链GDP:一个评估公链繁荣程度的新指标?

币界网Publicado a 2024-07-16Actualizado a 2024-07-16

币界网报道:

作者:Dynamo DeFi,编译:0xjs@

最近我一直在开发一种新的链上指标,以恰当地捕捉区块链上的经济活动。

就像我常说的那样,分析区块链的一个有用框架是将它们视为数字经济体:

  • 激励计划=刺激

  • 流动性流入=外国投资

那么,衡量这一活动的最佳指标是什么?

当前的指标存在许多问题:

TVL——代表美元,但不代表活动。受大额存款影响,并非所有 TVL 都具有同等生产力。

TX 数量——代表活动,但不代表金额。这很容易让人上当。

DEX 交易量——代表美元和活动,但仅代表特定类型的经济活动。不捕获游戏甚至其他 DeFi 项目的活动。

链GDP——链GDP 衡量链上的美元和活动。本质上,这是链上应用程序产生的所有费用的总和。注意:这并不意味着只有链本身的费用。

由于只计算费用(而不是原始转账量),因此使用刷量交易或女巫攻击进行伪造会更加困难。要伪造链 GDP,你需要向生态系统中的各种 dApp 支付大量费用。

方法

为了提取数据,我使用了DefiLlama 的费用和收入 API。

如果你不确定费用和收入之间的区别:

  • 费用 = 用户支付的金额

  • 收入 = 协议或代币持有者应得的费用

例如,支付给流动性提供者的费用不是收入,但用于治理代币质押奖励的费用则是收入。

至于实际提取这些数据,可以迭代遍历协议,按链提取其总费用,也可以迭代遍历链,计算该链上协议的总费用。我选择迭代链并使用 /overview/fees/{chain} 端点,因为当按链提取费用时,TotalDataChart 属性会显示该链上所有协议的费用总和——这正是我们想要的。

此时必须做出两个主要决定:

  1. 费用还是收入?

  2. 将L2与L1分组还是保持它们独立?

费用与收入是一个简单的决定。收入在很大程度上取决于代币经济学。以 Uniswap 这样的协议为例。尽管 Uniswap 是加密货币领域最大的经济活动中心之一,但如果我们计算收入而不是费用,只有 Uniswap Labs 的收入才会对以太坊的 GDP 做出贡献。此外,我过去进行的分析一直发现,费用比收入更能预测市值。

决定是否将L2与其父L1分组更加困难。老实说,这主要与以太坊有关。我选择将它们分开有几个原因:

  1. 数据粒度更高。将 Arbitrum、Base 等与以太坊结合起来提供的信息比将它们分开提供的信息要少。任何想将它们算在一起的人都可以轻松做到这一点;然而,默认将它们分组会掩盖链上经济中正在发生的有意义的转变。

  2. 行业标准。不管喜欢与否,大多数数据提供商(如 DefiLlama 和 Artemis)默认将 L2 作为自己的链进行比较。

  3. 链上经济。链上的经济活动在一定程度上是该链流动性流入的下游。至少目前,流入和流出 L2 的流动性与链间流动类似。

应广大用户的要求,我计划在 GitHub 上发布我使用的完整脚本,以便其他人可以自己测试,但我之前从未在那里发布过(我的背景是金融/经济学,而不是软件)。

链GDP数据

现在我们来看一下数据。

以太坊在链 GDP 方面明显领先(这并不奇怪)。最近几天,以太坊的 GDP 大多数日子都在 1000-1500 万美元左右,而按此指标排名第二的 Solana 的 GDP 约为 600-700 万美元。

话虽如此,Solana 显然是今年的赢家。虽然大多数主要区块链在 3 月份达到顶峰,并且自那时起就遭受了经济活动下滑的影响(经济衰退?),但 Solana 一直保持稳定甚至有所增长,与其最接近的竞争对手拉开了距离,并接近以太坊本身的 GDP。

另一个值得注意的趋势是 Base,尽管最近几周呈下降趋势,但其 GDP 在这些公链中从第 8 位短暂上升到第 3 位,现在排名第 6。

对于那些希望深入了解其他连锁店和时间段的人,以下是 2024 年 7 月 12 日导出的数据摘录

https://docs.google.com/spreadsheets/d/1JSIMYO4gTMIRbc2PIIHUtEkGcQKj3zJy6QL0SUAaBF8/edit?gid=0#gid=0。

这个电子表格包含了自 2024 年初以来 50 多个链的数据。

Lecturas Relacionadas

Blockchain Capital 合伙人:Tokenización remodelará la estructura subyacente del mercado de capitales

Aleks Larsen, socio de Blockchain Capital, argumenta que la tokenización revolucionará los mercados de capital al estandarizar la representación de activos, similar a como los contenedores transformaron la logística global. El problema actual es la fragmentación: cada activo (hipotecas, acciones, fondos) tiene registros y sistemas propios, lo que genera ineficiencias y altos costos al transferirlos entre instituciones. La tokenización resuelve esto al crear un contenedor digital estandarizado y legible por máquinas para los derechos financieros. Esto permite que plataformas, prestamistas y custodios interactúen directamente con el activo, sin necesidad de infraestructuras personalizadas. La analogía clave es la contenerización: antes de los años 60, el transporte de mercancías era lento y costoso. La estandarización del contenedor redujo drásticamente costos y tiempos, reorganizó toda la cadena de suministro y expandió masivamente el comercio global. Del mismo modo, los tokens son los "contenedores" de las finanzas. Los stablecoins ya demuestran este potencial, creando una red global eficiente para transferir valor. Este ecosistema ahora atrae otros activos tokenizados (bonos, materias primas, crédito privado), que superan los $400 mil millones. El cambio fundamental es que los servicios financieros comienzan a orbitar alrededor del *activo tokenizado* en sí, no de la relación del titular con una institución específica. Esto descentraliza el acceso y reduce barreras de entrada. A largo plazo, la tokenización puede crear un mercado de capitales verdaderamente global y accesible, donde el capital fluya hacia activos de valor previamente excluidos por su tamaño, ubicación o complejidad, impulsando una asignación de recursos más eficiente.

marsbitHace 20 min(s)

Blockchain Capital 合伙人:Tokenización remodelará la estructura subyacente del mercado de capitales

marsbitHace 20 min(s)

Caltech resuelve con IA un problema de 60 años en química cuántica: una GPU hace el trabajo de 7.800

El Instituto de Tecnología de California (Caltech) ha utilizado un modelo de IA para abordar un problema de 60 años en química cuántica: reducir drásticamente la complejidad computacional de las simulaciones de densidad electrónica. El método tradicional, la Teoría del Funcional de la Densidad (DFT), ve su tiempo de cálculo aumentar cúbicamente con el tamaño del sistema, volviendo imposibles los cálculos para moléculas grandes. El equipo de Anima Anandkumar entrenó un Operador Neuronal de Fourier (FNO) para aprender la relación directa entre las condiciones de entrada y la densidad electrónica correspondiente, reduciendo la complejidad de O(N³) a casi O(N log N). Este modelo, denominado Kohn-Sham FNO, se inserta en el proceso iterativo estándar de DFT, funcionando como una "cadena de pensamiento" que permite la autocorrección, a diferencia de los modelos de predicción directa que fallan al extrapolar. Los resultados son significativos: el modelo logró una precisión del 97.77% en la densidad al extrapolar a moléculas farmacéuticas grandes no vistas durante el entrenamiento, superando ampliamente el 58.6% de error de los modelos de predicción directa. En una prueba a gran escala, simuló un defecto en una estructura de magnesio con 82,500 electrones en una sola GPU, una tarea que en 2019 requirió aproximadamente 7,800 GPUs. El exponente de escalado del nuevo método es de 1.03 (casi lineal), frente al 3.37 (cúbico) del método tradicional. Este avance, que combina principios físicos con IA para reemplazar solo el paso computacional más costoso, abre nuevas posibilidades para el descubrimiento acelerado de fármacos, materiales para baterías y catalizadores.

marsbitHace 28 min(s)

Caltech resuelve con IA un problema de 60 años en química cuántica: una GPU hace el trabajo de 7.800

marsbitHace 28 min(s)

ÚLTIMAS NOTICIAS: ¡Publicados los datos de la Reserva Federal sobre el Índice de Precios de Consumo (PCE), utilizado para medir la inflación! ¡Esta es la primera reacción de Bitcoin (BTC)!

La principal criptomoneda, Bitcoin, mantiene sus altos niveles antes de la publicación hoy de los datos de inflación del índice de precios de gastos de consumo personal (PCE) de EE.UU. Como se sabe, Bitcoin subió desde aproximadamente $62.000 a más de $80.000 en un período muy corto. Ayer, incluso superó los $81.000, alcanzando su nivel más alto en tres meses. Aunque el mercado retrocedió un poco después, ahora el foco está en los datos del PCE, uno de los indicadores de inflación más seguidos por la Fed, y en las expectativas sobre su política monetaria. Un informe del PCE inferior a las expectativas podría reforzar la idea de una presión inflacionaria decreciente, apoyando las expectativas de que la Fed podría adoptar una política monetaria más flexible. Por el contrario, un informe superior a las expectativas podría debilitar las expectativas de recortes de tasas, ejerciendo presión de venta a corto plazo sobre Bitcoin. Los datos publicados para julio, considerados un indicador adelantado de la inflación, fueron los siguientes: - PCE básico (anual): 3.3% (vs. 3.3% esperado y previo) - PCE básico (mensual): 0.2% (vs. 0.2% esperado; previo 0.1%) - PCE general (anual): 3.7% (vs. 3.6% esperado; previo 3.7%) - PCE general (mensual): 0.2% (vs. 0.1% esperado; previo -0.1%) *Esto no es una recomendación de inversión.

cryptonews.ruHace 49 min(s)

ÚLTIMAS NOTICIAS: ¡Publicados los datos de la Reserva Federal sobre el Índice de Precios de Consumo (PCE), utilizado para medir la inflación! ¡Esta es la primera reacción de Bitcoin (BTC)!

cryptonews.ruHace 49 min(s)

Trading

Spot
活动图片