Лоиҳаҳои криптовалюта одатан ҳадафҳо, меъмории техникӣ, соҳаҳои истифода ва мушкилотеро, ки мехоҳанд ҳал кунанд, дар ҳуҷҷатҳои асосӣ бо номи whitepaper шарҳ медиҳанд. Аммо агар як лоиҳа дар whitepaper-и худ худро, масалан, воситаи пардохт, инфрасохтори молияи ғайримарказӣ, низоми махфият, шабакаи нигоҳдории маълумот ё блокчейни миқёспазир муаррифӣ кунад, оё ин маънои онро дорад, ки токени он лоиҳа дар бозори молиявӣ низ рафторе мутобиқ ба ҳамин синфи функсионалӣ нишон медиҳад?

Саволи асосии таҳқиқоти Murad Farzulla бо унвони “Do Whitepaper Claims Predict Market Behavior? Evidence from Cryptocurrency Factor Analysis” ҳамин аст. Таҳқиқот ҳуҷҷатҳои техникии 38 лоиҳаи криптовалютаро бо усулҳои коркарди забони табиӣ ба 10 категорияи функсионалӣ ҷудо мекунад; ҳамзамон маълумоти соатии OHLCV-и 49 дороии крипто аз Binance дар давраи 2023–2024-ро бо таҷзияи тензорӣ ва омори ҷамъбастии молиявӣ таҳлил менамояд.

Калимаи “predict” дар ин ҷо ба маънои пешгӯии нархи оянда истифода нашудааст. Таҳқиқот намеозмояд, ки оё баёнҳои whitepaper боло ё поён рафтани нархро дар оянда пешгӯӣ мекунанд. Саволи таҳқиқшуда ин аст, ки оё гуфтаҳои лоиҳаҳо дар бораи худ ва хусусиятҳои сохтории мушоҳидашуда дар бозор байни ҳамон дороиҳо намунаи монанд ба вуҷуд меоранд ё не. Ба ибораи дигар, ин таҳқиқи мутобиқати сохторӣ аст.

Дар версияи боршудаи v4 38 whitepaper мавҷуд аст. Маҷмӯи маълумоти бозор бошад аз 49 дороӣ иборат аст. 37 дороие, ки ҳам whitepaper ва ҳам маълумоти кофии бозорӣ доранд, дар муқоисаи асосии баён–бозор истифода шудаанд. Маълумоти бозорӣ давраи 1 Январ 2023–31 Декабр 2024 ва барои ҳар дороӣ 17.543 нуқтаи соатии вақтро фаро мегирад.

Мазмуни whitepaper бо истифода аз модели BART-large-MNLI ва усули таснифи бе намуна (zero-shot classification) ба 10 категория ҷудо шудааст: нигоҳдории арзиш, воситаи мубодила, қарордодҳои ҳушманд, молияи ғайримарказӣ, идоракунӣ, миқёспазирӣ, махфият, ҳамкорпазирӣ, нигоҳдории маълумот ва хизматҳои oracle.

Дар ҷониби бозор ду намояндагии ҷудогона сохта шудааст. Намояндагии аввал аз ҳафт ченаки ҷамъбастии молиявӣ барои ҳар дороӣ иборат аст: боздеҳи миёна, ноустуворӣ, таносуби Sharpe, коҳиши ҳадди аксар, ҳаҷми миёнаи савдо, ноустувории ноустуворӣ ва тренди нарх. Намояндагии дуюм омилҳои ниҳонӣ мебошанд, ки аз таҷзияи CP-и тензори баландандозаи бозор, иборат аз соат × дороӣ × хусусиятҳои OHLCV, ба даст омадаанд.

Дар таҷзияи CP ду омил %92,45 вариатсияи тензори бозорро шарҳ додаанд. Сипас таҳқиқот фазои намояндагии аз иддаоҳои whitepaper сохташуда ва фазоҳои аз омори бозорӣ ва омилҳои ниҳонӣ сохташударо бо табдили Orthogonal Procrustes ҳамоҳанг карда, монандиро бо коэффисиенти мутобиқати Tucker (Tucker's congruence coefficient, φ) чен кардааст.

Дар натиҷаҳои асосии версияи боршудаи v4 мутобиқат байни иддаоҳои whitepaper ва омори бозорӣ:

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

ва мутобиқат байни иддаоҳои whitepaper ва омилҳои ниҳонии CP:

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

ёфта шудааст. Ҳар ду арзиш мувофиқи миқёси тафсири истифодашуда дар таҳқиқот ба синфи мутобиқати заиф дохил мешаванд ва дар санҷиши пермутатсионӣ ба аҳамияти оморӣ нарасидаанд.

Баръакс, муқоиса байни омори бозорӣ ва омилҳои тензорӣ, ки аз ҳамон маълумоти бозор ҳосил шудаанд:

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

натиҷа додааст. Андозаи мутобиқат боз ҳам заиф аст, аммо нисбат ба тасодуф аз ҷиҳати оморӣ аҳамият дорад. Муаллиф ин натиҷаро ҳамчун назорати мусбат арзёбӣ мекунад, ки нишон медиҳад усули ҳамоҳангсозии истифодашуда ҳангоми мавҷуд будани сохтори воқеии математикӣ онро ошкор карда метавонад.

Аммо қудрати омории таҳқиқот маҳдудияти муҳим аст. Таҳқиқот бо 37 дороии муштарак метавонад мутобиқати қавии тақрибан \(\phi\geq0.70\)-ро бо қудрати баланд ошкор кунад; аммо наметавонад боэътимод ҷудо кунад, ки оё муносибати заифи сатҳи \(\phi\approx0.30\) воқеан вуҷуд дорад ё не. Аз ин рӯ натиҷаи таҳқиқот “байни баёнҳои whitepaper ва бозор комилан ҳеҷ муносибат вуҷуд надорад” нест. Хулосаи эҳтиёткоронаи дастгиришаванда ин аст, ки мутобиқати қавии сохторӣ пайдо нашудааст ва бо намунаи мавҷуда мутобиқати заифро аз мутобиқати сифрӣ ба таври қатъӣ ҷудо кардан мумкин нест.

Версияи боршудаи v4 ҳамчунин гузориш додааст, ки баъзе токенҳои дорои соҳаи истифодаи махсус, аз ҷумла XMR, CRV, YFI ва SOL, ба мутобиқати байни иддаоҳои whitepaper ва рафтори бозор саҳми бештар доранд. Аммо ин натиҷа дар версияҳои баъдии arXiv бозпас гирифта шудааст. Дар версияи ҷорӣ муаллиф мегӯяд, ки дар корпуси пешинаи whitepaper ҳуҷҷатҳои нодуруст ва мундариҷаи боргирии ноком мавҷуд буданд ва ин рейтинги entity-level дар корпуси тозашуда боқӣ намондааст. Аз ин рӯ рейтинги мазкури токенҳо набояд ҳамчун натиҷаи ҷории илмӣ истифода шавад.

Паёми асосии устувортари таҳқиқот ин аст, ки баёнҳои функсионалии whitepaper бо сохтори хавф, пардохтпазирӣ ва омилҳои бозор дар давраи 2023–2024 мутобиқати қавии сохторӣ нишон надодаанд. Омилҳои тензорӣ бештар бо хусусиятҳои воқеии бозор, аз ҷумла ноустуворӣ, коҳиши ҳадди аксар, таносуби Sharpe ва ҳаҷм алоқаманд ба назар мерасанд.

Аз нуқтаи назари Туркия, таҳқиқот бо нишон додани он муҳим аст, ки танҳо ваъдаҳои whitepaper ё категорияи лоиҳа барои шарҳ додани рафтори молиявии дороии крипто шояд кофӣ набошанд. Аммо ин натиҷа маънои онро надорад, ки таҳлили whitepaper аз нигоҳи технология, идоракунӣ ё ҳадафи лоиҳа беарзиш аст. Таҳқиқот танҳо мутобиқати сохтории баёнҳои функсионалӣ бо сохтори омилҳои бозорро меозмояд ва боздеҳи сармоягузориро пешгӯӣ намекунад.

Оё Whitepaper-и Криптовалюта Рафтори Бозорро Воқеан “Пешгӯӣ” Карда Метавонад?

Барои дуруст фаҳмидани мафҳуми асосии ин таҳқиқот аввал бояд ҷудо кард, ки калимаи “пешгӯӣ” чӣ гуна истифода мешавад. Таҳқиқотгар кӯшиш намекунад нархи ояндаи Bitcoin, Ethereum ё токени дигарро пешгӯӣ кунад.

Саволи асосии таҳқиқот чунин аст:

Оё лоиҳаҳое, ки дар whitepaper-ҳои худ функсияҳо ва ҳадафҳои истифодаи монандро баён мекунанд, дар бозорҳои молиявӣ низ хусусиятҳои сохтории монанд нишон медиҳанд?

Масалан, агар ду лоиҳа худро асосан технологияи махфият муаррифӣ кунанд, оё интизор шудан мумкин аст, ки мавқеи ин ду дороӣ аз рӯйи ноустуворӣ, ҳаҷми савдо, коҳиши ҳадди аксар ё омилҳои ниҳонии бозор низ ба ҳам монанд бошад?

Аз ин рӯ дар таҳқиқот “predict” бештар ба маънои мувофиқати сохторӣ ё ҳамоҳангии сохторӣ аст, на пешгӯии оянда дар меҳвари вақт.

Whitepaper чист?

Дар заминаи криптовалюта whitepaper ҳуҷҷати асосиест, ки сохтори техникӣ, ҳадафҳо, модели иқтисодӣ, сенарияҳои истифода ё тарҳи протоколи лоиҳаро шарҳ медиҳад.

Аммо корпуси таҳқиқот танҳо аз ҳуҷҷатҳои “whitepaper-и аслӣ” иборат нест. Барои баъзе лоиҳаҳо ҳуҷҷатҳои консенсус, мушаххасоти протокол, гузоришҳои техникӣ ё ҳуҷҷатҳои расмии техникӣ низ истифода шудаанд.

Ин фарқ муҳим аст; зеро намудҳои гуногуни ҳуҷҷат метавонанд зичии якхелаи баён ё нақши таърихии якхела надошта бошанд.

Иқтисодиёти нарративӣ чист?

Narrative economics ё иқтисодиёти нарративӣ соҳаи таҳқиқотест, ки бар он аст рафтори иқтисодӣ на танҳо аз нишондиҳандаҳои асосӣ ё моделҳои математикӣ, балки аз ҳикояҳо, шарҳҳо ва эътиқодҳои муштараке, ки дар ҷомеа паҳн мешаванд, низ таъсир мегирад.

Дар экосистемаи криптовалюта баёнҳое чун “тиллои рақамӣ”, “молияи ғайримарказӣ”, “инфрасохтори Web3”, “пули махфият” ё “қотили Ethereum” метавонанд ба тарзи дарки лоиҳаҳо аз ҷониби сармоягузорон таъсир расонанд.

Ин мақола ҳиссиёти сармоягузоронро аз ин баёнҳо мустақиман чен намекунад; балки байни баёнҳои функсионалӣ дар ҳуҷҷатҳои расмии таъсисии лоиҳаҳо ва хусусиятҳои воқеии бозор монандии сохторӣ меҷӯяд.

Дар Таҳқиқот Кадом Маълумот Истифода Шуд?

Маълумоти бозорӣ тавассути Binance API бо истифода аз китобхонаи CCXT ба даст оварда шудааст.

OHLCV чист?

OHLCV панҷ мушоҳидаи асосиро ифода мекунад, ки дар маълумоти бозори молиявӣ васеъ истифода мешаванд:

• Open: нархи кушодашавии фосилаи вақт,
• High: баландтарин нарх дар фосилаи вақт,
• Low: пасттарин нарх дар фосилаи вақт,
• Close: нархи басташавии фосилаи вақт,
• Volume: ҳаҷми савдо.

Дар ин таҳқиқот барои ҳар дороӣ ин панҷ хусусият ба таври соатӣ пайгирӣ шудаанд.

Чаро z-нормализатсия татбиқ мешавад?

Андозаҳои хусусиятҳои OHLCV метавонанд аз ҳам хеле фарқ кунанд. Масалан, сатҳи нархи Bitcoin бо нархи токени дигар ё арзишҳои ҳаҷм дар як миқёс нест.

Шакли стандартии нормализатсияи z-скор:

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

чунин аст.

Дар ин ҷо \(x\) арзиши мушоҳидашуда, \(\mu\) миёна ва \(\sigma\) инҳирофи стандартӣ мебошад.

Таҳқиқот ҳар буриши хусусияти OHLCV-ро дар саросари дороиҳо ва вақт нормализатсия карда, миёнаи хусусиятҳоро ба сифр ва инҳирофи стандартиро ба як наздик мекунад. Ҳадаф пешгирӣ кардани он аст, ки танҳо хусусиятҳои дорои миқёси ададии калон дар таҷзияи тензорӣ бартарӣ пайдо кунанд.

Тензор Чист ва Чаро Истифода Мешавад?

Тензор шакли густаришёфтаи мафҳуми матритса ба андозаҳои бештар мебошад.

Векторро метавон сохтори якандоза ва матритсаро сохтори дуандозаи маълумот донист. Тензор бошад метавонад се ё зиёда андозаро дар як сохтор нигоҳ дорад.

Таҳқиқот дар оғоз маълумоти бозорро:

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

муайян мекунад.

Дар ин ҷо:

• \(T\): вақт,
• \(V\): платформаи савдо / venue,
• \(A\): дороии крипто,
• \(F\): хусусияти бозор мебошад.

Азбаски дар таҳқиқот танҳо Binance истифода шудааст:

\[ V=1 \]

ва сохтори амалкунанда:

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

ба се андоза коҳиш меёбад.

Ин сохтор вақт, дороиҳо ва хусусиятҳои OHLCV-ро дар як объекти маълумотӣ якҷо нигоҳ медорад.

Таҷзияи Тензории CP Чист?

CANDECOMP/PARAFAC (CP) decomposition тензори баландандозаро ба таври тахминӣ ҳамчун ҷамъи компонентҳои содатари rank-1 ифода мекунад.

Муодилаи асосии манбаъ:

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

чунин аст.

Дар ин ҷо:

• \(R\): rank-и таҷзия,
• \(\lambda_r\): вазни компоненти дахлдор,
• \(a_r\): вектори омил дар самти вақт,
• \(b_r\): вектори омил дар самти дороӣ,
• \(c_r\): вектори омил дар самти хусусиятҳои OHLCV,
• \(\circ\): outer product, яъне ҳосили берунаро нишон медиҳад.

Ҳосили беруна ба ҷойи кам кардани векторҳо ба як арзиши скалярӣ, аз комбинатсияи онҳо сохтори баландандоза месозад.

Матритсаҳои омил

Дар таҷзияи CP:

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

омилҳои вақтро,

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

омилҳои дороиро ва:

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

омилҳои марбут ба хусусиятҳои бозорро дар бар мегирад.

Барои ин таҳқиқот махсусан муҳим:

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

матритса мебошад; зеро он бори ҳар дороии крипторо дар омилҳои ниҳонии бозор нишон медиҳад.

Омили ниҳонӣ чӣ маъно дорад?

Омили ниҳонӣ (latent factor) компонентест, ки дар маълумот ҳамчун сутуни ҷудогона мустақиман мушоҳида намешавад, аммо аз намунаҳои умумии тағйирот байни шумораи зиёди мушоҳидаҳо ба таври математикӣ ҳосил мешавад.

Масалан, дар таҳлилҳои баъдии таҳқиқот дида мешавад, ки омили якум бо коҳиши ҳадди аксар, ноустуворӣ ва таносуби Sharpe; омили дуюм бошад бо ҳаҷм ва ноустувории ҳаҷм алоқаманд аст.

Инҳо пешакӣ дар алгоритм “омили хавф” ё “омили пардохтпазирӣ” номгузорӣ нашудаанд. Тафсир пас аз дидани коррелятсияҳо байни бори омилҳо ва омори ченшудаи бозор анҷом дода шудааст.

Alternating Least Squares (ALS) Чӣ Кор Мекунад?

Азбаски омилҳои CP мустақиман маълум нестанд, таҳқиқот онҳоро бо алгоритми Alternating Least Squares (ALS) арзёбӣ мекунад.

Ғояи асосӣ ин аст, ки ду матритсаи омил муваққатан собит нигоҳ дошта шуда, сеюмӣ тавре нав карда шавад, ки беҳтарин мутобиқатро диҳад ва ин раванд навбат ба навбат такрор гардад.

Дар манбаъ навсозиҳо:

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

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

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

чунин дода шудаанд.

Дар ин ҷо:

• \(X_{(n)}\): шакли матритсашудаи тензор мутобиқи модули дахлдор,
• \(\odot\): ҳосили Khatri–Rao,
• \(*\): Hadamard, яъне ҳосили элемент ба элемент,
• \(\dagger\): амали Moore–Penrose pseudoinverse.

Ҳадафи ин формулаҳо ёфтани матритсаҳои омилест, ки тензорро бо хатои барқарорсозии то ҳадди имкон кам шарҳ медиҳанд.

Rank Чӣ Гуна Интихоб Шуд?

Дар таҷзияи тензорӣ rank нишон медиҳад, ки мо мехоҳем маълумотро тақрибан бо чанд компоненти ниҳонӣ шарҳ диҳем.

Ченаки вариатсияи шарҳдодашудаи таҳқиқот:

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

чунин аст.

Дар ин ҷо:

• \(\hat{X}_R\): тензори бо модели rank-\(R\) CP барқароршуда,
• \(\|\cdot\|_F\): нормаи Frobenius,
• \(\bar{x}\): сохтори миёнаи истинодӣ.

Модел:

\[ EV\geq0.90 \]

хурдтарин rank-еро ҷустуҷӯ кардааст, ки ба ин ҳадаф ҷавоб диҳад.

Натиҷа:

\[ R=2 \]

ва:

\[ EV=92.45\% \]

ёфта шудааст.

Ҳассосияти rank

Дар rank-ҳои баландтар мутобиқати баён–омил каме афзудааст; аммо арзиши баландтарин тақрибан 0,094 аст. Ин аз ҳадди 0,65-и монандии сатҳи миёна хеле паст мебошад.

Оё Таҷзияи Tucker Ҳамон Натиҷаро Медиҳад?

Таҳқиқот барои дидани он ки усул танҳо ба интихоби CP вобаста аст ё не, Tucker decomposition-ро низ татбиқ кардааст.

Модели Tucker:

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

чунин навишта мешавад.

Дар ин ҷо \(G\) core tensor, яъне тензори ҳастаиест, ки таъсири мутақобилаи омилҳоро дар бар мегирад.

Натиҷаҳои ду усул хеле монанданд. Аз ин рӯ, мутобиқати заифи баён–омил дар v4 танҳо аз интихоби таҷзияи CP ба вуҷуд омадааст, чунин ба назар намерасад.

Whitepaper-ҳо Бо Зеҳни Сунъӣ Чӣ Гуна Тасниф Шуданд?

Матнҳои whitepaper бо истифода аз BART-large-MNLI ба таснифи zero-shot дода шуданд.

Zero-shot classification ин аст, ки модел бе бозомӯзӣ бо маҷмӯи омӯзишии whitepaper-и крипто, ки барои ин таҳқиқот алоҳида дастӣ тамғагузорӣ шудааст, категорияҳои додашударо бо такя ба дониши забонии пешакӣ омӯхтааш арзёбӣ мекунад.

Ҳуҷҷатҳо ба порчаҳои матнии 500-калимаӣ ҷудо шудаанд.

Барои ҳар категория:

“This text is about [category]”

гипотеза дар ҳамин шакл арзёбӣ шудааст.

Эҳтимоли Softmax

Барои порчаи матн \(t\) ва категорияи \(l_k\) эҳтимол:

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

чунин ҳисоб мешавад.

Дар ин ҷо:

• \(s_k\): холи entailment-и модел барои категорияи дахлдор,
• \(K=10\): шумораи умумии категорияҳо,
• \(e\): асоси функсияи экспоненсиалии табиӣ.

Амали Softmax холҳои хомро ба арзишҳои монанд ба эҳтимол, ки ҷамъашон 1 аст, табдил медиҳад.

Чаро танҳо категорияи баландтарин интихоб намешавад?

Таҳқиқот ба ҷойи маҷбуран нисбат додани ҳар порчаи матн ба як категория, холҳои эҳтимолии ҳамаи категорияҳоро истифода мекунад.

Ин усул мехоҳад қисман нигоҳ дорад, ки як параграфи техникӣ метавонад ҳамзамон, масалан, ҳам ба “қарордоди ҳушманд” ва ҳам ба “миқёспазирӣ” алоқаманд бошад.

10 Категорияи Whitepaper

Профили whitepaper-и як дороӣ чӣ гуна ба даст меояд?

Миёнаи эҳтимолҳои категорияҳо дар ҳамаи порчаҳои матнии як дороӣ гирифта мешавад:

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

Дар ин ҷо:

• \(n\): дороии крипто,
• \(k\): категорияи функсионалӣ,
• \(T_n\): маҷмӯи порчаҳои матн аз whitepaper-и дахлдорро нишон медиҳад.

Ҳамин тавр барои ҳар дороӣ профили 10-андозаи баён ба даст меояд.

Таснифи NLP То Чӣ Андоза Боэътимод Аст?

Ин нуқта яке аз маҳдудиятҳои муҳимтарини таҳқиқот аст.

Таҳқиқотгар натиҷаҳои BART-MNLI-ро бо таснифҳои модели алтернативии DeBERTa-v3 муқоиса кардааст.

Дар 200 порчаи матнии тасодуфӣ мутобиқати дақиқи категорияи якум танҳо:

%32

буд.

Cohen's kappa:

\[ \kappa=0.14 \]

гузориш шудааст.

Ин мувофиқати пасти байни моделҳо мебошад.

Бо вуҷуди ин, дар ченаки нармтаре, ки пешгӯии якуми модели алтернативӣ дар байни се категорияи аввали модели BART қабул мешавад, мутобиқат:

%67

буд.

Муқоисаи се усули гуногуни NLP

Ин натиҷаҳо нишон медиҳанд, ки “категорияи воқеӣ”-и баёни whitepaper ба таври комилан объективӣ ва мустақил аз модел чен нашудааст.

Дар категорияҳое чун Medium of Exchange, DeFi ва Privacy, ки аломатҳои забонии равшан доранд, усулҳо бештар мувофиқанд; дар категорияҳое чун Smart Contracts ва Store of Value мутобиқат пасттар аст.

Мушкилоти камбуди маълумот

Гуфта мешавад, ки барои ALGO, AXS, BAND, DOT, RPL, SUSHI ва YFI камтар аз 10 порчаи матн мавҷуд аст.

Вақте ин ҳафт дороии каммаълумот хориҷ шуданд, коррелятсияи Embedding–LLM то 0,52 боло рафт.

Аз ин рӯ як қисми номувофиқии байни таснифгарҳо метавонад на танҳо аз фарқи модел, балки аз нокифоя будани миқдори ҳуҷҷат барои баъзе лоиҳаҳо низ сар занад.

Ҳафт Хусусияти Молиявии Бозор Чӣ Гуна Ҳисоб Шуд?

1. Боздеҳи миёна

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

Боздеҳи миёнаи дороӣ дар тӯли вақт мебошад.

2. Ноустуворӣ

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

Чен мекунад, ки боздеҳҳо дар атрофи миёна то чӣ андоза паҳн шудаанд.

3. Таносуби Sharpe

Манбаъ барои муқоисапазирӣ бо молияи анъанавӣ дар таносуби Sharpe-и солонашуда аз маълумоти соатӣ 252 рӯзи савдо ва коэффисиенти 24 соат дар як рӯзро истифода мекунад.

Умуман таносуби Sharpe мекӯшад боздеҳро ба ҳар воҳиди ноустуворӣ чен кунад.

Азбаски бозорҳои крипто ҳафт рӯзи ҳафта 24 соат бозанд, манбаъ дар эзоҳ мегӯяд, ки фарзияи 252-рӯзаи молияи анъанавӣ барои бозори крипто тақвими комилан табиӣ нест.

4. Коҳиши ҳадди аксар

Коҳиши ҳадди аксар бузургтарин талафоти нисбии арзишро аз қуллаи пешинаи дороӣ то нуқтаи пасти баъдӣ чен мекунад.

5. Ҳаҷми миёна

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

Ҳаҷми миёнаи соатии савдоро дар давраи таҳқиқшуда ифода мекунад.

6. Ноустувории ноустуворӣ

Vol-of-vol инҳирофи стандартии худи ченаки ҳаракаткунандаи ноустуворӣ мебошад, ки дар тӯли вақт ҳисоб мешавад.

Он на танҳо то чӣ андоза ноустувор будани бозор, балки то чӣ андоза тағйирёбанда будани худи ноустувориро низ чен карданӣ мешавад.

7. Тренд

Манбаъ трендро тавассути:

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

коэффисиенти:

\[ \beta \]

дар регрессияи хаттӣ ифода мекунад.

\(\beta\)-и мусбат дар давраи таҳқиқшуда тамоюли хаттии болораванда ва арзиши манфӣ тамоюли поёнравандаро нишон медиҳад.

Ҳамоҳангсозии Procrustes Чист?

Матритсаи баёни whitepaper ва матритсаи бозор дар як низоми координатҳо тавлид нашудаанд.

Дар яке сутунҳо категорияҳое чун “махфият”, “миқёспазирӣ” ва “DeFi”-ро; дар дигаре ноустуворӣ, ҳаҷм ё омилҳои математикии ниҳониро ифода мекунанд.

Аз ин рӯ муқоисаи мустақими матритсаҳо сутун ба сутун маъно надорад.

Усули Orthogonal Procrustes табдили ортогоналиро меёбад, ки як фазои намояндагиро гардонда, онро то ҳадди имкон ба дигараш наздик мекунад.

Масъала:

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

чунин муайян мешавад.

Дар ин ҷо:

• \(A\): матритсаи аввалини намояндагӣ, ки ҳамоҳанг мешавад,
• \(B\): матритсаи намояндагии ҳадаф,
• \(Q\): матритсаи табдили ортогоналӣ,
• \(\|\cdot\|_F\): нормаи Frobenius.

Табдили ортогоналӣ асосан меҳварҳоро мегардонад ё инъикос мекунад; маълумотро худсарона дароз намекунад.

Ҳалли SVD

Агар:

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

таҷзияи арзишҳои сингулярӣ анҷом дода шавад, табдили оптималӣ:

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

ба даст меояд.

Қисми Замимаи A-и манбаъ бароварди математикии ин натиҷаро тавассути оптимизатсияи из (trace) медиҳад.

Агар Андозаҳо Якхела Набошанд, Чӣ Мешавад?

Матритсаи иддаоҳои whitepaper 10-андоза аст, матритсаи омилҳои CP бошад дар таҳлили асосӣ танҳо 2-андоза мебошад.

Дар v4-и боршуда сутунҳои матритсаи хурд бо сифрҳо пур карда шуда, андозаҳо баробар карда шудаанд.

Масалан, ҳангоми муқоисаи матритсаи 2-омила бо фазои 10-андозаи whitepaper ҳашт сутуни сифрӣ илова мешавад.

Муаллиф ошкоро эътироф мекунад, ки ин метавонад арзиши φ-ро ба самти поён таъсир диҳад.

Дар санҷиши баъдии matched-dimension, вақте андозаҳо аввал бо SVD мувофиқ карда шуданд:

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

ёфта шудааст.

Ин арзишҳо нишон медиҳанд, ки бе zero-padding мутобиқати баён–бозор каме боло меравад, аммо боз ҳам ба аҳамияти оморӣ намерасад.

Коэффисиенти Мутобиқати Tucker φ Чист?

Ченаки асосии монандии таҳқиқот:

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

чунин аст.

Ин ифода аз ҷиҳати математикӣ ба монандии косинусӣ баробар аст; аммо бар хилофи коррелятсияи Pearson, маълумот нисбат ба миёна марказонида намешавад.

Арзиш:

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

дар ин фосила аст.

Ҳадҳои тафсирии истифодашуда дар манбаъ

Манбаъ инчунин эътироф мекунад, ки ин ҳадҳо аслан барои муқоисаи ҳалли омилҳое таҳия шудаанд, ки аз маҷмӯаҳои маълумоти монанд ба даст омадаанд, ва татбиқи онҳо ба намудҳои хеле гуногуни намояндагӣ, ба монанди фазои баёни NLP ва фазои бозори молиявӣ, аз заминаи аслии тасдиқ берун меравад.

Натиҷаҳои Асосӣ

p-арзиш чӣ мегӯяд?

Таҳқиқот санҷиши яктарафаи ҷойивазкуниро истифода мебарад.

Раванди асосӣ чунин аст:

1. \(\phi^*\)-и мушоҳидашуда дар маълумоти воқеӣ ҳисоб карда мешавад.
2. Мутобиқатҳои дороиҳо ба таври тасодуфӣ омехта мешаванд.
3. Дар ҳар омехтакунӣ \(\phi^{(b)}\)-и нав ҳисоб карда мешавад.
4. Чен карда мешавад, ки натиҷаҳои тасодуфӣ то чӣ андоза аз натиҷаи мушоҳидашуда калонтар ё ба он баробар мешаванд.

Манбаъ:

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

намуди ифодаро истифода мебарад.

Дар ин ҷо \(B=1000\) ҷойивазкунӣ аст.

Азбаски барои Claims–Statistics \(p=0.339\) ва барои Claims–Factors \(p=0.751\) аст, нишон дода нашудааст, ки арзишҳои заифи мутобиқати мушоҳидашуда нисбат ба мутобиқатҳои тасодуфӣ ба таври аҳамиятнок баландтаранд.

Чаро Натиҷаи «Ҳеҷ Робита Нест» Бароварда Намешавад?

Набудани аҳамияти оморӣ худ аз худ исбот намекунад, ки робита ҳатман ба сифр баробар аст.

Таҳлили қувваи таҳқиқот инро махсусан нишон медиҳад:

Бо 37 дороии муштарак, агар таъсири воқеии заифе мисли \(\phi=0.30\) вуҷуд дошта бошад, таҳқиқот онро танҳо бо эҳтимоли тақрибан %14 ошкор карда метавонад.

Баръакс:

\[ \phi\geq0.70 \]

барои робитаи қавӣ дар ин сатҳ қувва тақрибан %90 аст.

Аз ин рӯ, таҳқиқот дар рад кардани мутобиқати қавии баён–бозор боэътимодтар аст; аммо барои ҷудо кардани мутобиқати заиф аз мутобиқати сифрӣ нокифоя мебошад.

Мушкилоти Фосилаҳои Эътимодии Bootstrap

Манбаъ барои фосилаҳои эътимоди %95 аз 1.000 бознамунагирии bootstrap истифода кардааст.

Аммо дар намунаи хурде, ки танҳо 37 дороӣ дорад, такроран интихоб шудани ҳамон дороиҳо ҳангоми bootstrap метавонад ҳамоҳангсозии Procrustes-ро ба таври сунъӣ беҳтар кунад.

Манбаъ гузориш медиҳад, ки миёнаи bootstrap нисбат ба баҳодиҳии нуқтавӣ:

• дар муқоисаи Claims–Statistics тақрибан %29,
• дар муқоисаи Claims–Factors тақрибан %37

баландтар аст.

Аз ин рӯ, фосилаҳои эътимод дар мақола бояд на ҳамчун «ҳудудҳои қатъӣ», балки, ба таъбири муаллифи манбаъ, бештар ҳамчун нишондиҳанда арзёбӣ шаванд.

Оё Натиҷа Бо Гузашти Вақт Тағйир Меёбад?

Дар ҳамаи давраҳо мутобиқат дар доираи заиф боқӣ мондааст. Ин ҳолат нишон медиҳад, ки натиҷаи асосии v4-и боршуда эҳтимолан аз як давраи кӯтоҳи ягонаи бозор сарчашма намегирад.

Ҳангоми истифодаи баёнҳои васеътари институтсионалӣ чӣ рӯй дод?

Муаллиф ба ҷои whitepaper корпуси иловагии баёни институтсионалиро сохтааст, ки ҳуҷҷатҳои расмӣ, навсозиҳои foundation, форумҳои идоракунӣ ва блогҳои лоиҳаро дар бар мегирад.

Дар лаҳзаи сабти Феврали 2025 барои 14 лоиҳа 627 ҳуҷҷат ва 367.071 калима мавҷуд аст. Бо 12 дороие, ки маълумоти пурраи бозорӣ доранд, миёна дар шаш равзанаи лағжанда:

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

ба даст омадааст.

Ин натиҷа, нисбат ба whitepaper, мутобиқати баён–бозорро ба сатҳи миёна ё қавӣ набурдааст.

Бо вуҷуди ин, азбаски танҳо як тасвири баён дар як сана истифода шудааст, тағйирёбии воқеии баёни лоиҳа дар тӯли вақт чен карда нашудааст.

Оё Ченакҳои Алтернативии Мутобиқат Ҳамон Натиҷаро Медиҳанд?

Дар ҳамаи чор усули алтернативӣ муқоисаҳое, ки whitepaper-ро дар бар мегиранд, ба аҳамияти оморӣ нарасидаанд, дар ҳоле ки муқоисаи омори бозорӣ–омилҳои бозорӣ аҳамиятнок боқӣ мондааст.

Ин ҳолат дастгирӣ мекунад, ки натиҷаи асосии v4 танҳо аз хусусиятҳои махсуси математикии ченаки Tucker φ сарчашма намегирад.

Омилҳои Бозорӣ Дар Асл Чиро Намояндагӣ Мекунанд?

Муаллиф Омили 1-ро ҳамчун андозаи иҷрои бо хавф танзимшуда ё субот тафсир мекунад. Он бо коҳиши ҳадди аксар ва ноустуворӣ робитаи манфӣ ва бо таносуби Sharpe робитаи мусбат дорад.

Омили 2 бошад, азбаски бо ҳаҷми миёна ва ноустувории ҳаҷм бештар робита дорад, ҳамчун андозаи пардохтпазирӣ/андоза тафсир мешавад.

Баръакс, аз 20 коррелятсияи умумӣ байни 10 категорияи whitepaper ва ду омил ҳеҷ кадомаш:

\[ \alpha=0.05 \]

дар сатҳи аҳамияти оморӣ ба аҳамиятнокӣ нарасидааст.

Қавитарин арзиш байни Smart Contracts ва Омили 1:

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

коррелятсия аст ва он низ робитаи заифу ғайриаҳамиятнок мебошад.

Оё Пешкоркарди Тензор Натиҷаро Тағйир Медиҳад?

Таҳқиқот се усули гуногуни сохтани тензорро истифода кардааст:

1. сатҳҳои аслии OHLCV-и нормализатсияшуда,
2. даромадҳои логарифмӣ,
3. хусусиятҳои z-score-шуда дар сатҳи дороӣ.

Мутобиқати омилҳои аз ин сохторҳои гуногун ҳосилшуда бо ҳамдигар:

• аслӣ – даромад: \(\phi=0.14\)
• аслӣ – z-score: \(\phi=0.19\)
• даромад – z-score: \(\phi=0.11\)

гузориш шудааст.

Ин натиҷа нишон медиҳад, ки сохтори дақиқи омилҳои ниҳонӣ ба тарзи омода кардани тензор ҳассос аст.

Аз ин рӯ, аз тафсирҳои аз ҳад қатъӣ, ба монанди «Омили 1 маҳз ҳамин омили иқтисодӣ аст», бояд худдорӣ кард.

Бо вуҷуди ин, мутобиқати байни баёни whitepaper ва сохтори бозор дар ҳамаи вариантҳои пешкоркард паст боқӣ мондааст.

Оё Натиҷаҳои CP Ба Оғози Тасодуфӣ Ҳассосанд?

Азбаски алгоритми ALS оғози тасодуфиро истифода мебарад, муҳаққиқ модели rank-2-ро бо 10 random seed-и гуногун дубора иҷро кардааст.

Мутобиқати миёна байни матритсаҳои омилӣ:

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

ва фосила:

\[ [0.9997,\ 1.000] \]

ба даст омадааст.

Ин нишон медиҳад, ки дар доираи тензор ва модели истифодашуда дар v4-и боршуда, оғози тасодуфӣ ба натиҷа таъсири хеле кам дорад.

Устувории замонии омилҳо

Намунаи дусола ба ду қисм тақсим шудааст:

• Соли 1: 8.771 соат,
• Соли 2: 8.772 соат.

Мутобиқати омилҳо дар ду ним:

\[ \phi=0.933 \]

ба даст омадааст.

Соли 1 – намунаи пурра:

\[ \phi=0.977 \]

Соли 2 – намунаи пурра:

\[ \phi=0.987 \]

натиҷа додааст.

Ин ченак нишон медиҳад, ки бо ҳамон интихоби сохтани тензор, сохтори омилҳо дар ду нимаи давраи дусола хеле устувор аст.

Бозёфтҳои Дар v4 Гузоришшуда, Вале Баъдан Бозпасгирифташуда Дар Сатҳи Token

Дар версияи v4-и боршуда, дар таҳлили leave-one-out натиҷаҳои зерин гузориш шудаанд:

Огоҳии муҳими версия: Ин тартиббандӣ дигар натиҷаи ҷории илмии таҳқиқот нест. Версияи баъдии arXiv гузориш медиҳад, ки дар корпуси қаблӣ ҳуҷҷатҳои whitepaper-и нодуруст ё номуваффақ боргирифташуда мавҷуд буданд ва тартиббандие, ки token-ҳои махсусгардонидашуда мутобиқати баландтар нишон медиҳанд, пас аз санҷиши мундариҷа аз байн рафтааст.

Аз ин рӯ, дар айни ҳол натиҷаи тасдиқшуда нест, ки баёнҳои whitepaper-и XMR, CRV ё YFI рафтори бозорро нисбат ба дигар лоиҳаҳо беҳтар «пешгӯӣ» мекунанд.

Хатои Ҳуҷҷат Дар Корпуси Whitepaper-и v4

Дар худи Қисми D-и иловагии версияи боршуда мушкили муҳими сифати маълумот ба таври равшан сабт шудааст.

Гуфта мешавад, ки ҳуҷҷате, ки барои ATOM тавассути механизми GitHub fallback гирифта шудааст, ба ҷои whitepaper-и Cosmos Hub whitepaper-и Binance Smart Chain будааст.

Арзёбии муаллифи v4 мегӯяд, ки ин танҳо ба яке аз 37 дороӣ таъсир мекунад ва интизор намеравад, ки натиҷаи асосии мутобиқати заифро тағйир диҳад.

Аммо версияҳои баъдии таҳқиқот санҷиши корпусро васеъ намуда, нишон доданд, ки натиҷаҳои пешини entity-level ба ифлосшавии ҳуҷҷатҳо ҳассостаранд.

Кадом Категорияҳои Whitepaper Дар v4 Ба Мутобиқат Бештар Саҳм Гузоштанд?

Азбаски ин ҷадвал аз корпуси v4 ба даст омадааст, онро набояд аз огоҳии ифлосшавӣ дар сатҳи token мустақил донист. Андозаи таъсирҳои категорияҳо хурд аст ва воқеияти умумии заиф будани мутобиқати асосии баён–бозорро тағйир намедиҳад.

Оё Bitcoin Натиҷаи Асосиро Танҳо Худаш Ба Пеш Мебарад?

Bitcoin дар фазои омилҳои CP як қимати ниҳоии хеле намоён аст. Дар v4 борбардории Омили 1 тақрибан:

\[ 28.5 \]

гузориш шудааст; миёнаи дигар дороиҳо тақрибан дар атрофи сифр аст.

Аз ин рӯ, муҳаққиқ алоҳида санҷидааст, ки оё Bitcoin натиҷаро танҳо худаш ба пеш мебарад.

Дар таҳлили leave-one-out-и v4 таъсири мутобиқати Bitcoin тақрибан:

\[ -0.004 \]

ба даст омадааст.

Ин арзиш нишон медиҳад, ки ҳарчанд Bitcoin дар фазои factor як қимати ниҳоии бузурги оморӣ аст, натиҷаи номувофиқии whitepaper–бозор танҳо аз Bitcoin сарчашма намегирад.

Оё Хатои Ченкунӣ Мутобиқати Заифро Шарҳ Дода Метавонад?

Мутобиқати паст байни моделҳои NLP метавонад маънои онро дошта бошад, ки профилҳои воқеии баёнӣ миқдори назарраси хатои ченкунӣ доранд.

Манбаъ бо равиши Spearman attenuation correction арзёбии ислоҳиро:

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

дар ин шакл анҷом медиҳад.

Эътимоднокии Claims:

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

ва фарзияи эътимоднокии бозор:

\[ \rho_{YY}=0.95 \]

истифода шавад, мутобиқати ислоҳшудаи Claims–Factors тақрибан:

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

ҳисоб шудааст.

Ин арзиш ҳамоно аз ҳадди 0,65-и мутобиқати миёна хеле поён аст.

Аммо ин ислоҳ низ ба тарзи баҳодиҳии параметрҳои эътимоднокӣ вобаста аст ва хатои воқеии ченкунии баёнро ба таври қатъӣ ҳал намекунад.

Оё Дар Назорати Мусбат Мушкилоти Даврӣ Ҳаст?

Азбаски омори бозорӣ ва омилҳои тензорӣ аз ҳамон маълумоти OHLCV ҳосил шудаанд, пайдо шудани робитаи аҳамиятнок байни онҳо метавонад қисман механикӣ бошад.

Барои кам кардани ин мушкил, манбаъ намунаро ба ду давра ҷудо кардааст:

• омилҳои CP аз соли якум,
• омори бозорӣ аз соли дуюм

сохта шудаанд.

Мутобиқати байни ин қисмҳои мустақили вақт:

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

ба даст омадааст.

Ин натиҷа каме болотар аз ҳадди номиналии %5 аст. Аз ин рӯ, онро набояд ҳамчун «назорати мусбати қатъиян аҳамиятнок» тафсир кард; аммо он нишон медиҳад, ки низоми ҳамоҳангсозӣ метавонад дар намояндагиҳои бозорӣ, ки аз намунаҳои гуногуни вақт ҳосил шудаанд, монандии сохтории андозаи миёнаро ошкор кунад.

Натиҷаҳое, Ки Таҳқиқот Дастгирӣ Мекунад

• Дар v4-и боршуда, мутобиқати Tucker байни баёни whitepaper ва омори бозорӣ заиф аст: φ=0,246.
• Мутобиқат байни баёни whitepaper ва омилҳои tensor-и rank-2 хеле заиф аст: φ=0,058.
• Ин ду муқоисаи бар whitepaper асосёфта дар санҷиши ҷойивазкунӣ аҳамиятнок нестанд.
• Байни омор ва омилҳои tensor, ки аз ҷамъбастҳои гуногуни ҳамон маълумоти бозорӣ сохта шудаанд, робитаи заиф, вале аз ҷиҳати оморӣ аҳамиятнок мавҷуд аст.
• Таҷзияи CP ва Tucker дар v4 натиҷаҳои монанди баён–омил медиҳанд.
• Дар доираи Rank 1–5 мутобиқати баён–омил пайваста заиф мемонад.
• Дар шаш равзанаи лағжандаи вақт мутобиқати баён–бозор дар доираи заиф мемонад.
• Ченакҳои алтернативии RV, distance correlation, CCA ва PLS низ дар муқоисаҳое, ки whitepaper-ро дар бар мегиранд, мутобиқати аҳамиятнок нишон намедиҳанд.
• Омилҳои tensor бо хусусиятҳои воқеишудаи бозор, аз қабили хавф, ноустуворӣ ва пардохтпазирӣ, робита доранд.
• Қувваи намунавии таҳқиқот барои рад кардани мутобиқати қавии баён–бозор кофӣ аст, вале барои ҷудо кардани қатъии мутобиқати заиф аз мутобиқати сифрӣ нокифоя мебошад.

Умумисозиҳое, Ки Таҳқиқот Дастгирӣ Намекунад

• Аз ин таҳқиқот наметавон хулоса кард, ки whitepaper-ҳо нархҳои ояндаи крипторо пешгӯӣ карда наметавонанд; таҳқиқот пешгӯии нарх намекунад.
• Исбот нашудааст, ки мундариҷаи whitepaper бо бозор комилан ҳеҷ робита надорад.
• Натиҷаи p>0,05 маънои «робита маҳз ба сифр баробар аст»-ро надорад.
• Наметавон хулоса кард, ки таҳлили whitepaper аз ҷиҳати сифати технологӣ, амният ё ҳадафи лоиҳа беарзиш аст.
• Таҳқиқот стратегияи сармоягузорӣ ё сигнали харидуфурӯш таҳия намекунад.
• Ба категорияи муайяни whitepaper дохил шудани token нишон намедиҳад, ки он даромади сармоягузории баландтар ё пасттар медиҳад.
• Нишон дода нашудааст, ки натиҷаҳои танҳо ба маълумоти Binance асосёфта дар ҳамаи биржаҳо яксон хоҳанд буд.
• Наметавон гуфт, ки давраи дусолаи бозор тамоми таърихи дарозмуддати крипторо намояндагӣ мекунад.
• Нишон дода нашудааст, ки моделҳои умумимақсади zero-shot NLP истилоҳоти крипторо бе хато тасниф мекунанд.
• Тартиббандии мусбати token-ҳо, аз қабили XMR, CRV, YFI ва SOL дар v4, наметавонад ҳамчун натиҷаи ҷории илмӣ истифода шавад; версияи баъдӣ онҳоро дар заминаи ифлосшавии корпус бозпас гирифтааст.

Маҳдудиятҳои Асосӣ

1. Намунаи хурди муштарак

Ҳамоҳангсозии асосӣ танҳо бо 37 дороӣ анҷом дода мешавад. Гарчанде ин намуна барои таъсирҳои қавӣ кофӣ аст, қобилияти он барои ошкор кардани робитаҳои заиф ва андозаи миёна маҳдуд мебошад.

2. Whitepaper-ҳо ҳуҷҷатҳои статикӣ мебошанд

Бисёр whitepaper-ҳо дар солҳои аввали лоиҳа навишта шудаанд. Дар муқобил, маълумоти бозорӣ ба давраи 2023–2024 тааллуқ дорад. Баёнҳои лоиҳаҳо, ки дар тӯли солҳо тағйир ёфтаанд, мумкин аст аз ҷониби whitepaper-и асосӣ намояндагӣ нашаванд.

3. Таксономия аз ҷониби муҳаққиқ муайян шудааст

Гарчанде 10 категория барои экосистемаи крипто мантиқӣ мебошанд, онҳо ягона таснифи имконпазир нестанд. Таксономияи майдатар ё дигар метавонад робитаҳои дигарро ошкор кунад.

4. Domain shift дар таснифи zero-shot

BART-MNLI дар бароварди умумии забони табиӣ омӯзонида шудааст. Кафолат дода намешавад, ки ибораҳои хоси крипто, ба монанди “AMM”, “sharding”, “tokenomics” ва монанди онҳо, ҳамеша аз ҷониби модели умумимақсад дуруст фаҳмида мешаванд.

5. Як таъминкунандаи маълумоти бозорӣ

Маълумоти OHLCV аз Binance гирифта шудааст. Тафовутҳои пардохтпазирӣ ва микросохтор дар биржаҳои гуногун ба модел дохил карда намешаванд.

6. Омилҳои tensor ба пешкоркард ҳассосанд

Ҳангоми истифодаи сатҳҳои OHLCV, даромадҳо ва z-score дар сатҳи дороӣ, байни омилҳои ҳосилшуда танҳо мутобиқати паст пайдо шудааст. Аз ин рӯ, тафсири иқтисодии омилҳои ниҳонӣ набояд қатъӣ қабул шавад.

7. Мутобиқсозии андозаҳои Procrustes

Усули илова кардани сутунҳои сифрӣ, ки дар таҳлили асосии v4 истифода шудааст, равиши ғайристандартӣ аст ва метавонад арзиши φ-ро поён кашад. Манбаъ инро ба таври равшан ҳамчун маҳдудият эътироф мекунад.

8. Каҷравии Bootstrap

Азбаски дар намунаи хурд такрор шудани дороиҳо метавонад мутобиқати Procrustes-ро ба таври сунъӣ баланд кунад, фосилаҳои эътимод набояд бо қатъияти комил арзёбӣ шаванд.

9. Сифати мундариҷа дар корпуси whitepaper

Дар иловаи худи v4-и боршуда маълум аст, ки барои ATOM whitepaper-и нодуруст истифода шудааст. Азбаски дар версияҳои баъдии arXiv ифлосшавии васеътари корпус муайян шуд, махсусан натиҷаҳои сатҳи дороии v4 набояд ҳамчун бозёфти ҷории боэътимод истифода шаванд.

Аз Нигоҳи Туркия Чӣ Гуна Бояд Хонда Шавад?

Барои сармоягузорон, академикҳо ё таҳиягарони технологияҳои молиявӣ, ки дар Туркия дороиҳои крипторо меомӯзанд, муҳимтарин паёми таҳқиқот ин аст, ки тарзи муаррифии худи token бо хусусиятҳои хавф ва пардохтпазирие, ки он дар бозор нишон медиҳад, як чиз нест.

Масалан, ду лоиҳа метавонанд худро ҳамчун «платформаи миқёспазири smart contract» муаррифӣ кунанд; бо вуҷуди ин, рафтори бозории онҳо метавонад аз шароити гуногуни макро, коррелятсияи Bitcoin, пардохтпазирӣ, пешниҳоди token, сохтори сармоягузорон ва микросохтори бозор таъсир гирад.

Аз ин рӯ, дар ҳоле ки таҳлили whitepaper метавонад барои арзёбии технологӣ ва функсионалӣ истифода шавад, рафтори сармоягузорӣ бояд бо маълумоти алоҳидаи бозорӣ таҳқиқ карда шавад.

Аммо таҳқиқот дар бораи рафтори сармоягузорони Туркия, биржаҳои Туркия ё бозорҳои крипто бо лираи туркӣ таҷриба анҷом надодааст. Барои натиҷаҳои маҳаллӣ санҷиши иловагӣ лозим аст.

Ёддошт оид ба Манбаъ ва Усул

Унвони аслии версияи боршуда: Do Whitepaper Claims Predict Market Behavior? Evidence from Cryptocurrency Factor Analysis.

Муаллиф: Murad Farzulla.

Муассисаҳо дар версияи боршуда: Dissensus AI, London, UK; King's College London, London, UK.

Шумораи муаллифон: Таҳқиқоти якмуаллифа.

Саҳми баробар: Татбиқшаванда нест.

Муаллифи масъул: Дар манбаъ Murad Farzulla бо аломати ситора ҳамчун correspondence author нишон дода шудааст.

ORCID: 0009-0002-7164-8704.

Силсилаи working paper: Dissensus AI Working Paper Series.

Рақами гузориш: DAI-2508.

Шиносаи ArXiv: arXiv:2601.20336.

Файли боршуда: arXiv:2601.20336v4.

Санаи версияи боршуда: 14 Феврал 2026.

ArXiv DOI: 10.48550/arXiv.2601.20336.

Навъи манбаи версияи боршуда: Working paper / arXiv preprint.

Ҳолати баррасии ҳамтоён: v4-и боршуда мақолаи ниҳоии маҷаллаи баррасишуда нест. Дар сабти ҷории муаллиф/лаборатория аз Ноябри 2026, таҳқиқот барои Financial Innovation дар раванди баррасии ҳамтоён ва major-revision нишон дода шудааст; нашри ниҳоии қабулшуда тасдиқ нашудааст.

Тағйироти муҳими версия: Сабти ArXiv пас аз v4 бозбинӣ шудааст. Версияи ҷории v6 санаи 11 Июл 2026 дорад ва унвонаш “Are Whitepaper Claims Reflected in Market Structure? A Contamination-Aware Pipeline and a Power-Limited Null” мебошад.

Ислоҳи асосии версияи ҷорӣ: Дар версияи баъдӣ гуфта мешавад, ки баъзе тартиббандии сатҳи token-и баён–бозор, ки дар v4 гузориш шуда буд, аз ифлосшавии корпуси whitepaper таъсир гирифтааст ва ин тартиббандӣ ҳамчун бозёфти илмӣ бозпас гирифта шудааст. Дар ин матни Verianla натиҷаҳои марбути v4 танҳо ҳамчун маълумоти таърихии версия нишон дода шудаанд.

Манбаи асосии маълумоти бозорӣ: Binance API; китобхонаи CCXT.

Давраи бозор: 1 Январ 2023 – 31 Декабр 2024.

Дороиҳои бозорӣ: 49.

Whitepaper/ҳуҷҷати техникӣ: Дар v4-и боршуда 38.

Намунаи асосии муштарак: 37 дороӣ.

Нуқтаҳои вақт: 17.543 мушоҳидаи соатӣ.

Хусусиятҳои бозорӣ: Open, High, Low, Close, Volume.

Омори ҷамъбастии молиявӣ: Даромади миёна, ноустуворӣ, таносуби Sharpe, коҳиши ҳадди аксар, ҳаҷми миёна, ноустувории ноустуворӣ ва тамоюл.

Усули NLP: Таснифи zero-shot-и BART-large-MNLI.

Санҷиши алтернативии NLP: Санҷишҳои таснифии бар DeBERTa-v3, sentence embedding ва Ministral-3 асосёфта.

Шумораи категорияҳои whitepaper: 10.

Усули tensor: CP/CANDECOMP-PARAFAC; барои robustness Tucker decomposition.

Rank-и CP: 2.

Варианси шарҳдодашуда: %92,45.

Ҳамоҳангсозии асосӣ: Orthogonal Procrustes rotation.

Ченаки асосии монандӣ: Tucker's Congruence Coefficient (φ).

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

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

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

Хулосабарории оморӣ: Санҷиши яктарафаи ҷойивазкунӣ бо 1.000 permutation; фосилаҳои эътимоди bootstrap бо 1.000 бознамунагирӣ.

Ҳадди қувва: Намунаи n=37 метавонад мутобиқати қавӣ дар сатҳи тақрибан φ≥0,70-ро бо қувваи баланд ошкор кунад; барои таъсирҳои заиф дар сатҳи φ≈0,30 қувва паст аст.

Огоҳии Bootstrap: Манбаъ гузориш медиҳад, ки бинобар намунаи хурд ва ҳамоҳангсозии Procrustes дар фосилаҳои эътимоди bootstrap каҷравии назарраси болораванда мавҷуд аст.

Эътимоднокии таснифи Whitepaper: Мутобиқати exact top-1-и BART–DeBERTa %32, Cohen's κ=0,14; мутобиқати нармтари top-3 %67.

Мушкилоти сифати ҳуҷҷат: v4 Иловаи D ба таври равшан мегӯяд, ки барои ATOM ба ҷои Cosmos Hub, whitepaper-и Binance Smart Chain таҳлил шудааст. Версияи баъдӣ назорати сифати корпусро фарогиртар кардааст.

Бозтавлид: Манбаъ мегӯяд, ки random seed 42, Python 3.11+, NumPy, SciPy, TensorLy, scikit-learn ва Hugging Face Transformers истифода шудаанд.

Код ва маълумоти коркардшуда: Манбаъ анбори GitHub-и studiofarzulla/tensor-defi-ро ҳамчун маводи бозтавлид нишон медиҳад.

Литсензияи код: Дар эъломияи PDF гуфта мешавад, ки коди бозтавлид таҳти MIT License нашр шудааст.

Маблағгузорӣ: Таҳқиқот маблағгузории беруна нагирифтааст; гуфта мешавад, ки захираҳои ҳисоббарорӣ аз ҷониби King's College London таъмин шудаанд.

Бархӯрди манфиатҳо: Муаллиф изҳор мекунад, ки competing interests вуҷуд надорад.

Кӯмаки AI: Манбаъ мегӯяд, ки низоми Claude (Anthropic) дар таҳияи тарҳ, бозбинии код ва баёни оморӣ кӯмак кардааст; масъулияти тарҳи таҳқиқот, таҳлили маълумот ва тафсирҳо ба зиммаи муаллиф аст.

Саҳми муаллиф: Sole author.

Дастрасии маълумот: Маълумоти бозории Binance/CCXT ва ҳуҷҷатҳои расмии лоиҳаҳо аз манбаъҳои ҷамъиятӣ мебошанд; маълумоти коркардшуда ва натиҷаҳои NLP дар анбори бозтавлид пешниҳод шудаанд.

Шакли 1: Холҳои миёнаи се усули таснифи NLP-ро дар 10 категория муқоиса мекунад.

Шакли 2: Буриши тензори бозории z-normalize-шуда дар як нуқтаи вақтро нишон медиҳад.

Шакли 3: Дороиҳоро дар фазои омилҳои CP-и rank-2 нишон медиҳад; гуфта мешавад, ки BTC, GALA ва SC қиматҳои ниҳоии оморӣ мебошанд.

Шакли 4: Харитаи гармии матритсаи иддаоҳои whitepaper-и v4 бо 38 дороӣ × 10 категория мебошад.

Шакли 5: Ҳассосияти байни rank-и CP, варианси шарҳдодашуда ва мутобиқати баён–омилро нишон медиҳад.

Шакли 6 ва Ҷадвали 10: Таъсирҳои entity-level leave-one-out-и v4-ро нишон медиҳанд. Тартиббандии token дар ин бахш дар версияи баъдӣ бинобар ифлосшавии корпус ҳамчун бозёфти боэътимод нигоҳ дошта нашудааст.

Шакли 7 ва Ҷадвали 11: Таъсирҳои мутобиқати бар ablation асосёфтаи категорияҳои whitepaper-и v4-ро нишон медиҳанд.

Шакли 8: Нишон медиҳад, ки байни омори бозорӣ ва омилҳо коррелятсияҳои аҳамиятнок мавҷуданд, дар ҳоле ки байни ҷуфтҳои категорияи whitepaper–омил коррелятсияи аҳамиятнок пайдо нашудааст.

Шакли 9: Коррелятсияҳои сатҳи категориявии се усули NLP-ро нишон медиҳад.

Ҳадди тафсири илмӣ: v4-и боршуда дастгирӣ мекунад, ки баёнҳои функсионалӣ дар whitepaper-ҳои крипто бо сохтори омилҳои бозории 2023–2024 мутобиқати сохтории қавӣ нишон намедиҳанд. Бинобар қувваи маҳдуди намуна, фарқи байни мутобиқати заиф ва набудани мутобиқатро қатъӣ муайян кардан имконнопазир аст. Ин таҳқиқот модели пешгӯии нарх ё тавсияи сармоягузорӣ нест.