深度研究 Coinbase 的關係網，篩選出與 Coinbase 關係最緊密的 10 個加密貨幣專案。
該文為「Proof of Value」區塊鏈資料解讀系列文章之一，用資料科學解讀區塊鏈。本文由「X-Order × 鏈聞」 聯合呈現。
X-Order 是一家關注加密貨幣投資、開放金融和資料科學等領域的創新型研究機構，曾和鏈聞聯合推出「Proof of Value 區塊鏈風投基金排行榜」。
在矽谷創投圈裡，「PayPal 黑幫」是一個繞不開的話題。這個說法最早出現在美國《財富》雜誌，描述了 PayPal 早期員工在美國網際網路行業的地位。自從 2002 年 PayPal 被 eBay 收購之後， PayPal 早期重要員工都選擇了自己創業，彼此之間保持著非常密切的聯絡，相互投資，相互支援，就像是黑手黨組織一樣控制這個美國科技行業。
在加密貨幣行業，同樣有這樣一個「黑幫」存在，這就是「Coinbase 黑幫」。
總部位於舊金山的 Coinbase 是加密貨幣行業最重要的企業之一，影響力巨大。該公司最近披露的估值達到了 80 億美元，不過從 Coinbase 派生出的員工和其估值一樣令人印象深刻。同 PayPal 類似，Coinbase 的早期僱員們不少選擇自立門戶在區塊鏈世界創業，他們推出了加密貨幣投資基金、各類底層協議、去中心化應用，活躍於區塊鏈行業的各個細分領域，並且，他們彼此相互照應，相互投資，已然是這個行業的中流砥柱。
「Coinbase 黑幫」的影響力不容忽視。基於此，我們決定藉助於 X-Order 和鏈聞的資料庫資源，利用 X-Order 的知識圖譜演算法及機器學習模型，深度研究 Coinbase 的關係網，揭開 「Coinbase 黑幫」的秘密。
研究「Coinbase 黑幫」有何意義？
我們認為，揭開「Coinbase 黑幫」的關係網，可以幫助行業更深入瞭解以下這些資訊：
依據 Coinbase 的人脈網和影響力，順藤摸瓜發掘優質專案
Coinbase 已經被證明是加密貨幣行業最成功的企業之一，其早期團隊更具經驗，Coinbase 前員工團隊在優質專案的辨識度上更具優勢，並且，其網路也會聚集優質資源。所以，Coinbase 系的專案本身是優質專案的可能性更大，Coinbase 系的創業公司在未來取得成功的機率更高。這點上，「PayPal 黑幫」創業公司在網際網路行業已經有過證明。
已經與 Coinbase 系的關係疏密程度，推測加密貨幣未來在 Coinbase 平臺掛牌交易的可能
「Coinbase 效應」已然是加密貨幣市場眾所周知的秘密。所謂「Coinbase 效應」，是指一旦 Coinbase 宣佈某種加密貨幣宣佈將在 Coinbase 相關平臺掛牌交易，都引發該加密貨幣價格短暫上漲。這當然與 Coinbase 對於數字資產嚴苛的上架標準有關，同時，也因為 Coinbase 本身的流動性優勢。市場上一直不乏關於「誰將是 Coinbase 下一個上架代幣」的傳聞。與其盲從於傳聞和小道訊息，不如透過某種代幣與 Coinbase 系的遠近關係，做一些更有邏輯的推測。
「Coinbase 含量」
Top 10
為了揭示與「Coinbase 黑幫」相關聯的區塊鏈創業專案與 Coinbase 的親疏關係，我們推出了一個「Coinbase 含量」榜單，透過這個榜單，篩選出與 Coinbase 關係最緊密的專案。
我們藉助於 X-Order 和鏈聞的資料庫資源，利用 X-Order 的知識圖譜演算法及機器學習模型，分析了 Coinbase 的關係網。需要指出的是，我們分析的「關係」主要包括兩類：
工作關係：在這層關係中，我們又分為為「普通員工」與「高管」兩個維度。為方便統計對比，這裡的「高管」包含開發者、顧問和投資者；
投資關係：主要指某個專案投資來源與 Coinbase 之間的關聯關係。
透過知識圖譜關係網，我們找到了和 Coinbase 關係密切的眾多專案，以下，是最為密切的 10 個專案：
Coda
dYdX
Oasis Labs
Filecoin
0x
Zcash
Blockstack
NEAR Protocol
XRP
注：圖中註明的投資金額為該輪融資的總金額，不一定全部由該機構貢獻。
預測 Coinbase 第四期上幣考察名單
我們還希望利用該知識圖譜預測未來哪些數字資產有可能在 Coinbase 平臺掛牌。
我們假設和 Coinbase 關係網越越密切的專案，越有可能進入考察名單。為此，我們設計一個預測模型，其中包括 11 個關係網特徵變數，並採用決策樹結合人工干預，選擇出 3 個主要特徵變數：
二度關係包含人物高管連線路徑數；
二度關係還包含了專案連線路徑數；
三度連線路徑數為次要影響變數的模型。
到目前為止，Coinbase 已經宣佈了三批上幣考察名單，這給我們提供了回測模型的可能。我們對前三次上幣觀察名錄的專案建模，並以前兩期 Coinbase 考察名單做 k-means 聚類訓練 Logit 迴歸模型，使用我們設計的模型來模擬「預測」第三期考察名單，對該模型進行回測，結果驗證了我們的假設。
以下是 Coinbase 在 2019 年 9 月公佈的第三批上幣觀察名單中的 17 個專案在回測榜單中的結果：
這個結果證明，我們找到的 Logit 模型具有一定置信度，符合我們的假設預期。然後我們用前三期的考察名單做訓練集訓練模型，對第四期考察名單做出了預測 :
需要指出的是，這個預測名單中，我們剔除了一些未發幣的專案，也剔除了一些已經停止更新或者關注熱度已經退去的老專案。
Coinbase 作為行業門戶交易所，上幣謹慎，進入考察名的專案會有一定的概率上幣，從而會給專案帶來大量的流動性。希望我們這個模型和預測結果，對關注 Coinbase 上幣計劃、希望捕捉到「Coinbase 效應」中投資機會的投資者，帶來一些線索。
