本文作者：6MV；编译：Cointime Freya

TLDR；6MV开发了初始的基于代理的模型，为代币研究机构做出贡献，并帮助我们的投资组合公司就初始代币生成/发布和机制设计权衡提供建议。我们首先对“基础设施”经济进行建模，其中实用代币用于奖励服务“提供者”以及为服务付费的用户。 基础设施经济的例子包括Filecoin、Chainlink、Graph和Helium。

在这篇文章中，我们将介绍我们的方法并分享四个早期发现：

对于有质押的网络，增加质押的奖励增加了散户投资者和整体代币市值，但也会增加波动性。

我们对我们的早期见解持谨慎的乐观态度，并期待着从代币设计社区获得反馈，并继续扩展模型的能力。

在牛市中，我们观察到许多代币的采用和价格走势很大程度上受到高度投机行为的影响，这可能会掩盖代币经济设计选择的有效性。

然而，在蟹市或熊市中，找到深入的、基于证据的见解变得越来越重要，这些见解可以应用于稳定价格和提高效用。代币经济的完整经济框架尚未巩固，在缺乏坚实基础的领域为理论构建留下了机会。

为了实现这一目标，我们在6th Man Ventures的研究团队正在构建基于代理的代币经济模拟。

简介

理解代币经济学的挑战就是理解机制设计的挑战。在经济学中，博弈论就是研究博弈中存在的策略和激励。在机制设计中，我们研究的是相反的情况，即一组理想的激励和策略为游戏本身的设计提供参考。通过这个数学框架，我们可以把代币经济的设计视为游戏的设计，其中代币是激励行为的最重要工具。

在简单、封闭的游戏中（如国际象棋），列举可能的策略和激励措施远比对任何外部影响开放的复杂游戏更可行。当今代币学设计中的致命缺陷通常是难以使用逻辑推理预测的二阶效应。为了捕捉和理解这些复杂的动态，我们可以求助于计算方法。

我们的方法是使用基于代理的模型（ABM），在这种模型中，我们对具有不同特征的单个代理进行建模。这些代理人理性行事，并会对市场条件作出动态反应。如果建模正确，那么我们就能深入了解重大事件发生的时间和原因。

基于代理的模型与其他方法

预测建模的标准行业方法是机器学习（ML）。虽然这是一个广泛的算法术语，但它可以归结为多个输入的相关模型。使用ML对代币经济进行建模，就可以根据历史用户采用率、代币价格、代币供应、比特币价格或任何其他现实世界的指标来预测代币价格。基于这些输入的大量数据的汇总，该模型将使用加权回归来预测某个时间段的代币价格。这些模型通常用于短期应用，如社交媒体信息和短期交易决策。在秒和毫秒的时间尺度上，用户的偏好或市场趋势极有可能与之前的趋势相关。然而，对于较长的时间段，输入数据的固有偏差造成了相对不可靠的预测。根据定义，宏观经济趋势、外生冲击和其他趋势的随机性是罕见的，而且通常难以或无法量化，在ML的预测能力上造成了差距。

通过使用基于代理的建模（ABM），我们可以考虑到随机的机会，并允许代理单独行动，而不受输入数据的影响。这使我们能够收集和分析数百次模拟的输出结果，并从最常发生的结果中得出见解。最重要的是，ABM方法使我们能够了解结果发生的原因。通过详细的输出记录，我们可以读懂代理人行为和市场趋势之间的因果关系。另一方面，ML模型输出的是预测结果，但不包括其周围的环境。

总之，ABM提供了将不同行为分配给不同参与者的能力，实现了长期预测，消除了收集、存储和标记数百万数据点的需要，并使我们能够通过分析输出记录得出因果关系。

模型设计

1. 概述

我们的ABM模式是“基础设施经济”，其中供应商向用户提供服务。这种经济模式的例子包括Helium、Filecoin和Chainlink。这清楚地转化为具有不同激励的代理类别。用户为服务付费，而提供者则获得用于支付成本和实现利润最大化的奖励。两个代理人都根据市场趋势进行投机，所有代理人都以利润最大化为目标。我们还包括两个投资者代理人——机构和散户，他们不直接参与网络，但购买/持有/参股/出售代币以实现利润最大化。

为了启动我们的模拟，我们输入一组“初始条件”，包括代币价格、代币供应、网络规模等。然后，模拟进入周期性阶段，一系列事件在此阶段发生，代理人进行交易。每个周期代表一天，重复进行，直到完成指定的总天数。然后，该模型输出每天的模拟数据，包括代理人行为、代币价格和供应变化以及市场状况。

2. 用户

用户被引入到模拟中，其参数来自于概率分布，包括资本量和风险承受能力。这可以理解为他们在市场上的特点，一些代理人倾向于高回报、高风险的行为，而另一些则倾向于保守的行为。在每个时间步骤中，用户为服务付费，评估市场，并做出购买或出售其代币的决定。有几个因素会影响他们的决定，包括当前的代币价格、他们自己的风险承受能力、代币的近期趋势，以及他们自己过去的行为。

3. 提供者

提供者的行为与代理人类似，他们并被引入模拟中，具有风险承受能力和资本，以及占总网络计算能力的百分比，或他们提供的服务的“多少”。 他们的动机与用户不同，因为他们更有可能在任何时间步骤中出售代币，并假设他们必须支付运营成本。提供者向用户提供类似的输入，评估相同的市场趋势和宏观趋势。

4. 投资者

投资者代理人包括两种类型：散户投资者和机构投资者。散户投资者并不像预期的那样参与协议，而是通过投机代币来实现利润最大化。他们在决定交易策略时使用类似的指标，包括宏观趋势、代币价格、他们自己过去的行为，以及他们的利润和亏损。与散户投资者相比，机构投资者可能有代币锁定期和不同的投资目标。他们的决定受到无数因素的影响，包括他们对代币的买入价格、他们的出售倾向、他们的锁定期，以及他们期望的回报。

5. 网络增长

代理人根据不同的概率分布和代币价格趋势流入和流出经济。我们假设，持续的价格增长会诱发更多的提供者和用户进入市场，反之亦然。网络增长分布的确切参数随我们所模拟的协议而发生变化；我们使用真实世界的数据，来调整我们的模型以适应我们模拟的协议

模型校准

我们通过90天的回溯测试来校准模型，这是一个迭代过程。在这个过程中，模型被填充了初始条件、运行，并与实际结果进行比较。目标是建立一个最小化过拟合并描述各种现实世界的基础设施协议的模型，并描述各种现实世界的基础设施协议。我们对三个大型基础设施经济体进行了回测：Helium（HNT）、Filecoin（FIL）和Chainlink（LINK）。

我们使用两个指标来衡量模型的性能：代币价格相关性和相对价格波动模式匹配。我们的模型在这些指标上表现出普遍、准确的性能，使我们对定义的数学关系充满信心。这验证了该模型模拟现实代币价格波动，以响应宏观市场条件和网络采用。

案例研究

一旦根据现实世界的数据验证了我们模型的结果，我们便开始探索其产生可操作见解的能力。 我们的初始模型包括几个可配置的参数，包括市场趋势、代币发行率、网络增长和质押回报。 一个自然的起点是对这些参数进行实验。

ABM的优势在于，能够对复杂的参数间关系进行建模。对于这个最初的作品，我们决定分离每个参数，以了解其对整体经济的影响。这产生了一些关于不同代币学设计选择的见解。

控制案例是一个处于早期阶段的通货膨胀经济，起始供应量为1,500万个代币，每月mint约10万个代币。考虑到流行代币和其他基于基础设施的经济体的通货膨胀率，这大约是 8% 的年通货膨胀率，我们认为这是一个合理的方法。我们初始化了1万个活跃用户和1,000个提供者，比例为10:1，这是我们基于Filecoin的比例，即大约3.5万个活跃用户对4,000个提供者的比例。我们还在每次运行时初始化1,000-2,000个可变数量的投资者。我们使用ETH作为加密货币市场情绪的代理，因为ETH和BTC都能很好地跟踪宏观动向。

每个实验被运行25次，每次运行模拟90天。选择较短的时间段是为了捕捉模拟的经济体的更精细图像，并关注我们实验的直接结果。对于每个实验，我们都会改变一个关键参数并研究其结果。

案例研究1：加密货币市场的影响

在过去的一年里，加密货币在很大程度上与宏观经济趋势相关。通过分析现实世界的历史价格，我们可以看到宏观因素和加密货币价格之间的紧密的关联性。通过ABM，我们可以更深入地挖掘，并开始了解这种影响在各种市场条件下的程范围和强度。

我们只改变“加密货币市场趋势”参数：

对于每一个其他的案例研究，我们每次运行时都使用相同的真实世界的ETH代币价格数据子集。在本案例研究中，我们改变了这些子集，选择了三个不同的90天ETH价格历史周期，包括下降趋势、稳定增长和高增长。我们发现，宏观趋势的影响与我们模拟的代币价格走势高度相关。

尽管每批运行的初始条件和除宏观趋势外的参数完全相同，但我们看到L1代币运动与我们的代币价格之间存在高度的相关性。

在回顾其他案例研究时，即使在严重的通货紧缩或极高的质押回报等极端情况下，市场波动的影响也很明显的。我们清楚地观察到，代理商受到整体市场情绪的强烈影响，并相应地进行交易。

这种影响力可能会导致人们相信，代币设计作为一个领域对现实世界的结果几乎没有影响。 我们认为情况其实更加微妙。尽管市场趋势的影响肯定不能完全得到缓解，但其实糟糕的代币设计有助于加速熊市的崩盘，而智能代币设计则可以提高稳定性和代币价格表现，即使在不断波动的市场中也是如此。良好的代币设计的优势是使这门学科变得值得追求，并使协议设计者能够在各种宏观环境中对其网络进行一定程度的控制。

案例研究2：代币发行计划

代币设计的一个主要部分是通货膨胀率。一种常见的代币设计是使经济膨胀，直到代币供应达到最大值，之后代币会通货紧缩或保持稳定。其他协议可能使用算法平衡，其中协议使用某种方法来burn代币，以响应mint率的波动。我们将其分为四种类型：高通货膨胀、稳定稳定通货膨胀（我们的控制案例）、零通胀和通货紧缩。

通过模拟，我们发现，控制运行（~+8%）的稳定性最高。高通货膨胀（~+37%）略微降低了我们的代币价格，但稳定性的损失很小。而通货紧缩（~-37%）使代币价格略有上涨，但稳定性较差。

令人惊讶的是，这些变化与代币经济中对稀缺性的直观理解相矛盾。当我们让代币通货紧缩，从而变得更加稀缺时，我们看到代币价格只有小幅上涨，稳定性略有下降。代币价格在净零和高通货膨胀率之间没有明显的变化，但我们注意到随着通胀上升，稳定性有所提高。人们可能会认为高通货膨胀会导致货币贬值，从而降低代币价格，但我们的结果显示影响不大。这可能是因为较短的90天运行没有捕捉到通货膨胀对代币价格的长期影响。

由于ETH在merge后变得通货紧缩，其价格没有出现持续上涨，而是由于整个加密货币市场受到更强烈的外生冲击而下跌，这与我们模型的结论相似。我们已经看到一些代币追求通货膨胀或通货紧缩的策略。一般来说，我们不鼓励代币设计者使用发行率作为代币价格增长的驱动因素，而是鼓励专注于与他们的代币相关的激励措施。你的代币应该激励哪些具体行为？哪些具体行为会损害你的经济？代币是如何减轻这些行为的？如果不回答和实施这些基本细节，代币的发行对代币的价格表现没有什么实际的改变。

案例研究3:用户和提供者采用的影响

双边市场中长期存在的问题是，应该激励市场的哪一方？对于我们模拟的基础设施经济，了解哪种代理人增长对经济更有利——用户或提供商——会很有用。我们执行两个模拟，改变“网络增长”参数以引入源源不断的提供者或用户：

我们发现，增加提供者带来了更高的代币增长和略低的稳定性，而增加用户则带来了明显更低的代币增长和略高的稳定性。

这些趋势可以通过用户和提供者之间的动态来解释，其中提供者的涌入引发了稳定的新用户流，从而导致代币价格在大多数运行中上涨。当模拟用户大量涌入时，进入经济的提供者数量比引入一定比例的用户时减少了约 23%。

显然，在任何协议中，用户增长和提供者增长之间仍然需要取得平衡。根据业务的不同，人们可能倾向于优先考虑用户的增长而不是提供者的增长，反之亦然。我们的研究结果表明，在基础设施经济体中，引入提供者会比引入用户的影响更大。

基础设施经济体的代币设计者应该仔细考虑他们的代币应如何激励用户和提供者。例如，提供者的奖励应该带来足够的提供者，以满足网络的需求，而不会出现过剩，在这种情况下，无需过剩的资源，提供者会在投资上有所亏损。2020年，对Filecoin模式的一个共同不满是缺乏流动性和用户流量来支持存储供应商的财务需求。通过过度强调供应者的流入，网络未得到充分利用，从而导致代币价格表现受到影响。同样地，用户的增长应该被谨慎地激励，以匹配网络的容量，避免需求的激增，使提供者数量过少的网络不堪重负。

案例研究4：不同的质押率

质押允许代理锁定一段时间的代币以获得额外奖励。在我们的模型中，代理人可以选择在每个时间段内锁定6个月的质押。他们根据自己的预期收益和锁定代币的机会成本，以及市场趋势和自己过去的行为等一系列其他因素做出决定。为了研究不同质押激励的影响，我们在0%、5%、12%和20%之间改变质押的回报率。

正如预期的那样，对于质押回报率为0%的运行，没有代理人做出质押的决定。我们发现，增加到5%对代币价格几乎没有什么影响，但对稳定性有一些边际改善。将质押奖励增加到12%和20%都会提高代币的整体价格，但在20%的运行中观察到较高的不稳定性。

随着质押回报的增加，网络发展得更快，增加了更多流经经济的财富。当然，这一活动的结果就是代币价格的上涨。然而，我们也看到散户投资者代理人的增加，由于投机交易，在20%的质押回报率下，我们的不稳定性明显增加。

这些结果可能意味着存在一个质押回报的“平衡点”，协议设计者必须在增加的资本流动与增加的投机代理人数量之间取得平衡。在我们的实验经济中，12%是我们运行中最接近这个均衡点的，这使我们的代币价格有明显的上涨，而稳定性却没有损失。当使用我们的模拟作为咨询工具时，我们可以浏览更多级别的质押或模拟不断变化的奖励计划，从而使我们的分析有更高的粒度。

虽然12%提供了网络增长且稳定性损失很小，但这并不意味着每个协议都应该使用12%。 例如，其生命周期早期的协议可能希望减少散户投资者，以专注于核心网络用户和提供者，并将被激励保留代币，且保持较低的质押或关闭质押。我们建议协议监测参与的经济体与投机投资者的比例，并考虑调整质押以激励他们想要的代币持有者组合。

更广泛地说，我们鼓励协议在金融APY之外为Stakers提供额外效用。例如，包括更大的治理权重、对网络安全的贡献以及其他无形的奖励等等。纯粹出于财务动机进行质押，特别是对于新生的协议，可能会扭曲基本面，并吸引唯利是图的流动性，一旦质押奖励减少，这种流动性就会流失。

总结与展望

代币经济的动态是极其复杂的。借助 ABM，我们可以更深入地了解这种复杂性，从分析个体之间的交互以及代币如何影响他们的行为开始。

我们遵循着著名的格言：“所有模型都是错误的，但有些是有用的”。创建预测模型最重要的一步是清楚地了解它的局限性和假设。这个初始部分的一些缺点可能是90天的运行时间和仅针对三个代币的校准等。当我们试验这个模型的功能时，我们将迭代地改进这些假设，并将努力添加新的代理类型、代理功能和协议设计。

我们特别高兴地与我们的投资组合公司和新协议合作，因为他们开发了他们的初始代币机制设计，以帮助评估各种不同的结果。

我们未来的出版物将重点关注“基础设施”之外的其他经济类型，引入费用分配机制，如代币回购，并运行更多的优化，同时，多个参数将被调整。

*本文由CoinTime整理编译，转载请注明来源。