评 SIMD 553:被忽视的需求定律
我总体上支持基于资源消耗的定价。我的验证者今天早上对 SIMD 553 投了赞成票;然而,我对围绕该提案的讨论质量感到极度失望——以至于我开始担心,这种低质量的讨论可能会让投票者无法准确评估该提案的成本与收益。具体来说,我担心两件事:
1. 未来销毁量估算假设需求量不变
如果你一直在阅读相关讨论,你可能会对预测的巨大收入增长感到兴奋。不幸的是,这些估算基于一个关键假设,而这个假设在实践中几乎肯定不成立。
"这些估算假设没有人会改变行为" — Temporal
"按当前交易量计算" — Solana Compass
"如果资源需求大致保持不变" — CryptoBreaking
这些引述反映了对基础经济学的一个根本性误解。当价格上涨而需求曲线保持不变时,根据需求定律,需求量会下降。
弹性
价格边际上涨与需求量边际下降之间的关系,以百分比表示,称为弹性。
例如,如果价格上涨 10% 导致需求量下降 6%,那么需求弹性就是 -0.6。
估算需求弹性可能很困难,因为在给定的数据集中,价格通常是供给与需求的交点,因此价格变化可能源于需求变化,这当然意味着从这种冲击中得出的任何需求曲线弹性估算都是垃圾。估算弹性的标准方法是利用供给冲击来估算需求曲线的形状,利用需求冲击来估算供给曲线的形状。在少数情况下,当价格由中央计划者或算法设定时,可以利用随机冲击来估算相对于价格的需求弹性。
来自 EIP-1559 的因果估算
我能提供的基于这些方法的最接近需求弹性因果估算的数据,来自 1559 激活之后、合并完成之前的以太坊 1559 定价。当区块超过半满时,价格会上升;当区块低于半满时,价格会下降。

但有一个小问题。在伦敦硬分叉后的大约一年里,EIP 1559 已经上线,但以太坊仍然是一个工作量证明网络。这意味着有时价格上涨是因为需求增加了,有时价格上涨是因为区块挖矿耗时较长,有更多时间让交易到达。

工具变量
这给了我们经济学家所称的工具变量。假设你想知道 X 对 Y 的因果效应——例如,价格上涨对需求量的影响。但价格和需求量都受到某个共同原因 D(即需求曲线本身)的影响。经济学家试图找到某个能影响 X 但不能影响 Y 的工具 Z,并将其作为 X 的变异来源,以研究 X 和 Y 之间的因果关系。典型的工具变量因果 DAG 如下所示:

但由于我们有来自连续区块的面板数据,更容易这样来看待我们的工具变量分析设置。在每个时期,需求曲线 D 和价格 p 决定需求量 q,而前一期的价格和需求量决定新价格。

我们可以看到,仅凭这一点我们可能不会有任何进展,因为一切都无可救药地相互关联。所以我们需要加入我们的工具变量,在本例中是区块时间 w,它只是一个泊松分布的随机变量,表示这个特定区块挖矿所花的时间。

现在我们可以进行估算:

Holdout 表示剔除某些到达时间过长的区块。这些观测发生的概率较低,但可能导致删失问题从而影响估算。严格来说,我不应该在这里使用 OLS 来估算,因为存在一些删失问题,但我又不是在向 AER 投稿,所以你明白我的意思就好。
关于结果,请看第 (2–6) 列中隐含的弹性。注意估算值大约在 -0.8 到 -0.6 之间,这意味着价格上涨 10% 大约对应需求量下降 6–8%。
在这种场景下直接使用这个估算值存在许多问题。首先,这个数据来自 DeFi 之夏的中期。当时以太坊主网高价格下的弹性可能与今天 Solana 低价格下的弹性不同。另一个问题是,这代表的是短期弹性。实证估算表明,长期弹性通常显著大于短期弹性,因为行为适应需要一些时间。
Solana 数据告诉我们的
我们可以查看一些 Solana 特有的数据来判断这是否是对今天 Solana 的合理估算。

大多数人可能基于用户行为来做内部计算,但你可能会惊讶地发现,网络上大部分计算使用量实际上来自机器人。上图显示了将 10,000 笔交易样本与费用支付者表关联,并按左侧的计算单元使用量和右侧的费用加权的结果。颜色深浅基于该交易的费用支付者在该纪元内完成的交易数量。颜色越黄,该费用支付者完成的交易越少。颜色越蓝,该费用支付者完成的交易越多。
这表明 Solana 上绝大多数的计算使用量是由机器人消耗的。这并不一定意味着这些交易是无用的或经济价值低。机器人对任何交易所都很重要。事实上,我相信纳斯达克上的绝大多数交易也是由计算机程序执行的。但这确实告诉我们一些关于需求弹性的信息。这些机器人不会在某个 memecoin 前端支付高昂的前端费用。它们对费用相当敏感。如果费用增加会使它们的策略无利可图,它们就会直接关闭。利润分析表明,这些机器人的利润率相当微薄。

我不确定这些 prop AMM markouts 有多大的代表性,因为盈利的吃单方通常会拆分他们的费用支付者以避免被列入黑名单。
TLDR,我认为这项提案的大部分公开分析都忽略了一个事实:当你提高价格时,计算的需求量会下降,因此预测的收入/销毁量数字被大幅高估了。
2. 销毁作为 Solana 通胀的抵消
"每日销毁量仍将远低于网络每日 SOL 发行量" — Solana Compass
"这些提案不会使 SOL 变为净通缩" — Solana Compass(同一篇文章,所以如果你每个来源需要一条,二选一即可)
"到 2029 年将年度净供应增长率降至约 1.05%" — Solana Compass,引用 Temporal 的联合模型
"将 SOL 净供应增长率推低至 1.5% 以下..." — CryptoBriefing
"SIMD-0553 是销毁引擎;SIMD-0550 是降低通胀的杠杆" — SpotedCrypto
"通胀时间表仍然以比费用移除速度更快的速度向市场注入新供应" — Memeburn
"SIMD-0550 从源头解决通胀... SIMD-0553 从出口解决,通过使用来销毁" — Temporal
我已经就这个话题写过大量文章,但在任何连贯的区块链经济学模型中,以这种方式比较销毁和通胀都是毫无意义的。详细论证请参阅我的上一篇文章。
- 原文链接: x.com/MaxResnick/status/...
- 鸿途知科网 AI 助手,为大家转译优秀英文文章,如有翻译不通的地方,还请包涵~
版权声明
本文仅代表作者观点,不代表区块链技术网立场。
本文系作者授权本站发表,未经许可,不得转载。
鸿途知科网
发表评论:
◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。