Криптовалюта долбоорлору өз максаттарын, техникалык архитектурасын, колдонуу чөйрөлөрүн жана чечүүнү көздөгөн көйгөйлөрүн көбүнчө whitepaper деп аталган негизги документтерде түшүндүрөт. Бирок долбоордун whitepaperында өзүн, мисалы, төлөм каражаты, борбордон ажыратылган финансы инфраструктурасы, купуялуулук системасы, маалымат сактоо тармагы же масштабдалуучу блокчейн катары сыпатташы ошол долбоордун токени финансылык рынокто да ошол эле функционалдык класска ылайык жүрүм-турум көрсөтөт дегенди билдиреби?

Murad Farzullaнын “Do Whitepaper Claims Predict Market Behavior? Evidence from Cryptocurrency Factor Analysis” аттуу изилдөөсүнүн негизги суроосу ушул. Изилдөө 38 криптовалюта долбооруна тиешелүү техникалык документтерди табигый тилди иштетүү ыкмалары менен 10 функционалдык категорияга бөлөт; ошол эле учурда Binanceден алынган 49 криптоактивдин 2023–2024-жылдардагы сааттык OHLCV маалыматтарын тензордук ажыратуу жана финансылык жыйынтык статистикалары менен талдайт.

Бул жердеги “predict” сөзү келечектеги бааны алдын ала айтуу маанисинде колдонулбайт. Изилдөө whitepaperлардагы баяндар келечекте баа көтөрүлөбү же төмөндөйбү, муну алдын ала айта алабы деген суроону текшербейт. Изилденген суроо — долбоорлор өздөрү жөнүндө айткан нерселер менен рынокто байкалган түзүмдүк өзгөчөлүктөр ошол эле активдердин арасында окшош үлгү түзөбү же жокпу. Башкача айтканда, бул түзүмдүк дал келүүнү изилдөө.

Жүктөлгөн v4 версиясында 38 whitepaper бар. Рыноктук маалымат топтому болсо 49 активден турат. Whitepaperы жана жетиштүү рыноктук маалыматы чогуу бар 37 актив негизги баян–рынок салыштыруусунда колдонулган. Рыноктук маалыматтар 1 Январь 2023–31 Декабрь 2024 мезгилин жана ар бир актив үчүн 17.543 сааттык убакыт чекитин камтыйт.

Whitepaper мазмундары BART-large-MNLI модели колдонулуп, мисалсыз классификация (zero-shot classification) ыкмасы менен 10 категорияга бөлүнгөн: наркты сактоо, алмашуу каражаты, акылдуу келишимдер, борбордон ажыратылган финансы, башкаруу, масштабдалуучулук, купуялуулук, өз ара иштешүү, маалымат сактоо жана oracle кызматтары.

Рынок тарабында эки өзүнчө көрсөтүлүш түзүлгөн. Биринчи көрсөтүлүш ар бир актив үчүн эсептелген жети финансылык жыйынтык өлчөмдөн турат: орточо киреше, волатилдүүлүк, Sharpe катышы, максималдуу төмөндөө, орточо соода көлөмү, волатилдүүлүктүн волатилдүүлүгү жана баа тренди. Экинчи көрсөтүлүш — саат × актив × OHLCV өзгөчөлүктөрүнөн турган жогорку өлчөмдүү рынок тензорунун CP ажыратуусу аркылуу алынган жашыруун факторлор.

CP ажыратуусунда эки фактор рынок тензорундагы вариациянын %92,45ин түшүндүргөн. Андан кийин изилдөө whitepaper дооматтарынан түзүлгөн көрсөтүлүш мейкиндиги менен рынок статистикалары жана жашыруун факторлордон түзүлгөн мейкиндиктерди Orthogonal Procrustes өзгөртүүсү аркылуу дал келтирип, окшоштукту Tucker шайкештик коэффициенти (Tucker's congruence coefficient, φ) менен өлчөгөн.

Жүктөлгөн v4 версиясынын негизги жыйынтыктарында whitepaper дооматтары менен рынок статистикаларынын ортосундагы шайкештик:

\[ \phi=0.246,\qquad p=0.339 \]

whitepaper дооматтары менен CP жашыруун факторлорунун ортосундагы шайкештик болсо:

\[ \phi=0.058,\qquad p=0.751 \]

деп табылган. Эки мааниси тең изилдөөдө колдонулган чечмелөө шкаласына ылайык начар шайкештик классына кирет жана пермутация тестинде статистикалык маанилүүлүккө жеткен эмес.

Ал эми ошол эле рынок маалыматынан алынган рынок статистикалары менен тензор факторлорунун ортосундагы салыштыруу:

\[ \phi=0.174,\qquad p<0.001 \]

натыйжасын берген. Шайкештиктин чоңдугу дагы эле начар болгону менен, кокустукка салыштырмалуу статистикалык жактан маанилүү. Автор бул жыйынтыкты колдонулган дал келтирүү ыкмасы чыныгы математикалык түзүм бар болгондо аны аныктай аларын көрсөтүүчү позитивдүү контроль катары баалайт.

Бирок изилдөөнүн статистикалык күчү маанилүү чектөө болуп саналат. 37 жалпы актив менен жүргүзүлгөн изилдөө болжол менен \(\phi\geq0.70\) деңгээлиндеги күчтүү дал келүүнү жогорку күч менен аныктай алат; ал эми \(\phi\approx0.30\) деңгээлиндеги алсыз байланыш чындап бар же жок экенин ишенимдүү ажырата албайт. Ошондуктан изилдөөнүн жыйынтыгы “whitepaper баяндар менен рыноктун ортосунда такыр эч кандай байланыш жок” дегенди билдирбейт. Колдоого алынган этият жыйынтык — күчтүү түзүмдүк дал келүү табылган эмес жана азыркы үлгү менен алсыз дал келүүнү нөлдүк дал келүүдөн так ажыратуу мүмкүн эмес.

Жүктөлгөн v4 ошондой эле XMR, CRV, YFI жана SOL сыяктуу өзгөчө колдонуу чөйрөсү бар айрым токендер whitepaper дооматтары менен рыноктук жүрүм-турумдун ортосундагы дал келүүгө көбүрөөк салым кошконун билдирген. Бирок бул жыйынтык кийинки arXiv версияларында кайтарылып алынган. Учурдагы версияда автор мурунку whitepaper корпусунда туура эмес документтер жана ийгиликсиз жүктөлгөн мазмундар болгонун, ошондой эле бул entity-level рейтинг тазаланган корпуста сакталбаганын билдирет. Ошондуктан бул токенге негизделген рейтингди учурдагы илимий жыйынтык катары колдонууга болбойт.

Изилдөөнүн бекемирээк калган негизги билдирүүсү — whitepaperлардагы функционалдык баяндар 2023–2024-жылдардагы рыноктук тобокелдик, ликвиддүүлүк жана фактор түзүмү менен күчтүү түзүмдүк дал келүү көрсөтпөгөнү. Тензор факторлору көбүрөөк волатилдүүлүк, максималдуу төмөндөө, Sharpe катышы жана көлөм сыяктуу иш жүзүндө байкалган рынок өзгөчөлүктөрү менен байланыштуу көрүнөт.

Түркия көз карашынан алганда, изилдөө криптоактивди баалоодо whitepaperдагы убадалар же долбоордун категориясы гана финансылык жүрүм-турумду түшүндүрүүгө жетишсиз болушу мүмкүн экенин көрсөтүшү менен маанилүү. Бирок бул whitepaper талдоосу технология, башкаруу же долбоордун максаты жагынан баасыз дегенди билдирбейт. Изилдөө функционалдык баяндардын рынок факторлорунун түзүмү менен түзүмдүк дал келүүсүн гана текшерет жана инвестициялык кирешени алдын ала айтпайт.

Криптовалюта Whitepaperы Рыноктук Жүрүм-Турумду Чындап “Алдын Ала Айта” Алабы?

Бул изилдөөдөгү негизги түшүнүктү туура түшүнүү үчүн адегенде “алдын ала айтуу” сөзү кандай мааниде колдонулганын ажыратуу керек. Изилдөөчү келечекте Bitcoin, Ethereum же башка токендин баасы кандай болорун алдын ала айтууга аракет кылбайт.

Изилдөөнүн негизги суроосу төмөнкүдөй:

Whitepaperларында бири-бирине окшош функциялар жана колдонуу максаттары баяндалган долбоорлор финансылык рыноктордо да окшош түзүмдүк өзгөчөлүктөрдү көрсөтөбү?

Мисалы, эки долбоор өзүн негизинен купуялуулук технологиясы катары сыпаттаса, бул эки активдин волатилдүүлүк, соода көлөмү, максималдуу төмөндөө же жашыруун рынок факторлорундагы орундарында да окшоштук күтүүгө болобу?

Ошондуктан изилдөөдө “predict” убакыт боюнча келечекти алдын ала айтуудан көрө түзүмдүк дал келүү же түзүмдүк шайкештик маанисинде колдонулат.

Whitepaper деген эмне?

Криптовалюта контекстинде whitepaper — долбоордун техникалык түзүмүн, максаттарын, экономикалык моделин, колдонуу сценарийлерин же протокол дизайнын түшүндүргөн негизги документ.

Бирок изилдөөнүн корпусу “оригинал whitepaper” документтеринен гана турбайт. Айрым долбоорлор үчүн консенсус документтери, протокол спецификациялары, техникалык отчеттор же расмий техникалык документтер да колдонулган.

Бул айырма маанилүү; анткени ар түрдүү документ түрлөрү бирдей баян тыгыздыгына же бирдей тарыхый ролго ээ болбошу мүмкүн.

Нарративдик экономика деген эмне?

Narrative economics же нарративдик экономика — экономикалык жүрүм-турумга негизги көрсөткүчтөр же математикалык моделдер гана эмес, коом ичинде тараган окуялар, түшүндүрмөлөр жана жалпы ишенимдер да таасир бере алат деп эсептеген изилдөө тармагы.

Криптовалюта экосистемасында “санариптик алтын”, “борбордон ажыратылган финансы”, “Web3 инфраструктурасы”, “купуялуулук акчасы” же “Ethereum өлтүргүчү” сыяктуу баяндар инвесторлордун долбоорлорду кабыл алуу жолуна таасир этиши мүмкүн.

Бул макала мындай баяндардын инвестор маанайына түз таасирин өлчөбөйт; долбоорлордун расмий негиздөөчү документтериндеги функционалдык баяндар менен иш жүзүндө байкалган рынок өзгөчөлүктөрүнүн ортосунда түзүмдүк окшоштук издейт.

Изилдөөдө Кандай Маалыматтар Колдонулду?

Рыноктук маалыматтар Binance API аркылуу CCXT китепканасын колдонуу менен алынган.

OHLCV деген эмне?

OHLCV финансылык рынок маалыматтарында кеңири колдонулган беш негизги байкоону билдирет:

• Open: убакыт аралыгынын ачылыш баасы,
• High: убакыт аралыгындагы эң жогорку баа,
• Low: убакыт аралыгындагы эң төмөнкү баа,
• Close: убакыт аралыгынын жабылыш баасы,
• Volume: соода көлөмү.

Бул изилдөөдө ар бир актив үчүн ушул беш өзгөчөлүк саат сайын көзөмөлдөнгөн.

Эмне үчүн z-нормалдаштыруу колдонулат?

OHLCV өзгөчөлүктөрүнүн чоңдуктары бири-биринен абдан айырмаланышы мүмкүн. Мисалы, Bitcoinдин баа деңгээли башка токендин баасы же көлөм маанилери менен бирдей масштабга ээ эмес.

Z-скор нормалдаштыруунун стандарттык формасы:

\[ z=\frac{x-\mu}{\sigma} \]

түрүндө.

Бул жерде \(x\) байкалган маани, \(\mu\) орточо маани жана \(\sigma\) стандарттык четтөө.

Изилдөө ар бир OHLCV өзгөчөлүк кесимин активдер жана убакыт боюнча нормалдаштырып, өзгөчөлүктөрдүн орточо маанисин нөлгө, стандарттык четтөөсүн бирге жакындатат. Максат сандык масштабы чоң болгон өзгөчөлүктөрдүн гана тензордук ажыратууда үстөм болушуна жол бербөө.

Тензор Деген Эмне жана Эмне Үчүн Колдонулат?

Тензор — матрица түшүнүгүнүн көбүрөөк өлчөмгө кеңейтилген формасы.

Векторду бир өлчөмдүү, матрицаны эки өлчөмдүү маалымат түзүмү катары элестетүүгө болот. Тензор болсо үч же андан көп өлчөмдү бир түзүмдө сактай алат.

Изилдөө адегенде рыноктук маалыматты:

\[ X\in\mathbb{R}^{T\times V\times A\times F} \]

түрүндө аныктайт.

Бул жерде:

• \(T\): убакыт,
• \(V\): соода платформасы / venue,
• \(A\): криптоактив,
• \(F\): рынок өзгөчөлүгү.

Изилдөөдө Binance гана колдонулгандыктан:

\[ V=1 \]

болот жана натыйжалуу түзүм:

\[ X\in\mathbb{R}^{T\times A\times F} \]

түрүндө үч өлчөмгө кыскарат.

Бул түзүм убакытты, активдерди жана OHLCV өзгөчөлүктөрүн бир маалымат объектисинде чогуу сактайт.

CP Тензордук Ажыратуу Деген Эмне?

CANDECOMP/PARAFAC (CP) decomposition жогорку өлчөмдүү тензорду жөнөкөй rank-1 компоненттеринин суммасы катары болжолдуу түрдө көрсөтөт.

Булактын негизги теңдемеси:

\[ X\approx \sum_{r=1}^{R} \lambda_r a_r\circ b_r\circ c_r \]

түрүндө.

Бул жерде:

• \(R\): ажыратуунун rankы,
• \(\lambda_r\): тиешелүү компоненттин салмагы,
• \(a_r\): убакыт багытындагы фактор вектору,
• \(b_r\): актив багытындагы фактор вектору,
• \(c_r\): OHLCV өзгөчөлүктөрүнүн багытындагы фактор вектору,
• \(\circ\): outer product, башкача айтканда сырткы көбөйтүүнү көрсөтөт.

Сырткы көбөйтүү векторлорду бир скалярдык мааниге түшүрбөстөн, алардын айкалыштарынан жогорку өлчөмдүү түзүм түзөт.

Фактор матрицалары

CP ажыратуусунда:

\[ A=[a_1|\cdots|a_R] \]

убакыт факторлорун,

\[ B=[b_1|\cdots|b_R] \]

актив факторлорун жана:

\[ C=[c_1|\cdots|c_R] \]

рынок өзгөчөлүктөрүнө тиешелүү факторлорду камтыйт.

Бул изилдөө үчүн өзгөчө маанилүү болгон:

\[ B\in\mathbb{R}^{A\times R} \]

матрицасы; анткени ал ар бир криптоактивдин жашыруун рынок факторлорундагы жүгүн көрсөтөт.

Жашыруун фактор деген эмне?

Жашыруун фактор (latent factor) — маалымат ичинде өзүнчө тилке катары түз байкалбаган, бирок көп сандагы байкоолордун ортосундагы жалпы өзгөрүү үлгүлөрүнөн математикалык жол менен алынган компонент.

Мисалы, изилдөөнүн кийинки талдоолорунда биринчи фактор максималдуу төмөндөө, волатилдүүлүк жана Sharpe катышы менен; экинчи фактор болсо көлөм жана көлөм волатилдүүлүгү менен байланыштуу экени көрүнөт.

Буларга алгоритмде алдын ала “тобокелдик фактору” же “ликвиддүүлүк фактору” деген ат берилген эмес. Чечмелөө фактор жүктөрү менен өлчөнгөн рынок статистикаларынын ортосундагы корреляциялардан кийин жасалган.

Alternating Least Squares (ALS) Эмне Кылат?

CP факторлору түздөн-түз белгилүү болбогондуктан, изилдөө аларды Alternating Least Squares (ALS) алгоритми менен баалайт.

Негизги идея — фактор матрицаларынын экөөсүн убактылуу туруктуу кармап, үчүнчүсүн эң жакшы шайкештик бере тургандай жаңыртуу жана бул процессти кезектештирип кайталоо.

Булакта жаңыртуулар:

\[ A\leftarrow X_{(1)} (C\odot B) (C^\top C * B^\top B)^\dagger \]

\[ B\leftarrow X_{(2)} (C\odot A) (C^\top C * A^\top A)^\dagger \]

\[ C\leftarrow X_{(3)} (B\odot A) (B^\top B * A^\top A)^\dagger \]

түрүндө берилет.

Бул жерде:

• \(X_{(n)}\): тензордун тиешелүү мод боюнча матрицага келтирилген формасы,
• \(\odot\): Khatri–Rao көбөйтмөсү,
• \(*\): Hadamard, башкача айтканда элемент боюнча көбөйтүү,
• \(\dagger\): Moore–Penrose pseudoinverse операциясы.

Бул формулалардын максаты — тензорду мүмкүн болушунча аз кайра түзүү катасы менен түшүндүргөн фактор матрицаларын табуу.

Rank Кантип Тандалды?

Тензордук ажыратууда rank маалыматты канча жашыруун компонент менен болжолдуу түшүндүрүүгө аракет кылып жатканыбызды билдирет.

Изилдөөнүн түшүндүрүлгөн вариация өлчөмү:

\[ EV(R) = 1- \frac{ \|X-\hat{X}_R\|_F^2 }{ \|X-\bar{x}\|_F^2 } \]

түрүндө.

Бул жерде:

• \(\hat{X}_R\): rank-\(R\) CP модели менен кайра түзүлгөн тензор,
• \(\|\cdot\|_F\): Frobenius нормасы,
• \(\bar{x}\): таяныч орточо түзүм.

Модель:

\[ EV\geq0.90 \]

максатын аткара турган эң кичине rankты издеген.

Жыйынтык:

\[ R=2 \]

жана:

\[ EV=92.45\% \]

деп табылган.

Rank сезгичтиги

Жогорку rankтарда баян–фактор шайкештиги бир аз өскөн; бирок эң жогорку маани болжол менен 0,094. Бул 0,65 болгон орточо деңгээлдеги окшоштук чегинен кыйла төмөн.

Tucker Ажыратуусу Менен Ошол Эле Жыйынтык Чыгабы?

Изилдөө ыкма CP тандоосуна гана көз карандыбы же жокпу текшерүү үчүн Tucker decomposition да колдонгон.

Tucker модели:

\[ X\approx G\times_1A\times_2B\times_3C \]

түрүндө жазылат.

Бул жерде \(G\) факторлордун өз ара аракетин камтыган core tensor, башкача айтканда өзөк тензор.

Эки ыкманын жыйынтыктары абдан окшош. Демек, v4төгү алсыз баян–фактор дал келүүсү CP ажыратуусунун тандалышынан гана келип чыккандай көрүнбөйт.

Whitepaperлар Жасалма Интеллект Менен Кантип Классификацияланды?

Whitepaper тексттери BART-large-MNLI колдонулуп zero-shot классификациядан өткөрүлгөн.

Zero-shot classification — модель бул изилдөө үчүн өзүнчө кол менен белгиленген крипто whitepaper окуу маалыматтары менен кайра үйрөтүлбөстөн, алдын ала үйрөнгөн тил билиминин негизинде берилген категорияларды баалоо.

Документтер 500 сөздүк текст бөлүктөрүнө бөлүнгөн.

Ар бир категория үчүн:

“This text is about [category]”

түрүндөгү гипотеза бааланган.

Softmax ыктымалдыгы

Текст бөлүгү \(t\) жана категория \(l_k\) үчүн ыктымалдык:

\[ P(l_k|t) = \frac{e^{s_k}} {\sum_{j=1}^{K}e^{s_j}} \]

түрүндө эсептелет.

Бул жерде:

• \(s_k\): моделдин тиешелүү категория үчүн entailment упайы,
• \(K=10\): жалпы категориялардын саны,
• \(e\): табигый экспоненциалдык функциянын негизи.

Softmax операциясы чийки упайларды суммасы 1 болгон ыктымалдыкка окшош маанилерге айлантат.

Эмне үчүн эң жогорку категория гана тандалбайт?

Изилдөө ар бир текст бөлүгүн мажбурлап бир гана категорияга бөлбөстөн, бардык категориялардын ыктымалдык упайларын колдонот.

Бул ыкма техникалык абзац бир учурда, мисалы, “акылдуу келишим” жана “масштабдалуучулук” темалары менен байланыштуу болушу мүмкүн экенин жарым-жартылай сактоону көздөйт.

10 Whitepaper Категориясы

Активдин whitepaper профили кантип алынат?

Активдин бардык текст бөлүктөрүндөгү категория ыктымалдыктарынын орточосу алынат:

\[ c_{nk} = \frac{1}{|T_n|} \sum_{t\in T_n} P(l_k|t) \]

Бул жерде:

• \(n\): криптоактивди,
• \(k\): функционалдык категорияны,
• \(T_n\): тиешелүү whitepaperдан алынган текст бөлүктөрүнүн топтомун көрсөтөт.

Ошентип, ар бир актив үчүн 10 өлчөмдүү баян профили алынат.

NLP Классификациясы Канчалык Ишенимдүү?

Бул жагдай изилдөөнүн эң маанилүү чектөөлөрүнүн бири.

Изилдөөчү BART-MNLI жыйынтыктарын альтернативдүү DeBERTa-v3 моделинин классификациялары менен салыштырган.

200 кокус текст бөлүгүндө биринчи категориянын толук дал келүүсү болгону:

%32

болгон.

Cohen's kappa:

\[ \kappa=0.14 \]

деп билдирилген.

Бул моделдер аралык төмөн келишим.

Ошол эле учурда альтернативдүү моделдин биринчи божомолу BART моделинин алгачкы үч категориясынын арасында деп кабыл алынган жумшагыраак өлчөмдө дал келүү:

%67

болгон.

Үч башка NLP ыкмасын салыштыруу

Бул жыйынтыктар whitepaper баянынын “чыныгы категориясы” толугу менен объективдүү жана моделден көз карандысыз өлчөнбөгөнүн көрсөтөт.

Medium of Exchange, DeFi жана Privacy сыяктуу ачык тилдик белгилери бар категорияларда ыкмалар көбүрөөк макулдашса, Smart Contracts жана Store of Value сыяктуу категорияларда шайкештик төмөнүрөөк.

Маалыматтын аздыгы көйгөйү

ALGO, AXS, BAND, DOT, RPL, SUSHI жана YFI үчүн 10дон аз текст бөлүгү бар экени айтылат.

Бул жети аз маалыматтуу актив чыгарылганда Embedding–LLM корреляциясы 0,52ге көтөрүлгөн.

Демек, классификаторлордун ортосундагы шайкешсиздиктин бир бөлүгү модель айырмасынан гана эмес, айрым долбоорлор үчүн документтердин жетишсиз көлөмүнөн да келип чыгышы мүмкүн.

Рыноктун Жети Финансылык Өзгөчөлүгү Кантип Эсептелди?

1. Орточо киреше

\[ \bar{r}_a= \frac{1}{T} \sum_t r_{a,t} \]

Активдин убакыт боюнча орточо кирешеси.

2. Волатилдүүлүк

\[ \sigma_a= \sqrt{ \frac{1}{T-1} \sum_t (r_{a,t}-\bar{r}_a)^2 } \]

Кирешелердин орточо маанинин айланасында канчалык тараганын өлчөйт.

3. Sharpe катышы

Булак сааттык маалыматтан жылдыкка келтирилген Sharpe катышында салттуу финансы менен салыштыруу мүмкүнчүлүгү үчүн 252 соода күнүн жана күнүнө 24 саат коэффициентин колдонот.

Жалпысынан Sharpe катышы волатилдүүлүктүн бир бирдигине туура келген кирешени өлчөөгө аракет кылат.

Крипто рыноктору жумасына жети күн 24 саат ачык болгондуктан, 252 күндүк салттуу финансы божомолу крипто рыногу үчүн түздөн-түз табигый календарь эмес экени булакта эскертүү менен көрсөтүлөт.

4. Максималдуу төмөндөө

Максималдуу төмөндөө активдин мурунку чокусунан кийинки эң төмөнкү чекитине чейин болгон эң чоң салыштырмалуу нарк жоготуусун өлчөйт.

5. Орточо көлөм

\[ \bar{V}_a= \frac{1}{T} \sum_t V_{a,t} \]

Изилденген мезгилдеги орточо сааттык соода көлөмүн билдирет.

6. Волатилдүүлүктүн волатилдүүлүгү

Vol-of-vol — убакыт ичинде эсептелген жылма волатилдүүлүк өлчөмүнүн өзүнүн стандарттык четтөөсү.

Ал рынок канчалык туруксуз экенин гана эмес, волатилдүүлүктүн өзү канчалык өзгөрмө экенин да өлчөөгө аракет кылат.

7. Тренд

Булак трендди:

\[ P_t=\alpha+\beta t+\varepsilon \]

сызыктуу регрессиясындагы:

\[ \beta \]

коэффициенти аркылуу көрсөтөт.

Оң \(\beta\) изилденген мезгилдеги жогору багытталган сызыктуу тенденцияны, терс маани төмөн багытталган тенденцияны билдирет.

Procrustes Дал Келтирүүсү Деген Эмне?

Whitepaper баян матрицасы менен рынок матрицасы бир эле координат системасында түзүлгөн эмес.

Биринде мамычалар “купуялуулук”, “масштабдалуучулук” жана “DeFi” сыяктуу категорияларды; экинчисинде волатилдүүлүк, көлөм же математикалык жашыруун факторлорду көрсөтөт.

Ошондуктан матрицаларды мамыча боюнча түз салыштыруу маанилүү эмес.

Orthogonal Procrustes ыкмасы бир көрсөтүлүш мейкиндигин буруп, экинчисине мүмкүн болушунча жакындаткан ортогоналдык өзгөртүүнү табат.

Маселе:

\[ \min_{Q^\top Q=I} \|AQ-B\|_F^2 \]

түрүндө аныкталат.

Бул жерде:

• \(A\): дал келтириле турган биринчи көрсөтүлүш матрицасы,
• \(B\): максаттуу көрсөтүлүш матрицасы,
• \(Q\): ортогоналдык өзгөртүү матрицасы,
• \(\|\cdot\|_F\): Frobenius нормасы.

Ортогоналдык өзгөртүү негизинен окторду бурат же чагылдырат; маалыматты каалагандай созбойт.

SVD чечими

Эгер:

\[ A^\top B=U\Sigma V^\top \]

түрүндө сингулярдык маанилерге ажыратуу аткарылса, оптималдуу өзгөртүү:

\[ Q^*=VU^\top \]

түрүндө алынат.

Булактын A тиркемеси бул жыйынтыктын из (trace) оптималдаштыруу аркылуу математикалык чыгарылышын берет.

Өлчөмдөр Бирдей Болбосо Эмне Болот?

Whitepaper дооматтар матрицасы 10 өлчөмдүү, CP фактор матрицасы болсо негизги талдоодо болгону 2 өлчөмдүү.

Жүктөлгөн v4тө кичине матрицанын мамычалары нөлдөр менен толтурулуп, өлчөмдөр теңдештирилген.

Мисалы, 2 факторлуу матрица 10 өлчөмдүү whitepaper мейкиндиги менен салыштырылганда сегиз нөл мамычасы кошулат.

Автор бул φ маанисин төмөн багытта таасирленте алышы мүмкүн экенин ачык моюнга алат.

Кийинки matched-dimension контролунда өлчөмдөр адегенде SVD аркылуу дал келтирилгенде:

• Claims → 2D жана Factors → 2D: \(\phi=0.157,\ p=0.47\)
• Claims → 7D жана Statistics → 7D: \(\phi=0.304,\ p=0.52\)
• Statistics → 2D жана Factors → 2D: \(\phi=0.423,\ p=0.004\)

жыйынтыктары алынган.

Бул маанилер zero-padding колдонулбаганда баян–рынок шайкештиги бир аз жогорулаганын, бирок дагы эле статистикалык маанилүүлүккө жетпегенин көрсөтөт.

Tucker Шайкештик Коэффициенти φ Деген Эмне?

Изилдөөнүн негизги окшоштук өлчөмү:

\[ \phi(x,y) = \frac{ \sum_{i=1}^{n}x_i y_i }{ \sqrt{ \sum_{i=1}^{n}x_i^2 \sum_{i=1}^{n}y_i^2 } } \]

түрүндө.

Бул туюнтма математикалык жактан косинустук окшоштукка барабар; бирок Pearson корреляциясынан айырмаланып, маалыматтар орточо мааниден борборлоштурулбайт.

Маани:

\[ -1\leq\phi\leq1 \]

аралыгында.

Булак колдонгон чечмелөө чектери

Булак ошондой эле бул чектер чындыгында окшош маалымат топтомдорунан алынган фактор чечимдерин салыштыруу үчүн иштелип чыкканын жана NLP баян мейкиндиги менен финансылык рынок мейкиндиги сыяктуу бири-биринен айырмаланган көрсөтүлүш түрлөрүнө колдонуу баштапкы текшерүү контекстинен чыгып кетерин моюнга алат.

Негизги Жыйынтыктар

p-маани эмнени билдирет?

Изилдөө бир тараптуу пермутация тестин колдонот.

Негизги процесс төмөнкүдөй:

1. Чыныгы маалыматта байкалган \(\phi^*\) эсептелет.
2. Актив дал келүүлөрү кокус аралаштырылат.
3. Ар бир аралаштырууда жаңы \(\phi^{(b)}\) эсептелет.
4. Кокус жыйынтыктар байкалган жыйынтыктан канчалык көп чоң же тең экени өлчөнөт.

Булак:

\[ p= \frac{1}{B} \sum_{b=1}^{B} \mathbf{1} [ \phi^{(b)}\geq\phi^* ] \]

түрүндөгү көрсөтүүнү колдонот.

Бул жерде \(B=1000\) пермутация.

Claims–Statistics үчүн \(p=0.339\) жана Claims–Factors үчүн \(p=0.751\) болгондуктан, байкалган алсыз шайкештик маанилери кокус дал келүүлөргө салыштырмалуу маанилүү деңгээлде жогору экени көрсөтүлгөн эмес.

Эмне Үчүн “Байланыш Жок” Деген Жыйынтык Чыгарууга Болбойт?

Статистикалык маанилүүлүк табылбаганы өзүнчө эле байланыш так нөл экенин далилдебейт.

Изилдөөнүн күч талдоосу муну өзгөчө көрсөтөт:

37 жалпы актив менен изилдөөдө \(\phi=0.30\) сыяктуу алсыз чыныгы таасир бар болсо, аны болгону болжол менен %14 ыктымалдык менен аныктоого болот.

Ал эми:

\[ \phi\geq0.70 \]

деңгээлиндеги күчтүү байланыш үчүн күч болжол менен %90.

Демек, изилдөө күчтүү баян–рынок шайкештигин четке кагууда ишенимдүүрөөк; алсыз шайкештикти нөлдүк шайкештиктен ажыратууда болсо жетишсиз.

Bootstrap Ишеним Аралыктарынын Көйгөйү

Булак %95 ишеним аралыктары үчүн 1.000 bootstrap кайра үлгүлөөсүн колдонгон.

Бирок болгону 37 актив бар кичине үлгүдө ошол эле активдердин bootstrap учурунда кайра-кайра тандалышы Procrustes дал келтирүүсүн жасалма түрдө жакшыртышы мүмкүн.

Булак bootstrap орточосу чекиттик баалоодон:

• Claims–Statistics салыштыруусунда болжол менен %29,
• Claims–Factors салыштыруусунда болжол менен %37

жогору экенин билдирет.

Ошондуктан макаладагы ишеним аралыктарын “так чектер” эмес, булак авторунун сөзү менен көбүрөөк индикативдүү көрсөткүч катары баалоо керек.

Жыйынтык Убакыт Өткөн Сайын Өзгөрөбү?

Бардык мезгилдерде шайкештик алсыз аралыкта калган. Бул жүктөлгөн v4төгү негизги жыйынтык бир гана кыска рыноктук мезгилден келип чыкпаганын көрсөтөт.

Кеңири институционалдык баяндар колдонулганда эмне болду?

Автор whitepaper ордуна расмий документтерди, foundation жаңыртууларын, башкаруу форумдарын жана долбоор блогдорун камтыган кошумча институционалдык баян корпусун түзгөн.

Февраль 2025 snapshotында 14 долбоор үчүн 627 документ жана 367.071 сөз бар. Толук рыноктук маалыматы бар 12 актив менен алты жылма терезеде орточо:

\[ \phi=0.203\pm0.013 \]

деп табылган.

Бул жыйынтык whitepaperга салыштырмалуу баян–рынок шайкештигин орточо же күчтүү деңгээлге жеткирген эмес.

Ошол эле учурда бир гана датадагы баян snapshotы колдонулгандыктан, долбоордун баяны убакыт өтүшү менен кандай өзгөргөнү чыныгы мааниде өлчөнгөн эмес.

Альтернативдүү Шайкештик Өлчөмдөрү Ошол Эле Жыйынтыкты Береби?

Төрт альтернативдүү ыкманын баарында whitepaper камтылган салыштыруулар маанилүүлүккө жеткен жок, ал эми рынок статистикасы–рынок факторлору салыштыруусу маанилүү бойдон калды.

Бул v4төгү негизги табылга Tucker φ өлчөмүнүн өзгөчө математикалык касиеттеринен гана келип чыкпаганын колдойт.

Рынок Факторлору Чынында Эмнени Көрсөтөт?

Автор Фактор 1ди тобокелдикке ылайыкташтырылган натыйжалуулук же туруктуулук өлчөмү катары чечмелейт. Ал максималдуу төмөндөө жана волатилдүүлүк менен терс, Sharpe катышы менен оң байланышта.

Фактор 2 болсо орточо көлөм жана көлөм волатилдүүлүгү менен көбүрөөк байланыштуу болгондуктан ликвиддүүлүк/өлчөм багыты катары чечмеленет.

Ал эми 10 whitepaper категориясы менен эки фактордун ортосундагы жалпы 20 корреляциянын эч бири:

\[ \alpha=0.05 \]

деңгээлинде статистикалык маанилүүлүккө жеткен эмес.

Эң күчтүү маани Smart Contracts менен Фактор 1дин ортосундагы:

\[ r=-0.26,\qquad p=0.126 \]

корреляция жана бул да алсыз, маанилүү эмес байланыш.

Тензорду Алдын Ала Иштетүү Жыйынтыкты Өзгөртөбү?

Изилдөө тензор түзүүнүн үч башка ыкмасын колдонгон:

1. нормалдаштырылган баштапкы OHLCV деңгээлдери,
2. логарифмдик кирешелер,
3. актив боюнча z-скорлонгон өзгөчөлүктөр.

Бул ар башка түзүмдөрдөн алынган факторлордун өз ара шайкештиги:

• баштапкы – киреше: \(\phi=0.14\)
• баштапкы – z-score: \(\phi=0.19\)
• киреше – z-score: \(\phi=0.11\)

деп билдирилген.

Бул жыйынтык жашыруун факторлордун так түзүмү тензор кантип даярдалганына сезгич экенин көрсөтөт.

Ошондуктан “Фактор 1 так ушул экономикалык фактор” деген сыяктуу ашыкча так чечмелөөлөрдөн качуу керек.

Ошол эле учурда whitepaper баяны менен рынок түзүмүнүн ортосундагы шайкештик бардык алдын ала иштетүү варианттарында төмөн бойдон калган.

CP Жыйынтыктары Кокус Башталышка Сезгичпи?

ALS алгоритми кокус башталышты колдонгондуктан, изилдөөчү rank-2 моделин 10 башка random seed менен кайра иштеткен.

Фактор матрицаларынын ортосундагы орточо шайкештик:

\[ \phi=0.9999\pm0.0001 \]

жана аралык:

\[ [0.9997,\ 1.000] \]

деп табылган.

Бул жүктөлгөн v4тө колдонулган тензор жана модель шартында кокус башталыш жыйынтыкка өтө аз таасир берерин көрсөтөт.

Убакыттык фактор туруктуулугу

Эки жылдык үлгү экиге бөлүнгөн:

• 1-жыл: 8.771 саат,
• 2-жыл: 8.772 саат.

Эки жарымдагы факторлордун шайкештиги:

\[ \phi=0.933 \]

деп табылган.

1-жыл – толук үлгү:

\[ \phi=0.977 \]

2-жыл – толук үлгү:

\[ \phi=0.987 \]

жыйынтыгын берген.

Бул өлчөм ошол эле тензор түзүү тандоолорунда фактор түзүмү эки жылдык мезгилдин эки жарымында тең кыйла туруктуу болгонун көрсөтөт.

v4тө Билдирилген, Бирок Кийин Кайтарылып Алынган Токенге Негизделген Табылгалар

Жүктөлгөн v4 версиясында leave-one-out талдоосунда төмөнкү жыйынтыктар билдирилген:

Маанилүү версия эскертүүсү: Бул рейтинг эми изилдөөнүн учурдагы илимий жыйынтыгы эмес. Кийинки arXiv версиясы мурдагы корпуста туура эмес же ийгиликсиз жүктөлгөн whitepaper документтери болгонун жана адистешкен токендер жогорку шайкештик көрсөткөн деген рейтинг мазмун текшерилгенден кийин жоголгонун билдирет.

Ошондуктан XMR, CRV же YFIнин whitepaper баяндар рыноктук жүрүм-турумду башка долбоорлорго караганда жакшыраак “алдын ала айтат” деген нерсе учурда тастыкталган жыйынтык эмес.

v4 Whitepaper Корпусундагы Документ Катасы

Жүктөлгөн версиянын өзүнүн D тиркемесинде маанилүү маалымат сапаты көйгөйү ачык жазылган.

ATOM үчүн GitHub fallback механизми аркылуу алынган документ Cosmos Hub whitepaperынын ордуна Binance Smart Chain whitepaperы болгону айтылат.

v4 автордук баалоосу бул 37 активдин бирөөнө гана таасир бергенин жана негизги алсыз шайкештик жыйынтыгын өзгөртөт деп күтүлбөгөнүн айтат.

Бирок кийинки изилдөө версиялары корпус текшерүүсүн кеңейтип, мурдагы entity-level жыйынтыктар документ контаминациясына көбүрөөк сезгич экенин көрсөттү.

Whitepaper Категорияларынын Кайсылары v4тө Шайкештикке Көбүрөөк Салым Кошту?

Бул таблица v4 корпусунан алынгандыктан, токен деңгээлиндеги контаминация эскертүүсүнөн көз карандысыз деп кабыл алынбашы керек. Категория таасирлери кичине жана негизги баян–рынок шайкештиги жалпысынан алсыз экенин өзгөртпөйт.

Bitcoin Негизги Жыйынтыкты Жалгыз Өзү Сүйрөп Жатабы?

Bitcoin CP фактор мейкиндигинде өтө ачык четтик маани. v4тө Фактор 1 жүгү болжол менен:

\[ 28.5 \]

деп билдирилген; башка активдердин орточосу болжол менен нөлдүн айланасында.

Ошондуктан изилдөөчү Bitcoin жыйынтыкты жалгыз өзү сүйрөп жатабы же жокпу өзүнчө текшерген.

v4 leave-one-out талдоосунда Bitcoinдин шайкештик таасири болжол менен:

\[ -0.004 \]

деп табылган.

Бул маани Bitcoin фактор мейкиндигинде чоң статистикалык четтик маани болгонуна карабай, whitepaper–рынок шайкешсиздиги жыйынтыгы Bitcoinден гана келип чыкпаганын көрсөтөт.

Өлчөө Катасы Алсыз Шайкештикти Түшүндүрө Алабы?

NLP моделдеринин ортосундагы төмөн шайкештик чыныгы баян профилдери олуттуу өлчөө катасын камтышы мүмкүн экенин билдирет.

Булак Spearman attenuation correction ыкмасы менен:

\[ \phi_{\text{true}} \approx \frac{ \phi_{\text{obs}} }{ \sqrt{ \rho_{XX}\rho_{YY} } } \]

түрүндө түзөтүү баалоосун жүргүзөт.

Claims ишенимдүүлүгү:

\[ \rho_{XX}\approx0.30 \]

жана рынок ишенимдүүлүгү божомолу:

\[ \rho_{YY}=0.95 \]

колдонулганда Claims–Factors түзөтүлгөн шайкештиги болжол менен:

\[ \phi_{\text{disatt}}\approx0.11 \]

деп эсептелген.

Бул маани дагы эле 0,65 орточо шайкештик чегинен кыйла төмөн.

Бирок бул түзөтүү да ишенимдүүлүк параметрлери кантип бааланганына көз каранды жана чыныгы баян өлчөө катасын так чечпейт.

Позитивдүү Контролдо Циклдүүлүк Көйгөйү Барбы?

Рынок статистикалары жана тензор факторлору бир эле OHLCV маалыматынан алынгандыктан, алардын ортосунда маанилүү байланыш табылышы жарым-жартылай механикалык болушу мүмкүн.

Булак бул көйгөйдү азайтуу үчүн үлгүнү эки мезгилге бөлгөн:

• биринчи жылдан CP факторлору,
• экинчи жылдан рынок статистикалары

түзүлгөн.

Бул көз карандысыз убакыт бөлүктөрүнүн ортосундагы шайкештик:

\[ \phi=0.449,\qquad p=0.051 \]

деп табылган.

Бул жыйынтык номиналдык %5 чегинен бир аз жогору. Ошондуктан аны “так маанилүү позитивдүү контроль” деп чечмелөөгө болбойт; бирок дал келтирүү системасы ар башка убакыт үлгүлөрүнөн түзүлгөн рынок көрсөтүлүштөрүндө орточо чоңдуктагы түзүмдүк окшоштукту кармай аларын көрсөтөт.

Изилдөө Колдогон Жыйынтыктар

• Жүктөлгөн v4тө whitepaper баяны менен рынок статистикаларынын ортосундагы Tucker шайкештиги алсыз: φ=0,246.
• Whitepaper баяны менен rank-2 тензор факторлорунун ортосундагы шайкештик өтө алсыз: φ=0,058.
• Whitepaperга негизделген бул эки салыштыруу пермутация тестинде маанилүү эмес.
• Бир эле рынок маалыматынын ар башка жыйынтык көрсөтүлүштөрүнөн турган статистикалар менен тензор факторлорунун ортосунда алсыз, бирок статистикалык жактан маанилүү байланыш бар.
• CP жана Tucker ажыратуусу v4тө окшош баян–фактор жыйынтыктарын берет.
• Rank 1–5 аралыгында баян–фактор шайкештиги дайыма алсыз бойдон калат.
• Алты жылма убакыт терезесинде баян–рынок шайкештиги алсыз аралыкта калат.
• Альтернативдүү RV, distance correlation, CCA жана PLS өлчөмдөрү да whitepaper камтылган салыштырууларда маанилүү шайкештик көрсөтпөйт.
• Тензор факторлору тобокелдик, волатилдүүлүк жана ликвиддүүлүк сыяктуу иш жүзүндөгү рынок өзгөчөлүктөрү менен байланыштуу.
• Изилдөөнүн үлгү күчү күчтүү баян–рынок шайкештигин четке кагууга жетиштүү, алсыз шайкештик менен нөлдүк шайкештикти так ажыратууга болсо жетишсиз.

Изилдөө Колдобогон Жалпылоолор

• Whitepaperлар келечектеги крипто бааларын алдын ала айта албайт деген жыйынтыкты бул изилдөөдөн чыгарууга болбойт; изилдөө бааны алдын ала айтпайт.
• Whitepaper мазмунунун рынок менен таптакыр эч кандай байланышы жок экени далилденген эмес.
• p>0,05 жыйынтыгы “байланыш так нөл” дегенди билдирбейт.
• Whitepaper талдоосу технологиялык сапат, коопсуздук же долбоордун максаты жагынан баасыз деген жыйынтык чыгарууга болбойт.
• Изилдөө инвестиция стратегиясын же сатып алуу-сатуу сигналын иштеп чыкпайт.
• Токендин белгилүү whitepaper категориясына кириши анын жогорку же төмөн инвестициялык киреше берерин көрсөтпөйт.
• Binance маалыматына гана негизделген жыйынтыктар бардык биржаларда бирдей болору көрсөтүлгөн эмес.
• Эки жылдык рыноктук мезгил узак мөөнөттүү бүт крипто тарыхын билдирет деп айтууга болбойт.
• Жалпы максаттагы zero-shot NLP моделдери крипто терминологиясын катасыз классификациялай турганы көрсөтүлгөн эмес.
• v4төгү XMR, CRV, YFI, SOL сыяктуу токенге негизделген позитивдүү рейтингдерди учурдагы илимий жыйынтык катары колдонууга болбойт; кийинки версия аларды корпус контаминациясынын контекстинде кайтарып алган.

Негизги Чектөөлөр

1. Кичине жалпы үлгү

Негизги дал келтирүү болгону 37 актив менен жүргүзүлөт. Бул үлгү күчтүү таасирлер үчүн жетиштүү болгону менен, алсыз жана орточо чоңдуктагы байланыштарды аныктоо мүмкүнчүлүгү чектелүү.

2. Whitepaperлар статикалык документтер

Көп whitepaper долбоордун алгачкы жылдарында жазылган. Ал эми рынок маалыматы 2023–2024 мезгилине тиешелүү. Долбоорлордун жылдар ичинде өзгөргөн баяндарын негизги whitepaper чагылдырбашы мүмкүн.

3. Таксономия изилдөөчү тарабынан аныкталган

10 категория крипто экосистемасы үчүн ылайыктуу болгону менен, жалгыз мүмкүн болгон классификация эмес. Майда же башка таксономия башка байланыштарды ачып бериши мүмкүн.

4. Zero-shot классификацияда domain shift

BART-MNLI жалпы табигый тилден тыянак чыгаруу боюнча үйрөтүлгөн. “AMM”, “sharding”, “tokenomics” жана ушуга окшогон криптого тиешелүү түшүнүктөрдү жалпы максаттагы модель дайыма туура түшүнөт деп кепилдик берилбейт.

5. Бир гана рынок маалымат камсыздоочусу

OHLCV маалыматтары Binanceден алынган. Ар башка биржалардагы ликвиддүүлүк жана микро түзүм айырмачылыктары моделге киргизилген эмес.

6. Тензор факторлору алдын ала иштетүүгө сезгич

OHLCV деңгээлдери, кирешелер жана актив боюнча z-score колдонулганда алынган факторлордун ортосунда төмөн гана шайкештик табылган. Ошондуктан жашыруун факторлордун экономикалык чечмелөөсүн так деп кабыл алууга болбойт.

7. Procrustes өлчөм дал келтирүүсү

v4 негизги талдоосунда колдонулган нөл мамыча кошуу ыкмасы стандарттуу эмес жана φ маанисин төмөндөтүшү мүмкүн болгон ыкма. Булак муну ачык чектөө катары кабыл алат.

8. Bootstrap кыйшаюусу

Кичине үлгүдө кайталанган активдер Procrustes шайкештигин жасалма түрдө жогорулата алышы мүмкүн болгондуктан, ишеним аралыктарын толук тактык менен баалоого болбойт.

9. Whitepaper корпусундагы мазмун сапаты

Жүктөлгөн v4түн өз тиркемесинде ATOM үчүн туура эмес whitepaper колдонулганы белгилүү. Кийинки arXiv версияларында кеңири корпус контаминациясы аныкталгандыктан, өзгөчө v4түн активге негизделген жыйынтыктарын ишенимдүү учурдагы табылга катары колдонууга болбойт.

Түркия Көз Карашынан Кантип Окулушу Керек?

Түркияда криптоактивдерди изилдеген инвесторлор, академиктер же финансылык технология иштеп чыгуучулары үчүн изилдөөнүн эң маанилүү билдирүүсү — токен өзүн кантип сүрөттөгөнү менен рынокто кандай тобокелдик жана ликвиддүүлүк өзгөчөлүктөрүн көрсөткөнү бир эле нерсе эмес.

Мисалы, эки долбоор тең өзүн “масштабдалуучу акылдуу келишим платформасы” деп сыпатташы мүмкүн; ошого карабай алардын рыноктук жүрүм-туруму ар башка макро шарттар, Bitcoin корреляциясы, ликвиддүүлүк, токен сунушу, инвестор түзүмү жана рынок микро түзүмү менен таасирлениши мүмкүн.

Ошондуктан whitepaper талдоосун технологиялык жана функционалдык баалоо үчүн колдонууга болот, ал эми инвестициялык жүрүм-турум өзүнчө рынок маалыматтары менен изилдениши керек.

Бирок изилдөө Түркияга тиешелүү инвестор жүрүм-турумун, Түркиядагы биржаларды же түрк лирасы менен көрсөтүлгөн крипто рынокторду эксперимент аркылуу текшерген эмес. Жергиликтүү жыйынтыктар үчүн өзүнчө текшерүү талап кылынат.

Булак жана Ыкма Жөнүндө Эскертүү

Жүктөлгөн версиянын түпнуска аталышы: Do Whitepaper Claims Predict Market Behavior? Evidence from Cryptocurrency Factor Analysis.

Автор: Murad Farzulla.

Жүктөлгөн версиядагы мекемелер: Dissensus AI, London, UK; King's College London, London, UK.

Авторлордун саны: Бир авторлуу изилдөө.

Тең салым: Колдонулбайт.

Жооптуу автор: Булакта Murad Farzulla жылдызча менен correspondence автору катары көрсөтүлгөн.

ORCID: 0009-0002-7164-8704.

Working paper сериясы: Dissensus AI Working Paper Series.

Отчет номери: DAI-2508.

ArXiv идентификатору: arXiv:2601.20336.

Жүктөлгөн файл: arXiv:2601.20336v4.

Жүктөлгөн версиянын күнү: 14 Февраль 2026.

ArXiv DOI: 10.48550/arXiv.2601.20336.

Жүктөлгөн версиянын булак түрү: Working paper / arXiv preprint.

Рецензия абалы: Жүктөлгөн v4 рецензияланган акыркы журнал макаласы эмес. Ноябрь 2026 учурдагы автор/лаборатория жазуусунда изилдөө Financial Innovation үчүн рецензия жана major-revision процессинде деп көрсөтүлгөн; кабыл алынган акыркы басылма тастыкталган эмес.

Маанилүү версия өзгөрүүсү: ArXiv жазуусу v4төн кийин жаңыртылган. Учурдагы v6 версиясы 11 Июль 2026 күнүнө тиешелүү жана аталышы “Are Whitepaper Claims Reflected in Market Structure? A Contamination-Aware Pipeline and a Power-Limited Null” түрүндө.

Учурдагы версиянын негизги оңдоосу: v4тө билдирилген айрым токен деңгээлиндеги баян–рынок рейтингдерине whitepaper корпусунун контаминациясы таасир эткени кийинки версияда көрсөтүлүп, бул рейтинг илимий табылга катары кайтарылып алынган. Бул Verianla текстинде тиешелүү v4 жыйынтыктары тарыхый версия маалыматы катары гана берилген.

Негизги рынок маалымат булагы: Binance API; CCXT китепканасы.

Рыноктук мезгил: 1 Январь 2023 – 31 Декабрь 2024.

Рыноктук активдер: 49.

Whitepaper/техникалык документ: Жүктөлгөн v4тө 38.

Негизги жалпы үлгү: 37 актив.

Убакыт чекиттери: 17.543 сааттык байкоо.

Рынок өзгөчөлүктөрү: Open, High, Low, Close, Volume.

Финансылык жыйынтык статистикалар: Орточо киреше, волатилдүүлүк, Sharpe катышы, максималдуу төмөндөө, орточо көлөм, волатилдүүлүктүн волатилдүүлүгү жана тренд.

NLP ыкмасы: BART-large-MNLI zero-shot классификация.

Альтернативдүү NLP текшерүүсү: DeBERTa-v3, sentence embedding жана Ministral-3 негизиндеги классификация контролдору.

Whitepaper категорияларынын саны: 10.

Тензор ыкмасы: CP/CANDECOMP-PARAFAC; robustness үчүн Tucker decomposition.

CP rankы: 2.

Түшүндүрүлгөн вариация: %92,45.

Негизги дал келтирүү: Orthogonal Procrustes rotation.

Негизги окшоштук өлчөмү: Tucker's Congruence Coefficient (φ).

Claims–Statistics v4 жыйынтыгы: φ=0,246, p=0,339.

Claims–Factors v4 жыйынтыгы: φ=0,058, p=0,751.

Statistics–Factors v4 жыйынтыгы: φ=0,174, p<0,001.

Статистикалык тыянак чыгаруу: 1.000 пермутациялуу бир тараптуу пермутация тести; 1.000 кайра үлгүлөнгөн bootstrap ишеним аралыктары.

Күч чеги: n=37 үлгү болжол менен φ≥0,70 деңгээлиндеги күчтүү шайкештикти жогорку күч менен аныктай алат; φ≈0,30 деңгээлиндеги алсыз таасирлер үчүн күч төмөн.

Bootstrap эскертүүсү: Булак кичине үлгү жана Procrustes дал келтирүүсү себептүү bootstrap ишеним аралыктарында маанилүү жогору багытталган кыйшаюу бар экенин билдирет.

Whitepaper классификациясынын ишенимдүүлүгү: BART–DeBERTa exact top-1 дал келүүсү %32, Cohen's κ=0,14; жумшак top-3 дал келүүсү %67.

Документ сапаты көйгөйү: v4 D тиркемеси ATOM үчүн Cosmos Hub ордуна Binance Smart Chain whitepaperы талданганын ачык көрсөтөт. Кийинки версия корпус сапатын көзөмөлдөөнү кеңейткен.

Репродукция: Булак random seed 42, Python 3.11+, NumPy, SciPy, TensorLy, scikit-learn жана Hugging Face Transformers колдонулганын билдирет.

Код жана иштетилген маалыматтар: Булак studiofarzulla/tensor-defi GitHub репозиторийин репродукция материалы катары көрсөтөт.

Код лицензиясы: PDF декларациясында репродукция коду MIT License астында жарыяланган деп көрсөтүлгөн.

Каржылоо: Изилдөө тышкы каржылоо алган эмес; эсептөө ресурстары King's College London тарабынан берилгени көрсөтүлгөн.

Кызыкчылыктардын кагылышы: Автор competing interests жок экенин билдирет.

AI жардамы: Булак Claude (Anthropic) системасы каралама даярдоого, кодду кароого жана статистикалык баяндоого жардам бергенин; изилдөө дизайны, маалымат талдоосу жана чечмелөөлөр үчүн жоопкерчилик авторго таандык экенин билдирет.

Автордук салым: Sole author.

Маалымат жеткиликтүүлүгү: Binance/CCXT рынок маалыматтары жана расмий долбоор документтери коомдук булактардан; иштетилген маалыматтар жана NLP чыгыштары репродукция репозиторийинде берилген.

1-сүрөт: Үч NLP классификация ыкмасынын 10 категориядагы орточо упайларын салыштырат.

2-сүрөт: Бир убакыт чекитиндеги z-нормалдаштырылган рынок тензорунун кесимин көрсөтөт.

3-сүрөт: Активдерди rank-2 CP фактор мейкиндигинде көрсөтөт; BTC, GALA жана SC статистикалык четтик маанилер экени айтылат.

4-сүрөт: v4 whitepaper дооматтар матрицасынын 38 актив × 10 категория жылуулук картасы.

5-сүрөт: CP rankы, түшүндүрүлгөн вариация жана баян–фактор шайкештигинин ортосундагы сезгичтикти көрсөтөт.

6-сүрөт жана 10-таблица: v4 entity-level leave-one-out таасирлерин көрсөтөт. Бул бөлүмдөгү токен рейтинги кийинки версияда корпус контаминациясы себептүү ишенимдүү табылга катары сакталган эмес.

7-сүрөт жана 11-таблица: Whitepaper категорияларынын v4 ablation негизиндеги шайкештик таасирлерин көрсөтөт.

8-сүрөт: Рынок статистикалары менен факторлордун ортосунда маанилүү корреляциялар бар болсо да, whitepaper категория–фактор жуптарында маанилүү корреляция табылбаганын көрсөтөт.

9-сүрөт: Үч NLP ыкмасынын категория боюнча корреляцияларын көрсөтөт.

Илимий чечмелөө чеги: Жүктөлгөн v4 крипто whitepaperлардагы функционалдык баяндар 2023–2024-жылдардагы рынок фактор түзүмү менен күчтүү түзүмдүк дал келүү көрсөтпөгөнүн колдойт. Үлгүнүн чектелүү күчүнөн улам алсыз шайкештик менен такыр шайкештик жок экенинин айырмасын так аныктоо мүмкүн эмес. Бул изилдөө бааны алдын ала айтуу модели же инвестициялык кеңеш эмес.