在之前的文章中,我们跟 Algorand 的创始团队一起 聊了聊他们的非典型去中心化哲学,而对于很多用户来说,他们更加关心的是:

Algorand 的荷兰式拍卖究竟是怎么回事,我该去梭哈一把么?

今天我们带来了 arrington 关于 Algorand 的分析,arrington 是一家 tokenfund,由 TechCrunch 创始人创立,相信你看完之后,会对于 Algorand 的荷兰式拍卖会有更好的理解。

原文标题:《The Monetary Experiment:Algorand》
原文作者:Ninos Mansor,Arrington XRP fund 合伙人
编译:风答

1 看跌期权 & 三种策略

90% 成本回购是吸引很多玩家参与这次荷兰拍卖的重要原因,它本质是一种看跌期权,你在买入 algo 一年后,有权将其卖回给项目方。

涨跌期权是一种相对高阶的金融工具,用在这里使得 algo 的荷兰拍卖跟此前的 ico 和 ieo 完全区别开来,除了公开发行,这种有项目方做 back up 的拍卖,更是一种做市和风险对冲的手段,中期来看,这种方式会让引导用户去做价值发现,同时帮助二级市场找到有效的价格。

我们举一个例子说明:

今天,Bob 以 2 美金价格买入 1000 个 algo,这意味着 Bob 90% 的的风险有了 back up,在 90% 兑付来临之前,我们可以思考一下 A 在一年内可能的交易行为:

1、algo 市场价格一直高于 Bob 的认购价,那他的选择有两种,卖掉 algo,赚钱走人或者长期持有 algo;
2、algo 价格处于波动状态,先高于 Bob 的认购价,后来又跌破两美金了,那对于来 Bob 来说,一个套利机会是,在高于认购价卖出 algo,然后找一个 algo 价格低于 1.8 的时刻买回来,然后一年后找 algo 项目方做兑付;
3、algo 长期低于 Bob 的认购价,类似于第二条的机会同样存在,A 应该设置风险线,一旦价格跌破 1.8,就应该立马在市场上卖掉,随后在成交价 90% 以下的价格再把 algo 买回来,等待一年后的 90% 本金兑付,采用这样的策略,此前 10% 的风险也被对冲掉了;

当然,在第三种策略中,有一种情况是,Algo 的价格长期处于偏低的稳定状态,可能找到不到合理的对冲点。

2 人人都是做市商

上面我们讨论了只进行一次拍卖的情况,大部分参与拍卖用户的可能行为,但 algorand 的拍卖长达五年,这就意味着每次拍卖都会有一个成交价格。

这就会出现很多个 Bob,然后他们都可能采用上述的三种策略来处理自己手中的 algo,这也意味着,每一次拍卖都会对 algo 的流动性产生影响,而最后 algo 的定价可能是基于不同价格模型的加权。

这也就解释了,为什么我们说,algo 的拍卖除了公开发行,还有风险对冲和做市的作用。

想象以下 Alice 的拍卖价格是 2 美金,Bob 的拍卖价格是 3 美金,在临近 90% 兑付的时候会发生什么?

这里我们来看看每次拍卖加权后,可能的情况(为了方便计算,我们默认 90% 兑付,即拍卖成交价大于 1 美金):

拍卖卖结束后的加权平均价格:

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

其中 An= 每次拍卖卖出的 algo 数量;Pn= 每次拍卖的最终成交价

当然,这个价格算的非常粗略,我们只考虑了拍卖中 Algo 的流动性,基金逐步释放的份额和团队、节点手上的 algo 并没有完全考虑进去。

如果把这些并进去,最后的模型会更加复杂,但目前来看,这种计算是一个不错的参考,至于 algo 的价格会怎么走,将会是一件非常有趣的事情。

所有参与拍卖的用户都在玩一场游戏,这个游戏随着时间的推移,理论上会出现一个最低价格,而每一个参与者又都会有自己的价格来判断当前的价格是高或者低,所以在 algo 的拍卖中,每个人都是做市商。

3 你是哪种用户

这种机制让 algo 的流动性效率会大大提升,能更加有效的做市场运转,相较于 EOS 或 ETH,它更加像传统的外汇市场,大部分货币都有自己独立的流动性,而不是跟着 BTC 的波动而波动。

值得注意的是,Smart Trader 也会参与其中。如果拍卖提供了真实数据(实际是的,数据都在链上),他们能根据模型,推倒出一个相对有效的价格,那么其价格的偏差就构成了 algo 的套利空间,你可以想象市场可能对“价格”的错误判断,就像 usdt 不是长期处于 1:1 水平一样,而「smart trader」会利用 usdt 阶段性恐慌进行套利。

你可以想象的到,这些用户,会利用 algo 的经济模型给 algo 定价,跟踪每次一拍卖的结算日期和当期价格,他们会为低效率定价,并随着时间的推移消除波动性。比如:越接近退款日期,这些模型就越有可能生效,因为投机者的套利需求会增多。

同时他们会感谢拍卖者们的参与,让这一切都可能变成了一个自我实现的预言,无论实际参与拍卖者的行为如何,市场都会为 algo 找到一个合理的价格。

所以,你是那种用户?

来源链接:arringtonxrpcapital.com