人人都是做市商,Algorand的拍賣該怎麼玩?

買賣虛擬貨幣

在之前的文章中,我們跟Algorand的創始團隊一起聊了聊他們的非典型去中心化哲學,而對於很多使用者來說,他們更加關心的是:

Algorand的荷蘭式拍賣究竟是怎麼回事,我該去梭哈一把麼?

今天我們帶來了arrington關於Algorand的分析,arrington是一家tokenfund,由TechCrunch創始人創立,相信你看完之後,會對於Algorand的荷蘭式拍賣會有更好的理解。

以下是正文,enjoy:

1

看跌期權&三種策略

90%成本回購是吸引很多玩家參與這次荷蘭拍賣的重要原因,它本質是一種看跌期權,你在買入algo一年後,有權將其賣回給專案方。

漲跌期權是一種相對高階的金融工具,用在這裡使得algo的荷蘭拍賣跟此前的ico和ieo完全區別開來,除了公開發行,這種有專案方做back up的拍賣,更是一種做市和風險對沖的手段,中期來看,這種方式會讓引導使用者去做價值發現,同時幫助二級市場找到有效的價格。

我們舉一個例子說明:

今天,Bob以2美金價格買入1000個algo,這意味著Bob 90%的的風險有了back up,在90%兌付來臨之前,我們可以思考一下A在一年內可能的交易行為:

1、algo市場價格一直高於Bob的認購價,那他的選擇有兩種,賣掉algo,賺錢走人或者長期持有algo

2、algo價格處於波動狀態,先高於Bob的認購價,後來又跌破兩美金了,那對於來Bob來說,一個套利機會是,在高於認購價賣出algo,然後找一個algo價格低於1.8的時刻買回來,然後一年後找algo專案方做兌付

3、algo 長期低於Bob的認購價,類似於第二條的機會同樣存在,A應該設定風險線,一旦價格跌破1.8,就應該立馬在市場上賣掉,隨後在成交價90%以下的價格再把algo買回來,等待一年後的90%本金兌付,採用這樣的策略,此前10%的風險也被對沖掉了。

當然,在第三種策略中,有一種情況是,Algo的價格長期處於偏低的穩定狀態,可能找到不到合理的對沖點。

2

人人都是做市商

上面我們討論了只進行一次拍賣的情況,大部分參與拍賣使用者的可能行為,但algorand的拍賣長達五年,這就意味著每次拍賣都會有一個成交價格。

這就會出現很多個Bob,然後他們都可能採用上述的三種策略來處理自己手中的algo,這也意味著,每一次拍賣都會對algo的流動性產生影響,而最後algo的定價可能是基於不同價格模型的加權。

這也就解釋了,為什麼我們說,algo的拍賣除了公開發行,還有風險對沖和做市的作用。

想象以下Alice的拍賣價格是2美金,Bob的拍賣價格是3美金,在臨近90%兌付的時候會發生什麼?

這裡我們來看看每次拍賣加權後,可能的情況(為了方便計算,我們預設90%兌付,即拍賣成交價大於1美金):

拍賣賣結束後的加權平均價格

P = 90% x (A1P1+A2P2+...+AnPn)/(A1+A2+...+A2)

其中An=每次拍賣賣出的algo數量

Pn=每次拍賣的最終成交價

當然,這個價格算的非常粗略,我們只考慮了拍賣中Algo的流動性,基金逐步釋放的份額和團隊、節點手上的algo並沒有完全考慮進去。

如果把這些並進去,最後的模型會更加複雜,但目前來看,這種計算是一個不錯的參考,至於algo的價格會怎麼走,將會是一件非常有趣的事情。

所有參與拍賣的使用者都在玩一場遊戲,這個遊戲隨著時間的推移,理論上會出現一個最低價格,而每一個參與者又都會有自己的價格來判斷當前的價格是高或者低,所以在algo的拍賣中,每個人都是做市商。

3

你是哪種使用者

這種機制讓algo的流動性效率會大大提升,能更加有效的做市場運轉,相較於EOS或ETH,它更加像傳統的外匯市場,大部分貨幣都有自己獨立的流動性,而不是跟著BTC的波動而波動。

值得注意的是,Smart Trader也會參與其中。如果拍賣提供了真實資料(實際是的,資料都在鏈上),他們能根據模型,推倒出一個相對有效的價格,那麼其價格的偏差就構成了algo的套利空間,你可以想象市場可能對“價格”的錯誤判斷,就像usdt不是長期處於1:1水平一樣,而“smart trader”會利用usdt階段性恐慌進行套利。

你可以想象的到,這些使用者,會利用algo的經濟模型給algo定價,跟蹤每次一拍賣的結算日期和當期價格,他們會為低效率定價,並隨著時間的推移消除波動性。比如:越接近退款日期,這些模型就越有可能生效,因為投機者的套利需求會增多。

同時他們會感謝拍賣者們的參與,讓這一切都可能變成了一個自我實現的預言,無論實際參與拍賣者的行為如何,市場都會為algo找到一個合理的價格。

所以,你是那種使用者?

---------------------------------------------------

原文連結:

http://arringtonxrpcapital.com/wp-content/uploads/2019/06/aXRPc_algorand_a_monetary_experiment.pdf

編譯:風答

免責聲明:

  1. 本文版權歸原作者所有,僅代表作者本人觀點,不代表鏈報觀點或立場。
  2. 如發現文章、圖片等侵權行爲,侵權責任將由作者本人承擔。
  3. 鏈報僅提供相關項目信息,不構成任何投資建議

推荐阅读

;