Web3における様式化された事実：トークンリターンと市場ダイナミクスの統計分析

1. 序論

暗号資産とより広範なWeb3エコシステムの登場により、金融の風景は根本的な変革を遂げつつある。ビットコインがこの分野を開拓した一方で、イーサリアムとスマートコントラクトの導入は分散型金融（DeFi）の発展を触媒し、単なる通貨を超えた多様なデジタル「トークン」の広大な領域を創出した。本論文は、伝統的金融市場から確立された「様式化された事実」の概念を、新興のWeb3トークン領域に適用する先駆的な統計分析を提示する。我々は、分散型取引所（DEX）、流動性プール、集中型取引所（CEX）にわたるトークンを体系的に比較し、そのリターン分布、テールリスク、時間的依存性を分析することで、この新しい資産クラスを支配する基本的な統計的特性を明らかにする。

2. Web3エコシステムにおけるブロックチェーンとトークン

Web3の金融ダイナミクスを理解するには、基盤となる技術と資産タイプの基礎的な把握が必要である。

2.1. ブロックチェーン技術

ブロックチェーンは、Web3の基盤となる不変の分散型台帳として機能する。Proof-of-Work（PoW）やProof-of-Stake（PoS）といったコンセンサスメカニズムは二重支払い問題を解決し、トラストレスな取引を可能にする。イーサリアムのようなプラットフォームは、チューリング完全なスマートコントラクトを通じてこの機能を拡張する。スマートコントラクトは自己実行型の契約であり、レンディングプロトコル（Aave、Compound）や自動化マーケットメーカー（Uniswap、Curve）といったDeFiアプリケーションの基盤を形成する。

2.2. Web3におけるトークンの分類

「トークン」という用語は、多様な用途を持つデジタル資産の広範なスペクトラムを含む：

ネイティブ/決済トークン（例：ETH、SOL）： それぞれのブロックチェーン上で、基本通貨および取引実行のための「ガス」として機能する。
ガバナンストークン（例：UNI、CRV）： プロトコルを統治する分散型自律組織（DAO）における投票権を付与する。
ユーティリティトークン（例：LPトークン）： プロトコル内の資産に対する請求権を表す。例えば、流動性プロバイダー（LP）トークンは、取引プールにおける持分を示す。
ステーブルコイン（例：USDC、DAI）： 法定通貨へのペッグを維持することを目的とし、DeFi内での交換媒体および価値保存手段として機能する。

Web3の重要な様式化された事実の一つは、ほぼすべてのアプリケーションが取引可能なトークンを発行し、深く相互接続された金融グラフを創出している点である。

3. 方法論とデータ

我々の分析は、2020年から2024年にかけての主要なWeb3トークンを厳選したバスケットの高頻度および日次価格データを用いる。データセットには、主要なCEX（Binance、Coinbase）およびDEX（Uniswap v2/v3、Curve）からのトークンが含まれる。リターンは $r_t = \log(P_t) - \log(P_{t-1})$ として計算される。様式化された事実を特定するために、正規性（Jarque-Bera）、自己相関（Ljung-Box）、ボラティリティモデリング（GARCHファミリー）に対する厳密な計量経済学的検定を適用する。

4. Web3トークンの経験的様式化事実

技術的な新規性にもかかわらず、Web3トークンは伝統的金融資産と顕著に一致する統計的特性を示す。

4.1. ファットテールなリターン分布

リターンは明らかに非ガウス的である。無条件の確率密度関数は「ヘビーテール」を示し、つまり極端な価格変動（暴落と急騰の両方）が正規分布が予測するよりもはるかに頻繁に発生する。これは、高い尖度値と極値理論（EVT）によって推定される正のテール指数によって定量化される。一般化パレート分布（GPD）における形状パラメータ $\xi$、$G_{\xi,\beta}(x) = 1 - (1+\xi x/\beta)^{-1/\xi}$ for $\xi \neq 0$ は、典型的に正であり、ヘビーテールな挙動を確認する。

4.2. 集計正規性

サンプリング間隔が増加するにつれて（例：分から日、週へ）、リターン分布はガウス性へと収束する。この時間的集計効果は、古典的な様式化された事実であり、Web3トークンにも当てはまる。中心極限定理が徐々にその影響を及ぼし、高頻度ノイズとファットテールを平滑化する。

4.3. ボラティリティ・クラスタリング

高いボラティリティの期間は互いにクラスター化する傾向があり、その後比較的平穏な期間が続く。これはリターンの時系列で視覚的に明らかであり、二乗または絶対リターンにおける有意で緩やかに減衰する自己相関によって確認される。これは、市場のストレスが永続的であり、独立同分布（i.i.d.）ではないことを意味する。

4.4. レバレッジ効果と時間反転非対称性

株式と比較して、「レバレッジ効果」（負のリターンが正のリターンよりも将来のボラティリティを増加させる効果）は弱い、または一貫性がないことがわかった。しかし、時間反転非対称性は存在する：過去のボラティリティのダイナミクスが非線形な方法で将来のリターンに影響を与える。これは、不均一自己回帰（HAR）モデルのようなモデルによって捉えることができる。

5. CEX対DEX：比較分析

重要な発見は、CEXとDEXで取引される資産間の統計的類似性である。市場構造の根本的な違い—オーダーブック対自動化マーケットメーカー（AMM）、カストディモデル、流動性の断片化—にもかかわらず、核心的な様式化された事実（ファットテール、ボラティリティ・クラスタリング）は大部分で一致している。この収束は、主に市場間の価格差を利用する裁定取引者によって駆動され、効果的に市場を縫い合わせ、統計的同等性を強制している。しかし、DEX固有のトークン（例：LPトークン）は、組み込まれた利回りメカニズムにより、独自の長期的リターンプロファイルを示す可能性がある。

6. 主要な知見と統計カード

テールリスクの普遍性

~90%

分析対象トークンの約90%が有意な正の超過尖度（>3）を示し、ヘビーテール分布を確認。

ボラティリティ持続性

高い

絶対リターンの自己相関は、50日を超えるラグでも有意であり、強いボラティリティ・クラスタリングを示唆。

CEX-DEX収束

強い

裁定取引活動により、主要トークンペアの分単位リターンにおける市場間相関は>0.95に達する。

正規性への集計

>30日

ほとんどのトークンのリターン分布は、月次リターンに集計した場合、5%水準で正規性を棄却できない。

7. 技術的枠組みと数理モデル

これらの事実をモデル化するため、標準的な計量経済学ツールが適用可能だが、適応が必要である：

ボラティリティモデリング： GARCH(1,1)モデル、$\sigma_t^2 = \omega + \alpha r_{t-1}^2 + \beta \sigma_{t-1}^2$ は、クラスタリングを効果的に捉える。EGARCHやGJR-GARCHのような拡張は、非対称効果を検定できる。
テールリスク： 極値理論（EVT）またはフィルタリング済み履歴シミュレーションを用いて計算されるバリュー・アット・リスク（VaR）およびエクスペクテッド・ショートフォール（ES）は、ガウス分布に基づく方法よりも正確なリスク測定を提供する。
多変量依存性： 動的条件付き相関（DCC-GARCH）モデルは、トークン間の時間変動する相関を明らかにし、ポートフォリオ構築に不可欠である。

8. 実験結果とチャートの説明

チャート1：ETHのリターン分布とQ-Qプロット（日次）： ETHの日次リターンのヒストグラムに、フィットさせた正規分布を重ねたものは、より高いピークとより太いテールを明確に示している。付随する分位点-分位点（Q-Q）プロットは、正規性の下で期待される直線から、特にテール部分で大きく逸脱している。

チャート2：絶対リターンの自己相関： 代表的なトークン（例：UNI）に対する棒グラフは、絶対リターンの自己相関関数（ACF）を示している。ACFは緩やかに減衰し、多くのラグにわたって正のままである。これはボラティリティ・クラスタリングと長期記憶の特徴である。

チャート3：CEX対DEX価格系列とスプレッド： 二軸チャートは、24時間にわたる主要なCEXと主要なDEXにおけるトークン（例：USDC/ETHペア）の分単位価格をプロットしている。下の第二パネルは価格差（スプレッド）を示す。このチャートは、緊密な結合を視覚的に示し、スプレッドの散発的なスパイクが迅速に裁定取引によって解消される様子を描いている。

9. 分析フレームワーク：実践的ケーススタディ

ケース：DeFi流動性プールにおけるテールリスクの評価
目的： Uniswap v3上の変動性の高いトークンペア（例：ETH/ALT）における流動性プロバイダーのポジションの1日95% VaRを推定する。
フレームワーク：

データ： ETHとALTの履歴価格を収集し、選択した価格範囲に対する非永続的損失関数 $IL = 2 \sqrt{price\_ratio} / (1 + price\_ratio) - 1$ を計算する。
モデル： ETHとALTのリターンに対して二変量DCC-GARCHモデルをフィットさせ、それらの動的相関とボラティリティを捉える。
シミュレーション： フィットさせたモデルを使用して、両資産の将来の1日リターンパスを10,000回シミュレートする。
計算： 各シミュレーションパスについて、結果として生じるプール価値の変化（獲得した手数料と非永続的損失を含む）を計算する。
結果： 価値変化のシミュレーション分布の5パーセンタイルが、推定されたVaRである。このEVT/GARCHベースのVaRは、ガウシアンVaRよりも大幅に高くなり、より大きなリスクを正しく示す。

このケースは、正確なDeFiリスク管理のためにヘビーテールモデルを使用する必要性を強調している。

10. 将来の応用と研究の方向性

オンチェーンデータの統合： 将来のモデルは、純粋な価格分析を超えて、リターンとボラティリティの予測変数としてオンチェーン指標（例：アクティブアドレス、ガス価格、総預かり資産（TVL））を組み込む必要がある。
クロスレイヤー分析： レイヤー1トークン（ETH、SOL）、レイヤー2ソリューション（Arbitrum、Optimism）、アプリケーションレイヤートークン間の統計的依存性に関する研究が必要である。
分散型デリバティブ： 様式化された事実は、dYdXやGMXのようなプロトコル上のオプションやパーペチュアルスワップの価格設定とリスク管理に不可欠となるだろう。
規制リスクモデリング： 規制発表の影響を、トークンリターンプロセスにおける「ジャンプ」イベントとして定量化する。
機械学習の強化： トランスフォーマーモデルやグラフニューラルネットワークをWeb3金融グラフに適用し、伝統的システミックリスク文献のアプローチと同様に、システミックリスクと伝染を予測する。

11. アナリストの視点：核心的洞察、論理的流れ、強みと欠点、実践的示唆

核心的洞察： 本論文は、強力で直感に反する真実を伝えている：DeFiとWeb3の革新的な表面の下には、ウォール街と同じ統計的リズムで鼓動する金融の核心が横たわっている。混沌は構造化されており、革新は馴染み深い。これは欠陥ではなく、暗号資産の成熟とグローバル金融システムへの統合を検証する特徴である。

論理的流れ： 議論は優雅に単純である。1) 伝統的市場が既知の統計的指紋（様式化された事実）を持つことを確立する。2) 同じ厳密な測定を新しいWeb3領域に適用する。3) 驚くべき類似性を発見し、これらが単なる好奇心ではなく「本物の」金融市場であることを証明する。4) 一つの主要な構造的違い（CEX対DEX）を対照実験として使用し、裁定取引が統計的差異を消し去り、基本的なレベルでの市場効率性を示していることを見出す。

強みと欠点： 強みはその基礎的な経験主義にある。それはWeb3のための最初の包括的な統計的ルールブックを提供し、議論を誇大広告から確固たるデータへと移行させる。これは、統計力学を株式市場に適用した初期のエコノフィジクスの研究に類似している。初期段階の研究に共通する欠点は、「なぜ」よりも「何が」に焦点を当てている点である。それはファットテールを特定するが、それらを引き起こすオンチェーンメカニズム（例：清算カスケード、ガバナンス攻撃）を深くモデル化していない。また、「Web3トークン」を一枚岩として扱い、DAIのようなステーブルコインと投機的なガバナンストークンの間の根本的な違いを潜在的に見落としている可能性がある。

実践的示唆： 投資家と構築者にとって、この研究は例外主義を捨てるための警鐘である。ポートフォリオマネージャー： 既存の定量分析ツール（GARCH、VaR）はここでも機能する—それらを使用せよ、ただしより太いテールのために較正せよ。暗号を魔法のような別個の資産クラスとして扱うことを止めよ。プロトコル設計者： もしあなたのトークンのリターンが最終的にこれらの様式化された事実を示さないならば、それは流動性の欠如または壊れた経済モデルの兆候かもしれない。市場の健全性には統計的署名がある。規制当局： CEX-DEX収束は、一方を規制することが必然的にもう一方に影響を与えることを証明している。区画化することはできない。得られる教訓は深遠である：Web3金融はその統計的思春期を通過した。それを分析する時は、その幼少期の福音主義的ナラティブではなく、伝統的金融の洗練された懐疑的なツールを用いるべき時である。

12. 参考文献

Cont, R. (2001). Empirical properties of asset returns: stylized facts and statistical issues. Quantitative Finance, 1(2), 223-236.
Nakamoto, S. (2008). Bitcoin: A Peer-to-Peer Electronic Cash System.
Buterin, V. (2014). Ethereum: A Next-Generation Smart Contract and Decentralized Application Platform.
Mandelbrot, B. (1963). The variation of certain speculative prices. The Journal of Business, 36(4), 394-419.
Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987-1007.
Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307-327.
Zhu, J.-Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. Proceedings of the IEEE International Conference on Computer Vision (ICCV). （裁定取引のように、二つの領域間の一貫性を強制するフレームワークの例として引用）。
Bank for International Settlements (BIS). (2021). Annual Economic Report - Chapter III: Cryptoassets and decentralised finance. （DeFiのシステミックリスクに関する権威ある外部情報源）。