Вступ

Для більшості людей несподівані розриви в ланцюгах постачання майже не мають позитивних аспектів. Однак для дослідників ці розриви відкривають цінні можливості для розуміння ринкової динаміки, яку інакше важко розібрати. Наприклад, оскільки ціни та кількості є спостережуваними результатами пропозиції та попиту, важко зрозуміти, чи пропозиція, попит або обидва мають вплив. Це призводить до старої поговорки "не робіть висновки зі зміни ціни". Але коли один з факторів раптово змінюється у передбачуваний спосіб, іноді ви можете.

Наприклад, вивченнявід NBER використовує шок пропозиції COVID-19, щоб зрозуміти динаміку попиту, показуючи, як такі раптові зовнішні потрясіння можуть служити значними силами перерозподілу, що впливають на робочі місця та продажі в економіці США. Аналізуючи поведінкові зміни під час рідкісних ринкових подій, дослідники можуть перетворити кризи на можливості для глибшого економічного розуміння.

Мережі блокчейн працюють з вродженими обмеженнями щодо потужності, подібно до ліній виробництва. У кожному блоку є фіксована потужність для даних транзакцій, що робить простір обмеженим ресурсом. При зростанні вимог до транзакцій, змагання за місце в блоках загострюється, що призводить до потенційної мережевої затору.

У березні впровадження EIP-4844 було спрямоване на збільшення пропускної здатності мережі та зниження транзакційних витрат для рівня 2 Ethereum, що принесло користь таким мережам, як Arbitrum та Optimism, зі значним зниженням цін на газ [1]. Однак незабаром після цього впровадження Base зазнала сплеску цін на газ, перевищивши попередні рівні, які спостерігалися до введення EIP-4844.

Протягом цього періоду спостерігалося помітне збільшення активності користувачів на Base, в основному завдяки торгівельним операціям з децентралізованими фінансами. Цей вибух був особливо несподіваним, оскільки екосистема Base була спеціально створена для сприяння споживчим застосункам. Початково створена командою Coinbase, Base скористалася широкими маркетинговими та брендовими зусиллями, спрямованими на створення ланцюга, який сприяє творцям, будівельникам та спільнотному взаємодії. В результаті екосистема в основному складається з споживчих додатків, з найбільш успішними застосунками, такими як Friend.tech, що спрямовані на споживачів.

Реверс у активності користувачів та раптовий підйом у торгівлі на Base можуть потенційно бути пов'язані з шоком подання, спричиненим неочікуваною зовнішньою подією, що вплинула на ланцюг постачання системи. Такі шоки можуть значно змінити доступність та витрати, фундаментально змінюючи поведінку користувачів та динаміку мережі.

Полювання на каталізатори

Щоб вважатися справжнім шоком постачання, подія повинна бути екзогенною, неочікуваною і достатньо потужною, щоб нарушити встановлену динаміку ринку.

Після впровадження EIP-4844 однією з найбільш суттєвих змін був раптовий зріст торгівлі на DEX, що розширилася поза типовими стабільними монетами та ETH, щоб охопити нові токени. Раніше торгівля на Base переважно фокусувалася на цих категоріях, при цьому мем-токени складали менше 15% в середньому від тижневого обсягу торгівлі по всіх DEX.

Історично склалося так, що сезони мемкоїнів часто запалюються токеном-маяком, який привертає значний інтерес ринку та встановлює нові торгові орієнтири. Це явище, ймовірно, зумовлене такими факторами, як інформаційні каскади [2]. На таких платформах, як Crypto Twitter, успішні торгові історії посилюються, тоді як невдачі часто ігноруються, що призводить до спотвореного сприйняття потенційних прибутків. У міру того, як трейдери спостерігають і імітують дії інших, припускаючи, що у них є цінна інформація, створюється самопідкріплююча петля. Це швидко підвищує ціни на мемкоїни і часто призводить до значної волатильності ринку.

Наприклад, у кінці 2023 року на Solana токен dogwifhat (WIF) зріс з ринковою капіталізацією менше 1 мільйона доларів до мільярдів за кілька місяців [3]. Успіх WIF надихнув манію на мемкоїни на Solana, яка виявилася у збільшенні запусків мем-токенів та розвитку інфраструктури мемкоїнів [4].

Хоча мемкоїни існували на базі з моменту її першого запуску, жоден з них не зміг захопити ринкову увагу до березня цього року. Початковий запуск головної мережі Base був підтриманий манією торгівлі мемкоїнами [5]. Перед офіційним запуском мережі тисячі користувачів мігрували на Base, щоб торгувати мемами. Активність з торгівлі цими токенами спадала, коли почали запускатися нові додатки. Інспірований персонажем з популярної книги з Пепе, токен BRETT, який запустився з кінця лютого початок березня, швидко відзначився на Base, досягнувши ринкову капіталізацію у 350 мільйонів доларів задовго до того, як торгівельна активність мемами почала виявляти вплив [5]. Його стрімкий підйом не лише відокремив його від типових ринкових тенденцій, а й спричинив більш широку торгівельну манію по всій мережі.

Початковий успіх токена BRETT привернув спекулятивних трейдерів через потенційні міметичні ефекти, залучивши нову когорту користувачів, більше зацікавлених у торгівлі мемами, ніж у взаємодії з програмами мережі. Незважаючи на те, що фокус цієї групи залишається вузьким, корисно дослідити хвильовий вплив цього божевілля мемів на існуючу базу користувачів екосистеми Base, зокрема те, як змінилася їхня типова поведінка у відповідь на цю подію. Тим не менш, хоча дані на поверхневому рівні самі по собі не можуть підтвердити, що спостережуване перевантаження було безпосередньо результатом події токена BRETT, це спонукає нас провести більш детальний аналіз, щоб точно оцінити прямий вплив на поведінку та попит користувачів.

Експеримент:

Основною метою запропонованого експерименту є аналіз динаміки подання та попиту на Base, зосереджуючись на тому, як платні комісії за газ (подання) та активність транзакцій (попит) взаємодіють до, під час та після події BRETT. Важливим аспектом цього аналізу є виведення впливу запуску BRETT з поведінкою загального ринку.

Щоб отримати чіткі уявлення про динаміку ринку, ми виключимо торгівельну активність, пов'язану безпосередньо з токеном BRETT. Наш аналіз буде зосереджений на адресах, які були активними до запуску токену в кінці лютого, що дозволяє нам оцінити стабільну базу користувачів, які не постраждали від спекулятивного інтересу, який часто виникає при нових токенах. Цей підхід забезпечує об'єктивність нашого дослідження загальної поведінки користувачів на платформі Base, не переважено впливаний тими, що переважно зацікавлені в BRETT.

Модель:

У цьому дослідженні ми використовуємо регресійну модель з основним бінарним змінним, щоб проаналізувати вплив запуску BRETT. Вибір змінних та їх функцій у моделі вибрані таким чином, щоб відображати нюансові ефекти цього ринкового події.

Модель визначається наступним чином:

Де:

• Середнє використання газу (𝑄𝑡): Представляє середнє використання газу в час 𝑡, служить ключовим показником складності транзакції та мережевого навантаження.
• Індикатор шоку (𝐷𝑡): Бінарна змінна, що вказує, чи відбулося подія токена BRETT (0, якщо до запуску, 1 інакше).
• Вартість газу (𝑃𝑡): Позначає ціну газу в гвей в час 𝑡.
• Термін взаємодії (𝐷𝑡𝑃𝑡): Захоплює взаємодію між шоком BRETT та цінами на газ.
• Кількість транзакцій (𝑇𝑡): Позначає кількість транзакцій у час 𝑡, включену для розуміння того, як зміни обсягу транзакцій впливають на перегрузку мережі та використання газу.

Важливо визнати, що ця модель в своєму поточному вигляді є дещо спрощеною та переважно служить для вказівки змін в попиті, пов'язаних з цим конкретним каталізатором. Модель не враховує потенційної ендогенності, що випливає з базових умов або інших основних тенденцій, які можуть затемнити справжню причинність та еластичність попиту до події. Наприклад, можуть існувати приховані змінні, а також може бути одночасна причинність між використанням газу та комісіями, разом з додатковими шумами, які можуть піддавати сумнівам точність наших початкових оцінок.

Однак ця модель дозволяє нам визначити, чи призвело шок BRETT до статистично значущої зміни у поведінці транзакцій на Base, незалежно від прямих торгових операцій BRETT.

Результати регресії

Розглядаючи неспецифічну групу користувачів, що не використовують BRETT, з початку січня 2024 року до кінця травня з годинниковою частотою, ми можемо зробити висновки щодо запуску та першого зростання токена BRETT:

Після введення токену Brett на Base відбувся статистично значущий зміщення у поведінці користувачів у відповідь на зростання цін на газ. Регресійна модель вказує на значущий негативний взаємодіючий термін (𝛽3=−0,333), що свідчить про те, що збільшення плати за газ після введення токену, ймовірно, стримувало транзакції користувачів.

Зокрема, взаємодійний член свідчить про те, що для збільшення ціни на газ на один стандартний відхил (Δ𝑃 = 1.2×105 гвей) після мем-події можна очікувати зниження споживання газу, Δ𝑄, на 41,2 тис., що відповідає 79% типового годинного стандартного відхилення. Іншими словами, згідно з моделлю, збільшення ціни на газ на один стандартний відхил призводить до приблизно 0,79 стандартного відхилення зниження попиту під час високої затору.

Загалом введення токена-маяка мемкоїн, BRETT, супроводжувалося негативними розрядними ефектами на початкову користувацьку базу Base. Каталізатор-індукована заторна ситуація підвищила чутливість цього когорти до зростання цін на газ, зробивши їх більш відвертими до витрат на операції, навіть якщо ці витрати були близькими до рівнів, спостережуваних до впровадження EIP-4844.

Збільшити масштаб

Наслідки BRETT на Base служать ілюстрацією загальних вразливостей та адаптивної поведінки, які характерні для криптоекосистем. Ця подія підкреслює, як емерджентні токени, а зокрема неочікувані події, можуть суттєво впливати на показники транзакцій, поведінку користувачів та стабільність мережі, ілюструючи швидкість, з якою можуть змінюватися динаміка в рамках операційного каркасу блокчейну.

Цей інцидент підкреслює витончений зв'язок між постачанням (у цьому випадку, мережевими комісіями) та попитом користувачів, який далеко не є простим лінійним рівнянням. Попит може раптово змінюватися, як це було підтверджено подією BRETT, або еволюціонувати більш поступово, коли екосистема зростає. Такі зміни підкреслюють складну взаємодію між коригуваннями мережі та реакціями користувачів, які не завжди передбачувані та можуть значно варіювати залежно від зовнішніх шоків або очікуваних змін, таких як оновлення мережі.

Важливо мати на увазі, що з появою більшої кількості зовнішніх подій або відомих оновлень стає вирішальним розуміння цих основних динамік. Розпізнавання патернів та потенційних реакцій користувачів на зміни в екосистемі може допомогти прогнозуванню більш автентичної динаміки користувачів та їх відповідей.

Disclaimer：

1. Цю статтю перепечатано з [Stanford Blockchain Review], Усі авторські права належать оригінальному автору [Клуб блокчейну Стенфорду]. Якщо є заперечення до цього повторного друку, будь ласка, зв'яжіться з Gate Learnкоманда, і вони оперативно займуться цим.
2. Відповідальність за відмову: Погляди та думки, висловлені в цій статті, є виключно тими, що належать авторові, і не становлять жодної інвестиційної поради.
3. Переклади статей на інші мови виконуються командою Gate Learn. Якщо не зазначено інше, копіювання, поширення або плагіат перекладених статей заборонено.