基于Computable可計算協(xié)議模型分析

構(gòu)建分散式系統(tǒng)帶來了傳統(tǒng)軟件開發(fā)中不常見的新挑戰(zhàn)。 “快速行動，打破常規(guī)”的格言已經(jīng)不再是一個可行的策略，因為我們已經(jīng)一次又一次地看到，即使是一個關(guān)鍵的安全漏洞，也很難從一個項目中恢復(fù)。此外，這些協(xié)議的成功取決于經(jīng)濟(jì)激勵措施的設(shè)計，鼓勵不同類型用戶之間的均衡參與和增長，從而創(chuàng)造一個最終將產(chǎn)生價值的多邊市場。這些獎勵結(jié)構(gòu)一旦部署就很難修改，因為沒有集中的進(jìn)行管理。

Gauntlet正在構(gòu)建一個基于代理的仿真平臺，以幫助開發(fā)人員驗證他們的協(xié)議設(shè)計，理解不同參數(shù)之間的權(quán)衡，并確保應(yīng)用程序能夠抵御壞角色的攻擊。我們最近發(fā)布了另一篇博客文章，對我們的系統(tǒng)進(jìn)行了更全面的概述。

這篇文章將重點介紹從2019年初開始的Gauntlet和computable團(tuán)隊的一些經(jīng)驗教訓(xùn)，當(dāng)時我們在Gauntlet平臺上合作設(shè)計了一個定制場景來優(yōu)化他們的儲備合同參數(shù)。通過利用我們的工具和仿真結(jié)果，Computable團(tuán)隊隨后能夠快速迭代并驗證在最初執(zhí)行合同時對一些激勵機(jī)制的更健壯的設(shè)計。仿真分析一直是Computable測試和改進(jìn)協(xié)議計劃的一部分，他們選擇使用Gauntlet平臺來實現(xiàn)這個目標(biāo)。

注意：Computable剛剛發(fā)布了一個新的白皮書，其中包含了許多機(jī)制和術(shù)語的更改。本文所描述的仿真模型是在原模型的基礎(chǔ)上建立的。為了避免混淆，我們將在下面列出一些差異。

可計算的協(xié)議

Computable的目標(biāo)是創(chuàng)建一個分散的數(shù)據(jù)市場，鼓勵大規(guī)模的高質(zhì)量數(shù)據(jù)集的管理，同時圍繞數(shù)據(jù)隱私和使用提供信任和透明度。該協(xié)議的目標(biāo)是要足夠靈活，以適應(yīng)不同行業(yè)應(yīng)用程序的數(shù)據(jù)市場。例如，某些市場可能擁有少數(shù)大型參與者擁有大部分相關(guān)數(shù)據(jù)的特性，而其他數(shù)據(jù)市場的成功可能取決于許多個人用戶在一段時間內(nèi)的貢獻(xiàn)。每個數(shù)據(jù)集都有一個與之相關(guān)聯(lián)的唯一代幣來激勵成長，網(wǎng)絡(luò)中的參與者或“代理”被分為以下角色：

· 買方-表示對數(shù)據(jù)的需求。付費查詢數(shù)據(jù)集

· 數(shù)據(jù)信任 – 提供用于執(zhí)行查詢的計算資源

· 制造商 – 以上市形式向數(shù)據(jù)市場提供數(shù)據(jù)銷售

· 贊助人 – 提供初始資本，以激勵制造商提供數(shù)據(jù)

確定列表是否有效的機(jī)制類似于Token-Curated Registry（代幣注冊表）。TCR投票的動態(tài)可以類似于其他區(qū)塊鏈系統(tǒng)，如權(quán)益證明共識。然而，在這篇文章的其余部分，我們將重點關(guān)注與可計算協(xié)議更具體的宏觀特性。

粘合曲線

由于每個數(shù)據(jù)集都有自己的代幣，所以存在一個引導(dǎo)問題，因為這些代幣的流動性有限，而且很難估值。粘合曲線是一種在買入/賣出時確定代幣價格的合約，并作為代幣的自動做市商，以鼓勵早期參與。下圖說明了如何使用粘合曲線發(fā)出代幣。請注意，有單獨的買入/賣出曲線，其中賣出價格低于買入價格，以阻止短期價格操縱，同時允許有機(jī)價格發(fā)現(xiàn)和流動性，因為市場參與者可以同意在兩條曲線之間以任何價格交易代幣。

Computable使用粘合曲線在客戶將加密貨幣存入儲備時發(fā)出代幣，在向制造商發(fā)出代幣以提供數(shù)據(jù)時發(fā)出代幣。在本文的其余部分中，我們將使用術(shù)語“網(wǎng)絡(luò)代幣”來表示存儲在儲備中的代幣。實際上，網(wǎng)絡(luò)代幣可以是原生于可計算協(xié)議的代幣，并在多個數(shù)據(jù)市場之間共享，也可以是原生于底層區(qū)塊鏈（例如ETH）的代幣。

在此分析中，我們使用的線粘合曲線定義如下：

support_price = conversion_rate + conversion_slope * reserve

withdraw_price = reserve / total_supply，

其中support_price為買入價格，withdraw_price賣出價格，reserve為粘合曲線上鎖定的貨幣總價值，total_supply為粘合曲線上發(fā)行的市場代幣總數(shù)。

代理模型

買方——我們對查詢數(shù)據(jù)的總體需求建模。這種需求是通過在每個模擬時間步驟中對查詢進(jìn)行支付的形式實現(xiàn)的。需求是數(shù)據(jù)集中列表數(shù)量的函數(shù)，具有預(yù)定義的上限（市場大?。┖兔總€時間步長的有界增長率。查詢數(shù)據(jù)（以網(wǎng)絡(luò)代幣形式）的費用分成如下：

· datatrust_rate_network——以網(wǎng)絡(luò)代幣形式表示的datatrust代理查詢費用的百分比。

· reserve e_fee_network—以網(wǎng)絡(luò)代幣的形式進(jìn)入市場合約準(zhǔn)備金的百分比，它增加了支持和撤回價格。

· maker_fee_network—在網(wǎng)絡(luò)代幣中列出所有者的百分比。在我們的模型中，這部分在所有清單中平均分配。如果上市公司不再為制造商所有（見下文convert_listing），那么其股票將進(jìn)入市場儲備。［注］：該參數(shù)已從協(xié)議中刪除，制造商付款現(xiàn)在只使用市場代幣。

· maker_fee_market—在市場代幣中列出所有者的百分比。該組件在所有列表中平均分配，并被鎖定（參見下面的convert_lisTIng），以鼓勵長期的創(chuàng)客參與。這部分費用是通過按粘合曲線的支持價格鑄造（創(chuàng)建）市場代幣來支付的，而且是通貨膨脹的，因為它在不增加準(zhǔn)備金的情況下增加了市場代幣的供應(yīng)。

Datatrust——如果他們收到的費用大于他們計算的邊際成本，這些代理將處理查詢。

Maker—我們假定制造者的數(shù)量是有上限的（即只有那么多的參與者擁有高質(zhì)量的數(shù)據(jù)可貢獻(xiàn)給數(shù)據(jù)集），并且希望列出其數(shù)據(jù)的制造商的數(shù)量取決于上市的預(yù)期用途。我們還假設(shè)每個制造商最多只能有一個上市。制造商可以采取以下行動：

List——申請在數(shù)據(jù)集中列出，以獲得查詢收入的一部分。被列出的預(yù)期效用可以建模為：

（maker_fee_network + maker_fee_market * demand_t） / num_lisTIngs_t * DF + listed_reward * divest_price_t - lisTIng_cost，

T是查詢收入的時間，num_lisTIngs_t是t的清單數(shù)，，DF是代理應(yīng)用于未來收益的折現(xiàn)因子，listed_reward是上市時收到的市場代幣數(shù)量，divest_price_t是粘合曲線給出的售價，listing_cost是與創(chuàng)建列表相關(guān)的開銷或反sybil成本。

· convert_listing—制造商可以將上市的所有權(quán)轉(zhuǎn)移到市場合同，以解鎖上市中的市場代幣（fromlisted_reward和maker_fee_market），但需要放棄未來的查詢收入。如果鎖定代幣的投資回報率（ROI）低于代理的convert_roi，制造商將這樣做。制造商的ROI可以通過在一個觀察窗口上使用所收到的股息（包括市場代幣）的價值，除以鎖定的市場代幣的市場價值，并轉(zhuǎn)換為年化回報來估計。［注］：該函數(shù)不再是協(xié)議的一部分。目前的協(xié)議不再要求制造商放棄上市公司的所有權(quán)。

Patron -可以通過綁粘合曲線購買或出售市場代幣：

· support—以粘合曲線給出的support_price購買代幣。如果取款價格的風(fēng)險調(diào)整回報率大于代理的support_roi閾值，并且預(yù)期的盈虧平衡時間（因為support_price_t》取款價格）小于代理的support_breakeven時間，那么客戶將購買代幣。

· withdraw-以粘合曲線給出的提取價格出售代幣。如果取出價格的風(fēng)險調(diào)整回報率低于代理取款的roi閾值，客戶將出售代幣。

模擬環(huán)境

我們的仿真平臺是圍繞一個基于agent的模型構(gòu)建的，在這個模型中，用戶可以指定網(wǎng)絡(luò)的初始條件，包括agent行為的分布和特定于agent的參數(shù)。我們通常遵循拜占庭-利他-理性（BAR）模型來描述代理行為。模擬的每個時間步長包括：

· 更新環(huán)境狀態(tài)變量

· 引入新的代理

· 為正在考慮的每個操作評估代理實用程序函數(shù)，并執(zhí)行那些具有最高實用程序的操作

對于以上的分析，我們做出如下假設(shè)：

· 買方的最大需求（即市場規(guī)模）是每年100，000個網(wǎng)絡(luò)代幣

· 為了提高性能，制造商的最大數(shù)量為25，每個制造商只能有一個清單，而listed_reward是3個網(wǎng)絡(luò)代幣

· 有5個初始用戶，每個用戶貢獻(xiàn)1000個網(wǎng)絡(luò)代幣

· 80%的創(chuàng)造者是理性的（上面描述的行為/效用），剩下的20%是利他的（不會嘗試convert_listing）

· 我們運行每個模擬場景5年，即1825個時間步長

發(fā)現(xiàn)

制造商的補(bǔ)償

我們對maker_fee_network和maker_fee_market的不同值進(jìn)行了仿真，以探索不同的收費結(jié)構(gòu)對創(chuàng)客行為的影響。reserve e_fee保持不變，查詢收入的其余部分支付給datatrust代理?；叵胍幌?，maker_fee_market是查詢收入的一部分，它以市場代幣形式支付，并鎖定起來以鼓勵長期參與。在下面的圖中，每個方塊代表了模擬的獨立運行，而顏色代表了rational制造者所捕獲的查詢總收入的百分比。

一些觀察：

· 當(dāng)maker_fee_network + maker_fee_market過高時，網(wǎng)絡(luò)無法創(chuàng)建值，因為datatrust_fee不夠高，無法覆蓋運行計算的邊際成本。

· 當(dāng)maker_fee_network + maker_fee_market過低時，該網(wǎng)絡(luò)也不能產(chǎn)生顯著的價值，因為創(chuàng)客會快速轉(zhuǎn)換他們的列表，或者一開始就沒有足夠的動力來上市。

· 在這些參數(shù)化下，maker_fee_market似乎對制造商沒有長期的好處。在保持maker_fee_network不變的情況下，增加maker_fee_market對增加制造商效用的影響很小，而且在某些情況下，效用實際上會略有下降。

從長遠(yuǎn)來看，maker_fee_market的增長一般不會給制造商帶來多大好處，這一結(jié)果肯定有點違反直覺。經(jīng)過仔細(xì)觀察，我們意識到這樣做是有道理的，原因如下：

· 一旦買方需求趨于穩(wěn)定，maker_fee_market將繼續(xù)增加鎖定在上市中的代幣的價值，同時營收保持不變。這意味著上市公司的投資回報率將繼續(xù)下降，在某一時刻，制造商將轉(zhuǎn)換上市公司，用未來的收入換取流動性。

· maker_fee_market是通貨膨脹（增加市場代幣供應(yīng)，但不增加儲備）。在隨后的模擬中，當(dāng)制造商擁有大部分市場代幣時（相對于初始用戶），每個制造商的保留所有權(quán)所占的比例不會增加太多。

· 大多數(shù)粘合曲線參數(shù)化的結(jié)果是，當(dāng)供給較大時，支撐價格顯著大于退出價格，因此轉(zhuǎn)換效率較低，導(dǎo)致maker_fee_market對maker ROI的總體貢獻(xiàn)相對于tomaker_fee_network較小。

在這三個因素中，我們懷疑粘合曲線的形狀可能影響最大，所以我們決定進(jìn)一步挖掘。

在原來的粘合曲線公式中，support_price與取款價格的關(guān)系不是很緊密，所以我們決定更新support_price的定義。我們現(xiàn)在將曲線定義為：

support_price = conversion_rate + support_multiplier * reserve / max（1， total_supply）

取款價格=儲備金/總供應(yīng)量

我們重新運行上述分析，得到如下結(jié)果：

現(xiàn)在看來maker_fee_market參數(shù)實際上是有用的！增加maker_fee_market實用理性的制造商，我們會看到對于一個給定的制造費用分配（maker_fee_network + maker_fee_market），最好是平分市場網(wǎng)絡(luò)和組件之間的非純粹的代幣。注意，在使用市場代幣支付時，制造商和用戶之間仍然存在權(quán)衡，因為maker_fee_market會稀釋初始用戶。

粘合曲線分析

該協(xié)議的成功與否，取決于最初的贊助者向儲備基金投入大量資金，以激勵制造商列出數(shù)據(jù)。如果提現(xiàn)價格超過最初的投資價格，顧客最終會獲利。我們對新的粘合曲線的參數(shù)conversion_rate和support_multiplier進(jìn)行了仿真。在下面的圖中，每個方塊代表模擬的獨立運行，顏色代表初始用戶獲取的查詢總收入的百分比。

一些觀察：

· 高support_multiplier有利于初始用戶，因為它限制了在生成市場代幣時的稀釋

· 當(dāng)conversion_rate過高時，網(wǎng)絡(luò)在我們?yōu)槌跏加脩粼O(shè)置的時間限制內(nèi)不能生成足夠的值，使其在初始存款上實現(xiàn)收支平衡

· 當(dāng)conversion_rate和support_multiplier過低時，網(wǎng)絡(luò)無法生成任何值，因為首先沒有足夠的動機(jī)促使制造商加入

結(jié)論

Computable的模擬工作促使對初始協(xié)議設(shè)計進(jìn)行了許多更新，包括改進(jìn)的粘合曲線和簡化的Maker payment和convert_listing接口。在此過程中，我們還確定了要優(yōu)化的關(guān)鍵參數(shù)、與不同參數(shù)化相關(guān)的權(quán)衡，以及完全不同的機(jī)制可以更有效地實現(xiàn)預(yù)期結(jié)果的領(lǐng)域。希望這是一個令人信服的例子，讓你能清楚的知道模擬是如何指導(dǎo)協(xié)議設(shè)計過程的！

在單一數(shù)據(jù)市場的背景下，仿真允許我們將機(jī)制設(shè)計分析為一個分布式約束優(yōu)化問題。更廣泛地說，該框架可以生成一組參數(shù)和初始條件的參考集，這些參數(shù)和初始條件是為具有各種不同屬性和行業(yè)應(yīng)用程序的數(shù)據(jù)市場提供服務(wù)的。我們的目標(biāo)是設(shè)計一個最大化買方需求的系統(tǒng)，同時以一種統(tǒng)計上可驗證的方式保持?jǐn)?shù)據(jù)提供者、制造商和用戶之間的公平激勵。

經(jīng)濟(jì)激勵對于區(qū)塊鏈應(yīng)用程序的長期安全性和成功至關(guān)重要。在不進(jìn)行仿真的情況下對激勵機(jī)制設(shè)計進(jìn)行推理是很棘手的，因為網(wǎng)絡(luò)的突發(fā)性很難從局部變化中預(yù)測出來，而且為了得到易于處理的結(jié)果的解決方案，人們常常對用戶行為做出過于簡單的假設(shè)。基于代理的模擬可以是一個有價值的工具，幫助開發(fā)人員驗證安全性假設(shè)，并了解如何隨著時間的推移為網(wǎng)絡(luò)參與者創(chuàng)建價值。