้อที่ได้รับความสนใจสูงที่มีอยู่ควรมีลักษณะอย่างไร?

ข้อกำหนดบางประการอาจรวมถึง:

1. ความสามารถในการซื้อขายแบบสองทาง: สินทรัพย์ควรรองรับการซื้อขายทั้งแบบยาวและสั้น

2. เชื่อมต่อกับแหล่งข้อมูลความสนใจในโลกแห่งความเป็นจริง: จะต้องมี "แหล่งข้อมูลความจริง" ที่เชื่อถือได้เพื่อวัดความสนใจ

3. อย่าเริ่มต้นจากศูนย์: สินทรัพย์ควรมีค่าเริ่มต้นที่สะท้อนถึงความสนใจที่มีอยู่

หากคุณพิจารณาข้อกำหนดเหล่านี้ คุณจะเห็นได้อย่างรวดเร็วว่าสัญญาซื้อขายล่วงหน้าแบบไม่มีกำหนดระยะเวลา (Perpetual Futures Contracts หรือ Perps) ตรงกับความต้องการอย่างสมบูรณ์แบบ สัญญาเหล่านี้เป็นแบบสองทาง มี Oracle (แหล่งที่มาของความจริง) และในฐานะผลิตภัณฑ์อนุพันธ์ จึงไม่เริ่มต้นจากศูนย์ ความท้าทายที่แท้จริงอยู่ที่การสร้าง Oracle ที่มีประสิทธิภาพสำหรับ Attention Perps

หลายทีม เช่น Noise กำลังพัฒนาปัญหานี้อยู่ บนแพลตฟอร์ม Noise เทรดเดอร์สามารถเทรดแบบ long หรือ short ในโครงการคริปโตบางโครงการ เช่น MegaETH และ Monad ได้ Noise ใช้ Kaito เป็น Oracle ซึ่งรวบรวมข้อมูลโซเชียลมีเดียและข่าวสารเพื่อสร้างตัวเลขเดียวที่แสดงถึงระดับความสนใจของหัวข้อนั้นๆ

อย่างไรก็ตาม การออกแบบนี้ยังคงมีช่องว่างให้พัฒนาต่อไป เป้าหมายของออราเคิลความสนใจคือการนำข้อมูลที่เกี่ยวข้องกับความสนใจมาเป็นอินพุต ประยุกต์ใช้ฟังก์ชันบางอย่างกับข้อมูลนี้ และส่งออกค่าที่เทรดเดอร์สามารถใช้เพื่อทำการเคลื่อนไหวระยะยาวหรือระยะสั้นได้

ปัญหาหนึ่งของการใช้โซเชียลมีเดียเป็นอินพุตคือมันถูกควบคุมได้ง่าย ซึ่งถือเป็นรูปแบบหนึ่งของกฎของกู๊ดฮาร์ต กล่าวคือ ในตลาดที่มีการแข่งขันสูง เทรดเดอร์จะพยายามควบคุมอินพุตเพื่อโน้มน้าวราคา ไคโตะได้ออกแบบกระดานผู้นำและกลไกป้องกันสแปมใหม่เพื่อแก้ไขปัญหานี้

ยิ่งไปกว่านั้น โซเชียลมีเดียไม่ใช่วิธีที่สมบูรณ์แบบในการดึงดูดความสนใจ ยกตัวอย่างเช่น โชเฮ โอทานิ เขามีฐานแฟนคลับทั่วโลกที่ใช้แอปโซเชียลมีเดียหลากหลาย และแพลตฟอร์มเหล่านั้นอาจไม่ได้จัดทำดัชนีโดยไคโตะทั้งหมด หากเขาชนะเวิลด์ซีรีส์อีกครั้ง รัศมีดาราของเขาจะยิ่งแข็งแกร่งขึ้น แต่จำนวนผู้ติดตามหรือการกล่าวถึงบนโซเชียลมีเดียของเขาอาจไม่ได้เพิ่มขึ้นแบบเส้นตรงเสมอไป

ความสนใจของ Oracles: แนวทางตามตลาด

ย้อนกลับไปที่ตัวอย่างก่อนหน้านี้ของ LeBron James สมมติว่าคุณต้องการแลกเปลี่ยนความสนใจของ LeBron เพื่อสร้างออราเคิลความสนใจให้กับเขา ขั้นตอนแรกคือการรวบรวม (หรือสร้าง หากยังไม่มี) ตลาดทำนายผลแบบไบนารีหลายรายการเกี่ยวกับ LeBron เช่น:

“LeBron James จะมีผู้ติดตามมากกว่า X ล้านคนภายในสิ้นเดือนนี้หรือไม่”; “LeBron James จะสามารถคว้าแชมป์ในปี 2026 ได้หรือไม่”; “LeBron James จะสามารถคว้ารางวัล MVP ในปี 2026 ได้หรือไม่”

LeBron Attention Oracle ที่สมบูรณ์จะใช้ตลาดอ้างอิงมากขึ้น แต่เพื่อเป็นตัวอย่าง เราจะใช้สามตลาดนี้ ราคาดัชนีจะคำนวณโดยการรวมราคา สภาพคล่อง ระยะเวลาในการแก้ไข และความสำคัญของแต่ละตลาดแบบถ่วงน้ำหนัก

สำหรับแต่ละตลาด เรามีราคา สภาพคล่อง เวลาในการแก้ไขปัญหา และคะแนนความสำคัญ เพื่อให้ง่ายต่อการอธิบาย เราใช้สูตรการถ่วงน้ำหนักแบบง่ายๆ แต่ละตลาดมีคะแนนตั้งแต่ 1 ถึง 10 โดยรวมปัจจัยด้านสภาพคล่องและเวลาเข้าด้วยกัน:

โดยสมมติว่าเราตัดสินใจกำหนดคะแนน 8, 2 และ 10 ให้กับตลาดทั้งสามแห่ง น้ำหนักของแต่ละตลาดจะเป็นดังนี้:

ค่าความสนใจสุดท้ายจะเป็นดังนี้:

หากเราถือว่าเวลาในการแก้ไขปัญหาสำหรับตลาดทั้งสามแห่งนี้คือ 180 วัน 20 วัน และ 180 วัน ตามลำดับ และคะแนนความสำคัญคือ 8, 2 และ 10 ตามลำดับ การรวมปัจจัยข้างต้นจะให้ผลลัพธ์ดังนี้:

แน่นอนว่ามีวิธีการที่ซับซ้อนกว่าในการคำนวณตัวชี้วัดความสนใจ เช่น การใช้ความสนใจแบบเปิดแทนปริมาณ การคำนึงถึงเหตุการณ์ที่สัมพันธ์กัน การปรับตามความลึกของตลาด ความสัมพันธ์แบบไม่เชิงเส้นระหว่างตัวแปร ฯลฯ นอกจากนี้ เรายังได้สร้างเว็บไซต์แบบโต้ตอบสำหรับผู้อ่านเพื่อสร้างดัชนีของตนเองโดยใช้ตลาด Kalshi แบบสดอีกด้วย

ข้อได้เปรียบสำคัญของสถาปัตยกรรมออราเคิลที่อิงตามตลาดการทำนายนี้คือ การควบคุมราคามีต้นทุนที่แท้จริง หากเทรดเดอร์ถือครองสถานะ Long ของ LeBron James และต้องการควบคุมราคาให้สูงขึ้น พวกเขาจะต้องซื้อสถานะในตลาดการทำนายแบบไบนารี สมมติว่าตลาดอ้างอิงมีสภาพคล่อง นั่นหมายความว่าพวกเขาจำเป็นต้องซื้อในราคาที่ตลาดเชื่อว่าสูงเกินไป

เราเชื่อว่าข้อได้เปรียบที่สำคัญอย่างยิ่งอีกประการหนึ่งที่ตลาดเหล่านี้กำลังพัฒนาคือ ตลาดพยากรณ์แบบไบนารีช่วยให้ผู้ดูแลตลาดมีตลาดซื้อขายแบบสปอตสำหรับการป้องกันความเสี่ยง หากผู้ดูแลตลาดมีสถานะขายชอร์ตในดัชนีที่ได้รับความสนใจ พวกเขาสามารถป้องกันความเสี่ยงได้โดยการเปิดสถานะซื้อในตลาดพยากรณ์พื้นฐานที่ประกอบเป็นดัชนี

Adjacent ได้ใช้ตลาดซื้อขายแบบเรียลไทม์ที่มีสภาพคล่องบน Kalshi เพื่อสร้างดัชนีเพื่อติดตามแนวโน้มทางการเมือง เช่น การต่อสู้แย่งชิงอำนาจระหว่างพรรคเดโมแครตและพรรครีพับลิกัน และการเลือกตั้งนายกเทศมนตรีนครนิวยอร์ก เราเชื่อว่าแนวทางที่คล้ายคลึงกันนี้สามารถใช้ในการติดตามความสนใจในหัวข้อใดๆ ก็ได้ เมื่อตลาดการคาดการณ์พัฒนาขึ้น ชุดหัวข้อที่สามารถสร้างดัชนีความสนใจได้ก็จะขยายตัวเพิ่มขึ้นเรื่อยๆ

พื้นที่การออกแบบของออราเคิลแห่งความสนใจ

สถาปัตยกรรมออราเคิลที่เรานำเสนอนั้นไม่ได้ปราศจากข้อแลกเปลี่ยนใดๆ เมื่อพิจารณาถึงออราเคิลแบบเน้นความสนใจในวงกว้างขึ้น เราจะพิจารณาประเด็นสำคัญต่อไปนี้:

1. ข้อมูลอินพุตมีความเกี่ยวข้องแค่ไหน?

2. มีความเป็นไปได้แค่ไหนที่จะได้รับข้อมูลอินพุตเหล่านี้?

3. ข้อมูลอินพุตสามารถจัดการหรือทำให้เป็นเกมได้ง่ายหรือไม่

4. เราจะใช้ฟังก์ชันใดในการคำนวณค่าความสนใจกับอินพุต?

ข้อเสียที่เห็นได้ชัดที่สุดจาก Oracle ที่เรานำเสนอคือข้อมูลอินพุตนั้นหาได้ยาก หากคุณต้องการสร้าง Oracle ที่น่าสนใจสำหรับ LeBron James ก่อนอื่นคุณต้องสร้างตลาดการคาดการณ์ที่มีสภาพคล่องสูงหลายแห่งสำหรับหัวข้อต่างๆ ที่เกี่ยวข้องกับ LeBron นอกจากนี้ ตลาดเหล่านี้จะต้องคงสภาพคล่องไว้ตลอดเวลา และจะถูกแทนที่ด้วยตลาดใหม่ที่มีสภาพคล่องสูงเมื่อตลาดเดิมได้รับการแก้ไขหรือหมดความสำคัญลง ดังนั้น เราเชื่อว่าการออกแบบนี้เหมาะสมที่สุดสำหรับหัวข้อที่ได้รับความสนใจสูงจำนวนไม่มาก (เช่น Donald Trump หรือ Taylor Swift) ซึ่งมีตลาดการคาดการณ์ที่เป็นที่ยอมรับอยู่แล้ว

อีกหนึ่งข้อแลกเปลี่ยนคือ ความสนใจอาจเพิ่มขึ้นไม่ว่าผลลัพธ์ของการแข่งขันจะเป็นอย่างไร ยกตัวอย่างเช่น แม้ว่าเลอบรอนจะไม่ได้แชมป์อีก แต่ความสนใจก็อาจเพิ่มขึ้นเมื่อผู้คนเริ่มตั้งคำถามเกี่ยวกับผลงานของเขา อาจมีการพูดคุยกันอย่างกว้างขวางว่าเขาแก่ลงจริง ๆ หรือกำลังถดถอยลง เช่นเดียวกัน ความสนใจในโลกแห่งความเป็นจริงมักจะมุ่งไปที่เหตุการณ์ที่ไม่คาดคิด ขณะที่ตลาดการคาดการณ์จะวัดความคาดหวังต่อเหตุการณ์เหล่านั้น หากตลาดคาดหวังว่าเลอบรอนจะได้รับรางวัล MVP แต่เขากลับไม่ได้ ความสนใจอาจเพิ่มขึ้นในขณะที่ดัชนีลดลง แฟนๆ และนักวิจารณ์อาจถกเถียงกันว่าเขาถูก "ปล้น" รางวัล MVP หรือกระบวนการคัดเลือกไม่ยุติธรรม

การออกแบบ Oracle ที่ดีที่สุดอาจประกอบด้วยการผสมผสานระหว่างตลาดการคาดการณ์ ข้อมูลโซเชียลมีเดีย และแหล่งข้อมูลอื่นๆ Google Trends เพิ่งเปิดตัวโครงการอัลฟ่า ซึ่งอนุญาตให้นักพัฒนาเข้าถึงข้อมูลแนวโน้มการค้นหาผ่าน API จำนวนการค้นหาหัวข้อหนึ่งทางอินเทอร์เน็ตมีความสัมพันธ์อย่างมากกับความสนใจของหัวข้อนั้น และเนื่องจาก Google Trends กรองการค้นหาซ้ำออกไป จึงอาจมีความเสี่ยงที่จะถูกบิดเบือนน้อยกว่าข้อมูลโซเชียลมีเดีย อีกแหล่งข้อมูลหนึ่งอาจใช้แบบจำลองภาษาขนาดใหญ่ (LLM) เพื่อวิเคราะห์อินพุตที่เสี่ยงต่อการถูกบิดเบือนและพยายามกรองสแปม ตัวอย่างเช่น LLM สามารถให้คะแนนความสนใจโดยอิงจากพาดหัวข่าวจากสำนักข่าวใหญ่ๆ หรือโพสต์ยอดนิยมบน X (เดิมคือ Twitter)

เราเชื่อว่าตลาดแลกเปลี่ยนที่ได้รับการยอมรับอย่าง Kalshi และ Polymarket อยู่ในตำแหน่งที่ดีที่สุดที่จะนำเสนอ Attention Perps เนื่องจากพวกเขามีตลาดอ้างอิงที่มีสภาพคล่องสูงอยู่แล้ว และมีผู้ใช้งานจำนวนมากที่ยินดีซื้อขายในตลาดใหม่ๆ อย่างไรก็ตาม เราไม่เชื่อว่าโอกาสในการเข้าถึงสินทรัพย์ที่ได้รับความสนใจจะถูกจำกัดอยู่แค่แพลตฟอร์มขนาดใหญ่เหล่านี้เท่านั้น

รูปแบบหนึ่งเกี่ยวข้องกับการซื้อขายในตลาดวอลต์ (Vault) โดยมีเป้าหมายที่สถานะ long/short ในหัวข้อเฉพาะ ตัวอย่างเช่น เทย์เลอร์ สวิฟต์ (Taylor Swift) ที่มีสถานะ long สามารถซื้อสัญญา "ใช่" ในเหตุการณ์ต่างๆ เช่น เธอจะมีซิงเกิลติดท็อป 10 หรือได้ขึ้นแสดงในซูเปอร์โบวล์หรือไม่ ผู้จัดการวอลต์จะเป็นผู้กำหนดว่าตลาดใดสัมพันธ์กับความสนใจที่เพิ่มขึ้น

อีกตัวอย่างหนึ่งคือสัญญาแบบถาวรที่ผู้สร้างใช้งานโดยใช้ Hyperliquid HIP-3 ให้ความยืดหยุ่น ช่วยให้ผู้ปรับใช้ในตลาดสามารถปรับแต่งออราเคิลของตนเองได้ ตลาด HIP-3 สามารถใช้ราคา Kalshi/Polymarket ตัวชี้วัดโซเชียลมีเดีย Google Trends พาดหัวข่าว และอื่นๆ ร่วมกันได้

ความสนใจในฐานะสินทรัพย์ประเภทหนึ่ง

น่าแปลกที่สถานการณ์การประยุกต์ใช้ที่ครบถ้วนสมบูรณ์ครั้งแรกของเศรษฐกิจแบบเน้นความสนใจอาจปรากฏในตลาดหุ้น ราคาหุ้นประกอบด้วยสององค์ประกอบ ได้แก่ มูลค่า DCF (มูลค่าที่แท้จริง) และมูลค่ามีม

ในอดีต หุ้นส่วนใหญ่ไม่มีมูลค่ามีมที่สำคัญ แต่ในช่วงไม่กี่ปีที่ผ่านมา ด้วยแพลตฟอร์มการซื้อขายแบบค้าปลีก 24/5 เช่น WallStreetBets และ Robinhood หุ้นจำนวนมากขึ้นเรื่อยๆ จึงเริ่มพัฒนามูลค่ามีมที่ยั่งยืน

เป้าหมายของนักวิเคราะห์หุ้นคือการกำหนดราคาหุ้น แม้ว่าจะมีวิธีการคำนวณค่า DCF ที่ใช้กันอยู่แล้ว แต่ควรสร้างแบบจำลองค่า Meme Value อย่างไร? เนื่องจากมูลค่า Meme มีอิทธิพลต่อสินทรัพย์มากขึ้นเรื่อยๆ การพัฒนาวิธีการสร้างแบบจำลองมูลค่านี้จึงเป็นสิ่งจำเป็น นักลงทุนที่เชี่ยวชาญมักใช้ตัวชี้วัดต่างๆ เช่น จำนวนผู้ติดตาม ยอดไลก์ และจำนวนการดูเพจ เพื่อวัดความเชื่อมั่นของตลาดอยู่แล้ว ตลาดพยากรณ์และโครงสร้าง Oracle อื่นๆ สามารถเป็นเครื่องมือที่มีประโยชน์สำหรับการวัดความสนใจของหุ้น ซึ่งจะช่วยสร้างแบบจำลองการซื้อขายที่ดีขึ้น

แต่โอกาสในสินทรัพย์ที่ดึงดูดความสนใจนั้นมีมากกว่าแค่ราคาหุ้น เราเชื่อว่าการคาดการณ์ความสนใจเป็นกิจกรรมที่มีคุณค่าทางเศรษฐกิจในตัวของมันเอง ความสนใจเป็นตัวบ่งชี้สำคัญที่บ่งบอกถึงความต้องการและการใช้จ่ายของผู้บริโภค บริษัทต่างๆ จัดสรรงบประมาณด้านการวิจัยและพัฒนา การจ้างงาน และการตลาดตามทิศทางการไหลของความสนใจ กุญแจสำคัญอยู่ที่การค้นหาฮิวริสติกใหม่ๆ เพื่อจำลองกระแสเหล่านี้

หากคุณกำลังสร้างสินทรัพย์ที่ดึงดูดความสนใจหรือโครงสร้างพื้นฐานที่เกี่ยวข้อง โปรดติดต่อเรา

ลิงค์ต้นฉบับ