探索DAO的治理演進並分析關鍵指標
轉發原標題：DAO 十年：解鎖治理的新維度和關鍵治理指標的深入分析
DAO的歷史現在已經超過了十年，在2021年經歷了一次顯著的繁榮。這種組織模式已經穩健地融入社會，隨後有許多大型DAO進行了各種多樣化的治理實驗和擴張，從而推動了各種治理研究的發展。
本文匯編了作為分析不同治理結構的治理指標的參考參數。雖然每個參數通常量化一個特定的指標，但重要的是要注意，每個指標的重要性取決於DAO類型的不同。
重要指標的分析
暫時不包括與“複雜性”和“連貫性”相關的指標，並且“投票”被統一用作示例。具體應用範圍可以擴展到資金、媒體等各種數據。
Herfindahl-Hirschman index, HHI
它是一种广泛采用的测量集中度的方法，以两位经济学家的名字命名。它计算市场上所有实体的平方市场份额之和。
簡單來說，每個不同單位的比例乘以平方。
例如，A 佔 50%，B 佔 30%，C 佔 20%
50 * 50 = 2500
30 * 30 = 900
20 * 20 = 400
三個加起來 2500 + 900 + 400 = 3800
3800 是 ABC 的濃度指數
最高 10,000（1人佔100%）
權力集中指數（CPI）
一種源自HHI的變體，基本上與HHI相同，但考慮到情況是在特定的DAO，例如OP，不同的治理機構將有不同的權重。因此，每個代表的分數必須根據其各自的權重進行調整。
例如:
如果代表在Token House和Citizens’ House都有參與，則其總權重為300點。
他的總重量是：
30032.33% + 30034.59% = 200.76
由於這個計算涉及到治理指標，它並不考慮所有代表，只考慮參與治理的代表。因此，當社區的治理活動減少時，也可能導致指數值的增加。
中本系数
主要關注一個問題:需要多少參與者來控制整個系統？
這個問題非常有趣，事實上，對於資本市場策略也非常有用。
如果系統中有5個人，他們的投票權為：
- A: 30%
- B: 25%
- C: 20%
- D: 15%
- E: 10%
控制整個系統所需的最小人數為30 + 35 = 55。所需的最小人數為2，因此中本聰係數為2。
如果一個系統的中本聰係數為20，這意味著至少需要20個人聯合起來控制該系統。這個系統非常去中心化。
系数越高，去中心化程度越高，反之亦然。
提案提交者多樣性（Shannon多樣性指數）
有多種測量方法。其中一種使用上面的HHI來評估提交提案的集中度；集中度越高，多樣性越低。
另一种方法使用香農多樣性指數。
假設有4位提案提交者，在一段時間內提交了以下提案數量：
- 提案人A提交了5個提案
- 提案人B提交了3个提案
- 提案者C提交了2份提案
- 提交者 D 提交了 1 份提案
接下來，計算每個提議者提出的提議數量佔總提議數量的比例。
提案的總數為：5 + 3 + 2 + 1 = 115
每個提案者的比率是：
- A：≈ 0.4545
- B：≈ 0.2727
- C：≈ 0.1818
- D：≈ 0.0909
接著計算每個比率的自然對數（使用計算機上的“ln”按鈕）:
- A：−0.7885
- B：−1.2993
- C：−1.7047
- D: -2.3979
接下來，將每個比例乘以其對應的對數值：
- A：0.4545 × −0.7885 ≈ −0.3582
- B：0.2727 × −1.2993 ≈ −0.3540
- C：0.1818 × −1.7047 ≈ −0.3090
- D：0.0909 × −2.3979 ≈ −0.2171
最後，將所有值相加：結果為1.2383。較高的值表示系統中的多樣性更高。與HHI相比，Shannon指數更直觀，特別是在多樣性高的情況下，因為它更好地突出了差異（對於HHI，較小的值對應著更分散的情況）。
基尼指數
這是非常適合以圖形表示的指標。步驟如下。通常用於評估資源的分配情況。例如，當一個組織有多個項目時，基尼指數可以用來了解資源是否均勻分配。它還可以分析薪資和工作條件等因素。如果多個值相同，它們將在圖表上形成一條直線。
- 列出每個成員的投票權比例：
首先，您需要知道每个成员的投票权比例。例如，如果有5名成员，他们的投票权比例可能是：
- A: 40%
- B: 30%
- C: 15%
- D: 10%
- E: 5%
- 按投票權升序排列：
請將這些投票權比例從最小到最大排序，這樣我們可以更容易地看到不平等情況：
- E: 5%
- D: 10%
- C: 15%
- B: 30%
- A: 40%
- 計算累積投票權比例：
現在，我們通過從最小的開始逐一相加，計算每個成員的累計投票權比例：
- E: 5%
- E + D：5% + 10% = 15%
- E + D + C：5％ + 10％ + 15％ = 30％
- E + D + C + B: 5% + 10% + 15% + 30% = 60%
- E + D + C + B + A：5% + 10% + 15% + 30% + 40% = 100%
這些累積值 - 5、15、30、60和100 - 可以在圖表上繪製（從左下角到右上角）。
當投票權在組織內部均勻分佈時，這條線會趨近於一條直線。曲線彎曲得越多，投票分配的不平等就越嚴重。
Z-Score 去中心化指標
Z-Score分散度指標用於確定個體在系統中的權力（例如，投票權）與其他人的平均權力有多接近。它回答了以下問題：“個體的權力與其他人相比，與平均水平相距多遠？”
Z-Score可能是正或負
- 如果Z分數非常接近於0，意味著該人的權力份額與其他人的平均水平差不多。
- 如果Z-Score與0偏離很大，意味著該人的能力與平均水平相差很大。他的能力要麼非常強大，要麼非常弱小。
這是一個統計指標，也可以用來識別薪資結構等數據。
假设有5位成员，他们的投票权比例如下：
- A：40%
- B：25%
- C：15%
- D：10%
- E：10%
平均投票權力：
- 平均 = 20%
計算每個個人的權力差異：
接下來，我們需要看到每個成員的力量與平均值相比有多大的差異。
例如：
- A：40% − 20% = 20%
- B：25% − 20% = 5%
- C：15% − 20% = −5%
- D：10% − 20% = −10%
- E：10% − 20% = −10%
計算標準差：標準差用於表示每個成員的投票權與平均值的偏差。
標準差是所有平方數的平均值，然後取平方根。
將每個個體的偏差除以標準偏差。例如，如果D的偏差為-10%，標準偏差為11.4%，則Z-Score為:
-10 / 11.4 = −0.88
但是為什麼不只看看差異呢？
- Z 分數提供標準化。例如，在比較不同的 DAO 組織時，投票權的 10% 差異可能看起來相似，但將其轉換為 Z 分數可以跨組織進行直接比較。
- Z-Score突顯相對差異。例如，如果D的偏差仍然是−10％，但標準偏差因整體動力分佈的變化而改變，D的Z-Score也會隨之變化，反映這些動態。
它還可用於分析薪資變動。例如，如果一個人的薪資保持不變，而公司內薪資的標準差因為普遍加薪而增加，Z-Score 可以顯示該個人的薪資相對於公司平均薪資的實際變化。
雖然Z分數可能不適合用於分析DAO的投票，但對於評估項目資源分配或個人貢獻的變化非常有價值。
投票權力的動態變化
投票權力流動指數
此指標衡量系統中成員之間的投票權力“移動”的程度。如果投票權力始終集中在少數人手中，則表明存在權力結構僵化、參與機會有限的情況。如果投票權力經常在成員之間轉移，則表明該系統是一個“活躍”的系統，每個人都有參與的機會，從而實現了更加公平和去中心化的系統。
假設這是Q1和Q2的投票權分配：
- 第一季度
- A的投票權利: 40%
- B的投票權：30%
- C的投票權：30%
- 第二季度
- A的投票權：35%
- B的投票權利：40%
- C的投票權：25%
步驟2：計算每位成員的投票權變化
每位成員的變動 這是第二季的投票權減去第一季的投票權:
- A 變化: 35% - 40% = -5% (下降 5%)
- B的變化：40% - 30% = +10%（增加了10%）
- C的變化：25％-30％= -5％（減少5％）
第三步：將所有成員的變更相加
在這一步中，我們將每個人的變化絕對值（無論增加還是減少，只取大小）相加，以獲得整個系統的「投票力量流動指數」。
- A 變化的絕對值：5%
- B變化的絕對值：10%
- C的絕對變化值：5%
總變化 = 5% + 10% + 5% = 20%
這20％是“投票力量流動指數”。報告稱，系統中20％的投票權在兩個季度之間發生了變化。
這個概念類似於Z-Score非常相似，您也可以添加標準差來查看變化率。
累計投票權的變動
我們查看擁有最多投票權的“頂級成員”，以查看他們的投票權份額是否增加。如果這些頂級成員的份額越來越大，這意味著系統中的權力越來越集中；如果沒有太大變化，這意味著系統的權力仍然分散，每個人的投票權相對平等。
假設我們有第一季和第二季的投票權數據:
- 第一季度
- A的投票權：40%
- B的投票權力：25%
- C的投票權：20%
- D的投票權：10%
- E的投票權力：5%
- 第二季度
- A的投票權：45%
- B的投票權力：20%
- C的投票權力：15%
- D的投票權力：15%
- E的投票權力：5%
我們將每個季度的成員投票權從大到小排名:
- 第一季：A > B > C > D > E
- 第二季度：A > B > D > C > E
第 2 步：計算「前 20%」成員的投票權份額
觀察“權力集中”時，我們通常會查看不同季度的“頂級成員”累計投票權，以確定它們是否在增加。
在5名成員中，前20%的成員是擁有最高投票權的1名成員（A）。
- 第一季度：A的投票權=40％（前20％的累計投票權=40％）
- 第二季度：A的投票權=45%（前20%的累計投票權=45%）
可以看出，前20%的投票權份額從Q1增加到Q2。
第三步：計算“前40%”成員的投票份額
我們也可以看一下前40%的累積份額（5名成員中的前2名）。
- 第一季度：A + B 的累計投票權 = 40% + 25% = 65%
- 第二季度：累計投票權 A + B = 45% + 20% = 65%
在這裡，您可以看到前40%的累積投票權份額並沒有變化。
這個計算讓您可以看到，像是代表權的變化是否只是投票權的轉移，還是存在大量的投票權集中。
資金透明度
這個指標通常不是嚴格量化的。它通常涉及對照總流動資金來比較已發表的財務報告或評估所披露的細節水平。雖然主觀且具有有限的意義，但披露方法、細節水平以及是否進行審計等方面仍可用於簡單評估。
決策時間
分析決策時間的通常方法側重於提交提案之前的準備階段。
例如，計算每個提案的“反饋收集”階段的平均持續時間。
由於投票時間通常固定，除非存在所有投票都非常迅速一致投票的情況（這種情況很少見），否則測量投票時間通常缺乏意義。
常見的時間參數:
- 意見收集時間
- 多簽處理時間
- 提案審核時間
治理相關的激勵機制
通常使用基尼指數來評估激勵機制的公平性。然而，這需要解決量化“治理貢獻”的問題，通常通過將固定貢獻轉換為比例激勵來解決。
對於長期一致性，量化治理貢獻是具有挑戰性的。以下是一些可能的方法：
- 綜合貢獻分數 =（任務完成比例 × 權重1）+（參與時間 × 權重2）+（決策參與度 × 權重3）+ ...
- (任務1的權重 x 任務1的數量) + (任務2的權重 x 任務2的數量)…
外部相關數據包括:
- 每季度總獎勵
- 個人平均獲得的獎勵
- Z分數或基尼分析，以確定激勵措施是否公平分配或過度集中在少數關鍵參與者中。
其他不需要解釋的指標
- 投票參與率
- 提案批准率
- 人口統計學: 這類似於社會統計學，例如年齡、性別、語言等。
- 治理攻擊/佔領/反佔領事件數量
結論
探索數據差異背後的隱藏真相需要持續的積累和調查。在借鑒不同DAO的治理經驗的同時，LXDAO也試圖通過定量方法澄清治理線索，為DAO績效分析奠定基礎。這一努力旨在進一步探索更多的數據和可能性。希望本文能為那些對治理分析感興趣的人提供有用的見解。
免責聲明：
- 本文轉載自[LXDAO]. 轉發原標題“DAO十年：解鎖治理的新維度和關鍵治理指標的深度分析”。版權屬於原作者[利克斯道]. 如果您對轉載有任何異議，請聯繫Gate Learn團隊（gatelearn@Gate.io），團隊將根據相關程序盡快處理。
- 免责声明：本文所表达的观点仅代表作者个人观点，不构成任何投资建议。
- Gate Learn 團隊已將文章翻譯成其他語言。除非有註明，否則禁止複製、分發或抄襲翻譯後的文章。
相關文章
什麼是穩定幣 USDC？
探索DAO的治理演進並分析關鍵指標
轉發原標題：DAO 十年：解鎖治理的新維度和關鍵治理指標的深入分析
DAO的歷史現在已經超過了十年，在2021年經歷了一次顯著的繁榮。這種組織模式已經穩健地融入社會，隨後有許多大型DAO進行了各種多樣化的治理實驗和擴張，從而推動了各種治理研究的發展。
本文匯編了作為分析不同治理結構的治理指標的參考參數。雖然每個參數通常量化一個特定的指標，但重要的是要注意，每個指標的重要性取決於DAO類型的不同。
重要指標的分析
暫時不包括與“複雜性”和“連貫性”相關的指標，並且“投票”被統一用作示例。具體應用範圍可以擴展到資金、媒體等各種數據。
Herfindahl-Hirschman index, HHI
它是一种广泛采用的测量集中度的方法，以两位经济学家的名字命名。它计算市场上所有实体的平方市场份额之和。
簡單來說，每個不同單位的比例乘以平方。
例如，A 佔 50%，B 佔 30%，C 佔 20%
50 * 50 = 2500
30 * 30 = 900
20 * 20 = 400
三個加起來 2500 + 900 + 400 = 3800
3800 是 ABC 的濃度指數
最高 10,000（1人佔100%）
權力集中指數（CPI）
一種源自HHI的變體，基本上與HHI相同，但考慮到情況是在特定的DAO，例如OP，不同的治理機構將有不同的權重。因此，每個代表的分數必須根據其各自的權重進行調整。
例如:
如果代表在Token House和Citizens’ House都有參與，則其總權重為300點。
他的總重量是：
30032.33% + 30034.59% = 200.76
由於這個計算涉及到治理指標，它並不考慮所有代表，只考慮參與治理的代表。因此，當社區的治理活動減少時，也可能導致指數值的增加。
中本系数
主要關注一個問題:需要多少參與者來控制整個系統？
這個問題非常有趣，事實上，對於資本市場策略也非常有用。
如果系統中有5個人，他們的投票權為：
- A: 30%
- B: 25%
- C: 20%
- D: 15%
- E: 10%
控制整個系統所需的最小人數為30 + 35 = 55。所需的最小人數為2，因此中本聰係數為2。
如果一個系統的中本聰係數為20，這意味著至少需要20個人聯合起來控制該系統。這個系統非常去中心化。
系数越高，去中心化程度越高，反之亦然。
提案提交者多樣性（Shannon多樣性指數）
有多種測量方法。其中一種使用上面的HHI來評估提交提案的集中度；集中度越高，多樣性越低。
另一种方法使用香農多樣性指數。
假設有4位提案提交者，在一段時間內提交了以下提案數量：
- 提案人A提交了5個提案
- 提案人B提交了3个提案
- 提案者C提交了2份提案
- 提交者 D 提交了 1 份提案
接下來，計算每個提議者提出的提議數量佔總提議數量的比例。
提案的總數為：5 + 3 + 2 + 1 = 115
每個提案者的比率是：
- A：≈ 0.4545
- B：≈ 0.2727
- C：≈ 0.1818
- D：≈ 0.0909
接著計算每個比率的自然對數（使用計算機上的“ln”按鈕）:
- A：−0.7885
- B：−1.2993
- C：−1.7047
- D: -2.3979
接下來，將每個比例乘以其對應的對數值：
- A：0.4545 × −0.7885 ≈ −0.3582
- B：0.2727 × −1.2993 ≈ −0.3540
- C：0.1818 × −1.7047 ≈ −0.3090
- D：0.0909 × −2.3979 ≈ −0.2171
最後，將所有值相加：結果為1.2383。較高的值表示系統中的多樣性更高。與HHI相比，Shannon指數更直觀，特別是在多樣性高的情況下，因為它更好地突出了差異（對於HHI，較小的值對應著更分散的情況）。
基尼指數
這是非常適合以圖形表示的指標。步驟如下。通常用於評估資源的分配情況。例如，當一個組織有多個項目時，基尼指數可以用來了解資源是否均勻分配。它還可以分析薪資和工作條件等因素。如果多個值相同，它們將在圖表上形成一條直線。
- 列出每個成員的投票權比例：
首先，您需要知道每个成员的投票权比例。例如，如果有5名成员，他们的投票权比例可能是：
- A: 40%
- B: 30%
- C: 15%
- D: 10%
- E: 5%
- 按投票權升序排列：
請將這些投票權比例從最小到最大排序，這樣我們可以更容易地看到不平等情況：
- E: 5%
- D: 10%
- C: 15%
- B: 30%
- A: 40%
- 計算累積投票權比例：
現在，我們通過從最小的開始逐一相加，計算每個成員的累計投票權比例：
- E: 5%
- E + D：5% + 10% = 15%
- E + D + C：5％ + 10％ + 15％ = 30％
- E + D + C + B: 5% + 10% + 15% + 30% = 60%
- E + D + C + B + A：5% + 10% + 15% + 30% + 40% = 100%
這些累積值 - 5、15、30、60和100 - 可以在圖表上繪製（從左下角到右上角）。
當投票權在組織內部均勻分佈時，這條線會趨近於一條直線。曲線彎曲得越多，投票分配的不平等就越嚴重。
Z-Score 去中心化指標
Z-Score分散度指標用於確定個體在系統中的權力（例如，投票權）與其他人的平均權力有多接近。它回答了以下問題：“個體的權力與其他人相比，與平均水平相距多遠？”
Z-Score可能是正或負
- 如果Z分數非常接近於0，意味著該人的權力份額與其他人的平均水平差不多。
- 如果Z-Score與0偏離很大，意味著該人的能力與平均水平相差很大。他的能力要麼非常強大，要麼非常弱小。
這是一個統計指標，也可以用來識別薪資結構等數據。
假设有5位成员，他们的投票权比例如下：
- A：40%
- B：25%
- C：15%
- D：10%
- E：10%
平均投票權力：
- 平均 = 20%
計算每個個人的權力差異：
接下來，我們需要看到每個成員的力量與平均值相比有多大的差異。
例如：
- A：40% − 20% = 20%
- B：25% − 20% = 5%
- C：15% − 20% = −5%
- D：10% − 20% = −10%
- E：10% − 20% = −10%
計算標準差：標準差用於表示每個成員的投票權與平均值的偏差。
標準差是所有平方數的平均值，然後取平方根。
將每個個體的偏差除以標準偏差。例如，如果D的偏差為-10%，標準偏差為11.4%，則Z-Score為:
-10 / 11.4 = −0.88
但是為什麼不只看看差異呢？
- Z 分數提供標準化。例如，在比較不同的 DAO 組織時，投票權的 10% 差異可能看起來相似，但將其轉換為 Z 分數可以跨組織進行直接比較。
- Z-Score突顯相對差異。例如，如果D的偏差仍然是−10％，但標準偏差因整體動力分佈的變化而改變，D的Z-Score也會隨之變化，反映這些動態。
它還可用於分析薪資變動。例如，如果一個人的薪資保持不變，而公司內薪資的標準差因為普遍加薪而增加，Z-Score 可以顯示該個人的薪資相對於公司平均薪資的實際變化。
雖然Z分數可能不適合用於分析DAO的投票，但對於評估項目資源分配或個人貢獻的變化非常有價值。
投票權力的動態變化
投票權力流動指數
此指標衡量系統中成員之間的投票權力“移動”的程度。如果投票權力始終集中在少數人手中，則表明存在權力結構僵化、參與機會有限的情況。如果投票權力經常在成員之間轉移，則表明該系統是一個“活躍”的系統，每個人都有參與的機會，從而實現了更加公平和去中心化的系統。
假設這是Q1和Q2的投票權分配：
- 第一季度
- A的投票權利: 40%
- B的投票權：30%
- C的投票權：30%
- 第二季度
- A的投票權：35%
- B的投票權利：40%
- C的投票權：25%
步驟2：計算每位成員的投票權變化
每位成員的變動 這是第二季的投票權減去第一季的投票權:
- A 變化: 35% - 40% = -5% (下降 5%)
- B的變化：40% - 30% = +10%（增加了10%）
- C的變化：25％-30％= -5％（減少5％）
第三步：將所有成員的變更相加
在這一步中，我們將每個人的變化絕對值（無論增加還是減少，只取大小）相加，以獲得整個系統的「投票力量流動指數」。
- A 變化的絕對值：5%
- B變化的絕對值：10%
- C的絕對變化值：5%
總變化 = 5% + 10% + 5% = 20%
這20％是“投票力量流動指數”。報告稱，系統中20％的投票權在兩個季度之間發生了變化。
這個概念類似於Z-Score非常相似，您也可以添加標準差來查看變化率。
累計投票權的變動
我們查看擁有最多投票權的“頂級成員”，以查看他們的投票權份額是否增加。如果這些頂級成員的份額越來越大，這意味著系統中的權力越來越集中；如果沒有太大變化，這意味著系統的權力仍然分散，每個人的投票權相對平等。
假設我們有第一季和第二季的投票權數據:
- 第一季度
- A的投票權：40%
- B的投票權力：25%
- C的投票權：20%
- D的投票權：10%
- E的投票權力：5%
- 第二季度
- A的投票權：45%
- B的投票權力：20%
- C的投票權力：15%
- D的投票權力：15%
- E的投票權力：5%
我們將每個季度的成員投票權從大到小排名:
- 第一季：A > B > C > D > E
- 第二季度：A > B > D > C > E
第 2 步：計算「前 20%」成員的投票權份額
觀察“權力集中”時，我們通常會查看不同季度的“頂級成員”累計投票權，以確定它們是否在增加。
在5名成員中，前20%的成員是擁有最高投票權的1名成員（A）。
- 第一季度：A的投票權=40％（前20％的累計投票權=40％）
- 第二季度：A的投票權=45%（前20%的累計投票權=45%）
可以看出，前20%的投票權份額從Q1增加到Q2。
第三步：計算“前40%”成員的投票份額
我們也可以看一下前40%的累積份額（5名成員中的前2名）。
- 第一季度：A + B 的累計投票權 = 40% + 25% = 65%
- 第二季度：累計投票權 A + B = 45% + 20% = 65%
在這裡，您可以看到前40%的累積投票權份額並沒有變化。
這個計算讓您可以看到，像是代表權的變化是否只是投票權的轉移，還是存在大量的投票權集中。
資金透明度
這個指標通常不是嚴格量化的。它通常涉及對照總流動資金來比較已發表的財務報告或評估所披露的細節水平。雖然主觀且具有有限的意義，但披露方法、細節水平以及是否進行審計等方面仍可用於簡單評估。
決策時間
分析決策時間的通常方法側重於提交提案之前的準備階段。
例如，計算每個提案的“反饋收集”階段的平均持續時間。
由於投票時間通常固定，除非存在所有投票都非常迅速一致投票的情況（這種情況很少見），否則測量投票時間通常缺乏意義。
常見的時間參數:
- 意見收集時間
- 多簽處理時間
- 提案審核時間
治理相關的激勵機制
通常使用基尼指數來評估激勵機制的公平性。然而，這需要解決量化“治理貢獻”的問題，通常通過將固定貢獻轉換為比例激勵來解決。
對於長期一致性，量化治理貢獻是具有挑戰性的。以下是一些可能的方法：
- 綜合貢獻分數 =（任務完成比例 × 權重1）+（參與時間 × 權重2）+（決策參與度 × 權重3）+ ...
- (任務1的權重 x 任務1的數量) + (任務2的權重 x 任務2的數量)…
外部相關數據包括:
- 每季度總獎勵
- 個人平均獲得的獎勵
- Z分數或基尼分析，以確定激勵措施是否公平分配或過度集中在少數關鍵參與者中。
其他不需要解釋的指標
- 投票參與率
- 提案批准率
- 人口統計學: 這類似於社會統計學，例如年齡、性別、語言等。
- 治理攻擊/佔領/反佔領事件數量
結論
探索數據差異背後的隱藏真相需要持續的積累和調查。在借鑒不同DAO的治理經驗的同時，LXDAO也試圖通過定量方法澄清治理線索，為DAO績效分析奠定基礎。這一努力旨在進一步探索更多的數據和可能性。希望本文能為那些對治理分析感興趣的人提供有用的見解。
免責聲明：
- 本文轉載自[LXDAO]. 轉發原標題“DAO十年：解鎖治理的新維度和關鍵治理指標的深度分析”。版權屬於原作者[利克斯道]. 如果您對轉載有任何異議，請聯繫Gate Learn團隊（gatelearn@Gate.io），團隊將根據相關程序盡快處理。
- 免责声明：本文所表达的观点仅代表作者个人观点，不构成任何投资建议。
- Gate Learn 團隊已將文章翻譯成其他語言。除非有註明，否則禁止複製、分發或抄襲翻譯後的文章。
相關文章
什麼是穩定幣 USDC？