前言：本文通過馬爾可夫均衡來**代幣模型，相對抽象。本文也提出了一些有意思的看法。比如它提出如果連續**路徑受到限制，只要初始**為正，就會擁有代幣**為正的非退化均衡。代幣**跟採用階段相關，除了早期快速增長之外，當系統積累到一定數量時，代幣**也會增長加速。本文作者eloisa marchesoni，由「藍狐筆記」社群的「sl」翻譯。
代幣是區塊鏈平台上進行交易和業務運營所需的交換媒介，它通過協議設計實現，或通過提供比其他貨幣更高的便利性來實現。事實上，與普通看法相反，大多數通過1co發行的「用途代幣」並非「公司代金券」，它們不是用來兌換發行公司的產品或服務，而是其他區塊鏈使用者獲得產品或服務的必需支付方式。
使用這類代幣的好處是增加區塊鏈使用者基數的規模。結果是，代幣**反映了社群的未來增長，如果預期的使用者基數增長更強勁，**會變得更高。退一步講，當平台技術預期會提公升，吸引更多**加入社群，代幣**公升值預期會讓**作出加入社群和持幣的決定。
因此，代幣作為原生貨幣的存在，不僅可以滿足參與者的技術目的，更重要的是，它通過**對未來技術進步、更多使用者以及更高代幣**的期望來促進使用者群的增長。模型均衡的特點是使用者群在時間上具有互補性——預期未來會有更多使用者推動當今更多使用者的增長。
儘管如此，在通常連續時間公式的條件下，仍然存在獨有的非退化馬爾可夫均衡。我們專注馬爾可夫均衡和**持有代幣決定的首個研究。（藍狐筆記注：馬爾可夫完美均衡不依賴於歷史路徑，具有無記憶性特定，決策主要取決於當前相關的狀態變數。如一家公司進行產品或服務定價時，不考慮歷史**資訊，只考慮其他競爭對手當前**，並由此作出最優選擇。通過這個方式形成的定價集合，可算作是馬爾可夫完美均衡。）
代幣市場清算條件提供代幣**公式，這通常會增加區塊鏈使用者群的規模——生態系統越大，個人參與者持有代幣所能實現的交易盈餘就越高。從資產定價的角度，這種模型是第乙個為使用者估值基數比率提供理論基礎。這種方法通常用於技術產業，尤其是哪些以使用者網路效應為基礎的公司。
代幣定價共識表明存在馬爾可夫均衡，而區塊鏈生產力是唯一匯聚的狀態變數。請注意，匯集的財富並不是匯聚的狀態變數，這是因為我們沒有清算商品市場。這與很多1co固定代幣**是一致的。
請注意，**可能導致負消費，對他們來說，可以隨時用儲存技術轉移財富。這些假設是合理的，因為代幣市場在整個經濟中佔比相對較小。加密貨幣市場上發生的任何事情幾乎都不會對總消費和定價核心產生實質性影響（也稱為隨機折現因子，它是滿足計算資產**所用函式的隨機變數。）
馬爾可夫均衡的狀態變數由**的選擇和代幣**在過濾概率空間上的隨機過程描述。它描述了「隨時間的過程歷史，它由布朗運動生成，使得（1）**了解並採用給定代幣**的過程；（2）**優先選擇消費和儲蓄（投資代幣並儲存）；（3）調整代幣**以出清代幣市場，從而達到均衡**；（4）所有變數都是狀態變數的函式，其遵循運動的自主定律。通過代幣定價模式發現的均衡在連續和平滑函式的空間中是唯一的。
考慮到在時間t的代幣**為正。在不限制**路徑連續的情況下，在t+dt時，**可以協調等於0的代幣**，此後，**可以重新協調正的代幣**。相反，在連續**路徑受限制的情況下，只要初始代幣**為正，我們就擁有代幣**為正的唯一的、非退化的均衡，並且一旦當前代幣**的動態是給定的，社群規模就可以是確定的。
因此代幣**跟平台採用階段相關。在對數尺度上，代幣**在早期階段快速增長，緊接著隨著使用者群增長而逐步增長，但當系統積累了一定數量的使用者時，代幣**增長加速，並且收斂至它的長期漸近線。這種動態在質量上類似於位元幣和其他加密貨幣。
更詳細地說，當區塊鏈技術效率不高時，響應技術進步的使用者群增長很小。但，隨著社群規模擴大，使用者群增長自我推動，更多的**加入生態系統，區塊鏈上交易產生的盈餘就越高。
當新來者變少時，使用者採用最終會放緩速度。事實上，這個模型不具有人口增長的特徵，因此，當更多**加入生態系統，當區塊鏈生產力提公升時，未來會有更少的新人被納入。
由於上述觀察，當比較有代幣和沒有代幣的專案的使用者採用，可以發現前者勝於後者，即使最終兩者收斂為一。引入區塊鏈原生代幣可以加速使用者採用，這也是為什麼首次代幣融資會在2023年及之後幾年持續存在的主要原因。
------
風險警示：藍狐筆記所有文章都不能作為投資建議或推薦，投資有風險，投資應該考慮個人風險承受能力，建議對專案進行深入考察，慎重做好自己的投資決策。
加入藍狐筆記的知識星球：
馬爾可夫模型
馬爾可夫過程 馬爾科度模型 馬爾可夫鏈 關鍵引數 1.1 馬爾可夫過程 馬爾可夫過程 markov process 是一類隨機過程。由 數學家a.a.馬爾可夫於1907年提出。該過程具有如下特性 在已知目前狀態 現在 的條件下，它未來的演變 將來 不依賴於它以往的演變 過去 1.2 馬爾可夫模型 乙...
隱馬爾可夫模型（一） 馬爾可夫模型
馬爾可夫模型 markov model 描述了一類隨機變數隨時間而變化的隨機函式。考察乙個狀態序列 此時隨機變數為狀態值 這些狀態並不是相互獨立的，每個狀態的值依賴於序列中此狀態之前的狀態。乙個系統由n個狀態s 隨著時間的推移，該系統從乙個狀態轉換成另乙個狀態。q 為乙個狀態序列，qi s,在t時刻...
隱馬爾可夫模型
隱 馬爾可夫模型 hidden markov model，hmm 作為一種統計分析模型，創立於20世紀70年代。80 年代得到了傳播和發展，成為訊號處理的乙個重要方向，現已成功地用於語音識別 行為識別，文字識別以及故障診斷等領域。隱馬爾可夫模型是馬爾可夫鏈的一種，它的狀態不能直接觀察到，但能通過觀測...