Web3 中的典型化事實：代幣報酬與市場動態的統計分析

1. 緒論

隨著加密貨幣及更廣泛的 Web3 生態系統的出現，金融格局正經歷根本性的轉變。比特幣開創了這個領域，而以太坊和智能合約的引入則催化了去中心化金融的發展，創造了超越單純貨幣的眾多數位「代幣」。本文進行了一項開創性的統計分析，將傳統金融市場中既有的「典型化事實」概念應用於新興的 Web3 代幣領域。我們系統性地比較了去中心化交易所、流動性池和中心化交易所中的代幣，分析其報酬分佈、尾部風險和時間依賴性，以揭示這個新資產類別的基本統計特性。

2. Web3 生態系統中的區塊鏈與代幣

理解 Web3 金融動態需要對底層技術和資產類型有基礎性的掌握。

2.1. 區塊鏈技術

區塊鏈是支撐 Web3 的不可篡改、分散式帳本。工作量證明和權益證明等共識機制解決了雙重支付問題，實現了無需信任的交易。像以太坊這樣的平台透過圖靈完備的智能合約擴展了此功能，這些自我執行的協議構成了去中心化金融應用的骨幹，例如借貸協議和自動化做市商。

2.2. Web3 中的代幣分類

「代幣」一詞涵蓋了具有多種用途的數位資產：

• 原生/支付代幣： 作為其各自區塊鏈上的基礎貨幣和執行交易的「燃料」。
• 治理代幣： 賦予去中心化自治組織中對協議治理的投票權。
• 功能型代幣： 代表對協議內資產的權利，例如流動性提供者代幣，代表交易池中的份額。
• 穩定幣： 旨在與法定貨幣掛鉤，在去中心化金融中作為交易媒介和價值儲存。

3. 方法論與資料

我們的分析採用了 2020 年至 2024 年間一籃子精選的知名 Web3 代幣之高頻和每日價格資料。資料集包含來自主要中心化交易所和去中心化交易所的代幣。報酬計算為 $r_t = \log(P_t) - \log(P_{t-1})$。我們應用嚴謹的計量經濟學檢定來識別典型化事實，包括常態性檢定、自相關檢定和波動率建模。

4. Web3 代幣的實證典型化事實

儘管 Web3 代幣具有技術新穎性，但其統計特性與傳統金融資產驚人地一致。

4.1. 厚尾報酬分佈

報酬明顯非高斯分佈。無條件機率密度函數呈現「厚尾」，意味著極端價格變動發生的頻率遠高於常態分佈的預測。這可以透過高峰度值以及透過極值理論估計的正尾部指數來量化。廣義帕累托分佈中的形狀參數 $\xi$ 通常為正，證實了厚尾行為。

4.2. 聚合常態性

隨著取樣間隔增加，報酬分佈會趨向於高斯分佈。這種時間聚合效應，一個經典的典型化事實，同樣適用於 Web3 代幣。中央極限定理逐漸發揮作用，平滑了高頻雜訊和厚尾。

4.3. 波動率叢聚

高波動率時期往往聚集在一起，隨後是相對平靜的時期。這在報酬時間序列中視覺上顯而易見，並由平方或絕對報酬中顯著且緩慢衰減的自相關所證實。這意味著市場壓力具有持續性，而非獨立同分佈。

4.4. 槓桿效應與時間反轉不對稱性

與股票相比，我們發現「槓桿效應」較弱或不一致。然而，時間反轉不對稱性確實存在：過去波動率的動態以非線性方式影響未來報酬，這可以透過異質自迴歸等模型來捕捉。

5. CEX 與 DEX：比較分析

一個關鍵發現是，在中心化交易所和去中心化交易所交易的資產在統計上具有相似性。儘管市場結構存在根本差異，但核心的典型化事實大致相同。這種趨同主要是由套利者驅動的，他們利用不同交易場所之間的價差，有效地將市場縫合在一起並強制實現統計均等。然而，去中心化交易所特有的代幣可能由於內嵌的收益機制而呈現獨特的長期報酬特徵。

6. 關鍵洞察與統計卡片

7. 技術框架與數學模型

為了建模這些事實，標準的計量經濟學工具適用但需要調整：

• 波動率建模： GARCH(1,1) 模型能有效捕捉叢聚現象。其擴展模型可用於檢驗不對稱效應。
• 尾部風險： 使用極值理論或過濾歷史模擬法計算的風險值和預期短缺，比基於高斯分佈的方法提供更準確的風險衡量。
• 多變量相依性： 動態條件相關模型揭示了代幣之間隨時間變化的相關性，這對投資組合建構至關重要。

8. 實驗結果與圖表說明

圖表 1：以太幣日報酬分佈與 Q-Q 圖： 以太幣日報酬的直方圖疊加了擬合的常態分佈，清楚顯示更高的峰度和更厚的尾部。伴隨的分位數-分位數圖明顯偏離常態性預期的直線，特別是在尾部。

圖表 2：絕對報酬的自相關： 代表性代幣的條形圖顯示了絕對報酬的自相關函數。該函數緩慢衰減，並在許多滯後期保持正值，這是波動率叢聚和長記憶性的標誌。

圖表 3：CEX 與 DEX 價格序列及價差： 雙軸圖表繪製了 24 小時內主要代幣對在主要中心化交易所和領先去中心化交易所的分鐘級價格。下方的第二個面板顯示了價差。圖表直觀地展示了緊密的耦合關係，價差偶爾出現的峰值會被迅速套利消除。

9. 分析框架：實務案例研究

案例：評估去中心化金融流動性池中的尾部風險
目標： 估計流動性提供者在波動性代幣對上的部位之一日 95% 風險值。
框架：

1. 資料： 收集以太幣和 ALT 的歷史價格，並為選定的價格範圍計算無常損失函數。
2. 模型： 對以太幣和 ALT 的報酬擬合雙變量 DCC-GARCH 模型，以捕捉其動態相關性和波動率。
3. 模擬： 使用擬合的模型模擬兩種資產的 10,000 條未來一日報酬路徑。
4. 計算： 對每條模擬路徑，計算池價值變化。
5. 結果： 價值變化模擬分佈的第 5 百分位數即為估計的風險值。這種基於極值理論/GARCH 的風險值將顯著高於高斯風險值，正確地顯示了更高的風險。

10. 未來應用與研究方向

• 鏈上資料整合： 未來的模型必須將鏈上指標作為報酬和波動率的預測變數，超越純價格分析。
• 跨層分析： 需要研究 Layer-1 代幣、Layer-2 解決方案和應用層代幣之間的統計相依性。
• 去中心化衍生品： 典型化事實對於在協議上定價和管理期權及永續合約的風險至關重要。
• 監管風險建模： 將監管公告的影響量化為代幣報酬過程中的「跳躍」事件。
• 機器學習增強： 將 Transformer 模型或圖神經網路應用於 Web3 金融圖譜，以預測系統性風險和傳染，類似於傳統系統性風險文獻中的方法。

11. 分析師觀點：核心洞察、邏輯脈絡、優缺點、可行建議

核心洞察： 本文揭示了一個強大且反直覺的真相：在去中心化金融和 Web3 激進的表象之下，跳動著一顆與華爾街遵循相同統計節奏的金融之心。混亂是有結構的；創新是熟悉的。這不是缺陷，而是一個特徵，驗證了加密資產融入全球金融體系的成熟度與整合度。

邏輯脈絡： 論證優雅而簡單。1) 確立傳統市場具有已知的統計指紋。2) 將同樣嚴謹的測量應用於新的 Web3 領域。3) 發現驚人的相似性，證明這些是「真正的」金融市場，而非僅僅是奇觀。4) 利用一個主要的結構性差異作為對照實驗，發現套利消除了統計分歧，從根本上展示了市場效率。

優缺點： 其優勢在於基礎實證主義。它為 Web3 提供了第一本全面的統計規則手冊，將論述從炒作轉向硬數據。這類似於早期將統計力學應用於股票市場的經濟物理學研究。其缺點，如同早期研究的通病，是關注「是什麼」而非「為什麼」。它識別了厚尾，但沒有深入建模導致厚尾的鏈上機制。它也將「Web3 代幣」視為一個整體，可能掩蓋了不同代幣之間的根本差異。

可行建議： 對於投資者和建設者，這項研究是一個警鐘，要求放棄例外主義。投資組合經理： 您現有的量化工具在這裡同樣適用——使用它們，但要針對更厚的尾部進行校準。停止將加密貨幣視為一個神奇的分離資產類別。協議設計者： 如果您的代幣報酬最終沒有顯示這些典型化事實，這可能是流動性不足或經濟模型有問題的跡象。市場健康有其統計特徵。監管機構： CEX-DEX 趨同證明，監管一方必然影響另一方。您無法將其隔離。結論是深刻的：Web3 金融已經度過了其統計青春期。是時候用傳統金融的複雜、懷疑的工具來分析它，而不是用其嬰兒期的傳福音敘事。

12. 參考文獻

1. Cont, R. (2001). Empirical properties of asset returns: stylized facts and statistical issues. Quantitative Finance, 1(2), 223-236.
2. Nakamoto, S. (2008). Bitcoin: A Peer-to-Peer Electronic Cash System.
3. Buterin, V. (2014). Ethereum: A Next-Generation Smart Contract and Decentralized Application Platform.
4. Mandelbrot, B. (1963). The variation of certain speculative prices. The Journal of Business, 36(4), 394-419.
5. Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987-1007.
6. Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307-327.
7. 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). (作為一個框架範例被引用，如同套利在兩個領域間強制執行一致性)。
8. Bank for International Settlements (BIS). (2021). Annual Economic Report - Chapter III: Cryptoassets and decentralised finance. (關於去中心化金融系統性風險的權威外部來源)。