硅谷初创公司中一个经典的故事是PayPal决定付给人们10美元来使用他们的产品。其理由是,如果你可以支付人们加入,最终网络价值将足够高,新人将免费加入,你就可以停止支付。这似乎确实起到了作用,因为PayPal能够停止支付并继续增长,从而引导其网络效应。
在加密貨幣領域,我們已經採用並擴展了這種方法,通過空投的方式支付給人們,不僅僅是為了加入,而是通常是為了在一定期間內使用我們的產品。
空投已成為一種多面向的工具,用於獎勵早期用戶、去中心化協議治理,而且坦率地,用於推廣新產品。形式化分發標準已成為一門藝術,特別是在確定應該獎勵誰以及對其努力的價值進行評估時。在這種情況下,分發的代幣數量和它們的釋放時間(通常通過像解凍或逐步釋放這樣的機制)都發揮著重要作用。這些決策應該建立在系統分析而不是猜測、情感或先例之上。使用更具量化框架可以確保公平性,並實現與長期目標的戰略一致性。
這個拟双曲折扣模型提供了一個數學框架,來探索個人在涉及不同時間的獎勵之間進行權衡的選擇方式。它的應用在特定領域尤為相關,這些領域中,衝動和時間上的不一致顯著影響決策,例如金融決策和與健康相關的行為。
該模型由兩個特定於人口的參數驅動:現在偏見,ꞵ,以及折現率,𝛿。
此參數衡量個人傾向過度重視即時獎勵而忽略遠期獎勵的趨勢。該參數的值介於0和1之間,值為1表示不存在即時偏見,反映對未來獎勵的均衡、持續的評估。當值接近0時,表示即時偏見越強,表明對即時獎勵的偏好增強。
例如,在今天提供50美元或者明年提供100美元的選擇之下,具有較高現在偏差(接近0)的人會更喜歡立即獲得50美元,而不願等待更大的金額。
該參數描述了隨著實現時間的增加,未來獎勵價值下降的速度,考慮到其價值隨延遲而下降的自然衰退。折扣因子在較長的多年間隔內更準確地量化。在短期內(不到一年)評估兩個選項時,這個因素會表現出相當大的變異性,因為即時情況可能會不成比例地影響感知。
對於一般人群,研究顯示折扣率通常在0.9左右。然而,這個值在具有賭博傾向的群體中往往顯著降低。研究表明習慣性賭徒通常展示出略低於0.8的平均折扣因子,而問題賭徒則更接近0.5。
通過上述術語,我們可以通過以下公式表達在時間t接收獎勵x的效用u:
u(t) = tu(x)
這個模型捕捉了獎勵價值隨時間變化的方式:即時獎勵以完整效用進行評估,而未來獎勵則會按其價值進行折扣,考慮到當前偏見和指數衰減。
去年,Pantera研究實驗室進行了一項研究,以量化加密貨幣使用者的行為傾向。 我們向受訪者提出了兩個直接的問題。設計以測量他們對立即付款與獲得未來價值的偏好。
這種方法幫助我們確定了ꞵ和𝛿的代表值。我們的研究發現,加密貨幣用戶的代表樣本呈現出略高於0.4的現在偏差和顯著低的折扣率。
研究揭示了一高於平均水平加密貨幣使用者中存在偏好當下的偏差和較低的折現率,表明他們傾向於不耐煩,更偏好即時滿足而非未來的利益。
這可以歸因於加密貨幣領域內幾個相互關聯的因素:
儘管研究結果可能偏離典型的人類行為規範,但它們反映了當前加密貨幣使用者群體的特徵和傾向。這種區別對於設計空投和代幣分發的項目尤為重要,因為了解這些獨特行為可以更好地進行策略規劃和獎勵系統結構。
以「以...為例」的方式來說漂移一個在solana上的perps dex,最近推出了其本地代幣drift。drift團隊在其代幣分發策略中包括了一個時間延遲機制,為那些在代幣推出後等待6小時後再申領空投的使用者提供雙倍獎勵。時間延遲的加入可以減輕開始時由機器人引起的擁擠,並有可能通過減少初始賣家的湧入來穩定代幣的表現。
事實上,只有7.5千米, 或 15% (在撰寫本文時),潛在的索賠人沒有等待6小時,以使其獎勵加倍。根據我們提出的研究,對於獎勵加倍的價值,漂移可能已延遲了幾個月,從統計上講應該已經安撫了大多數他們的最終用戶。
硅谷初创公司中一个经典的故事是PayPal决定付给人们10美元来使用他们的产品。其理由是,如果你可以支付人们加入,最终网络价值将足够高,新人将免费加入,你就可以停止支付。这似乎确实起到了作用,因为PayPal能够停止支付并继续增长,从而引导其网络效应。
在加密貨幣領域,我們已經採用並擴展了這種方法,通過空投的方式支付給人們,不僅僅是為了加入,而是通常是為了在一定期間內使用我們的產品。
空投已成為一種多面向的工具,用於獎勵早期用戶、去中心化協議治理,而且坦率地,用於推廣新產品。形式化分發標準已成為一門藝術,特別是在確定應該獎勵誰以及對其努力的價值進行評估時。在這種情況下,分發的代幣數量和它們的釋放時間(通常通過像解凍或逐步釋放這樣的機制)都發揮著重要作用。這些決策應該建立在系統分析而不是猜測、情感或先例之上。使用更具量化框架可以確保公平性,並實現與長期目標的戰略一致性。
這個拟双曲折扣模型提供了一個數學框架,來探索個人在涉及不同時間的獎勵之間進行權衡的選擇方式。它的應用在特定領域尤為相關,這些領域中,衝動和時間上的不一致顯著影響決策,例如金融決策和與健康相關的行為。
該模型由兩個特定於人口的參數驅動:現在偏見,ꞵ,以及折現率,𝛿。
此參數衡量個人傾向過度重視即時獎勵而忽略遠期獎勵的趨勢。該參數的值介於0和1之間,值為1表示不存在即時偏見,反映對未來獎勵的均衡、持續的評估。當值接近0時,表示即時偏見越強,表明對即時獎勵的偏好增強。
例如,在今天提供50美元或者明年提供100美元的選擇之下,具有較高現在偏差(接近0)的人會更喜歡立即獲得50美元,而不願等待更大的金額。
該參數描述了隨著實現時間的增加,未來獎勵價值下降的速度,考慮到其價值隨延遲而下降的自然衰退。折扣因子在較長的多年間隔內更準確地量化。在短期內(不到一年)評估兩個選項時,這個因素會表現出相當大的變異性,因為即時情況可能會不成比例地影響感知。
對於一般人群,研究顯示折扣率通常在0.9左右。然而,這個值在具有賭博傾向的群體中往往顯著降低。研究表明習慣性賭徒通常展示出略低於0.8的平均折扣因子,而問題賭徒則更接近0.5。
通過上述術語,我們可以通過以下公式表達在時間t接收獎勵x的效用u:
u(t) = tu(x)
這個模型捕捉了獎勵價值隨時間變化的方式:即時獎勵以完整效用進行評估,而未來獎勵則會按其價值進行折扣,考慮到當前偏見和指數衰減。
去年,Pantera研究實驗室進行了一項研究,以量化加密貨幣使用者的行為傾向。 我們向受訪者提出了兩個直接的問題。設計以測量他們對立即付款與獲得未來價值的偏好。
這種方法幫助我們確定了ꞵ和𝛿的代表值。我們的研究發現,加密貨幣用戶的代表樣本呈現出略高於0.4的現在偏差和顯著低的折扣率。
研究揭示了一高於平均水平加密貨幣使用者中存在偏好當下的偏差和較低的折現率,表明他們傾向於不耐煩,更偏好即時滿足而非未來的利益。
這可以歸因於加密貨幣領域內幾個相互關聯的因素:
儘管研究結果可能偏離典型的人類行為規範,但它們反映了當前加密貨幣使用者群體的特徵和傾向。這種區別對於設計空投和代幣分發的項目尤為重要,因為了解這些獨特行為可以更好地進行策略規劃和獎勵系統結構。
以「以...為例」的方式來說漂移一個在solana上的perps dex,最近推出了其本地代幣drift。drift團隊在其代幣分發策略中包括了一個時間延遲機制,為那些在代幣推出後等待6小時後再申領空投的使用者提供雙倍獎勵。時間延遲的加入可以減輕開始時由機器人引起的擁擠,並有可能通過減少初始賣家的湧入來穩定代幣的表現。
事實上,只有7.5千米, 或 15% (在撰寫本文時),潛在的索賠人沒有等待6小時,以使其獎勵加倍。根據我們提出的研究,對於獎勵加倍的價值,漂移可能已延遲了幾個月,從統計上講應該已經安撫了大多數他們的最終用戶。