Обсуждение применения и вызовов рекурсивных операторов в мире Блокчейн
В последнее время алгоритмические стабильные монеты стали热门话题 в сфере блокчейна. Многие люди проявляют огромный интерес к этому новому типу стабильной монеты, полагая, что она может превзойти традиционные обеспеченные стабильные монеты и модели автоматических маркет-мейкеров (AMM), а также даже достичь целей, которые биткойн не смог осуществить: полностью децентрализованная и саморегулируемая глобальная валютная система. Это ожидание отчасти связано с недостатком понимания природы блокчейна и валют, а также с тем, что алгоритмические стабильные монеты вводят новую концепцию — рекурсивный оператор.
Рекурсивный оператор — это метод вычисления, при котором предыдущий статус используется в качестве входных данных для последовательных операций с умными контрактами и генерирует следующий статус через многократные итерации. Появление этого оператора не является неожиданным, поскольку открытость данных блокчейна и последовательный дизайн умных контрактов естественным образом формируют временной ряд. Рекурсивная обработка аналогичных операций может привести к возникновению нелинейной структуры и даже проявлению геометрической прогрессии. Эта сильная позитивная обратная связь полностью соответствует самоусиливающим свойствам онлайновых игр, что делает его идеальным инструментом для исследования новых возможностей некооперативных игр.
Однако простая рекурсивная временная последовательность не является оптимальным решением, поскольку она делает состояние каждого момента полностью зависимым от предыдущего момента. Действительно, стоит обратить внимание на сочетание рекурсивного оператора с другими элементами, вводя новую информацию в процессе изменения состояния. Эта новая информация отражает игровые свойства и обладает непредсказуемостью. В то же время эта непредсказуемость также подвержена влиянию рекурсивного оператора, формируя определенное общее ожидание, которое, в свою очередь, влияет на другие операторы, создавая контролируемое свойство ожидания. Мы называем такие операторы многократными рекурсивными операторами.
В качестве примера стабильной монеты с использованием распространенного простого алгоритма, оператор ценообразования генерирует цену Pt, в то время как общая масса расширения представляет собой многоуровневый рекурсивный оператор Mt. Mt является функцией Pt, Pt+1 зависит от Mt, таким образом, Mt+1 и Mt устанавливают косвенную рекурсивную связь. В сочетании с оператором ценообразования формируется периодическая отрицательная обратная связь, постепенно приближающаяся к ценовой стабильности. Этот дизайн основан на теории равновесия кривой спроса и предложения, а игровой процесс происходит на вторичном рынке. Однако из-за недостаточной точности (точный расчет должен основываться на функциональной зависимости между объемом предложения и ценами на вторичном рынке) процесс передачи происходит медленно, и трудно быстро достигнуть стабильного равновесия.
Помимо операторов, предоставляющих отрицательную обратную связь, существуют также рекурсивные операторы, предоставляющие положительную обратную связь. Эти операторы стремятся к эффекту самоусиления, а не к стабильности цен. Типичным примером является механизм выкупа в определенной системе: выкуп снижает предложение на рынке, повышает цены, улучшает производительность системы, удовлетворяет больше потребностей, приносит больше доходов и, в свою очередь, увеличивает выкуп, формируя позитивный цикл. Этот простой и четкий метод с противомарковскими свойствами в будущем может вызвать больший интерес у разработчиков цепочных протоколов.
С чисто математической точки зрения, неясно, может ли рекурсивный оператор создать стабильные краткосрочные свойства. Поэтому стабильные монеты, зависящие от рекурсивного оператора, трудно свести к стабильной структуре. Особенно учитывая, что алгоритмические стабильные монеты не изменяют напрямую соотношение спроса и предложения на вторичном рынке, а косвенно влияют на спрос и предложение путем регулирования общего объема, их передача более медленна, а условия ограничения для достижения стабильного равновесия более многочисленны, что делает труднее достижение собственных целей.
В многоуровневых рекурсивных операторах шаги по введению новой информации имеют решающее значение. Общие свойства равновесия Блокчейна действительно способствуют введению большего количества информации, которая имеет определенную неопределенность в рамках конкретной структуры игры, но при этом подчиняется единой информационной структуре. Эта информация в сочетании с рекурсивными операторами формирует общее ожидание, что может создать иллюзию стабильности. Многие проекты могут попасть в такую иллюзию, и без строгого анализа теории игр трудно полностью понять общие свойства равновесия. Эти свойства могут быть прямо противоположны ожиданиям (например, алгоритмические стейблкоины могут не обеспечить стабильность, как и Биткойн не может стать универсальной валютой).
В некоторых случаях этап введения информации также требует определенной случайности. Эта случайность предполагает нулевую зависимость от информации (полная симметрия), что отличается от традиционного дизайна стабильных монет. Когда случайность сочетается с рекурсивным оператором, это даже облегчает достижение стабильных свойств. Эта случайность, отделенная от игровой структуры и больше отражающая алгоритмические характеристики, может стать новым направлением в развитии алгоритмических стабильных монет.
При использовании рекурсивного оператора, если количество этапов введения информации или независимых операторов слишком велико, эффект рекурсивного оператора будет постепенно ослабевать, а его свойства положительной и отрицательной обратной связи будут постепенно рассеиваться. Поэтому у рекурсивного оператора существует показатель силы обратной связи. При проектировании децентрализованных финансов (DeFi), если вы хотите усилить положительную и отрицательную обратную связь, необходимо сократить количество введений новой информации; если вы стремитесь к долгосрочному возврату, то поток информации сам по себе должен обладать определенными циклическими свойствами. Если не удастся доказать, что даже случайный оператор может достичь возврата под спроектированным рекурсивным оператором, то такая конструкция будет непростой в реализации.
В области DeFi большинство рекурсивных операторов будет сочетать ценовые ряды, поскольку ценовые игры являются наиболее концентрированной информацией и трудной для предсказания или контроля формой игры (на самом деле, равновесие цен ликвидных активов является NP-проблемой). Однако при использовании ценовых рядов в настоящее время часто полагаются на механизм AMM, а не на эффективные децентрализованные оракулы, что может привести к тому, что рекурсивные операторы будут предсказуемыми и контролируемыми, превращая весь рекурсивный процесс в детерминированный или контролируемый процесс. Это проблема, с которой многие проектировщики рекурсивных операторов не справляются должным образом. Мы не можем просто ожидать, что AMM постепенно станет эффективным (колебательные отклонения в контролируемых пределах), поскольку атаки напрямую отражаются в ценовых рядах AMM и не могут быть автоматически исключены алгоритмом, что приводит к детерминированности рекурсивных операторов, что противоречит их первоначальному замыслу.
Кроме того, рекурсивные величины, разработанные многими проектами, не связаны напрямую с переменными спроса и предложения, определяющими ценовые ряды, а скорее связаны с общим объемом активов. Это связано с тем, что получение переменных спроса и предложения в блокчейне довольно сложно. Однако такой подход может привести к тому, что операторы не смогут напрямую воздействовать на ядро игры — вторичный рынок, что в свою очередь повлияет на точность эффекта передачи.
В будущем мы должны исследовать большее количество переменных и комбинаций рекурсивных операторов, особенно тех параметров, которые отражают сложность рыночных игр. Это серия нелинейных операторов, которые стоит исследовать более подробно. При проектировании DeFi проектов необходимо провести детальный анализ механизмов передачи информации рекурсивного оператора, чтобы избежать предсказуемости и контроля.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Применение и вызовы рекурсивных операторов в Блокчейн Децентрализованные финансы
Обсуждение применения и вызовов рекурсивных операторов в мире Блокчейн
В последнее время алгоритмические стабильные монеты стали热门话题 в сфере блокчейна. Многие люди проявляют огромный интерес к этому новому типу стабильной монеты, полагая, что она может превзойти традиционные обеспеченные стабильные монеты и модели автоматических маркет-мейкеров (AMM), а также даже достичь целей, которые биткойн не смог осуществить: полностью децентрализованная и саморегулируемая глобальная валютная система. Это ожидание отчасти связано с недостатком понимания природы блокчейна и валют, а также с тем, что алгоритмические стабильные монеты вводят новую концепцию — рекурсивный оператор.
Рекурсивный оператор — это метод вычисления, при котором предыдущий статус используется в качестве входных данных для последовательных операций с умными контрактами и генерирует следующий статус через многократные итерации. Появление этого оператора не является неожиданным, поскольку открытость данных блокчейна и последовательный дизайн умных контрактов естественным образом формируют временной ряд. Рекурсивная обработка аналогичных операций может привести к возникновению нелинейной структуры и даже проявлению геометрической прогрессии. Эта сильная позитивная обратная связь полностью соответствует самоусиливающим свойствам онлайновых игр, что делает его идеальным инструментом для исследования новых возможностей некооперативных игр.
Однако простая рекурсивная временная последовательность не является оптимальным решением, поскольку она делает состояние каждого момента полностью зависимым от предыдущего момента. Действительно, стоит обратить внимание на сочетание рекурсивного оператора с другими элементами, вводя новую информацию в процессе изменения состояния. Эта новая информация отражает игровые свойства и обладает непредсказуемостью. В то же время эта непредсказуемость также подвержена влиянию рекурсивного оператора, формируя определенное общее ожидание, которое, в свою очередь, влияет на другие операторы, создавая контролируемое свойство ожидания. Мы называем такие операторы многократными рекурсивными операторами.
В качестве примера стабильной монеты с использованием распространенного простого алгоритма, оператор ценообразования генерирует цену Pt, в то время как общая масса расширения представляет собой многоуровневый рекурсивный оператор Mt. Mt является функцией Pt, Pt+1 зависит от Mt, таким образом, Mt+1 и Mt устанавливают косвенную рекурсивную связь. В сочетании с оператором ценообразования формируется периодическая отрицательная обратная связь, постепенно приближающаяся к ценовой стабильности. Этот дизайн основан на теории равновесия кривой спроса и предложения, а игровой процесс происходит на вторичном рынке. Однако из-за недостаточной точности (точный расчет должен основываться на функциональной зависимости между объемом предложения и ценами на вторичном рынке) процесс передачи происходит медленно, и трудно быстро достигнуть стабильного равновесия.
Помимо операторов, предоставляющих отрицательную обратную связь, существуют также рекурсивные операторы, предоставляющие положительную обратную связь. Эти операторы стремятся к эффекту самоусиления, а не к стабильности цен. Типичным примером является механизм выкупа в определенной системе: выкуп снижает предложение на рынке, повышает цены, улучшает производительность системы, удовлетворяет больше потребностей, приносит больше доходов и, в свою очередь, увеличивает выкуп, формируя позитивный цикл. Этот простой и четкий метод с противомарковскими свойствами в будущем может вызвать больший интерес у разработчиков цепочных протоколов.
С чисто математической точки зрения, неясно, может ли рекурсивный оператор создать стабильные краткосрочные свойства. Поэтому стабильные монеты, зависящие от рекурсивного оператора, трудно свести к стабильной структуре. Особенно учитывая, что алгоритмические стабильные монеты не изменяют напрямую соотношение спроса и предложения на вторичном рынке, а косвенно влияют на спрос и предложение путем регулирования общего объема, их передача более медленна, а условия ограничения для достижения стабильного равновесия более многочисленны, что делает труднее достижение собственных целей.
В многоуровневых рекурсивных операторах шаги по введению новой информации имеют решающее значение. Общие свойства равновесия Блокчейна действительно способствуют введению большего количества информации, которая имеет определенную неопределенность в рамках конкретной структуры игры, но при этом подчиняется единой информационной структуре. Эта информация в сочетании с рекурсивными операторами формирует общее ожидание, что может создать иллюзию стабильности. Многие проекты могут попасть в такую иллюзию, и без строгого анализа теории игр трудно полностью понять общие свойства равновесия. Эти свойства могут быть прямо противоположны ожиданиям (например, алгоритмические стейблкоины могут не обеспечить стабильность, как и Биткойн не может стать универсальной валютой).
В некоторых случаях этап введения информации также требует определенной случайности. Эта случайность предполагает нулевую зависимость от информации (полная симметрия), что отличается от традиционного дизайна стабильных монет. Когда случайность сочетается с рекурсивным оператором, это даже облегчает достижение стабильных свойств. Эта случайность, отделенная от игровой структуры и больше отражающая алгоритмические характеристики, может стать новым направлением в развитии алгоритмических стабильных монет.
При использовании рекурсивного оператора, если количество этапов введения информации или независимых операторов слишком велико, эффект рекурсивного оператора будет постепенно ослабевать, а его свойства положительной и отрицательной обратной связи будут постепенно рассеиваться. Поэтому у рекурсивного оператора существует показатель силы обратной связи. При проектировании децентрализованных финансов (DeFi), если вы хотите усилить положительную и отрицательную обратную связь, необходимо сократить количество введений новой информации; если вы стремитесь к долгосрочному возврату, то поток информации сам по себе должен обладать определенными циклическими свойствами. Если не удастся доказать, что даже случайный оператор может достичь возврата под спроектированным рекурсивным оператором, то такая конструкция будет непростой в реализации.
В области DeFi большинство рекурсивных операторов будет сочетать ценовые ряды, поскольку ценовые игры являются наиболее концентрированной информацией и трудной для предсказания или контроля формой игры (на самом деле, равновесие цен ликвидных активов является NP-проблемой). Однако при использовании ценовых рядов в настоящее время часто полагаются на механизм AMM, а не на эффективные децентрализованные оракулы, что может привести к тому, что рекурсивные операторы будут предсказуемыми и контролируемыми, превращая весь рекурсивный процесс в детерминированный или контролируемый процесс. Это проблема, с которой многие проектировщики рекурсивных операторов не справляются должным образом. Мы не можем просто ожидать, что AMM постепенно станет эффективным (колебательные отклонения в контролируемых пределах), поскольку атаки напрямую отражаются в ценовых рядах AMM и не могут быть автоматически исключены алгоритмом, что приводит к детерминированности рекурсивных операторов, что противоречит их первоначальному замыслу.
Кроме того, рекурсивные величины, разработанные многими проектами, не связаны напрямую с переменными спроса и предложения, определяющими ценовые ряды, а скорее связаны с общим объемом активов. Это связано с тем, что получение переменных спроса и предложения в блокчейне довольно сложно. Однако такой подход может привести к тому, что операторы не смогут напрямую воздействовать на ядро игры — вторичный рынок, что в свою очередь повлияет на точность эффекта передачи.
В будущем мы должны исследовать большее количество переменных и комбинаций рекурсивных операторов, особенно тех параметров, которые отражают сложность рыночных игр. Это серия нелинейных операторов, которые стоит исследовать более подробно. При проектировании DeFi проектов необходимо провести детальный анализ механизмов передачи информации рекурсивного оператора, чтобы избежать предсказуемости и контроля.