本报告全面统计分析Web3生态中的多种代币,揭示其与传统金融资产在回报分布、波动性聚类等关键经验特征上的高度相似性,并比较了中心化交易所(CEX)与去中心化交易所(DEX)的价格动态与交易机制。研究发现尽管交易机制和长期表现存在差异,DEX和CEX市场的代币价格通过套利行为保持高度一致,为DeFi风险管理、定价模型及投资组合构建提供了重要参考.
Web3代币种类与功能分类 :
研究数据及分析方法 :
回报分布特征:厚尾和聚合正态性 :
自相关分析:收益率无显著自相关,绝对收益率存在强烈波动聚类 :
杠杆效应及时间反转不对称 :
跨资产相关结构与因子模型 :
市场状态与结构事件对统计特征的影响 :
CEX与DEX价格动态及套利分析 :
代币群体聚类分析 :
数据对比与支持性附录:
报告标题:STYLIZED FACTS IN WEB3
作者:A. Christian Silva, Shen-Ning Tung, Wei-Ru Chen
发布机构:National Tsing Hua University数学系等相关机构
发布日期:文档未明确,但包含截止到2024年上半年的最新数据
研究主题:Web3生态系统中的加密资产(尤其是各种Web3 Token)的统计特征分析与传统资产的比较及DEX与CEX市场行为差异。
本报告聚焦于Web3生态系统中多种数字资产(代币)的统计特性,涵盖了从底层区块链原生币(L1,L2),DeFi代币,到游戏及Meme币的广泛类别。通过对比传统金融市场(股票、外汇等)及集中式交易所(CEX)与去中心化交易所(DEX)上的代币交易数据,作者旨在揭示Web3资产与传统金融资产之间的共通性和差异性,提炼出关键的“stylized facts”(经验定律、典型事实),为风险管理、资产定价和资产组合构建提供理论与实践依据。
报告核心结论包括:
作者首先阐述Web3生态的演进,从比特币的点对点电子现金,走向以以太坊为代表的支持智能合约和DeFi的多样化代币生态系统。传统“加密货币”概念已不足以描述现代数字资产,报中特别强调了代币的多样功能如治理权、流动性提供、游戏资产等。本文基于丰富的频次数据,从统计物理学视角提取和比较这些代币与传统金融资产的典型统计规律。报告还涵盖链上DEX与集中式CEX的比较,提示套利者在两者间发挥稳定价格的枢纽作用。
介绍了区块链技术为Web3基础,围绕区块链共识机制PoW(工作量证明)与PoS(权益证明)对去中心化安全性提供支持。代币功能被划分如下:
报告在图1中详细展现所研究代币分类及代表协议,对不同分类代币的职责和权力做了明确区分。
详细区分了集中式交易所(如Binance,Coinbase)和去中心化交易所(如Uniswap,Curve)的运作机制和交易量比例:
数据涵盖传统金融市场资产(SPY ETF、EUR/USD)以及来自Binance、Coinbase(CEX)和Uniswap(DEX)不同交易对的Web3代币,特别选取至少有两年以上历史且活跃的主流代币,排除稳定币以避免基准价格比较失准。
使用高频数据(小时级及更细)来弥补样本长度不足,着重分析log-return(对数收益率)作为返回率衡量方式。报告也警示log-return对高波动资产可能产生偏误,但考虑其与传统文献的兼容性,仍作为主要分析对象。
主要结论是所有代币短时间尺度收益均显著偏离正态分布,表现为“fat tails”,即极端价格波动发生概率高于指数衰减的正态模型,尾部服从幂律衰减(power law)。
举例:ETH一小时收益尾部幂律参数α≈2.4,符合主流金融文献。随着时间尺度拉长至1个月,收益分布明显向正态收敛(见图2)。
JB正态性检验(Jarque-Bera)进一步量化此收敛趋势(图4),大部分代币在长时间尺度上满足正态近似,SPY和LTC等资产量化显示较慢收敛。
图3综览多代币一小时收益概率密度函数,均呈幂律尾特征,验算与传统市场保持一致。
收益率自相关被发现通常无显著性,但某些特定时点(第1小时及第24小时)表现出重复且显著的相关性。
如图5,DEX的ETH池(Uniswap主网与Arbitrum多种池)显示首小时显著正自相关,CEX ETH表现出与SPY类似的无关性,24小时后亦显著负自相关,可能体现交易行为的日周期性。
此特征在所有研究代币中呈现,表明Web3代币市场在短期内可能存在一定效率损失,但较传统市场性质相似。
所有分析代币展现了波动率的长记忆现象,体现为高波动期倾向于后续继续高波动(同理低波动)。
绝对收益率自相关函数(ACF)明显高于传统股票与外汇,呈现缓慢的幂律衰减(曲线平滑下降)。
表1相关参数对比显示,Web3代币的波动聚类特征与股票市场相近(指数约-0.1至-0.35),表明市场波动的时间一致性。
杠杆效应指负收益通常预示未来更高波动性,是股市等传统资产的重要现象,外汇缺乏此效应。
通过计算收益与未来绝对收益的交叉相关(Equation (2)),数据显示ETH存在弱杠杆效应(图8),但强度不及股市,且不同代币表现不一(图9)。
图10将资产平均负滞后与正滞后交叉相关绘图,分出了两大群体。一部分代币(包括BTC、ETH、SPY)表现杠杆效应,另一部分则接近无效应,部分大DEX代币(如UNI)甚至可能反向效应。
TRA反映时间序列统计性质对时间方向敏感,表现为过去波动预测未来内部波动优于反向。
报告以日收益和日内波动率相关性累计差值函数Δ(N)衡量此现象,所有代表性资产及部分代币均显示TRA(图11),但最大DEX代币UNI、BAL无效应(图12)。
这一结果提示,虽然多数代币行为符传统金融市场,部分类别可能因市场结构独特出现不同行为模式。
扩大样本至145代币(日频数据),计算相关矩阵及其特征值谱(图13-14)。
重要发现为代币市场的首个主特征根解释超56%整体方差,远高于股票市场的26%,表明代币市场整体上更集中,主要由少数因子驱动,或可用低维因子模型有效捕捉资产相关性。
通过分析25代币滚动60日相关矩阵主成分随时间的变化(图15),揭示市场状态(牛市/熊市)对整体相关性有显著影响:熊市期间相关性及首主成分贡献更加集中,表明市场联动加强,分散化效益减弱,类似传统市场特性。
本报告聚焦统计特性描述与市场行为分析,无具体估值模型分析。也未专设风险因素章节,但通过分析市场效率、流动性差异、市场结构(CEX vs DEX)、不同代币类别差异等隐含多种风险维度。
分门别类展示了代币按共识机制(PoW,PoS)和应用场景(L1、L2链、DeFi、游戏、Meme币、稳定币)的分类。可视化清晰梳理了研究标的的领域分布及技术路线,有助于理解样本的代表性和多样性。
多缩放时间粒度下,ETH(CEX, DEX池)及传统资产(SPY,欧元兑美元)的收益概率密度函数(PDF)。图中以对数线性混合坐标展示、不同缩放权重分布,使得尾部厚尾和中心峰态均可识别。
全样本多代币1小时收益的PDF。各币种散点按照归一化收益分布,应合并成一条大致的幂律尾曲线。这说明不同代币本质收益分布形态一致,收益极端值同样频繁,是Web3市场的普遍特征。
Jarque-Bera统计量与收益率时间尺度(日)对比。不同代币及资产的JB统计直观展现分布非正态程度及其随时间尺度缩放的收敛行为。
小时级别自相关函数(ACF)图谱,比较DEX池 ETH,CEX ETH,SPY及欧元外汇。
综合所有代币的返还自相关统计,分别计算1、24小时滞后与其他滞后的平均自相关。
一小时绝对收益自相关,展示波动聚类效应。
杠杆效应交叉相关函数,负滞后和正滞后分段处理,绘制得分在±3标准误差的置信带。
全部代币的杠杆效应交叉相关,显示大部分资产的统计显著范围内波动,只有少数代币在特定滞后表现出异常。
图示强调资产横跨多类别的异质性,暗示构建普适模型的挑战。
杠杆效应的二维特征空间图。
时间反转不对称性(TRA)的定量和全样本代币分布表现。
多代币市场相关矩阵热图及主成分动态演化。
ETH与BTC的牛熊市区分价格走势展示,作为分析区分统计特征的基础时间区间。
基于统计特征的代币层次聚类距离矩阵。
DEX与CEX价格动态及交叉相关度分析。
主要辅助验证报告主体参数和结论,包括回归尾指数、ACF详细图示、零收益率对统计量影响验证、不同交易所价格对比等,均支持核心结论稳健性。
报告未直接开展估值模型构建,未提及DCF、可比市盈率等常见估值方法。更多聚焦统计特性、因子结构和市场动态,间接为未来估值模型的变量设计和风险考量提供数据基础与理论支撑。
报告未独立章节梳理风险因素,但可归纳以下潜在风险及影响:
总体而言,报告在严谨分析的基础上恰当表达了Web3市场的复杂性和独特性,避免了过度简化。
本报告系统地揭示了Web3代币市场的七大典型统计特征,验证它们与传统金融市场的高度一致性,尤其是Fat-tail收益分布、波动聚类及因子驱动的资产相关性。尽管Web3资产功能和技术路径各异,但统计性质表现出惊人相似性,反映出金融市场的共性动力学。
CEX与DEX之间在价格统计特征上无显著差异,显示套利机制维系了价格一体化,CEX依旧是价格发现主渠道。该发现对DeFi市场的价格模型构建、风险管理与投资策略优化具有重大意义。
代币类型、共识机制和生命周期对部分统计变量(如杠杆效应、时间反转非对称性)产生影响,提出未来需结合市场结构细分制定策略。时间维度上的市场阶段与重大事件改变资产统计特征,影响风险评估和资产定价稳定性。
通过聚类分析梳理了市场内代币特征相似性,有助于行业参与者实现风险分散和资产配置,有助于学术界深化因子模型设计。
图表充分支持报告论断,展示了统计物理学工具在金融市场尤其是数字资产领域的卓越应用。
最终立场:
以上为该报告的专业深度解构与全面解析,内容丰富、结构清晰、论据翔实,为学术研究和实际操作均提供了宝贵的洞察。欢迎针对任一章节、数据或模型部分进行互动探讨。
2408.07653.pdf