Miradi ya sarafu za kripto kwa kawaida hueleza malengo yake, usanifu wa kiufundi, maeneo ya matumizi na matatizo inayolenga kutatua katika nyaraka za msingi zinazoitwa whitepaper. Hata hivyo, je, kujitambulisha kwa mradi katika whitepaper yake, kwa mfano kama njia ya malipo, miundombinu ya fedha zilizogatuliwa, mfumo wa faragha, mtandao wa kuhifadhi data au blokcheini inayoweza kupanuka, kunamaanisha kwamba tokeni ya mradi huo itaonyesha tabia katika soko la fedha inayolingana na daraja hilo hilo la kiutendaji?

Hili ndilo swali kuu la utafiti wa Murad Farzulla wenye kichwa “Do Whitepaper Claims Predict Market Behavior? Evidence from Cryptocurrency Factor Analysis”. Utafiti unaainisha nyaraka za kiufundi za miradi 38 ya sarafu za kripto katika makundi 10 ya kiutendaji kwa kutumia mbinu za uchakataji wa lugha asilia; wakati huohuo unachanganua data za kila saa za OHLCV za mali 49 za kripto kutoka Binance katika kipindi cha 2023–2024 kwa kutumia utenganuzi wa tensor na takwimu za muhtasari wa kifedha.

Neno “predict” hapa halitumiki kwa maana ya kutabiri bei ya baadaye. Utafiti haujaribu iwapo masimulizi katika whitepaper yanatabiri kwamba bei itapanda au kushuka baadaye. Swali linalochunguzwa ni iwapo yale ambayo miradi inasema kuhusu yenyewe na sifa za kimuundo zinazoonekana sokoni huunda muundo unaofanana katika mali zilezile. Kwa maneno mengine, utafiti huu ni uchunguzi wa ulinganifu wa kimuundo.

Katika toleo la v4 lililopakiwa kuna whitepaper 38. Seti ya data ya soko ina mali 49. Mali 37 ambazo zina whitepaper pamoja na data za kutosha za soko zilitumika katika ulinganisho mkuu wa masimulizi–soko. Data za soko zinahusu kipindi cha 1 Januari 2023–31 Desemba 2024 na pointi 17.543 za muda wa kila saa kwa kila mali.

Maudhui ya whitepaper yaliainishwa katika makundi 10 kwa mbinu ya uainishaji bila mifano (zero-shot classification) kwa kutumia modeli ya BART-large-MNLI: hifadhi ya thamani, njia ya kubadilishana, mikataba mahiri, fedha zilizogatuliwa, utawala, upanuzi, faragha, ushirikiano kati ya mifumo, uhifadhi wa data na huduma za oracle.

Kwa upande wa soko, uwakilishi wawili tofauti uliundwa. Uwakilishi wa kwanza una vipimo saba vya muhtasari wa kifedha vilivyohesabiwa kwa kila mali: faida ya wastani, volatiliti, uwiano wa Sharpe, upungufu wa juu zaidi, kiasi cha wastani cha biashara, volatiliti ya volatiliti na mwelekeo wa bei. Uwakilishi wa pili ni vipengele fiche vilivyopatikana kwa utenganuzi wa CP wa tensor ya soko yenye vipimo vingi inayoundwa na saa × mali × sifa za OHLCV.

Katika utenganuzi wa CP, vipengele viwili vilieleza %92,45 ya variansi katika tensor ya soko. Kisha utafiti ulilinganisha nafasi ya uwakilishi iliyoundwa kutokana na madai ya whitepaper na nafasi zilizoundwa kutokana na takwimu za soko na vipengele fiche kwa mabadiliko ya Orthogonal Procrustes, na ukapima ufanano kwa kigawo cha ulinganifu cha Tucker (Tucker's congruence coefficient, φ).

Katika matokeo makuu ya toleo la v4 lililopakiwa, ulinganifu kati ya madai ya whitepaper na takwimu za soko ulikuwa:

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

na ulinganifu kati ya madai ya whitepaper na vipengele fiche vya CP ulikuwa:

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

Matokeo haya yalipatikana. Thamani zote mbili ziko katika daraja la ulinganifu dhaifu kulingana na kiwango cha tafsiri kilichotumika katika utafiti na hazikufikia umuhimu wa kitakwimu katika jaribio la permutation.

Kinyume chake, ulinganisho kati ya takwimu za soko na vipengele vya tensor vilivyotokana na data zilezile za soko:

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

ulitoa matokeo haya. Ingawa ukubwa wa ulinganifu bado ni dhaifu, ni muhimu kitakwimu ikilinganishwa na bahati nasibu. Mwandishi anatathmini matokeo haya kama udhibiti chanya unaoonyesha kuwa mbinu ya ulinganishaji iliyotumika inaweza kutambua muundo halisi wa kihisabati unapokuwepo.

Hata hivyo, nguvu ya kitakwimu ya utafiti ni kizuizi muhimu. Kwa mali 37 za pamoja, utafiti unaweza kugundua kwa nguvu kubwa ulinganifu mkubwa wa takribani \(\phi\geq0.70\); kwa upande mwingine, hauwezi kutofautisha kwa uaminifu iwapo uhusiano dhaifu wa kiwango cha \(\phi\approx0.30\) upo kweli. Kwa hiyo, hitimisho la utafiti si “hakuna kabisa uhusiano kati ya masimulizi ya whitepaper na soko”. Hitimisho la tahadhari zaidi linaloungwa mkono ni kwamba hakuna ulinganifu mkubwa wa kimuundo uliopatikana na, kwa sampuli iliyopo, ulinganifu dhaifu hauwezi kutofautishwa kwa uhakika na ulinganifu wa sifuri.

Toleo la v4 lililopakiwa pia liliripoti kwamba baadhi ya tokeni zenye maeneo maalumu zaidi ya matumizi, kama XMR, CRV, YFI na SOL, zilionyesha mchango mkubwa zaidi wa ulinganifu kati ya madai ya whitepaper na tabia ya soko. Lakini matokeo haya yaliondolewa katika matoleo ya baadaye ya arXiv. Katika toleo la sasa, mwandishi anaeleza kwamba kulikuwa na nyaraka zisizo sahihi na maudhui ya upakuaji ulioshindwa katika korpasi ya awali ya whitepaper, na kwamba mpangilio huu wa entity-level haukuendelea katika korpasi iliyosafishwa. Kwa hiyo, mpangilio huo wa tokeni haupaswi kutumiwa kama matokeo ya sasa ya kisayansi.

Ujumbe mkuu uliobaki thabiti zaidi wa utafiti ni kwamba masimulizi ya kiutendaji katika whitepaper hayaonyeshi ulinganifu mkubwa wa kimuundo na muundo wa hatari, ukwasi na vipengele vya soko katika kipindi cha 2023–2024. Vipengele vya tensor vinaonekana kuhusiana zaidi na sifa za soko zilizotokea, kama volatiliti, upungufu wa juu zaidi, uwiano wa Sharpe na kiasi.

Kwa mtazamo wa Türkiye, utafiti ni muhimu kwa kuonyesha kwamba katika kutathmini mali za kripto, ahadi katika whitepaper au kundi la mradi pekee huenda lisitoshe kueleza tabia ya kifedha. Hata hivyo, matokeo haya hayamaanishi kwamba uchanganuzi wa whitepaper hauna thamani katika teknolojia, utawala au lengo la mradi. Utafiti unajaribu tu ulinganifu wa kimuundo kati ya masimulizi ya kiutendaji na muundo wa vipengele vya soko na hautabiri faida ya uwekezaji.

Je, Whitepaper ya Sarafu ya Kripto Inaweza Kweli “Kutabiri” Tabia ya Soko?

Ili kuelewa dhana kuu katika utafiti huu, kwanza ni lazima kutenganisha jinsi neno “kutabiri” linavyotumiwa. Mtafiti hajaribu kutabiri bei ya baadaye ya Bitcoin, Ethereum au tokeni nyingine.

Swali kuu la utafiti ni:

Je, miradi ambayo inaeleza kazi na madhumuni ya matumizi yanayofanana katika whitepaper zake pia huonyesha sifa za kimuundo zinazofanana katika masoko ya fedha?

Kwa mfano, ikiwa miradi miwili inajitambulisha hasa kama teknolojia ya faragha, je, inaweza kutarajiwa kwamba nafasi za mali hizi mbili katika volatiliti, kiasi cha biashara, upungufu wa juu zaidi au vipengele fiche vya soko pia zitafanana?

Kwa hiyo katika utafiti huu “predict” inamaanisha zaidi ulinganifu wa kimuundo au mwafaka wa kimuundo kuliko kutabiri wakati ujao katika mhimili wa muda.

Whitepaper ni nini?

Katika muktadha wa sarafu za kripto, whitepaper ni hati ya msingi inayoeleza muundo wa kiufundi wa mradi, malengo yake, modeli ya kiuchumi, hali za matumizi au usanifu wa itifaki.

Hata hivyo, korpasi ya utafiti haijumuishi tu nyaraka za “whitepaper asili”. Kwa baadhi ya miradi, nyaraka za makubaliano, vipimo vya itifaki, ripoti za kiufundi au nyaraka rasmi za kiufundi pia zilitumika.

Tofauti hii ni muhimu; kwa sababu aina tofauti za nyaraka huenda zisiwe na msongamano sawa wa masimulizi au nafasi sawa ya kihistoria.

Uchumi wa masimulizi ni nini?

Narrative economics au uchumi wa masimulizi ni eneo la utafiti linalodai kwamba tabia za kiuchumi zinaweza kuathiriwa si tu na viashiria vya msingi au modeli za kihisabati, bali pia na hadithi, maelezo na imani za pamoja zinazoenea katika jamii.

Katika mfumo ikolojia wa sarafu za kripto, masimulizi kama “dhahabu ya kidijitali”, “fedha zilizogatuliwa”, “miundombinu ya Web3”, “sarafu ya faragha” au “muuaji wa Ethereum” yanaweza kuathiri jinsi wawekezaji wanavyoona miradi.

Makala hii haipimi moja kwa moja hisia za wawekezaji zinazotokana na masimulizi haya; inatafuta ufanano wa kimuundo kati ya masimulizi ya kiutendaji katika nyaraka rasmi za waanzilishi wa miradi na sifa za soko zilizotokea.

Ni Data Gani Zilitumika Katika Utafiti?

Data za soko zilipatikana kupitia Binance API kwa kutumia maktaba ya CCXT.

OHLCV ni nini?

OHLCV inawakilisha uchunguzi tano wa msingi unaotumiwa sana katika data za masoko ya fedha:

• Open: bei ya ufunguzi ya kipindi cha muda,
• High: bei ya juu zaidi katika kipindi cha muda,
• Low: bei ya chini zaidi katika kipindi cha muda,
• Close: bei ya kufunga ya kipindi cha muda,
• Volume: kiasi cha biashara.

Katika utafiti huu, sifa hizi tano zilifuatiliwa kwa kila saa kwa kila mali.

Kwa nini z-normalization inatumika?

Ukubwa wa sifa za OHLCV unaweza kutofautiana sana. Kwa mfano, kiwango cha bei ya Bitcoin na bei au kiasi cha tokeni nyingine haviko katika kipimo kimoja.

Muundo wa kawaida wa urekebishaji wa z-score ni:

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

hivyo.

Hapa \(x\) ni thamani iliyozingatiwa, \(\mu\) ni wastani na \(\sigma\) ni mkengeuko sanifu.

Utafiti hunormalisha kila kipande cha sifa za OHLCV katika mali na muda, na kuleta wastani wa sifa karibu na sifuri na mkengeuko sanifu karibu na moja. Lengo ni kuzuia sifa zenye viwango vikubwa tu vya nambari kutawala utenganuzi wa tensor.

Tensor ni Nini na Kwa Nini Inatumika?

Tensor ni upanuzi wa dhana ya matriki kwenda katika vipimo vingi zaidi.

Vekta inaweza kufikiriwa kama muundo wa data wa kipimo kimoja, na matriki kama wa vipimo viwili. Tensor inaweza kuhifadhi vipimo vitatu au zaidi ndani ya muundo mmoja.

Mwanzoni utafiti unafafanua data za soko kama:

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

hivyo.

Hapa:

• \(T\): muda,
• \(V\): jukwaa la biashara / venue,
• \(A\): mali ya kripto,
• \(F\): sifa ya soko.

Kwa kuwa katika utafiti umetumika Binance pekee:

\[ V=1 \]

na muundo halisi:

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

hupunguzwa hadi vipimo vitatu.

Muundo huu huhifadhi pamoja muda, mali na sifa za OHLCV katika kitu kimoja cha data.

Utenganuzi wa Tensor wa CP ni Nini?

CANDECOMP/PARAFAC (CP) decomposition huwakilisha kwa makadirio tensor yenye vipimo vingi kama jumla ya vipengele rahisi zaidi vya rank-1.

Mlinganyo mkuu wa chanzo ni:

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

hivyo.

Hapa:

• \(R\): ni rank ya utenganuzi,
• \(\lambda_r\): ni uzito wa kipengele husika,
• \(a_r\): ni vekta ya kipengele katika mwelekeo wa muda,
• \(b_r\): ni vekta ya kipengele katika mwelekeo wa mali,
• \(c_r\): ni vekta ya kipengele katika mwelekeo wa sifa za OHLCV,
• \(\circ\): huonyesha outer product, yaani zao la nje.

Zao la nje halipunguzi vekta kuwa thamani moja ya skala; badala yake huunda muundo wa kipimo cha juu kutokana na michanganyiko yao.

Matriki za vipengele

Katika utenganuzi wa CP:

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

ina vipengele vya muda,

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

ina vipengele vya mali, na:

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

ina vipengele vinavyohusiana na sifa za soko.

Kwa utafiti huu, lililo muhimu hasa ni:

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

matriki hii; kwa sababu inaonyesha mzigo wa kila mali ya kripto katika vipengele fiche vya soko.

Kipengele fiche kinamaanisha nini?

Kipengele fiche (latent factor) ni kipengele ambacho hakionekani moja kwa moja kama safu tofauti katika data, bali hutolewa kihisabati kutokana na mifumo ya pamoja ya mabadiliko kati ya uchunguzi mwingi.

Kwa mfano, katika uchanganuzi wa baadaye wa utafiti, kipengele cha kwanza kinaonekana kuhusiana na upungufu wa juu zaidi, volatiliti na uwiano wa Sharpe; huku kipengele cha pili kikihusiana na kiasi na volatiliti ya kiasi.

Vipengele hivi havikupewa mapema majina kama “kipengele cha hatari” au “kipengele cha ukwasi” katika algoriti. Tafsiri ilifanywa baada ya kuchunguza korelasheni kati ya mizigo ya vipengele na takwimu za soko zilizopimwa.

Alternating Least Squares (ALS) Inafanya Nini?

Kwa kuwa vipengele vya CP havijulikani moja kwa moja, utafiti unavikadiria kwa algoriti ya Alternating Least Squares (ALS).

Wazo kuu ni kushikilia kwa muda matriki mbili za vipengele zikiwa thabiti, kusasisha ya tatu ili kutoa ulinganifu bora zaidi, na kurudia mchakato huu kwa zamu.

Katika chanzo, masasisho yanatolewa kama:

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

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

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

hivyo.

Hapa:

• \(X_{(n)}\): ni umbo la tensor lililogeuzwa kuwa matriki kwa mujibu wa modi husika,
• \(\odot\): ni zao la Khatri–Rao,
• \(*\): ni Hadamard, yaani zao la kipengele kwa kipengele,
• \(\dagger\): ni operesheni ya Moore–Penrose pseudoinverse.

Lengo la fomula hizi ni kupata matriki za vipengele zinazoeleza tensor kwa kosa dogo iwezekanavyo la uundaji upya.

Rank Ilichaguliwaje?

Katika utenganuzi wa tensor, rank inaonyesha kwa vipengele fiche vingapi tunajaribu kueleza data kwa makadirio.

Kipimo cha variansi iliyoelezwa katika utafiti ni:

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

hivyo.

Hapa:

• \(\hat{X}_R\): tensor iliyoundwa upya kwa modeli ya CP ya rank-\(R\),
• \(\|\cdot\|_F\): ni norm ya Frobenius,
• \(\bar{x}\): ni muundo wa wastani wa marejeo.

Modeli ilitafuta rank ndogo zaidi inayotimiza lengo la:

\[ EV\geq0.90 \]

.

Matokeo yalikuwa:

\[ R=2 \]

na:

\[ EV=92.45\% \]

.

Unyeti wa rank

Katika rank za juu, ulinganifu wa masimulizi–vipengele uliongezeka kidogo; hata hivyo, thamani ya juu zaidi ni takribani 0,094. Hii iko chini sana ya mpaka wa 0,65 wa ufanano wa kiwango cha kati.

Je, Utenganuzi wa Tucker Unatoa Matokeo Yale Yale?

Ili kuona kama mbinu inategemea tu uchaguzi wa CP, utafiti pia ulitumia Tucker decomposition.

Modeli ya Tucker huandikwa:

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

hivyo.

Hapa \(G\) ni core tensor, yaani tensor ya msingi inayobeba mwingiliano kati ya vipengele.

Matokeo ya mbinu hizi mbili yanafanana sana. Kwa hiyo, ulinganifu dhaifu wa masimulizi–vipengele katika v4 hauonekani kusababishwa tu na uchaguzi wa utenganuzi wa CP.

Whitepaper Ziliainishwaje kwa Akili Bandia?

Maandishi ya whitepaper yaliwekwa katika uainishaji wa zero-shot kwa kutumia BART-large-MNLI.

Zero-shot classification ni tathmini ya makundi yaliyotolewa kwa kutumia maarifa ya lugha ambayo modeli ilijifunza awali, bila kuifundisha upya kwa seti ya mafunzo ya whitepaper za kripto iliyowekewa lebo kwa mkono mahsusi kwa utafiti huu.

Nyaraka ziligawanywa katika vipande vya maandishi vya maneno 500.

Kwa kila kundi:

“This text is about [category]”

dhana ya aina hiyo ilitathminiwa.

Uwezekano wa Softmax

Kwa kipande cha maandishi \(t\) na kundi \(l_k\), uwezekano huhesabiwa:

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

hivyo.

Hapa:

• \(s_k\): ni alama ya entailment ya modeli kwa kundi husika,
• \(K=10\): ni jumla ya idadi ya makundi,
• \(e\): ni msingi wa fungsi asilia ya eksponenti.

Operesheni ya Softmax hubadilisha alama ghafi kuwa thamani zinazofanana na uwezekano ambazo jumla yake ni 1.

Kwa nini halichaguliwi kundi la juu pekee?

Badala ya kulazimisha kila kipande cha maandishi katika kundi moja, utafiti hutumia alama za uwezekano za makundi yote.

Mbinu hii inalenga kuhifadhi kwa sehemu uwezekano kwamba aya ya kiufundi inaweza kwa wakati mmoja kuhusiana, kwa mfano, na mada za “mikataba mahiri” na “upanuzi”.

Makundi 10 ya Whitepaper

Wasifu wa whitepaper wa mali unapatikanaje?

Wastani wa uwezekano wa makundi katika vipande vyote vya maandishi vya mali huchukuliwa:

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

Hapa:

• \(n\): mali ya kripto,
• \(k\): kundi la kiutendaji,
• \(T_n\): huonyesha seti ya vipande vya maandishi vilivyopatikana kutoka whitepaper husika.

Hivyo, wasifu wa masimulizi wenye vipimo 10 hupatikana kwa kila mali.

Uainishaji wa NLP Unaaminika kwa Kiasi Gani?

Hili ni mojawapo ya vikwazo muhimu zaidi vya utafiti.

Mtafiti alilinganisha matokeo ya BART-MNLI na uainishaji wa modeli mbadala ya DeBERTa-v3.

Katika vipande 200 vya maandishi vilivyochaguliwa nasibu, ulinganifu kamili wa kundi la kwanza ulikuwa tu:

%32

.

Cohen's kappa:

\[ \kappa=0.14 \]

iliripotiwa.

Huu ni ukubaliano mdogo kati ya modeli.

Hata hivyo, katika kipimo kilicholegezwa zaidi ambapo utabiri wa kwanza wa modeli mbadala ulikubaliwa ikiwa ulikuwa kati ya makundi matatu ya juu ya modeli ya BART, ulinganifu ulikuwa:

%67

.

Ulinganisho wa mbinu tatu tofauti za NLP

Matokeo haya yanaonyesha kwamba “kundi halisi” la masimulizi ya whitepaper halijapimwa kwa namna iliyo objektivu kabisa na isiyotegemea modeli.

Mbinu zilikubaliana zaidi katika makundi yenye viashiria vya wazi vya lugha kama Medium of Exchange, DeFi na Privacy, huku ulinganifu ukiwa mdogo zaidi katika makundi kama Smart Contracts na Store of Value.

Tatizo la uhaba wa data

Imeelezwa kwamba kwa ALGO, AXS, BAND, DOT, RPL, SUSHI na YFI kulikuwa na vipande vya maandishi chini ya 10.

Mali hizi saba zenye data ndogo zilipoondolewa, korelasheni ya Embedding–LLM iliongezeka hadi 0,52.

Kwa hiyo, sehemu ya kutokubaliana kati ya waainishaji inaweza kusababishwa si tu na tofauti ya modeli, bali pia na kiasi kisichotosha cha nyaraka kwa baadhi ya miradi.

Sifa Saba za Kifedha za Soko Zilihesabiwaje?

1. Faida ya wastani

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

Ni faida ya wastani ya mali katika muda.

2. Volatiliti

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

Hupima kiwango ambacho faida hutawanyika kuzunguka wastani.

3. Uwiano wa Sharpe

Kwa uwiano wa Sharpe uliowekwa kwa mwaka kutokana na data za kila saa, chanzo kinatumia siku 252 za biashara na kizidishi cha saa 24 kwa siku ili kuwezesha ulinganisho na fedha za jadi.

Kwa ujumla, uwiano wa Sharpe hujaribu kupima faida kwa kila kitengo cha volatiliti.

Kwa kuwa masoko ya kripto yako wazi saa 24 kwa siku, siku saba kwa wiki, chanzo kinabainisha katika tanbihi kwamba dhana ya siku 252 ya fedha za jadi si kalenda asilia inayolingana moja kwa moja na soko la kripto.

4. Upungufu wa juu zaidi

Upungufu wa juu zaidi hupima hasara kubwa zaidi ya thamani kwa uwiano kutoka kilele cha awali cha mali hadi kiwango cha chini kinachofuata.

5. Kiasi cha wastani

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

Huwakilisha kiasi cha wastani cha biashara kwa saa katika kipindi kilichochunguzwa.

6. Volatiliti ya volatiliti

Vol-of-vol ni mkengeuko sanifu wa kipimo kinachosogea cha volatiliti kinachohesabiwa katika muda.

Hujaribu kupima si tu kiwango ambacho soko hubadilika, bali pia kiwango ambacho volatiliti yenyewe hubadilika.

7. Mwelekeo

Chanzo kinawakilisha mwelekeo kwa:

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

kupitia mgawo:

\[ \beta \]

katika regresha ya mstari.

\(\beta\) chanya humaanisha mwelekeo wa mstari unaopanda katika kipindi kilichochunguzwa, na thamani hasi humaanisha mwelekeo unaoshuka.

Ulinganishaji wa Procrustes ni Nini?

Matriki ya masimulizi ya whitepaper na matriki ya soko hazikuzalishwa katika mfumo mmoja wa viwianishi.

Katika moja, safu zinawakilisha makundi kama “faragha”, “upanuzi” na “DeFi”; katika nyingine zinawakilisha volatiliti, kiasi au vipengele fiche vya kihisabati.

Kwa hiyo, si jambo lenye maana kulinganisha matriki hizi moja kwa moja safu kwa safu.

Mbinu ya Orthogonal Procrustes hupata mabadiliko ya orthogonal yanayozungusha nafasi moja ya uwakilishi ili kuikaribisha iwezekanavyo na nyingine.

Tatizo linafafanuliwa:

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

hivyo.

Hapa:

• \(A\): matriki ya kwanza ya uwakilishi itakayolinganishwa,
• \(B\): matriki lengwa ya uwakilishi,
• \(Q\): matriki ya mabadiliko ya orthogonal,
• \(\|\cdot\|_F\): ni norm ya Frobenius.

Mabadiliko ya orthogonal kimsingi huzungusha au kuakisi mihimili; hayanyoshi data kiholela.

Suluhisho la SVD

Ikiwa:

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

utenganuzi wa thamani bainifu unafanywa, mabadiliko bora hupatikana:

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

hivyo.

Kiambatisho A cha chanzo kinatoa uondoaji wa kihisabati wa matokeo haya kupitia uboreshaji wa trace.

Je, Nini Hutokea Ikiwa Vipimo Havilingani?

Matriki ya madai ya whitepaper ina vipimo 10, wakati matriki ya vipengele vya CP ina vipimo 2 tu katika uchanganuzi mkuu.

Katika v4 iliyopakiwa, vipimo vilisawazishwa kwa kujaza safu za matriki ndogo kwa sifuri.

Kwa mfano, matriki ya vipengele 2 inapolinganishwa na nafasi ya whitepaper yenye vipimo 10, safu nane za sifuri huongezwa.

Mwandishi anakubali wazi kwamba hii inaweza kuathiri thamani ya φ kuelekea chini.

Katika ukaguzi wa baadaye wa matched-dimension, vipimo vilipolinganishwa kwanza kwa SVD:

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

yalipatikana.

Thamani hizi zinaonyesha kwamba ulinganifu wa masimulizi–soko huongezeka kidogo wakati zero-padding haitumiki, lakini bado haufikii umuhimu wa kitakwimu.

Kigawo cha Ulinganifu cha Tucker φ ni Nini?

Kipimo kikuu cha ufanano katika utafiti ni:

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

hivyo.

Kihisabati, usemi huu ni sawa na ufanano wa cosine; hata hivyo, tofauti na korelasheni ya Pearson, data hazihamishwi kutoka wastani.

Thamani iko katika:

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

.

Vizingiti vya tafsiri vinavyotumiwa na chanzo

Chanzo pia kinakubali kwamba vizingiti hivi vilitengenezwa awali kwa kulinganisha suluhisho za vipengele zilizopatikana kutoka seti za data zinazofanana, na kwamba kuvitumia kwa aina tofauti za uwakilishi kama nafasi ya masimulizi ya NLP na nafasi ya soko la fedha kunazidi muktadha wa awali wa uthibitishaji.

Matokeo Makuu

p-thamani inasema nini?

Utafiti unatumia jaribio la permutation la upande mmoja.

Mchakato mkuu ni kama ifuatavyo:

1. \(\phi^*\) inayozingatiwa katika data halisi huhesabiwa.
2. Ulinganishaji wa mali huchanganywa nasibu.
3. Katika kila mchanganyiko, \(\phi^{(b)}\) mpya huhesabiwa.
4. Hupimwa ni mara ngapi matokeo ya nasibu ni makubwa kuliko au sawa na matokeo yaliyotazamwa.

Chanzo kinatumia uwasilishaji:

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

wa aina hii.

Hapa \(B=1000\) ni permutation.

Kwa kuwa kwa Claims–Statistics \(p=0.339\) na kwa Claims–Factors \(p=0.751\), haijaonyeshwa kwamba thamani dhaifu za ulinganifu zilizozingatiwa ni kubwa kwa namna muhimu kuliko ulinganishaji wa nasibu.

Kwa Nini Hitimisho la “Hakuna Uhusiano” Haliwezi Kutolewa?

Kutopatikana kwa umuhimu wa kitakwimu peke yake hakuthibitishi kwamba uhusiano ni sifuri kabisa.

Uchanganuzi wa nguvu wa utafiti unaonyesha hili hasa:

Kwa mali 37 za pamoja, ikiwa kuna athari halisi dhaifu kama \(\phi=0.30\), utafiti unaweza kuigundua kwa uwezekano wa takribani %14 tu.

Kinyume chake:

\[ \phi\geq0.70 \]

kwa uhusiano mkubwa wa kiwango hiki, nguvu ni takribani %90.

Kwa hiyo, utafiti una uhakika zaidi katika kukataa ulinganifu mkubwa wa masimulizi–soko; lakini hauna uwezo wa kutosha wa kutenganisha ulinganifu dhaifu na ulinganifu wa sifuri.

Tatizo la Vipindi vya Kujiamini vya Bootstrap

Chanzo kilitumia sampuli upya 1.000 za bootstrap kwa vipindi vya kujiamini vya %95.

Hata hivyo, katika sampuli ndogo yenye mali 37 pekee, kuchaguliwa tena na tena kwa mali zilezile wakati wa bootstrap kunaweza kuboresha kwa namna bandia ulinganishaji wa Procrustes.

Chanzo kinaripoti kwamba wastani wa bootstrap ni mkubwa kuliko kadirio la nukta kwa:

• takribani %29 katika ulinganisho wa Claims–Statistics,
• takribani %37 katika ulinganisho wa Claims–Factors

.

Kwa hiyo, vipindi vya kujiamini katika makala havipaswi kutathminiwa kama “mipaka ya uhakika”, bali zaidi kama viashiria, kwa maneno ya mwandishi wa chanzo.

Je, Matokeo Hubadilika Kadiri Muda Unavyopita?

Katika vipindi vyote, ulinganifu ulibaki katika kiwango dhaifu. Hii inaashiria kwamba matokeo makuu katika v4 iliyopakiwa hayatokani na kipindi kimoja kifupi cha soko.

Nini kilitokea wakati masimulizi mapana zaidi ya kitaasisi yalipotumika?

Mwandishi aliunda korpasi ya ziada ya masimulizi ya kitaasisi iliyojumuisha nyaraka rasmi, masasisho ya foundation, majukwaa ya utawala na blogu za miradi badala ya whitepaper.

Katika picha ya Februari 2025, kuna nyaraka 627 na maneno 367.071 kwa miradi 14. Kwa mali 12 zenye data kamili za soko, wastani katika madirisha sita yanayosogea ulikuwa:

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

.

Matokeo haya hayakupeleka ulinganifu wa masimulizi–soko katika kiwango cha kati au kikubwa ukilinganisha na whitepaper.

Hata hivyo, kwa kuwa picha moja tu ya masimulizi ya tarehe moja ilitumika, mabadiliko halisi ya masimulizi ya mradi katika muda hayakupimwa.

Je, Vipimo Mbadala vya Ulinganifu Vinatoa Matokeo Yale Yale?

Katika mbinu zote nne mbadala, ulinganisho unaojumuisha whitepaper haukufikia umuhimu, wakati ulinganisho wa takwimu za soko–vipengele vya soko uliendelea kuwa muhimu.

Hali hii inaunga mkono kwamba matokeo makuu ya v4 hayatokani tu na sifa maalumu za kihisabati za kipimo cha Tucker φ.

Vipengele vya Soko Kwa Kweli Vinawakilisha Nini?

Mwandishi anatafsiri Kipengele 1 kama kipimo cha utendaji uliorekebishwa kwa hatari au uthabiti. Kina uhusiano hasi na upungufu wa juu zaidi na volatiliti, na uhusiano chanya na uwiano wa Sharpe.

Kipengele 2, kwa kuwa kinahusiana zaidi na kiasi cha wastani na volatiliti ya kiasi, kinatafsiriwa kama kipimo cha ukwasi/ukubwa.

Kinyume chake, hakuna hata moja ya korelasheni 20 za jumla kati ya makundi 10 ya whitepaper na vipengele viwili iliyofikia:

\[ \alpha=0.05 \]

kiwango cha umuhimu wa kitakwimu.

Thamani yenye nguvu zaidi ni korelasheni kati ya Smart Contracts na Kipengele 1:

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

na hii pia ni uhusiano dhaifu, usio muhimu.

Je, Uchakataji wa Awali wa Tensor Hubadilisha Matokeo?

Utafiti ulitumia mbinu tatu tofauti za kuunda tensor:

1. viwango asili vya OHLCV vilivyonormalishwa,
2. faida za logarithm,
3. sifa zilizowekwa z-score kwa kila mali.

Ulinganifu wa vipengele vilivyotolewa kutoka miundo hii tofauti ulikuwa:

• asili – faida: \(\phi=0.14\)
• asili – z-score: \(\phi=0.19\)
• faida – z-score: \(\phi=0.11\)

uliripotiwa hivyo.

Matokeo haya yanaonyesha kwamba muundo mahususi wa vipengele fiche ni nyeti kwa jinsi tensor inavyotayarishwa.

Kwa hiyo, tafsiri zilizo na uhakika kupita kiasi kama “Kipengele 1 ni hakika kipengele hiki cha kiuchumi” zinapaswa kuepukwa.

Hata hivyo, ulinganifu kati ya masimulizi ya whitepaper na muundo wa soko ulibaki chini katika chaguo zote za uchakataji wa awali.

Je, Matokeo ya CP ni Nyeti kwa Mwanzo wa Nasibu?

Kwa kuwa algoriti ya ALS hutumia mwanzo wa nasibu, mtafiti aliendesha tena modeli ya rank-2 kwa random seed 10 tofauti.

Ulinganifu wa wastani kati ya matriki za vipengele ulikuwa:

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

na masafa:

\[ [0.9997,\ 1.000] \]

yalipatikana.

Hii inaonyesha kwamba chini ya tensor na modeli zilizotumika katika v4 iliyopakiwa, mwanzo wa nasibu una athari ndogo sana kwa matokeo.

Uthabiti wa vipengele kwa muda

Sampuli ya miaka miwili iligawanywa mara mbili:

• Mwaka 1: saa 8.771,
• Mwaka 2: saa 8.772.

Ulinganifu wa vipengele katika nusu hizo mbili ulikuwa:

\[ \phi=0.933 \]

.

Mwaka 1 – sampuli kamili:

\[ \phi=0.977 \]

Mwaka 2 – sampuli kamili:

\[ \phi=0.987 \]

ulitoa matokeo haya.

Kipimo hiki kinaonyesha kwamba, chini ya chaguo zilezile za kuunda tensor, muundo wa vipengele ulikuwa thabiti sana katika nusu mbili za kipindi cha miaka miwili.

Matokeo ya Kiwango cha Tokeni Yaliyoripotiwa katika v4 Lakini Kuondolewa Baadaye

Katika toleo la v4 lililopakiwa, matokeo yafuatayo yaliripotiwa katika uchanganuzi wa leave-one-out:

Onyo muhimu la toleo: Mpangilio huu si tena matokeo ya sasa ya kisayansi ya utafiti. Toleo la baadaye la arXiv linaripoti kwamba korpasi ya awali ilikuwa na nyaraka zisizo sahihi au maudhui ya whitepaper yaliyoshindwa kupakuliwa, na kwamba mpangilio ulioonyesha tokeni maalumu kuwa na ulinganifu mkubwa zaidi ulitoweka baada ya uthibitishaji wa maudhui.

Kwa hiyo, si matokeo yaliyothibitishwa sasa kwamba masimulizi ya whitepaper ya XMR, CRV au YFI “yanatabiri” tabia ya soko vizuri kuliko miradi mingine.

Kosa la Hati katika Korpasi ya Whitepaper ya v4

Katika Kiambatisho D cha toleo lililopakiwa, tatizo muhimu la ubora wa data limeandikwa wazi.

Imeelezwa kwamba hati iliyopatikana kwa ATOM kupitia utaratibu wa GitHub fallback ilikuwa whitepaper ya Binance Smart Chain badala ya whitepaper ya Cosmos Hub.

Tathmini ya mwandishi wa v4 inasema kwamba hili linaathiri mali moja tu kati ya 37 na halitarajiwi kubadilisha matokeo makuu ya ulinganifu dhaifu.

Hata hivyo, matoleo ya baadaye ya utafiti yalipanua uthibitishaji wa korpasi na kuonyesha kwamba matokeo ya awali ya entity-level yalikuwa nyeti zaidi kwa uchafuzi wa nyaraka.

Ni Makundi Gani ya Whitepaper Yalichangia Zaidi Ulinganifu katika v4?

Kwa kuwa jedwali hili lilitolewa kutoka korpasi ya v4, halipaswi kuchukuliwa kuwa huru na onyo la uchafuzi katika kiwango cha tokeni. Athari za makundi ni ndogo na hazibadilishi ukweli kwamba ulinganifu mkuu wa masimulizi–soko ni dhaifu kwa ujumla.

Je, Bitcoin Peke Yake Inasukuma Matokeo Makuu?

Bitcoin ni thamani ya nje iliyo wazi sana katika nafasi ya vipengele vya CP. Katika v4, mzigo wa Kipengele 1 uliripotiwa kuwa takribani:

\[ 28.5 \]

; wastani wa mali nyingine uko karibu na sifuri.

Kwa hiyo, mtafiti alichunguza pia ikiwa Bitcoin peke yake ndiyo inayosukuma matokeo.

Katika uchanganuzi wa leave-one-out wa v4, athari ya Bitcoin kwenye ulinganifu ilikuwa takribani:

\[ -0.004 \]

.

Thamani hii inaashiria kwamba, ingawa Bitcoin ni thamani kubwa ya nje ya kitakwimu katika nafasi ya factor, matokeo ya kutolingana kwa whitepaper–soko hayatokani na Bitcoin pekee.

Je, Kosa la Upimaji Linaweza Kueleza Ulinganifu Dhaifu?

Ulinganifu mdogo kati ya modeli za NLP unaweza kumaanisha kwamba wasifu halisi wa masimulizi una kiasi kikubwa cha kosa la upimaji.

Chanzo kinatathmini marekebisho kwa kutumia mbinu ya Spearman attenuation correction:

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

hivyo.

Uaminifu wa Claims:

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

na dhana ya uaminifu wa soko:

\[ \rho_{YY}=0.95 \]

zinapotumika, ulinganifu uliorekebishwa wa Claims–Factors hukadiriwa kuwa:

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

.

Thamani hii bado iko chini sana ya mpaka wa 0,65 wa ulinganifu wa kati.

Hata hivyo, marekebisho haya pia yanategemea jinsi vigezo vya uaminifu vinavyokadiriwa na hayatatui kwa uhakika kosa halisi la upimaji wa masimulizi.

Je, Kuna Tatizo la Mzunguko katika Udhibiti Chanya?

Kwa kuwa takwimu za soko na vipengele vya tensor vinatolewa kutoka data zilezile za OHLCV, kupatikana kwa uhusiano muhimu kati yao kunaweza kuwa kwa sehemu ni matokeo ya kimakanika.

Ili kupunguza tatizo hili, chanzo kiligawanya sampuli katika vipindi viwili:

• vipengele vya CP kutoka mwaka wa kwanza,
• takwimu za soko kutoka mwaka wa pili

viliundwa.

Ulinganifu kati ya sehemu hizi huru za muda ulikuwa:

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

.

Matokeo haya yako juu kidogo ya kizingiti cha kawaida cha %5. Kwa hiyo, hayapaswi kutafsiriwa kama “udhibiti chanya ulio muhimu kwa uhakika”; hata hivyo, yanaonyesha kwamba mfumo wa ulinganishaji unaweza kunasa ufanano wa kimuundo wa ukubwa wa kati katika uwakilishi wa soko uliotolewa kutoka sampuli tofauti za muda.

Matokeo Yanayoungwa Mkono na Utafiti

• Katika v4 iliyopakiwa, ulinganifu wa Tucker kati ya masimulizi ya whitepaper na takwimu za soko ni dhaifu: φ=0,246.
• Ulinganifu kati ya masimulizi ya whitepaper na vipengele vya tensor vya rank-2 ni dhaifu sana: φ=0,058.
• Ulinganisho huu miwili unaotegemea whitepaper si muhimu katika jaribio la permutation.
• Kuna uhusiano dhaifu lakini muhimu kitakwimu kati ya takwimu na vipengele vya tensor vinavyoundwa kutoka muhtasari tofauti wa data zilezile za soko.
• Utenganuzi wa CP na Tucker hutoa matokeo yanayofanana ya masimulizi–vipengele katika v4.
• Katika kiwango cha Rank 1–5, ulinganifu wa masimulizi–vipengele hubaki dhaifu kila mara.
• Katika madirisha sita ya muda yanayosogea, ulinganifu wa masimulizi–soko hubaki katika kiwango dhaifu.
• Vipimo mbadala vya RV, distance correlation, CCA na PLS pia havionyeshi ulinganifu muhimu katika ulinganisho unaojumuisha whitepaper.
• Vipengele vya tensor vinahusiana na sifa halisi za soko kama hatari, volatiliti na ukwasi.
• Nguvu ya sampuli ya utafiti inatosha kukataa ulinganifu mkubwa wa masimulizi–soko, lakini haitoshi kutenganisha kwa uhakika ulinganifu dhaifu na ulinganifu wa sifuri.

Ujumla Ambao Utafiti Hauungi Mkono

• Haiwezi kuhitimishwa kutokana na utafiti huu kwamba whitepaper haziwezi kutabiri bei za baadaye za kripto; utafiti haufanyi utabiri wa bei.
• Haijathibitishwa kwamba maudhui ya whitepaper hayana kabisa uhusiano wowote na soko.
• Matokeo ya p>0,05 hayamaanishi “uhusiano ni sifuri kabisa”.
• Haiwezi kuhitimishwa kwamba uchanganuzi wa whitepaper hauna thamani kwa ubora wa teknolojia, usalama au lengo la mradi.
• Utafiti hautengenezi mkakati wa uwekezaji au ishara ya kununua na kuuza.
• Kuingia kwa tokeni katika kundi fulani la whitepaper hakumaanishi kwamba itatoa faida ya uwekezaji ya juu au ya chini.
• Haijaonyeshwa kwamba matokeo yanayotegemea data za Binance pekee yatakuwa yale yale katika masoko yote ya kubadilishana.
• Haiwezi kusemwa kwamba kipindi cha miaka miwili cha soko kinawakilisha historia yote ya muda mrefu ya kripto.
• Haijaonyeshwa kwamba modeli za NLP za matumizi ya jumla za zero-shot zinaainisha istilahi za kripto bila makosa.
• Mpangilio chanya wa tokeni katika v4, kama XMR, CRV, YFI na SOL, hauwezi kutumiwa kama matokeo ya sasa ya kisayansi; toleo la baadaye liliuondoa katika muktadha wa uchafuzi wa korpasi.

Vikwazo Vikuu

1. Sampuli ndogo ya pamoja

Ulinganishaji mkuu unafanywa kwa mali 37 pekee. Ingawa sampuli hii inatosha kwa athari kubwa, uwezo wake wa kugundua uhusiano dhaifu na wa ukubwa wa kati ni mdogo.

2. Whitepaper ni nyaraka tuli

Whitepaper nyingi ziliandikwa katika miaka ya mwanzo ya mradi. Kwa upande mwingine, data za soko ni za kipindi cha 2023–2024. Masimulizi ya miradi ambayo yamebadilika kwa miaka yanaweza yasiwakilishwe na whitepaper kuu.

3. Taksonomia imefafanuliwa na mtafiti

Ingawa makundi 10 yanafaa kwa mfumo ikolojia wa kripto, si ndiyo uainishaji pekee unaowezekana. Taksonomia yenye undani zaidi au tofauti inaweza kufichua uhusiano mwingine.

4. Domain shift katika uainishaji wa zero-shot

BART-MNLI imefunzwa katika uelekezaji wa jumla wa lugha asilia. Hakuna hakikisho kwamba maneno maalumu ya kripto kama “AMM”, “sharding”, “tokenomics” na mengine yanayoeleweka kila wakati kwa usahihi na modeli ya matumizi ya jumla.

5. Mtoa data mmoja wa soko

Data za OHLCV zimetoka Binance. Tofauti za ukwasi na mikromuundo katika masoko mengine ya kubadilishana hazijajumuishwa katika modeli.

6. Vipengele vya tensor ni nyeti kwa uchakataji wa awali

Ulinganifu mdogo pekee ulipatikana kati ya vipengele vilivyotolewa wakati viwango vya OHLCV, faida na z-score kwa kila mali vilipotumika. Kwa hiyo, tafsiri ya kiuchumi ya vipengele fiche haipaswi kuchukuliwa kuwa ya uhakika.

7. Ulinganishaji wa vipimo wa Procrustes

Mbinu ya kuongeza safu za sifuri iliyotumika katika uchanganuzi mkuu wa v4 si ya kawaida na inaweza kupunguza thamani ya φ. Chanzo kinakubali hili wazi kama kizuizi.

8. Upendeleo wa Bootstrap

Kwa sababu mali zinazojirudia katika sampuli ndogo zinaweza kuongeza kwa namna bandia ulinganifu wa Procrustes, vipindi vya kujiamini havipaswi kutathminiwa kwa uhakika kamili.

9. Ubora wa maudhui katika korpasi ya whitepaper

Katika kiambatisho cha v4 iliyopakiwa, inajulikana kwamba whitepaper isiyo sahihi ilitumika kwa ATOM. Kwa kuwa uchafuzi mpana zaidi wa korpasi ulitambuliwa katika matoleo ya baadaye ya arXiv, hasa matokeo ya kiwango cha mali ya v4 hayapaswi kutumiwa kama matokeo ya sasa yanayoaminika.

Inapaswa Kusomwaje kwa Mtazamo wa Türkiye?

Kwa wawekezaji, wanataaluma au watengenezaji wa teknolojia ya kifedha wanaochunguza mali za kripto nchini Türkiye, ujumbe muhimu zaidi wa utafiti ni kwamba jinsi tokeni inavyojitambulisha si sawa na sifa za hatari na ukwasi inazoonyesha sokoni.

Kwa mfano, miradi miwili inaweza kujitambulisha kama “jukwaa la mikataba mahiri linaloweza kupanuka”; hata hivyo, tabia zao za soko zinaweza kuathiriwa na hali tofauti za makro, korelasheni ya Bitcoin, ukwasi, usambazaji wa tokeni, muundo wa wawekezaji na mikromuundo wa soko.

Kwa hiyo, wakati uchanganuzi wa whitepaper unaweza kutumiwa kwa tathmini ya kiteknolojia na kiutendaji, tabia ya uwekezaji inahitaji kuchunguzwa kwa data tofauti za soko.

Hata hivyo, utafiti haukufanya jaribio juu ya tabia ya wawekezaji nchini Türkiye, masoko ya kubadilishana nchini Türkiye au masoko ya kripto yaliyowekwa kwa lira ya Uturuki. Uthibitishaji wa ziada unahitajika kwa matokeo ya ndani.

Maelezo ya Chanzo na Mbinu

Kichwa asili cha toleo lililopakiwa: Do Whitepaper Claims Predict Market Behavior? Evidence from Cryptocurrency Factor Analysis.

Mwandishi: Murad Farzulla.

Taasisi katika toleo lililopakiwa: Dissensus AI, London, UK; King's College London, London, UK.

Idadi ya waandishi: Utafiti wa mwandishi mmoja.

Mchango sawa: Hautumiki.

Mwandishi wa mawasiliano: Katika chanzo Murad Farzulla ameonyeshwa kwa alama ya nyota kama correspondence author.

ORCID: 0009-0002-7164-8704.

Mfululizo wa working paper: Dissensus AI Working Paper Series.

Nambari ya ripoti: DAI-2508.

Kitambulisho cha ArXiv: arXiv:2601.20336.

Faili iliyopakiwa: arXiv:2601.20336v4.

Tarehe ya toleo lililopakiwa: 14 Februari 2026.

ArXiv DOI: 10.48550/arXiv.2601.20336.

Aina ya chanzo cha toleo lililopakiwa: Working paper / arXiv preprint.

Hali ya mapitio ya wenzao: v4 iliyopakiwa si makala ya mwisho ya jarida iliyopitiwa na wenzao. Katika rekodi ya sasa ya mwandishi/maabara ya Novemba 2026, utafiti umeonyeshwa kuwa katika mchakato wa mapitio ya wenzao na major-revision kwa Financial Innovation; uchapishaji wa mwisho uliokubaliwa haujathibitishwa.

Mabadiliko muhimu ya toleo: Rekodi ya ArXiv ilirekebishwa baada ya v4. Toleo la sasa la v6 lina tarehe 11 Julai 2026 na kichwa chake ni “Are Whitepaper Claims Reflected in Market Structure? A Contamination-Aware Pipeline and a Power-Limited Null”.

Marekebisho makuu ya toleo la sasa: Katika toleo la baadaye, imeelezwa kwamba baadhi ya mipangilio ya kiwango cha tokeni ya masimulizi–soko iliyoripotiwa katika v4 iliathiriwa na uchafuzi wa korpasi ya whitepaper, na mpangilio huo uliondolewa kama matokeo ya kisayansi. Katika maandishi haya ya Verianla, matokeo husika ya v4 yanaonyeshwa tu kama taarifa ya kihistoria ya toleo.

Chanzo kikuu cha data za soko: Binance API; maktaba ya CCXT.

Kipindi cha soko: 1 Januari 2023 – 31 Desemba 2024.

Mali za soko: 49.

Whitepaper/hati ya kiufundi: 38 katika v4 iliyopakiwa.

Sampuli kuu ya pamoja: mali 37.

Pointi za muda: uchunguzi 17.543 wa kila saa.

Sifa za soko: Open, High, Low, Close, Volume.

Takwimu za muhtasari wa kifedha: Faida ya wastani, volatiliti, uwiano wa Sharpe, upungufu wa juu zaidi, kiasi cha wastani, volatiliti ya volatiliti na mwelekeo.

Mbinu ya NLP: Uainishaji wa zero-shot wa BART-large-MNLI.

Uthibitishaji mbadala wa NLP: Ukaguzi wa uainishaji unaotegemea DeBERTa-v3, sentence embedding na Ministral-3.

Idadi ya makundi ya whitepaper: 10.

Mbinu ya tensor: CP/CANDECOMP-PARAFAC; Tucker decomposition kwa robustness.

Rank ya CP: 2.

Variansi iliyoelezwa: %92,45.

Ulinganishaji mkuu: Orthogonal Procrustes rotation.

Kipimo kikuu cha ufanano: Tucker's Congruence Coefficient (φ).

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

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

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

Utoaji wa hitimisho wa kitakwimu: Jaribio la permutation la upande mmoja lenye permutation 1.000; vipindi vya kujiamini vya bootstrap vyenye sampuli upya 1.000.

Kikomo cha nguvu: Sampuli ya n=37 inaweza kugundua ulinganifu mkubwa wa takribani φ≥0,70 kwa nguvu kubwa; nguvu ni ndogo kwa athari dhaifu za kiwango cha φ≈0,30.

Onyo la Bootstrap: Chanzo kinaripoti kwamba kuna upendeleo mkubwa wa kuelekea juu katika vipindi vya kujiamini vya bootstrap kutokana na sampuli ndogo na ulinganishaji wa Procrustes.

Uaminifu wa uainishaji wa Whitepaper: Ulinganifu wa exact top-1 wa BART–DeBERTa ni %32, Cohen's κ=0,14; ulinganifu uliolegezwa wa top-3 ni %67.

Tatizo la ubora wa hati: Kiambatisho D cha v4 kinaeleza wazi kwamba kwa ATOM, whitepaper ya Binance Smart Chain ilichanganuliwa badala ya Cosmos Hub. Toleo la baadaye limefanya udhibiti wa ubora wa korpasi kuwa mpana zaidi.

Uzalishaji upya: Chanzo kinaeleza kwamba kilitumia random seed 42, Python 3.11+, NumPy, SciPy, TensorLy, scikit-learn na Hugging Face Transformers.

Kodi na data zilizochakatwa: Chanzo kinaonyesha hazina ya GitHub ya studiofarzulla/tensor-defi kama nyenzo ya uzalishaji upya.

Leseni ya kodi: Katika tamko la PDF imeelezwa kwamba kodi ya uzalishaji upya imechapishwa chini ya MIT License.

Ufadhili: Utafiti haukupokea ufadhili wa nje; imeelezwa kwamba rasilimali za kompyuta zilitolewa na King's College London.

Mgongano wa maslahi: Mwandishi anatangaza kwamba hakuna competing interests.

Usaidizi wa AI: Chanzo kinaeleza kwamba mfumo wa Claude (Anthropic) ulisaidia katika kuandaa rasimu, ukaguzi wa kodi na uwasilishaji wa kitakwimu; jukumu la usanifu wa utafiti, uchanganuzi wa data na tafsiri linabaki kwa mwandishi.

Mchango wa mwandishi: Sole author.

Upatikanaji wa data: Data za soko za Binance/CCXT na nyaraka rasmi za miradi zinatoka kwenye vyanzo vya umma; data zilizochakatwa na matokeo ya NLP yametolewa katika hazina ya uzalishaji upya.

Kielelezo 1: Kinalinganisha alama za wastani za mbinu tatu za uainishaji wa NLP katika makundi 10.

Kielelezo 2: Kinaonyesha kipande cha tensor ya soko kilichowekwa z-normalization katika pointi moja ya muda.

Kielelezo 3: Kinaonyesha mali katika nafasi ya vipengele vya CP ya rank-2; imeelezwa kwamba BTC, GALA na SC ni thamani za nje za kitakwimu.

Kielelezo 4: Ni ramani ya joto ya matriki ya madai ya whitepaper ya v4 yenye mali 38 × makundi 10.

Kielelezo 5: Kinaonyesha unyeti kati ya rank ya CP, variansi iliyoelezwa na ulinganifu wa masimulizi–vipengele.

Kielelezo 6 na Jedwali 10: Vinaonyesha athari za entity-level leave-one-out za v4. Mpangilio wa tokeni wa sehemu hii haukuhifadhiwa kama matokeo ya kuaminika katika toleo la baadaye kutokana na uchafuzi wa korpasi.

Kielelezo 7 na Jedwali 11: Vinaonyesha athari za ulinganifu zinazotegemea ablation za makundi ya whitepaper ya v4.

Kielelezo 8: Kinaonyesha kwamba korelasheni muhimu zinapatikana kati ya takwimu za soko na vipengele, huku hakuna korelasheni muhimu inayopatikana katika jozi za kundi la whitepaper–kipengele.

Kielelezo 9: Kinaonyesha korelasheni za kiwango cha kundi za mbinu tatu za NLP.

Kikomo cha tafsiri ya kisayansi: v4 iliyopakiwa inaunga mkono kwamba masimulizi ya kiutendaji katika whitepaper za kripto hayaonyeshi ulinganifu mkubwa wa kimuundo na muundo wa vipengele vya soko wa 2023–2024. Kwa sababu ya nguvu ndogo ya sampuli, tofauti kati ya ulinganifu dhaifu na kutokuwepo kwa ulinganifu haiwezi kubainishwa kwa uhakika. Utafiti huu si modeli ya utabiri wa bei wala ushauri wa uwekezaji.