Этот документ   под лицензией CC 4.0. доступен на arxiv  Авторы:  (1) Бартош Кусмеж, Фонд IOTA 10405 Берлин, Германия и факультет теоретической физики Вроцлавского университета науки и технологий, Польша bartosz.kusmierz@pwr.edu.pl;  (2) Роман Оверко, Фонд IOTA 10405 Берлин, Германия roman.overko@iota.org.  Таблица ссылок   Аннотация и введение   Сопутствующая работа и методология   Полученные результаты   Резюме и ссылки  Абстрактный  Быстро развивающиеся технологии распределенного реестра (DLT) в последнее время привлекли внимание исследователей как в промышленности, так и в научных кругах. Хотя доступно множество существующих анализов (в основном) сетей Биткойн и Эфириум, наблюдается отсутствие измерений для других криптопроектов. В этой статье рассматриваются вопросы токеномики и распределения богатства в криптовалютах. Мы анализируем зависящие от времени статистические свойства крупнейших держателей криптовалют для 14 различных проектов распределенного реестра. Предоставленные метрики включают приблизительный коэффициент Ципфа, энтропию Шеннона, коэффициент Джини и коэффициент Накамото. Мы показываем, что существуют количественные различия между монетами (криптовалютами, работающими в собственной независимой сети) и токенами (которые работают на платформе смарт-контрактов). Представленные результаты показывают, что монеты и токены имеют разные значения аппроксимированного коэффициента Ципфа и уровня централизации. Эта работа актуальна для ТРР, поскольку она может быть полезна при моделировании и совершенствовании процесса выбора комитетов, особенно в децентрализованных автономных организациях (DAO) и блокчейнах с делегированным доказательством доли (DPoS).    — криптовалюты, токеномика, DPoS, распределение богатства, закон Ципфа. Индексные термины  ВВЕДЕНИЕ  Появление Биткойна [13] привело к росту интереса к распределенным системам на протяжении 2010-х годов. Недавно созданное пространство криптовалют привлекло множество ученых, программистов и бизнес-инвесторов. Из-за сложности технологий распределенного реестра (DLT) их разработка требует опыта во многих областях науки, включая прикладную математику, криптографию, теорию игр, экономику, одноранговые (p2p) сети и теорию кодирования. В первые годы существования ТРР наибольшее внимание уделялось вопросам технологического характера, поскольку такие проблемы, как механизм консенсуса и одноранговый уровень, лежат в основе любой такой технологии. К сожалению, вопросы экономики, распределения криптовалют и токеномики отошли на второй план в академических исследованиях криптовалют и не получили достаточного внимания (за некоторыми заметными исключениями).  Это прискорбно, поскольку модель псевдоанонимных счетов Биткойн обеспечивает беспрецедентную прозрачность транзакций в традиционных финансовых системах, где почти все платежи являются частными и очень конфиденциальными. Более того, Биткойн позволил использовать новые денежные модели и внедрить их в глобальном масштабе. Примечательно, что количество единиц валюты Биткойн ограничено 21 миллионом. Однако из-за потери некоторых биткойн-кошельков в результате халатности или человеческой ошибки денежно-кредитная политика Биткойна фактически является дефляционной. Денежно-кредитная политика — не единственный важный фактор распространения криптовалюты. Даже технологические решения, такие как механизмы консенсуса, могут повлиять на распространение криптовалюты. В этом контексте сравнение механизмов консенсуса Proofof-Work (PoW) и Proof-of-Stake (PoS) очень информативно. В PoW вновь созданные денежные единицы вознаграждаются специализированным пользователям, называемым майнерами, которые имеют доступ к эффективной интегральной схеме для конкретного приложения (ASIC). PoW-майнеры могут хранить большое количество единиц криптовалюты; однако большая часть добытых вознаграждений должна быть продана для покрытия таких расходов, как счета за электричество, аренда и амортизация ASIC-машин. Однако в системах PoS новые токены вознаграждаются стейкерам, которые владеют большим количеством единиц криптовалюты. В отличие от PoW-майнеров, участники PoS-стейкинга не несут высоких затрат и не заинтересованы в том, чтобы продавать свои вознаграждения, поскольку это увеличивает их доход в будущем. Это показывает, что даже технологические решения, предположительно не зависящие от денег, могут повлиять на токеномику.  В данной статье частично рассматриваются вопросы токеномики криптовалют. Мы анализируем распределение самых богатых аккаунтов в таких криптовалютах, как Биткойн, Эфириум и отдельные токены ERC20. Наш анализ включает в себя наборы данных, снятые в разные даты с заданным интервалом времени. Мы используем такие наборы данных для измерения различных статистических показателей и анализа их эволюции с течением времени. Предыдущие исследования [6], [7], [10] показали, что распределения самых богатых  балансы можно моделировать с помощью закона Ципфа. Мы расширяем эти результаты и изучаем эволюцию во времени коэффициента закона Ципфа, связанного с такими распределениями. Примечательно, что мы анализируем криптовалюты, которые, насколько нам известно, никогда ранее не анализировались с использованием подобных методов. Далее мы приступим к тщательному анализу ряда показателей централизации, таких как энтропия Шеннона, индекс Джини и коэффициент Накамото. Эти метрики используются для ответа на главный вопрос, рассматриваемый в данной статье, который сформулирован следующим образом: существуют ли количественные различия между балансами основных счетов в криптовалютных «монетах» и «токенах»? Таким образом, новизна данной работы состоит из следующих двух аспектов: (i) изучение количественных различий между монетами и токенами и (ii) изучение криптовалют, анализ которых отсутствует в литературе.  Различие между криптовалютными монетами и токенами было проведено в [22], где авторы определяют монеты как работающие в собственном независимом реестре/сети, а токены — как работающие поверх сети монет (обычно это платформы смарт-контрактов, такие как Ethereum или Cardano). Для целей настоящей статьи мы используем те же определения.  Это исследование может быть особенно интересно для ТРР, где группа крупнейших держателей криптовалюты выполняет особую роль. Примеры включают децентрализованные автономные организации (DAO), в которых комитет крупнейших держателей токенов отвечает за управление DAO или управление казначейством. Другими примерами являются блокчейны с делегированным доказательством доли (DPoS), где относительно небольшой комитет валидаторов блоков выпускает обновления реестра или распределяет генераторы случайных чисел на основе схемы пороговой подписи. Поскольку наше исследование сосредоточено на относительно небольшой группе крупнейших держателей токенов, его можно напрямую применить к моделированию вышеупомянутых примеров. Это также разумно, поскольку типичный размер порогового комитета по сигнатурам ограничен сложностью сообщения (до 50–100 узлов). Наше исследование может помочь улучшить процесс отбора комитетов, поскольку мы предоставляем ряд параметров коэффициента закона Ципфа, который можно использовать в качестве модели распределения криптовалюты.  Структура статьи следующая. В следующем разделе мы обсудим соответствующую работу и представим методы и инструменты, используемые в этой статье. Раздел III посвящен представлению и анализу результатов. В последнем разделе мы подводим итоги и обсуждаем будущие исследования.

Read My Stories

We believe everyone should have ultimate control and ownership over their cryptographic assets and digital transactions.

CryptoSovereignty's blog

Этот звук создан на языке оригинала истории!

Насколько централизована децентрализована?

About Author

КОММЕНТАРИИ

БИРКИ

ЭТА СТАТЬЯ БЫЛА ПРЕДСТАВЛЕНА В

Related Stories

Рост криптовалют: создание эффективных образов пользователей

От форумов до лент новостей: как алгоритмы социальных сетей формируют цифровое взаимодействие

Цифровые кочевники слушают: что нужно знать о новой визе DTV в Таиланде

Раскрытие силы ИИ. Систематический обзор передовых методов: Краткое содержание и введение

Рост криптовалют: создание эффективных образов пользователей

От форумов до лент новостей: как алгоритмы социальных сетей формируют цифровое взаимодействие

Цифровые кочевники слушают: что нужно знать о новой визе DTV в Таиланде

Раскрытие силы ИИ. Систематический обзор передовых методов: Краткое содержание и введение

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps