斯坦福經濟研究所對比特幣定價的研究,你若看過,可能財務自由了

比特幣的價格由哪些因素決定?

陳舊度是如何影響BTC的價格呢?

.......................

想知道答案嗎?讀完這篇深度長文你就懂了,這是小蟻花費差不多2周的時間一字一句翻譯校對的部分內容,再加上是論文,所以閱讀起來會有些費力(智商高者和比特幣狂熱者除外),但是隻要你能讀完,我相信收穫一定頗豐。【注:中間有寫複雜的經濟模型已經省略,讀者直接看結論就好了】

---------------------------------------------------------------------------

比特幣的定價,採用和使用:理論和證據

出自:Stanford Institute for Economic Policy Research斯坦福經濟政策研究所

作者:蘇珊·艾西(Susan Athey)伊沃·帕拉什科沃夫 毗溼奴Sarukkai

翻譯:小蟻

摘要

本文開發了一種用戶採用和使用虛擬貨幣(例如比特幣)的模型,並關注匯率波動的不確定性所帶來的採用變動。該理論模型可用於分析市場基本面如何決定法幣對比特幣的匯率(下文將簡化稱匯率)。比特幣價格和效用的實證證據提供了有關模型能解釋價格的混合證明。在比特幣公共分類賬上進一步分析所有個體交易歷史建立了包含用戶類型、交易類型和地理位置相關的比特幣採用和利用的方式。我們看到到2015年中期,比特幣使用活躍度並未快速增長,投資者和不常使用的用戶持有大多數比特幣。我們記錄了在某種程度上可以通過用戶行為推斷出比特幣匿名用戶的屬性,同時,我們發現參與非法活動的用戶更有可能試圖保護其財務隱私。

1 引言

自2013年初開始,“數字貨幣”或“加密貨幣”比特幣【中本聰. 比特幣: 一種點對點的電子現金支付系統, 2008.】在公眾媒體上的報道引起了極大的關注,當時該公司的交易量和市值已經客觀存在。本文的目的是在理論上和實證上從比特幣市場、價格確定及其用途的角度來探索比特幣。

定義比特幣是複雜的:它可以描述為一個協議,一種貨幣,一個支付系統或是一類技術平臺。比特幣的核心是開源軟件,圍繞比特幣服務是由一系列獨立的公司和軟件開發人員添加的。該軟件實現了交易公共分類帳、協議和維護安全性的軟件。如果在分類條目上將比特幣轉移到屬於某個人的地址,則這個人“擁有”比特幣;如果這個人具有適當的密碼,則這個人可以依次授權給分類賬目將其分配到另一個人的地址。與可以通過數字方式查看或操縱的銀行餘額不同,個人的比特幣餘額不是“ IOU”或按需提供資金的承諾;擁有與比特幣地址相關的密碼的個人能完全控制它的處置,並且比特幣餘額與其他任何因素不相關。完整的比特幣所有權的定義是分類賬上將其分配給某個地址的權利。

當資產是純數字資產,並且公共分類帳可以安全地跟蹤資產所有權時,許多新用途成為可能。最近,各種各樣的初創公司都使用了比特幣分類帳或類似比特幣技術來提供各種服務(例如證券結算)的平臺(納斯達克正在研究這種應用或銀行間法定貨幣結算(Ripple報告說,排名前50位的銀行中有10家積極進行支付和結算整合)。在本文中,我們將不再關注這些應用程序以及將比特幣作為技術平臺的觀點,而是考慮消費者直接使用該技術,例如價值存儲或作為支付系統。

對於支付,比特幣具有幾個獨特的功能。一個個體可以把比特幣轉到世界上任何其他地方,不依賴於軟件信任之外的交易對手或信任關係,並且也確實不需要經過任何公司或政府機構的授權。以電子方式轉移價值所必須的是通過密碼來授權分類帳入口將比特幣轉移至另一個地址。另一方面,如果接收者想在短期內從比特幣獲得價值,她必須找到願意接受它們的商家或找到比特幣的個人買家,或在交易所出售它們。這會產生使用比特幣的風險和摩擦;這些將是本文的重點。

鑑於要使用比特幣作為支付系統,用戶必須承擔匯率波動的風險,法定貨幣兌比特幣匯率在比特幣效用分析中起著核心作用。實際上,波動的比特幣價格已經引起了媒體的關注,並與數十億美元的交易量聯繫起來。有自助式、基於互聯網的用比特幣兌換法定貨幣的貨幣兌換。個人可以電匯(wire)或以其他方式將法定貨幣匯入或從交易所獲取,並以電子方式發送或接收比特幣。比特幣兌法幣的匯率浮動是由供求關係決定;沒有政府機構或公司對其價值作出擔保,比特幣的供應本質上是預先確定,並且它們會隨著時間的流逝以固定的速率創建,直至達到最大值。我們將比特幣的創建(“採礦”)和安全分類賬的維護留給其他人,儘管有些令人著迷的經濟問題也涉及到比特幣的這些方面。

在有關如何確定匯率的普遍討論中,比特幣不受政府支持並且也沒有基本價值這一事實引起了困惑。本文的首要貢獻在於表明比特幣匯率可以(在非常典型的模型中)完全由兩個市場基本面決定:比特幣用於支付時處於穩定狀態的交易量,以及有關技術生存可能性的信念的演變。在穩定狀態下,匯率由比特幣的交易量與供應量之比(ratio)確定的。在沒有投資者充分參與的情況下(即當對比特幣的需求主要是比特幣的用戶時),匯率還取決於採用率和需求水平。在我們的模型中,匯率會隨著時間的推移而上升,直到達到穩定狀態。所有相關用戶在有適合比特幣用例的需求時使用該技術。

然後,我們進行兩種不同類型的實證工作。第一,考察隨時間變化的比特幣交易量和匯率之間的關係,這表明匯率通常遵循一種方式,它與價格上漲幾個(非平凡)時期之外的基本面一致。因此,至少在方向上,供需力量似乎是有作用的。

其次,我們查看比特幣的個人行為,以瞭解如何使用比特幣(特別是用於投資還是付款)。這可能是因為分類帳是公開的,儘管使用比特幣的是“假名”,這意味著身份信息和地址沒有聯繫,地址會隨著時間的流逝而變化,但是,由於個人通常有多個地址(由於在“錢包”中有一些有關地址管理方式的細節),所以判定比特幣地址集合是個人用戶還是比特幣企業並非易事。以羅恩(Ron)和沙米爾(Shamir)[2013年]和Meiklejohn等。[2013年]為基礎,我們結合公開可用的數據源實現多種啟發式方法,將地址分組為實體並確定業務。總而言之,我們使用大約220,000個實體的列表,這些地址很可能是屬於企業,我們採用了約7800萬個比特幣地址並將其分組為2700萬個不同的“實體”。

使用這個數據,我們分析用戶的採用和行為。我們證明了比特幣的所有權高度集中,只有一小部分用戶屬於長期用戶,經常使用的用戶(經常使用的用戶作為活躍用戶進行交易的時間超過持有時間的10%)。大多數用戶只進行少量交易。頻繁用戶在網絡中的份額並沒有增加。交易量很大一部分發生在交易所。因此,投資者目前可能在交易量中起主要作用。從我們理論模型的角度(lens)來看,這意味著匯率可能使人們對比特幣的未來的信念更加敏感,以及出於自身原因對當前交易量不太敏感(儘管當前交易量可能是未來的信號)。

然後,我們將更詳細地研究比特幣的幾個用例。其中一個用例已經獲得公眾的關注,那就是使用比特幣購買毒品和槍支等非法物質。在絲綢之路(Silk Road)網站關閉前,它是著名的以運營點對點使用比特幣付款的毒品交易場所。我們只能確定約1%的美金交易額與違禁品有關,以及賭博所佔的比例也很小,儘管在我們的數據中有最大的已知實體的地址(例如,我們確定的這些走私網站Silk Road,Silk Road 2,AgoraMarket和Evolution Market,總量交易額為90億美元,以及賭博網站Satoshi Dice(交易額為20億美元)。我們還將探討用戶保護其隱私的努力。有一個名為CoinJoin的系統為了掩蓋資金來源,混合來自不同地址的餘額並將其發送到新地址,當然,使用CoinJoin會使我們分析用戶行為的嘗試變得複雜,我們將地址分組為實體的啟發式方法會根據CoinJoin的使用進行調整,同時增加噪音(隨著時間的推移,很難跟蹤CoinJoin用戶)。我們發現那個違禁品買家(佔所有買家的19%)比一般買家(12%)更有可能使用CoinJoin來保護他們的隱私;相比之下,賭徒與一般人群非常相似,在比特幣歷史上,大約有12%的賭徒使用Coinjoin。仍然令人驚訝的是眾多的違禁品購買者不使用這項服務。

比特幣的另一個關鍵用例是國際支付。鑑於我們沒有有關用戶的身份信息,很難直接分析國際轉移。我們嘗試基於2858個已知來源國的用戶的練習數據集,並根據用戶行為將用戶分為四個地理區域,我們使用交易時間和交易所等特徵獲得中等分類率(大致60%),這個例子也用來說明即使沒有直接身份信息,也可以從用戶身上了解到很多東西。使用分類,我們以國家為維度分析採用曲線和行為模式。我們看到交易量更多地集中在區域內,但是也有適當的跨區域貿易量。

總體而言,微觀數據支持以下結論:今天比特幣最重要的用例是投資(價值儲存);這使得將匯率與當前基本面聯繫起來變得更加困難,反而更加重視對未來的信念。儘管系統具有假名性質,我們可以提供有關比特幣使用的豐富描述性統計數據,並且可以很好地基於用戶行為適當地對比特幣用戶進行分類 。微觀數據得出的所有結論均受制於這一告誡——將原始數據轉換為實體時使用了許多啟發式方法。

2略

3 比特幣匯率的理論模型

本部分建立了比特幣採用以及比特幣兌美元匯率的理論模型率,目的是證明存在一系列連貫的假設,在這個假設下,比特幣匯率完全由經濟因素決定。我們從總結現實世界比特幣市場中起作用(at work)的一些經濟力量開始,然後建立一個捕獲一些關鍵力量的模型(從許多其他事物中抽象出來)。

比特幣具有“私人資金”的某些功能-由私人團體發行的錢而不是中央政府,私人資金的一些用例包括商家網絡(例如“ Ithacahours”或BerkShares)中可用的當地法幣,由私人銀行發行的票據,其價值與政府支持的貨幣掛鉤,由銀行發行的票據(notes)其價值是浮動的。在許多情況下,私人貨幣的未來價值存在不確定性因素(在美國通過要求私人銀行持有美國政府債券以支持銀行票據的法規解決了這種不確定性。私募資金受到了許多方的批評,包括匯率波動及其帶來的低效率,和其引起的對貨幣供給缺乏控制,以及銀行擠兌的可能性帶來的不確定性([菲舍爾( 1995)])。比特幣不具有部分儲備銀行業務中出現的相同問題,因此可以被認為是具有某些獨特特徵的私人貨幣,例如不受銀行擠兌。它可能帶來其他風險,例如技術風險。

比特幣更直接相關的一連串文獻著眼於存在於貨幣發行人可以承諾貨幣的未來發行環境中的私有貨幣的能力。在有正的實際利率的世界裡,為了讓代理商持有貨幣,本質上它必需是通縮的,要求發行人承諾隨時間回購貨幣([馬裡蒙等。, 2012])。比特幣已經預先承諾了將要發行的比特幣總數;與此同時,比特幣繼續以基本上預先指定的速率發行,而鑄幣稅則用於補償參與維護交易分類帳的個人。就這樣比特幣協議解決了承諾問題。

但是,由於比特幣沒有基礎資產的支持,而是完全波動匯率,其未來價值存在重大風險。如果比特幣具有作為貨幣或匯款的媒介的用途,則其未來價值可能與未來使用量掛鉤。在這些方面,它還與風險資產共享一些特徵,隨著信息的披露,這些風險資產裡對資產未來潛在價值的信念隨時間而變化。在這樣的在環境中,可能會形成投機性“泡沫”, 投資者可能存在相互衝突的信念的空間。考慮到比特幣匯率發生的許多波動,這個泡沫的感念似乎對比特幣很重要。

更廣泛地講,宏觀經濟學文獻中另一個受到關注的問題是“金錢就是記憶”([柯薛拉柯塔, 1998年])。確實,這些經濟學文獻得到了早期比特幣行業參與者的關注,學者們還發現,比特幣(作為純數字記錄保存設備)完全符合該理論框架([路德和奧爾森,2013年])。隨著技術降低公共記錄保存設備的成本,數字分類帳可能會替代物理硬幣,這一點看起來順理成章。

在本文中,我們建立了一個模型,其中包含了部分這些問題但並非全部。在我們的模型中,比特幣的匯率由用戶(也就是投資者)決定的比特幣供需確定,用戶需求基於國際支付能力,國際支付的替代方法收費高。比特幣既需要付出成本,也需要承擔匯率風險。匯率風險是內生確定的,並隨時間而變化。技術的潛在價值存在不確定性;我們將其合併為技術的不可觀察狀態,如果技術存在缺陷,則比特幣可能會“崩潰”並導致硬幣損失。隨著花費了各種各樣的精力,且持續對基礎技術質量的信念的提高,在我們的模型中,隨著由使用比特幣確定的穩態,採用率也隨著時間增長。投資者加速了相對於用戶的匯率路徑的變革,其風險規避和成本可能會導致有投資者購買比特幣的機會。

3.1模型設置

本節將開發理論模型,我們將使用該模型來了解比特幣和比特幣在人口中的總的採用情況。該模型說明比特幣匯率可以立足於經濟基本面,匯率會隨著使用量的增加而上升(rises with usage)。

我們考慮一個模型,其中比特幣的主要用途是跨境轉移資金——一種匯款模型。在使用比特幣進行支付的模型中也產生了類似的,還有一些其他的複雜因素(例如,買方和賣方選擇如何分享比特幣使用帶來的收益)。

我們的模型忽略了許多重要因素。我們沒有納入多種信念或投機泡沫。除了信仰之外,我們也不用在用戶端加入狀態變量。特別是,我們不考慮意識或利用方面的網絡效應。我們有一定數量的代理商,原則上他們可以在每個時期使用比特幣,一旦所有代理商都採用率,匯率就會回應需求衝擊在穩定狀態附近波動。因此,我們的模型排除了始終有代理處於採用的邊緣的可能性,並且沒有完全納入重要的現實世界效應,即比特幣的波動性會隨著市場的增厚而大幅下降。剩下的另一個相關因素是其他公司的競爭反應:其他虛擬貨幣可能會進入市場或銀行可能會削減費用(或採用可降低成本和延遲付款的技術)。

3.1.1技術和信念

比特幣是一種可能有或沒有缺陷的新技術。

3.2-3.4省略模型

3.5理論結果總結

因此,我們的模型提供了以下內容:

1. 在沒有投資者的情況下,如果所有代理商最終都採用比特幣,那麼就有一個(法幣兌比特幣)匯率在每個時期都唯一平衡,且它取決於供求關係(經濟的基本面)。

2. 比特幣的穩態預期匯率等於預期交易量和比特幣的供應之比。

3. 交易量反過來取決於比特幣相對於其他可選支付的優勢。比特幣的初始供應水平無關緊要,因為比特幣可以無限地整除,儘管總供應量是外生的,這一點很重要。

4. 以生存為條件,隨著時間的流逝,人們對比特幣的質量的信念逐漸發展並導致了採用也日益增加。

5. 當代理商對風險的厭惡程度更高時,比特幣的利用率開始較低。

6. 學習和信仰的本質也會影響採用率和匯率的發展。

7. 投資者可以購買比特幣,這會減少用戶的有效供應並增加市場均衡價格。

8. 在沒有投資者的情況下,匯率增長與採用增長的比例成正比,雖然匯率從較高的價格開始,然後在有投資者存在的情況下逐漸增加到穩態,而一旦達到穩定狀態,投資者便停止投資。

9. 如果投資者從外部購買了一定數量的比特幣並持有(或丟失了一些),匯率將根據從市場撤出的數量進行比例調整。

3.6從理論到經驗

理論模型提出了許多經驗假設進行檢驗,並回答以下問題:

1. 比特幣的價格和交易量緊密相關嗎?價格直接是一部分交易量除以比特幣的數量之比嗎?

2. 與國際支付和電子商務相比,使用比特幣作為價值存儲的活動份額是多少?

3. 在商業用途中什麼用例看似流行?非法活動重要嗎?用戶是否似乎在保護自己的財務隱私?

對於第一個問題,如果比特幣價格主要由當前交易需求決定,以及隨著時間的推移,速度相對恆定,該理論表明價格應該與交易量成正比變動。第二個問題的答案說明了哪些摩擦與用戶相關。如果國際轉移和電子商務是重要的用例,則減少匯率摩擦可能會進一步提高採用率(回想一下,在理論模型中,匯率不確定性會降低比特幣的效用)。如果看不到這些用例,則可能得出結論:現有的摩擦是禁止的,但是這個發現也會與消費者有其他付款方式的預測一致。瞭解不同用例的比列還有助於預測交易量的增長,在理論模型中這一點會影響交易中的匯率。第三個問題涉及什麼類型的替代支付技術與未來比特幣競爭(模型中的外部選項)。

4 比特幣匯率彙總分析【重點來了】

在本節中,我們將提供有關匯率、交易量、以及有效比特幣供應。本節中使用的數據來自Blockchain.info,在其網站上數據是公開的。我們信賴Blockchain.info是因為此網站提供不包括比特幣主要交易所的交易量的估計,我們相信他們與比特幣交易所相關的地址列表比我們擁有的更為完整和準確。Blockchain.info還利用啟發式方法刪除更改。

為了將匯率與有效供給量成正比的理論預測付諸實施,我們需要引入比特幣速度的概念。一般來說,速度定義為交易量與貨幣供應量之比。對於比特幣,我們操作為

速度=交易量/(匯率×比特幣供應)

我們可以交換下自變量和因變量位置就解決了匯率問題,如下所示:

匯率=交易量/(速度×比特幣供應) (11)

該方程式使匯率是需求(交易數量)和有效比特幣供應的觀點正規化。請注意,此等式成立無需假設, 它只是換了下位置。然而,用這種方式來寫,也許更自然地解釋影響匯率的因素:如果未來的比特幣供應量是已知的,然後預測價格歸結為預測交易量與速度之比。

有多種因素可以影響法定貨幣的匯率。數字貨幣有一個與眾不同的因素集;例如,人們可能會更長時間持有比特幣,如果他們花費的地方很少,或清算時涉及交易成本。對於比特幣,速度和交易量似乎將來會一起移動:使用比特幣的能力的提高將導致人們更經常地花費它,同時增加交易量。另一方面,交易量可能會大幅增加,同時速度也會有更為溫和的變化。其他可能影響比特幣速度的因素包括:積極使用比特幣的用戶(與可能已收到比特幣但不考慮使用它的用戶相反)、丟失的比特幣份額(例如,密碼或錢包的丟失)或沒收、進行商業使用比特幣的機會(例如,商家接受)、以及便利應用程序的可用性,例如在移動平臺上。我們進一步觀察到這些可能會增加速度的因素也可能影響交易量。為了讓大家更多的瞭解這些因素,在下一節中我們將分析交易級別的數據。

斯坦福經濟研究所對比特幣定價的研究,你若看過,可能財務自由了


圖3

斯坦福經濟研究所對比特幣定價的研究,你若看過,可能財務自由了

圖4

圖3顯示了比特幣市值的演變(此時比特幣匯率與供給量的乘積,它是(11)式的分母,以及兩個以美元計算的年度交易量(11)式的分子)。第一個是前365天的交易量的總和,第二個是過去30天的總和,按365/30比例遞增。該圖顯示,市值大致緊跟交易量。圖4顯示了兩種形式的速度的隱含速度序列,一個是用前30天的交易量構建的(按365/30調整比例),另一個是用前365天的交易量構建的。該圖表突出表明,在某些高交易量時段之外,速度一直相當穩定。為了解釋速度序列,有必要回顧一下,在傳統經濟中,人們對速度的理解相當模糊。M1速度,等於名義GDP和M1貨幣供應量的比率,自1970年以來一直在5到11之間變化。對於比特幣,儘管我們報告的方法排除了Blockchain.info確定的交易所交易量,我們很可能沒有一個能與GDP相媲美的衡量真正經濟活動的指標。此外,在投機活動頻繁的情況下,計量問題可能會高估非外匯交易量,因為默認情況下,交易量包含在我們的度量中。由於歷史上比特幣的高價格吸引了大量投資者活動,因此在那段時間裡我們可能會帶著更多的疑慮來看這些估算值。

斯坦福經濟研究所對比特幣定價的研究,你若看過,可能財務自由了

圖5

斯坦福經濟研究所對比特幣定價的研究,你若看過,可能財務自由了

圖6

如果比特幣速度保持恆定,那麼將實際比特幣價格與可以預測的價格進行比較是很有啟發性的。這個實踐結果如圖5和6所示。如果速度保持恆定在3或5,圖表顯示11式預測的價格。除價格暴漲的幾個時期外,預測價格大致緊跟實際價格。換一種說法,總數據與價格由當前交易量和相當穩定的速度決定的理論在性質上是一致的。為了量化擬合優度,我們進行了如下練習。首先,避免近期匯率影響年度交易量測算的問題,匯率隨時間呈序列相關,我們嘗試預測30天之前的價格。我們考慮將比特幣總供應量的測量、365天的交易量,並將兩者之比作為預測器。我們通過獲取每週平均值進一步彙總數據。由於匯率波動很大,因此我們從這些每週平均值的對數來分析擬合優度。具體來說,使用2013-2015年的數據,將30日前匯率和“365日交易量與比特幣供應量之比”的對數進行迴歸,R2為.83。為了瞭解價格僅使用時間的可預測性,我們考慮將30天前的匯率與週數(2013年開始)以及週數平方、立方和四次方以及週數的對數進行迴歸。後一回歸的殘差平方和是2的3.5倍。也包括365天交易量與比特幣供應量之比作為協變量的迴歸。後一種迴歸的R 2為0.97。

更好地瞭解比特幣使用的微觀經濟學將讓你知道匯率波動的來源和速度的時間趨勢,從而解決了價格形成的原因。此外,檢測交易級別的數據將有助於回答數據是否與理論模型一致的問題,在理論模型中交易量是匯率的主要決定因素;如果投機和投資起著更重要的作用,包含投機者的理論模型可能更合適。我們將在下一部分繼續進行此分析。

5 公共分類帳的微觀分析

5.1實體檢測與分析

比特幣分類帳是公開的,這似乎使分析交易看起來相當簡單。該系統的許多特殊功能使將分類帳數據轉換為具有經濟意義的數量更具挑戰性,實際上做到如此精確是不可能的。因此,我們將參考文獻並採用許多啟發式方法進行我們的分析。由此必須從一開始就強調:我們所有實證結論應解釋為對事實的嘈雜測量。另外,應用不同的啟發式方法可能會改變結論。

許多作者描述了比特幣區塊鏈及其機構特徵。參見Brito和Castillo [2013年],Böhme等。[2015年]。在這裡,我們將概述一些影響我們的分析。首先,區塊鏈記錄不同比特幣地址之間的交易。這些地址通常通過稱為“錢包”的軟件產品進行管理,其中錢包包含多個地址。地址是假名–沒有附加任何個人身份,此外,在比特幣分類帳中地址與相應錢包沒有關聯。弄清楚來自兩個錢包的地址是否屬於同一個人可能非常困難,並且我們不會在本文中嘗試這樣做。相反,我們使用啟發式方法分配不同的地址到同一個錢包。

以啟發式(概率性地)將地址分組到錢包中為基礎,我們充分利用這個情況:當某人進行比特幣交易時,來自該地址的所有比特幣都用作交易輸入。那些資金被分開轉入接收地址,然後硬幣作為找零又被退回去,協議在其中生成新的找零地址(查)。如果我們可以確定哪個部分發生了更改,則可以把零錢接收者的地址與發送人的錢包關聯起來。我們還結合了其他一些啟發式方法。我們把一組聯繫在一起的地址稱為“實體”,對於個人用戶而言,其中啟發式方法旨在把實體和錢包聯繫起來(對於公司,我們可以把一個公司使用的錢包聯合起來作為一個實體)。

我們對啟發式技術的概述如下:

1. CoinJoin和混合交易:我們使用啟發式方法來識別“混合”交易。

如果有四個以上的輸入和四個以上的輸出,則將它們標識為混合,(在下面進一步討論),並且將這些交易排除在其他啟發式方法之外。在我們的數據中,有14,957,194個地址被確定至少是混合交易的一部分,一項交易中至少有66,160,456個地址未標記為混合。

2. 普通人啟發式([羅恩(Ron)和沙米爾(Shamir), 2013年]):在m對n的交易中,我們假設所有m個輸入地址都由一個公共實體控制。此外,如果有一個輸入地址是兩個單獨的m-n和m'-n'交易,那麼我們假設所有(m + m')輸入都是由同一實體控制。

3. 變更標識:被指定為可能是變更地址的地址作為發送地址分組在同一實體中。

(a)在兩個輸出的交易中,如果一個輸出比另一個輸出(4個或更少的小數位)多3個小數位,我們將小數位數較多的輸出聲明為更改地址。例如,如果交易有

輸出.02和.01615265,我們確定後者為更改地址。這基於此假設——比特幣用戶不太可能向其他難以理解的帶有很多小數位數的數目的用戶發送比特幣數量。

(b)(Meiklejohn等。[2013年]):如果在非同區塊交易中只有一個地址第一次被視為輸出,並且在這次交易中沒有自我更改地址,我們說這個地址是一次性更改的地址。

相對於Meiklejohn等。[2013年],我們添加了混合和小數位試探法。我們的總量目前接近Blockchain.info上的估計交易量。我們還合併了有關已知實體的其他數據源。邁克約翰等。[2013年]提供了約1,138個地址的數據,包括大約2013年初的主要交易所,絲綢之路,賭博網和一些主要供應商。該數據是通過進行交易獲得的。我們用了公開發布的主流已知比特幣地址列表;來源在第8.1.1節中在線附錄進行了詳細說明。最後,我們抓取了博客網站http://Bitcointalk.org,找到了比特幣捐款支撐的博客,這證明了博客的原籍國。確定了總計3,906,194已知地址。表2總結了地址數和各行業的不同名稱的數量,其中我們的行業分配是使用啟發式方法和互聯網研究方法手動進行的。最後,如果我們不能以其他方式識別這些實體,我們將非常大的實體分類為未知的互聯網業務。我們將這些未知的互聯網業務通過至少與100個其他實體進行過交易且尚未被瞭解的交易量來定義前200名實體。儘管這絕不是使用比特幣的所有企業的完整列表(comprehensive list),我們仍然相信,基於圖10這是一個很好的啟發式方法,圖10顯示了實體的數量,這些實體至少與交易量排名前1000的已知企業中的至少有過一個交易夥伴的每一個企業都有過交易。在這些已知業務中,大約75%的業務至少有100個業務夥伴,合理地假設至少有100個交易夥伴和巨大交易量的實體都是公司。請注意,將地址合併為實體時出現的錯誤將被引入到對大型未知實體的定義中。請參閱表1,以瞭解有關這些業務所分配的行業的更多詳細信息。我們將“個人用戶”定義為用戶,他既不是已知也不是未知的大型實體,即使某些個人用戶可能是某種公司類型的。

雖然比特幣交換通常是發生在鏈上,比特幣所有權的轉移記錄在公共分類賬中,但是也有些比特幣活動可能會在“鏈下”發生,也就是不在區塊鏈上。例如,比特幣錢包服務可以將比特幣在特定地址的所有權從一個錢包用戶轉移到另一個錢包用戶。雖然比特幣已經成功地由一個用戶給了另一個用戶,但在區塊鏈上是沒有該交易記錄的。交換比特幣的兩方之間的信任是鏈下活動十分的便利,當兩方互不信任時,活動通常涉及受信任的第三方(關)。沒有信任,債務將無法償還,第三方服務將退還資金,用戶將不會參加鏈下活動。鏈外服務的一個例子是Circle,它允許客戶在存錢之後可以互換地發送和接收傳統的法定貨幣或比特幣。在貨幣之間轉換資金或在用戶之間轉移資金是不收取任何費用的,實際上交易是系統用戶之間的債務轉移。大部分交易保留在Circle系統內,沒有寫入區塊鏈,只在存款和取款期間進行交易(考裡 [2014年])。我們在本文中不討論這項活動。

5.2實體創建:初始結果彙總

在表3中,我們總結了實體創建活動的結果。我們展示了地址和實體的數量。按行業分類(基於已知實體的類別)。我們看到每個實體的平均地址數隨行業類型而變化;例如個人用戶每個實體的平均地址數為2.4,中間值為1。因為許多地址只涉及一次交易(它們只接收比特幣,但再也不會進行交易),所以看到這麼多單個地址的實體(27,474,538個實體中的19,654,960個)並不奇怪。

表4列出了與每種已知實體發生交易的份額(以美元價值和交易總數作為份額)。我們發現個人用戶之間的交易佔大多數,而大型未知實體則佔第二。在與已知實體的交易中,交易所是最大的類別,其次是賭博,違禁品和採礦。應當指出,可以肯定的是我們識別已知實體的能力在各個類別之間並不統一,因此應謹慎解釋統計數據。

5.3採用和使用

在本節中,我們考慮不同類型用戶的採用和使用模式。這對交易量變革有影響,交易量又反過來影響價格和波動性(進而影響使用情況)。

我們使用啟發式方法根據用戶的行為將用戶分組,例如他們是不頻繁的還是頻繁的交易者,以及它們與比特幣監測到的交易時長。圖7顯示瞭如何定義用戶類型。圖 8顯示了隨時間變化的與每種用戶類型相關的比特幣餘額的一部分的演變。一個關鍵的觀察是短期和長期的頻繁交易者類別沒有增長;這表明比特幣速度可能會隨著時間的流逝而下降(可能會影響未來的交易量以及對未來交易量的預期,從而影響價格)。另一個觀察結果是長期不頻繁交易者和投資者共同持有大部分比特幣。另一方面,就實體比例而言,短期用戶和一次性用戶的比例有一個轉變,從2012年7月的不到20%的實體增加到2015年5月的超過40%的實體。

斯坦福經濟研究所對比特幣定價的研究,你若看過,可能財務自由了

圖7

接下來,我們考慮的是速度的基本原理如何在整個用戶組和不同群體之間以及時間的推移而變化。由於速度是一個總體概念,因此我們在用戶級別上創建了一個更易於使用的定義,我們在用戶級別定義比特幣的“陳舊性”。使用先進先出的次序,我們測量每個比特幣在實體錢包中花費的時間長度。在給定的月份,一組用戶的比特幣的平均陳舊度被定義為用戶的其中一個比特幣在他們的錢包裡的平均時間長度。

圖9說明了隨著時間的流逝,比特幣的陳舊度。我們看到在礦工的類目裡,平均陳舊度隨著時間的推移一直穩定增長,大概是因為已經挖出來的比特幣保留在原始礦工的錢包中,沒有使用。對於保留比特幣的用戶類型來說,長期不頻繁交易者和投資者的陳舊性也隨著時間而增長。由於他們中許多人對於比特幣來說是新手,截至2015年5月,投資者的陳舊度在一到兩年之間,投資者的陳舊度呈線性增長。

斯坦福經濟研究所對比特幣定價的研究,你若看過,可能財務自由了

圖9

把圖8和9放一起,我們看到很多交易量都與一次性交易用戶有關聯。隨著時間的流逝,屬於礦工的交易量份額在交易產出方面穩定下降。從2014年中後期開始,其他“已知實體”持有(held)的比特幣的陳舊度開始大幅增長,而在2015年5月該群體的比特幣的平均陳舊時間將近400天,在2014年11月和12月之前,平均陳舊度從未超過200天。這些“其他已知實體”的減少了的交易數量至少可以通過以下事實來作部分解釋:我們在已知地址上的大部分信息是由Meiklejohn等提供。並且極有可能2013年初許多活躍公司在2015年不再活躍,導致即使他們停止運營了,但仍然持有比特幣,這導致了比特幣陳舊度的增長。最後,截至2015年5月,交易所的投入和產出均佔交易量的10%以上。我們從“新礦工”中分離出“老礦工”,其中老礦工是在第一個減半(2012年11月28日)之前創建帳戶的,早期的比特幣礦工可能不能再使用他們的比特幣;這些硬幣在當時不是很有價值,因此有些人可能粗心大意(私鑰丟失)也是說得通的。

5.4財務隱私和違法行為

關於比特幣用例的下一個問題涉及其隱私保護(和破壞隱私)的特性。由於所有交易都有公開記錄,因此與現金不同,比特幣可跟蹤。另一方面,由於比特幣沒有將用戶身份與地址連接在一起,因此似乎可以以另一種方式保留匿名性。可以取消識別用戶身份的一種方法是,如果他們的同伴之一向他發送比特幣;然後同事在其他情況下透露他們的地址。法律的強制執行可能會尋找可疑犯罪分子的同夥並試圖通過多種方式獲得他們的地址。(對於像Circle這樣的鏈下服務用戶,用戶應該大概知道執法部門可能能夠在法庭命令下獲取他們的個人信息以及交易活動;而這些服務需要身份信息以用於註冊。

意識到保留永久公開記錄比特幣活動的潛在隱私風險,比特幣行業參與者創造了各種意在保護用戶金融隱私的服務。一個示例是“混合”服務([i])。簡而言之(in short),混合服務結合來自各種比特幣地址的資金,然後將它們重新分配給一組新的比特幣地址。原則上,如果將10個地址分別放入1個比特幣中,並且10個地址各自接收1個比特幣,則很難確定10個地址中的哪個地址是任何收件人的來源。當然了個人必須信任混合服務將他們發出去的比特幣再發回給他們;這可以通過信譽來實現,也可以通過允許執行被檢查的交易的軟件來實現。

如第5.1節所述,我們使用啟發式方法來識別混合交易。特別是如果一個交易涉及4個或更多的輸入和4個或更多的輸出,我們將其標記為混合交易。影響我們所有結果的解釋的重要一點是,一旦實體經歷了混合交易,我們無法追蹤進入混合交易的資金。我們可能仍然會遵循原始實體的行為,但是我們無法再將在原始實體中進行混合交易的那部分硬幣與後期混合行為連接起來。

斯坦福經濟研究所對比特幣定價的研究,你若看過,可能財務自由了

圖11

圖11說明了隨著時間的流逝混合服務的採用。2013年錢包服務商Blockchain.info在使用混合交易量和交易比例以及在混合交易接收方的實體比列方面,開始提供免費混合交易服務,之後採用率大幅提高,。

從概率上說,從事非法活動的用戶應該更有可能使用混合服務。我們發現違禁品買家(佔所有買家的19%)比普通用戶(12%)更有可能使用混合服務保護自己的隱私;相比之下,賭徒與普通用戶非常相似,在比特幣歷史上的所有賭徒中有大約12%使用混合技術。在圖12,我們可以分別看到使用比特幣的所有實體所佔比與“賭徒”和“違禁用戶”的百分比的區別。我們通過與實體進行交易的不同實體的數量來(“實體的連接程度”)分解使用CoinJoin的實體的部分。如果實體的所有交易都是混合的,(由於混合交易的實質,我們無法具體識別出有相互交易的不同實體),或者他們沒有進行任何交易,那麼這個實體可能具有0連接。由於這個事實,大部分的0交易對手的實體參與了混合交易。除了只有一個交易對手的用戶(用戶沒有太多機會既進行混合交易又進行賭博,也不是專門給他們的交易使用混合服務的用戶),賭徒使用混合交易所佔的比例要高於在整體連接分佈中的其他實體。對於違禁品用戶,他們比普通的比特幣用戶更明顯地使用混合服務,它們在所有的連接程度上顯示出更高的混合度。

這些證據表明,用戶在比特幣中從事非法活動時,願意採取代價高昂的措施來保護自己的財務隱私。這樣的非法活動似乎是一個與用戶隱私保持一致的用例,至少在正從事非法活動的用戶看來是如此的。

5.5交易網絡和區域分類

比特幣有個有趣的特徵,至少對於在公共區塊鏈上發生的交易而言,可以構建比特幣實體網絡,如果他們曾經進行過交易,我們將實體視為已連接。我們的第一個發現(基於我們對實體的定義)是因為比特幣的利用率相對較低,所以比特幣網絡連接非常稀疏。有3個或更多連接的實體少於40%,只有10%的實體具有7個或更多的連接。我們現在著手對以下比特幣網絡的個人之間的互動性質進行更深入的分析。

5.5.1社區檢測

在構建了比特幣實體的網絡之後,其邊緣由兩個實體之間以美元計算的總交易量加權,社區監測分析可以幫助我們更好地瞭解哪些類型的比特幣用戶經常交互的模型。我們在比特幣實體網絡中用Louvain網絡聚類算法(金髮女郎等。[2008年],使用的軟件在https://sourceforge.net/projects/louvain/網站上來幫助實現這一目的。該網絡聚類算法通過初始化一張圖表的每個頂點來起作用,這個圖表是在自己的社區或手動播種的集群中,將每個頂點重複移動到鄰近社區,這導致模塊化的最大增長,直到網絡模塊化達到局部最大值,然後將每個形成的社區視為一個單獨的頂點,加權邊緣即代表社區內的邊緣(加權了的自我邊緣),也代表社區之間的邊緣。在這個新近形成的圖表上重複進行局部模塊化優化的過程。在一個新的圖中,將社區內的頂點分組為單個頂點和局部模塊化優化的交替步驟被重複,直到頂點不能再分組到一起為止。應當指出的是,這個應用有些用處,因為在數千萬個人之間有關於互動網絡的公開性的可用數據。

斯坦福經濟研究所對比特幣定價的研究,你若看過,可能財務自由了

圖13簇結果的概括【聚類是統計學、機器學習和數據挖掘領域的重要研究問題之一,其目的是將數據對象劃分為多個類或簇(cluster),使同一簇中的對象之間有較高的相似度,而不同簇中的對象有較大的差異。圖聚類是指以圖的形式對數據進行聚類。可以對圖形數據執行兩種不同形式的聚類。頂點聚類是根據邊的權值或邊的距離將圖中的節點聚類成密集連接的區域組。圖聚類的第二種形式將圖視為要聚類的對象,並根據相似度對這些對象進行聚類。】

在這種情況下,我們將交易所和個人包括在集群中,但省略了所有其他企業。我們將所有頂點放到到除2858個實體以外的個體的簇中,因為我們已經具有地理標籤,以及個人用戶和交易所的組合。這些實體在代表四個總體區域的四個社區中的點被放到一起。但是,在算法的第一步中,許多實體轉移到其他社區,因為Louvain算法致力於最大化簇分配的模塊化。圖13為我們提供了該算法創建的簇的大小的摘要,其中有49%的實體完全不在同一個簇中(因此未在圖中表示),這與許多實體不交易的事實一致。我們看到絕大多數簇的實體很少,

這一點和圖表的稀疏性一致。因此,我們沒有看到像在群組成員之間使用比特幣作為支付方式的大量的用戶簇這樣的有力證據。我們看到的是聚類算法有效地識別了一起交易的群組,並且這個群組確實將交易集中在組內:對於10到99個實體的簇(聚類),40%的實體在集群中具有多個交易,而68%的簇交易量是在簇內。我們還看到,大多數中小型簇僅涉及個人。因此,即使這些簇相對較少且只佔實體的一小部分,他們似乎確實意識到了在個人群體中進行交易的用例;大部分的公開應用與更小的網絡相關。

5.5.2區域分類

關於比特幣用例的另一個問題是它是否用於國際支付。儘管我們看不到有關比特幣用戶的識別信息,但仍然可以使用統計模型將實體按照區域分類。為此,我們創建了一個比特幣地址的練習數據集,我們知道用戶來源國。我們的主要數據來源是一個名為“ Bitcointalk.org”的網站,用戶經常在其中要求比特幣捐贈以支持他們的博客。他們還可能出示其原籍國。通過抓取該網站,我們獲得了具有國家標籤的2995個地址的練習數據集。我們找到與這些地址相關的實體,然後從網站到這2858個實體,我們都給他們貼上國家的標籤。我們將這些國家分組為9個子區域和四個區域(美洲,歐洲,亞洲和東部拉丁美洲),我們選擇這四個區域是因為對於預測區域最重要的特徵與交易時間和用戶所在時區有關。在線附錄中列出了從國家到地區的地圖。我們練習數據集的摘要統計在表5和表6中。表6顯示我們的訓練數據集不具有代表性:與完整數據集相比,它具有更多長期用戶和礦工。

為了訓練我們的國家分類器,我們使用了Breiman的隨機森林算法(佈雷曼 [2001])對於練習數據集中的每個實體,該算法都會生成一個實體在每個區域中估計概率的向量。我們首先生成用於預測的協變量(特徵)。這些特徵(協變量)是從實體在區塊鏈上的交易中產生的,分為幾類:實體進行交易的時間,實體交易過的已知實體,實體已進行的交易數和量,以及已知與該實體進行過交易的國家。

此外,我們可以創造補充特徵,這些特徵使用在同一簇中的關於其他實體的信息,而這個簇是正如第5.5.1節所說的Louvain聚類算法的應用中所確定的相同的簇。以這種方式生成的基於群集的功能的示例是“與歐洲實體針對每個簇的交易數量。”

在練習隨機森林模型時,我們使用了R包隨機森林中包含的implementation。在打包期間,我們使用了來自4個區域中每個區域的均衡採樣,在練習數據中代表性不足的區域在模型建設中有著同等影響。回想一下,我們事先並不知道在我們的數據中區域各佔多少實際比例,而我們的練習數據則不具有代表性。確定最優的通過參數掃描為模型調整參數,我們進行特徵選擇通過首先使用所有可用特徵創建模型,然後通過兩個指標中的每一個選擇前50個特徵:準確度的平均數下降和基尼特性的重要性。為模型選擇的特徵是包含在在線附錄的表14-16中。最好的模型具有96個特徵:40個基於實體的特徵,另外56個基於簇的特徵。有趣的是,基於實體的40種特徵幾乎都是以時間為基礎的,但是基於簇的特徵也專注於簇內的交易,這些交易即是與兩家知名公司也是我們標記的練習數據集中的2858個實體。例如,“每個簇與歐洲實體的交易數量”的特徵是在簇內的實體與這1000個(在練習數據集中的歐洲實體)中的一個的交易的平均數量,“每個簇與MtGox交易的指標”的特徵顯示了在與交易所“ MtGox”進行交易的簇中的實體的一部分。

表8顯示了預計在每個區域中的實體所佔份額以及在練習數據集(回想當我們在演練這個模型時,使用了來自每個區域的大小相等的子樣本)所佔份額。我們看到亞洲,尤其是拉丁美洲東部地區實體所佔份額在整個數據集中的預測比起在我們的聯繫數據集中的預測更大。美洲和歐洲確是相反的。我們使用Out-Of-Bag(OOB)錯誤評估了性能;表7顯示了該模型的OOB錯誤。在這四個區域的模型的平均錯誤率0.402遠好於某一個期望的0.75的錯誤率,如果把四個相等大小的類別隨機分類。確實,錯誤率如此之低可能令人驚訝,因為聯繫數據集的大小以及大量用戶僅參與每個用戶的少量交易的事實。我們通過簡單的模型和少量的非代表性的練習數據集就能很好地預測的能力表明,如果政府或監管機構試圖採取更積極的嘗試來了解用戶,就有可能獲得實質性見解。

但是,來自分類器的錯誤率足夠大,以至於當我使用預測做進一步分析時明確地說明了這種能力。更準確地說,我們把由隨機森林分配的概率解釋為來自經驗貝葉斯模型的後驗概率(在隨機森林的章節裡有關於這個模型的更多討論,請參見Taddy等。[2015年])。在進行分析時,我們為每個實體從該後驗中抽取樣本100,計算相關樣本統計信息,以及然後報告這些樣品的均值和標準方差。

我們的區域分類方法的另一個問題是,對於我們的某些分析,我們使用基於簇的特徵可能看起來很循環。例如,在分析跨區域流動時,我們對來自不同地區的用戶是否與另一個地區用戶進行交易感興趣。如果實體之間進行交易,則社區檢測算法會將它們置於同一簇中;預測算法中使用的某些特徵是在簇的級別被定義的,因此它們在一個簇中的所有實體之間是通用的。因此,同一簇中的實體更有可能被分配到同一國家/地區而不是來自不同簇的實體。為了解決這個問題,為了解決我們發現的問題,我們還創建了另一種“乾淨”的預測模型,

這種模型沒有使用基於簇的任何特徵。該模型的預測準確性比我們的“最佳”模型差:OOB分類錯誤率為.551。乾淨模型的定性結果是相似的,但結果是嘈雜的;這些結果包含在在線附錄中。其中一個最大的系統性差異是乾淨模型總是把美洲錯誤分類(錯誤率為0.61),因此在此模型中,美洲與其他地區的“混合”更多,這使得亞洲在被世界其他地方接受方面更加突出。

5.6跨區域流動和行為的區域差異

5.6.1隨著時間的推移採用和使用

比特幣的採用在一個地理區域內可能相互關聯,這點是有很多原因可以預期的。首先,朋友們可能會互相告知比特幣或互相教授如何使用它。其次,某些地區可能會有較高的重視比特幣的個人聚集,要麼是因為他們對技術精通或好奇,要麼是因為他們對比特幣提供的服務有需求。第三,如果運作良好,比特幣將更易於使用,受信任的比特幣交易所接受來自當地銀行的電匯或票據交換。因此,我們研究了區域採用曲線。圖14反映了區域採用曲線,繪製這個曲線,我們用非零餘額計算每個區域中100次模擬繪製的每一次的實體的數量,然後報告平均值。該圖顯示,自比特幣創建以來,美洲和亞洲的實體數量遠多於歐洲和拉丁美洲東部,尤其是在美國最早採用比特幣。截至2013年底,相對於美洲的比特幣使用率亞洲比特幣使用率增加顯著。這個與2013年末中國數字貨幣市場的擴張報道相匹配(呂迪 [2016年])。隨機森林模型通過時間特徵以及諸如“每個簇與BtcChina交易的指標”特徵,其中BtcChina是2013年末在中國最受歡迎的交易所(呂迪 [2016年])。由於實體數量眾多,圖14曲線中幾乎所有差別具有統計學意義,在某種意義上一個實體可以拒絕平均值差異是由於誤分類錯誤引起的假設。在線附錄中說明了跨區域差異的標準差。

在圖15中,我們說明了區域之間的差異(以美洲為基礎區域)就比特幣餘額而言。在模擬圖表繪製中,這些餘額的變化比實體數量的變化要大得多,因為比特幣的餘額嚴重偏離,

持有大量餘額的實體數量相對較少。例如,前100,000個實體持有所有比特幣的92%。雖然相對於美洲每個區域的總餘額都曲線顯示出與採用曲線相似的情況,只有一個結論具有統計學意義:到2015年,亞洲比歐洲和拉丁美洲東部擁有更多的比特幣餘額,與早期強調的亞洲比特幣採用率上升趨勢一致。但是,看看陳舊狀態,實體持有其當前擁有的比特幣的時間為我們提供了更深刻的見解:在圖16中,我們看到自2014年初以來美洲的用戶已經開始持有比特幣的時間明顯長於其他3個地區。雖然美洲的用戶仍持有其比特幣,但其實際使用量相對於世界其他地區明顯下降。總的來說,這與大多數用戶是短期用戶的發現一致。比起世界其他地方,美國有更多用戶是持有其比特幣或是作為投資者的礦工(請參見7) 我們在下面回到這個問題。

5.7跨地區流量

一個關鍵問題涉及個人是否正在使用比特幣進行國際支付,因為這是一個現有金融機構無法滿足的用例。雖然我們的分類僅標識區域,這樣我們就低估了國際轉移,跨區域轉移

顯然是國際性的。我們通過把實際的區域流動與與反事實的區域流動作比較來分析跨區域流動,在反事實區域流動中,我們假設實體所佔比例在每個區域都與隨機森林所預測的區域相同,但在反事實世界區域流動中,實體被隨機分配到區域(如表8所示以模型為整個樣本預測的比率),而不是通過隨機森林模型接受分配給個人實體的概率,我們將此反事實與發生在誇區域的實際交易量百分比進行比較,我們通過考慮我們的數據集來計算後一個數量

每個實體100張區域任務分配。我們對涉及每對區域的交易量份額的100個模擬繪製圖表取均值(和標準差)。表9 顯示出了實際百分比和反事實百分比之間的差異。我們看到與美洲的交易總體上低於實體所預期的交易,如果實體被隨機地分配區域。此外,相比在反事實世界中,東拉丁美洲與歐洲和亞洲(以及拉丁美洲東部地區)的交易更多,與來自該地區使用比特幣進行國際支付一致,在這裡進入銀行的可能比世界上其他地方更低,不幸的是,我們無法用我們的分類器準確把南美從北美中區分出來,其中向南美的匯款是一種合理的比特幣的用例。

5.7.1與行業的互動

我們還可以考慮在不同地區比特幣是怎麼使用的。表10顯示了美洲與特定行業之間的一部分交易量(相對於行業的總交易量),它還顯示在美洲和其他三個區域的屬於某個特定行業的一部分交易量之間的差異。到目前為止,大多數交易量都在交易所進行,而“未知”行業顯然是第二位。只有幾個區域差異具有統計意義;亞洲和東拉丁美洲似乎與商家的業務往來較少(儘管在拉丁美洲我們可能沒有那麼全面已知商家的數據集),而亞洲在賭博和和違禁品兩類所佔的份額似乎更低。

查看個人與公司之間互動的另一種方法是查看每個實體與屬於特定行業的公司之間的最小網絡距離。比特幣網絡可以用圖表示,其邊緣作為交易,而網絡距離是代表實體的兩個節點之間的邊數。因為發現在比特幣網絡中每個實體與13個行業中每個行業之間的網絡距離的計算量非常密集的,我們從比特幣網絡中抽樣10,000個實體取而代之作為整個網絡的代表。我們對這些由以美元計算的總生命週期實體交易量加權的實體進行了抽樣,

實體的美元交易量。表11顯示了這些結果。該表顯示了與美洲實體的原始距離,還顯示了

美洲和其他三個地區的每一個之間的距離差別。毫不奇怪,交易所與網絡中特定實體的距離“最近”,這表明它們是比特幣用戶最常活動的地方,也許更令人驚訝的是,美洲與所有行業之間的網絡距離明顯大於其他三個地區。我們也看到就賭博和違禁品等非法活動而言,亞洲與美洲是相似的,儘管差異的幅度不大,但其他兩個區域之間的距離明顯更近。

5.7.2按地區劃分的用戶類型

雖然採用曲線有助於揭示來自開始使用比特幣的每個地區的用戶數量,按用戶類型查看每個區域中的用戶細分(在表7中有定義))幫助我們瞭解比特幣用戶在世界不同地區的差異。表12 顯示了來自美洲的屬於每種用戶類型的用戶比例,以及屬於特定用戶類型的實體在美洲的百分比與屬於另一個區域內的該用戶類型的實體的百分比之間的差別。相對整個地區的總的實體來說,混合實體最多的區域是美洲。如果我們可以假設要麼實體更多地在他們自己的區域進行交易要麼算法將這些混合實體分配到美洲,因為它們主要與美洲其他實體進行交易,所以這可能解釋了

與他們已經先與混合實體進行交易來幫助匿名化他們的交易的其他地區相比,美洲如何與各個行業之間的網絡距離明顯更高?另一個值得注意的區別是,總體而言,美洲在定義為“其他已知實體”的實體比例上會稍微多一點點,這意味著在這篇論文中已標識的公司池稍微集中在美洲而非實體的總數量。最後,除了美洲以外,世界其他地區還有更多的長期交易者,與世界其他地區可能有更多比特幣用例的觀點一致,或許是因為對國際轉移的更多需求,以及由於對銀行服務需求的減少。

6 結論

在本文中,我們為比特幣採用和定價開發了理論框架,然後使用該框架指導實證分析。我們的理論表明,比特幣價格原則上可能會由經濟基本面確定,關於比特幣價格隨著時間的推移發生變化的總數據與上面的觀點是一致的。更細微的個體交易的微觀數據的觀察表明,許多比特幣用戶並不活躍,並且許多人購買和持有比特幣。我們使用各種實證技術來得出有關。

比特幣的用例以及它們在世界不同地區的變化。我們證明了非法活動是一種比特幣用例,並且當用戶從事那些活動時,試圖保護其財務隱私。我們還確定,通過檢查用戶的比特幣活動來了解他們的特徵是有可能的,比如很簡單地他們的居住區域,他們進行交易的時間點,以及網絡中與其“鄰居”進行交易的實體。使用一個簡單的分類器,我們就可以得出有關比特幣國際流動以及跨區域使用差異的結論。

我們的論文涉及信息技術採用和使用的研究中的各種廣泛主題。首先,我們的理論模型強調了摩擦在採用過程中的重要作用,從技術失敗的風險到其他用戶(通過匯率)採用比特幣影響技術價值的事實。這些主題對許多新技術來說都很重要,模型和證據突出了它們在比特幣特定環境下的運作方式。我們的微觀實證分析還強調了這個事實-有關新技術可能會引起誤解的總採用統計:許多新採用者似乎並未發現該技術持續有用,除了保留外。我們還看到採用和使用比特幣的趨勢是本地化的,儘管比特幣技術的關鍵特徵是它純粹是數字化以及獨立於政府。我們的論文還涉及有關隱私的文獻;在非法活動與保護財務隱私之間的相關性表明,至少有一部分用戶似乎很看重他們的隱私,而這種行為是對經濟成本和收益的回應。總體而言,比特幣提供了一個獨特的機會來觀察採用和微觀級別的用戶對用戶的交易和交互數據,這些數據是在在新的信息技術產品中,以及在公開有效使用數據的環境中。未來的研究可能會進一步探索比特幣的網絡結構以及用戶在網絡中進行如何交互。

如果想要了解更多國際上對比特幣的相關研究信息,可關注議幣圈微信,並給小蟻留言哦!☺️☺️長按二維碼關注

斯坦福經濟研究所對比特幣定價的研究,你若看過,可能財務自由了

以上內容原版英文論文出自斯坦福大學官方網站,如有需要原版英文論文的童鞋,可聯繫小蟻獲取哦~~


分享到:


相關文章: