La montée des oracles : les investisseurs institutionnels ont besoin de confiance crypto données du marché

Dans cet article, j’ai l’intention de discuter de l’importance des données de marché, de l’économétrie de la finance décentralisée (DeFi) et de la recherche appliquée DeFi sur crypto actifs (et numériques) comme corollaire de l’économétrie financière et de la recherche appliquée. J’essaierai également de m’appuyer sur la perspective et les conclusions des articles fondateurs d’Eugene Fama sur la base de son intérêt pour la mesure des propriétés statistiques des cours des actions et la résolution du débat entre l’analyse technique (l’utilisation de motifs géométriques dans les graphiques de prix et de volume pour prévoir les prix futurs mouvements d’un titre) et l’analyse fondamentale (utilisation de données comptables et économiques pour déterminer la juste valeur d’un titre). Lauréate du prix Nobel Fama opérationnalisé l’hypothèse de marché efficient — résumé de manière compacte dans l’épigramme que « les prix reflètent pleinement toutes les informations disponibles » sur des marchés efficients.

Alors, concentrons-nous sur ces informations autour de crypto et les actifs numériques, sur crypto et données financières décentralisées sources, l’analyse des données de marché et tout ce qui entoure l’énorme industrie émergente DeFi qui est essentielle pour attirer les investisseurs institutionnels vers crypto, DeFi et plus large « token« marchés, en général.

Dans la plupart des marchés, les données de marché sont définies comme le prix d’un instrument (un actif, un titre, une marchandise, etc.) et des données liées au commerce. Ces données reflètent la volatilité du marché et des classes d’actifs, le volume et les données spécifiques au commerce, telles que le volume ouvert, haut, bas, fermé (OHLCV) et d’autres données à valeur ajoutée, telles que les données du carnet d’ordres (écart acheteur-vendeur, marché agrégé profondeur, etc.) et la tarification et l’évaluation (données de référence, données de finance traditionnelle comme les premiers taux de change, etc.) Ces données de marché sont déterminantes dans diverses recherches en économétrie financière, en finance appliquée et, désormais, en DeFi telles que :

• Gestion des risques et cadre du modèle de risque
• Négoce quantitatif
• Prix ​​et évaluation
• Construction et gestion de portefeuille
• Globalement crypto la finance

Bien que l’application d’une méthodologie traditionnelle pour évaluer les risques et discerner divers degrés d’opportunités réparties entre divers et émergents crypto-les classes d’actifs peuvent être limitatives, c’est un début. De nouveaux modèles d’évaluation ont émergé qui visent à donner un sens à ces actifs numériques qui ont dominé les marchés numériques véritablement mondiaux, et même ces modèles ont besoin de données de marché. Certains de ces modèles incluent, sans s’y limiter :

• PAUV, ou prix moyen pondéré en fonction du volume, une méthodologie qui détermine généralement la juste valeur d’un actif numérique en calculant le prix moyen pondéré en fonction du volume à partir d’un groupe présélectionné de données post-négociation disponibles sur les bourses constitutives.
• TWAP, ou prix moyen pondéré dans le temps, qui peut être un oracle ou un contrat intelligent qui dérive token les prix des pools de liquidité, en utilisant un intervalle de temps pour déterminer le ratio de garantie.
• Taux de croissance détermine le facteur collatéral.
• TVL, ou valeur totale verrouillée, concerne les pools de liquidité et les teneurs de marché automatisés (AMM).
• Nombre total d’utilisateurs reflète l’effet de réseau et l’utilisation et la croissance potentielles.
• Méthodologie de marché principale s’applique au marché principal, qui est souvent défini comme le marché avec le plus grand volume et l’activité pour un actif numérique. La juste valeur serait le prix reçu pour un actif numérique sur ce marché.
• Volumes de trading de CEX et de DEX sont la somme des volumes de transactions sur les bourses centralisées (CEX) et les bourses décentralisées (DEX).
• CVI, ou alors crypto indice de volatilité, est créé en calculant un indice de volatilité décentralisé à partir des prix des options de crypto-monnaie et en analysant les attentes du marché en matière de volatilité future.

Ainsi, les données de marché deviennent centrales à tous les outils de modélisation et d’analyse pour donner du sens aux marchés, mais aussi pour effectuer des analyses de corrélation entre différents crypto secteurs tels que la couche un, la couche deux, le Web 3.0 et DeFi. La principale source de ce crypto les données du marché proviennent du mélange toujours croissant et fragmenté de crypto Échanges. Les données de ces échanges ne peuvent pas être largement de confiance, comme nous l’avons vu des cas de volumes gonflés à travers des pratiques telles que le wash trading et les pools fermés qui peuvent fausser le prix en déformant la demande et le volume. Ainsi, modéliser une hypothèse sur la base de données empiriques et ensuite tester l’hypothèse pour formuler une théorie de l’investissement (informations à partir d’abstraits empiriques) peut être délicat. Cela donne lieu à des oracles qui visent à résoudre les problèmes de données de confiance entrant dans le système de transaction blockchain ou d’une couche de médiation entre le crypto et les couches financières traditionnelles.

En rapport: Oracle veut apporter la blockchain aux masses à travers un crypto-offre de données sécurisées

Blockchain, la technologie sous-jacente qui régit tout crypto actifs et réseaux, vante ses principes fondamentaux de commerce, de confiance et de propriété sur la base de la transparence étendue par les systèmes de confiance (ou le consensus), alors pourquoi les données de marché sont-elles un si gros problème ? Cela ne fait-il pas partie de l’éthique de la blockchain et de la crypto l’industrie de s’appuyer sur des données qui appartiennent au marché et sont facilement accessibles pour l’analyse ?

La réponse est oui! Mais! » Les choses deviennent intéressantes lorsque nous croisons le crypto marchés avec une liquidité fiduciaire — les transactions libellées en dollars américains, en euros, en yens et en livres sterling constituent le rail vers la finance traditionnelle qui est facilitée par crypto Échanges.

Compréhension crypto macro et macro globale différenciante

Comme Peter Tchir, responsable de la macro macro chez Academy Securities, basée à New York, explique dans un article écrit par Simon Constable : « Global macro est un terme pour les tendances sous-jacentes qui sont si importantes qu’elles pourraient faire monter ou baisser l’économie ou de vastes pans des marchés des valeurs mobilières. Le gendarme a ajouté :

« Ils diffèrent des micro-facteurs, qui peuvent affecter les performances d’une seule entreprise ou d’un sous-secteur du marché. »

Je voudrais faire la distinction entre macro globale et crypto macro. Alors que les tendances macroéconomiques mondiales – telles que l’inflation, la masse monétaire et d’autres événements macroéconomiques – ont un impact sur les courbes d’offre et de demande mondiales, crypto macro régit la corrélation entre les différents secteurs (tels que Web 3.0, couche un, couche deux, DeFi et jetons non fongibles), jetons représentatifs de ces secteurs et événements qui ont un impact sur le mouvement correspondant de ces classes d’actifs.

En rapport: Comment les NFT, DeFi et Web 3.0 sont liés

Les classes d’actifs crypto (et numériques) définissent un tout nouveau domaine de création, de transaction et de mouvement d’actifs lorsqu’elles se limitent à la fongibilité entre les classes d’actifs et les mécanismes d’échange, tels que les prêts, les garanties et les échanges. Cela crée un environnement macro soutenu par crypto-principes et théories économiques. Lorsque nous tentons de relier ces deux environnements macroéconomiques majeurs pour injecter ou transférer des liquidités d’un système économique à un autre, nous compliquons essentiellement nos mesures de mesure et nos données de marché, en raison d’une collision de systèmes de valeur.

Permettez-moi de démontrer la complexité avec un exemple de l’importance des données de marché et d’autres facteurs dans la formulation d’une théorie de l’investissement basée sur des informations tirées d’abrégés empiriques.

Alors que la couche un fournit une utilité importante pour de nombreux écosystèmes qui émergent sur les réseaux de couche un, tous les réseaux de couche un ne sont pas créés égaux et ne fournissent pas la même valeur et les mêmes caractéristiques. Bitcoin (BTC), par exemple, avait l’avantage du premier coup et est en quelque sorte le visage de l’écosystème de la crypto-monnaie. Il a commencé comme un service public mais s’est transformé en une réserve de valeur et une classe d’actifs en tant que couverture contre l’inflation tentant de remplacer l’or.

Ether (ETH), d’autre part, a proposé la notion de programmabilité (la capacité d’appliquer des conditions et des règles) pour valoriser le mouvement, créant ainsi des écosystèmes riches tels que DeFi et NFT. Ainsi, ETH devient l’utilitaire token qui alimente ces écosystèmes facilitant la co-création. L’augmentation de l’activité transactionnelle a poussé la demande d’éther, car il est nécessaire pour le traitement des transactions.

Bitcoin en tant que réserve de valeur et couverture contre l’inflation est assez différent d’une entreprise en constante croissance et émergente sur un réseau de couche un. Il est donc vital de comprendre ce qui donne de la valeur à ces jetons. C’est l’utilité d’un token comme un péage sur le réseau qui le rend précieux, ou sa capacité à stocker et à transférer une (grande) valeur dans un temps proche, ce qui lui donne un avantage sur les systèmes de mouvement de valeur ou de paiement existants.

Dans les deux cas, l’utilité, le volume de transactions, l’offre en circulation et les mesures de transaction connexes donnent un aperçu de la token évaluation. Si nous devions analyser et examiner l’impact macroéconomique plus profond sur l’évaluation (tels que les taux d’intérêt, la masse monétaire, l’inflation, etc.) et aussi crypto facteurs macro impliquant la corrélation d’autres crypto actifs et crypto-monnaies qui ont un impact direct ou indirect sur la première couche, la théorie qui en résulterait inclurait la croissance de la technologie fondamentale, les rôles des classes d’actifs natives et les primes de maturité. Cela indiquerait un risque technologique et une adoption par le marché, un effet de réseau et une prime de liquidité qui démontrent une large acceptation dans divers crypto-écosystèmes pilotés. Une vision de l’investissement sur l’adéquation stratégique à, disons, un crypto la construction du portefeuille inclut des considérations sur les cycles macroéconomiques, crypto liquidité (la capacité de convertir crypto actifs) et crypto macro-impact, et les considère comme un faible risque à moyen terme sur notre cadre de modèle de risque.

Disponibilité de confiance crypto les données de marché permettent non seulement des décisions de trading en temps réel et sur place, mais également diverses analyses de risque et d’optimisation nécessaires à la construction et à l’analyse du portefeuille. L’analyse nécessite des données de marché traditionnelles supplémentaires alors que nous commençons à discuter des cycles de marché et de la liquidité liés à la finance traditionnelle, qui peuvent également tenter de corréler les crypto macro-secteurs avec les macro-secteurs mondiaux. Cela peut devenir rapidement compliqué du point de vue de la modélisation, simplement en raison de la disparité entre la diversité et la vitesse des données de marché entre deux systèmes de valeur.

Points de vue

Aussi fondamental que crypto l’efficacité du marché est à une bonne prise de décision financière, elle est mal comprise et faussée par des informations médiocres ou inadéquates. Il est crypto des données de marché (économiques) et divers modèles économiques qui nous permettent de donner un sens aux marchés émergents et désordonnés crypto marchés. Les principes de l’hypothèse de marché efficient — qui implique que dans les marchés efficients, le prix reflète toujours les informations disponibles — s’appliquent également aux crypto marchés.

Les données de marché deviennent donc au cœur de tous les outils de modélisation et d’analyse pour donner du sens aux marchés et aussi pour effectuer des analyses de corrélation entre différents crypto secteurs, tels que la couche un, la couche deux, Web 3.0 et DeFi. La principale source de ce crypto les données du marché proviennent du mélange toujours croissant et fragmenté de crypto Échanges. Les classes d’actifs crypto et numériques définissent un tout nouveau domaine de création, de transaction et de mouvement d’actifs, en particulier lorsqu’elles se limitent à la fongibilité entre les classes d’actifs et les mécanismes d’échange, tels que les prêts, les garanties et les échanges. Cela crée un environnement macro soutenu par crypto principes et théories économiques.

Lorsque nous tentons de relier ces deux grands environnements macroéconomiques soit pour injecter soit pour transférer des liquidités d’un système économique à un autre, nous compliquer nos mesures métriques et données de marché, en raison d’une collision de systèmes de valeur. L’analyse nécessite des données de marché traditionnelles supplémentaires alors que nous commençons à discuter avec les cycles de marché et la liquidité traditionnels liés à la finance, et tentons également de corréler les crypto macro-secteurs avec les macro-secteurs mondiaux. Cela peut se compliquer rapidement du point de vue de la modélisation, simplement en raison de la disparité entre la diversité et la vitesse des données de marché entre deux systèmes de valeur.

Cet article ne contient pas de conseils ou de recommandations d’investissement. Chaque mouvement d’investissement et de négociation comporte des risques, et les lecteurs doivent effectuer leurs propres recherches avant de prendre une décision.

Les points de vue, pensées et opinions exprimés ici n’engagent que l’auteur et ne reflètent ou ne représentent pas nécessairement les points de vue et opinions de Cointelegraph.