Multicoin: โอกาสในการเป็นผู้ประกอบการอื่น ๆ ในตลาดการทำนายมีอะไรบ้าง?

ชื่อเรื่องต้นฉบับ: การสร้างเศรษฐกิจแห่งความสนใจ
ผู้เขียนต้นฉบับ: Eli Qian, Multicoin Capital
ผู้แปล: Peggy, BlockBeats

หมายเหตุบรรณาธิการ: ในยุคที่ข้อมูลข่าวสารหลั่งไหลเข้ามาอย่างมหาศาล ความสนใจเองก็กำลังกลายเป็นสินทรัพย์ที่วัดผลและซื้อขายได้ บทความนี้จะสำรวจว่า "สินทรัพย์แห่งความสนใจ" สามารถเปลี่ยนสภาพเป็นเงินได้อย่างไรผ่านตลาดคาดการณ์และกลไกของ Oracle และเสนอวิธีการสร้าง "สัญญาถาวรแห่งความสนใจ" ในขณะที่มูลค่าของมีมค่อยๆ ปรากฏขึ้นในสินทรัพย์แบบดั้งเดิมอย่างหุ้น เราอาจกำลังอยู่ในช่วงหัวเลี้ยวหัวต่อของการที่เศรษฐกิจแห่งความสนใจกำลังกลายเป็นสินทรัพย์ประเภทหลัก

บทความต้นฉบับมีดังนี้:

ศักยภาพทางการเงินของสินทรัพย์แห่งความสนใจ

แม้ว่าบทความนี้อาจอธิบายแบบง่ายๆ เกินไป แต่สินทรัพย์สามารถแบ่งได้กว้างๆ ออกเป็นสองประเภท:

1. สินทรัพย์กระแสเงินสด ซึ่งส่วนใหญ่ประกอบด้วยหุ้นและพันธบัตร สินทรัพย์เหล่านี้สร้างกระแสเงินสด ซึ่งนักลงทุนให้มูลค่าตามมูลค่านี้ 2. สินทรัพย์อุปสงค์และอุปทาน ซึ่งส่วนใหญ่เกี่ยวข้องกับสินค้าโภคภัณฑ์และอัตราแลกเปลี่ยน ราคาของสินทรัพย์เหล่านี้ผันผวนตามอุปสงค์และอุปทาน เมื่อไม่นานมานี้ วงการคริปโตได้ก่อให้เกิดสินทรัพย์ประเภทใหม่ ซึ่งมีมูลค่าขึ้นอยู่กับความสนใจ ปัจจุบัน "สินทรัพย์ความสนใจ" ประกอบด้วยสินทรัพย์ที่ผู้ใช้สร้างขึ้น (UGA) เป็นหลัก เช่น NFT โทเค็นผู้สร้าง และเหรียญมีม สินทรัพย์เหล่านี้ทำหน้าที่เป็น "จุดเชลลิง" ของความสนใจทางวัฒนธรรม และราคาของสินทรัพย์เหล่านี้สะท้อนถึงการขึ้นๆ ลงๆ ของความสนใจ แม้ว่าเหรียญมีมจะน่าสนใจในมุมมองทางวัฒนธรรม แต่ก็ยังมีข้อบกพร่องมากมายในมุมมองทางการเงิน สินทรัพย์ความสนใจที่มีประสิทธิภาพควรช่วยให้ผู้เข้าร่วมตลาดได้รับผลประโยชน์ทางการเงินโดยตรงจากความสนใจที่มอบให้กับเหตุการณ์นั้นๆ ด้วยวิธีนี้ ผู้เข้าร่วมจะได้รับแรงจูงใจให้ซื้อขายสินทรัพย์ที่พวกเขาเชื่อว่ามีราคาที่ผิดพลาด และตลาดสามารถกำหนดราคาร่วมกันเพื่อสะท้อนการคาดการณ์ความสนใจได้ เราเชื่อว่าหากสร้างขึ้นอย่างเหมาะสม สินทรัพย์ที่ดึงดูดความสนใจจะมีศักยภาพที่จะกลายเป็นสินทรัพย์ประเภทที่แท้จริง เพื่อพัฒนาแนวคิดนี้ บทความนี้จึงเสนอ "Attention Oracles" ซึ่งเป็นสถาปัตยกรรม Oracle แบบใหม่ที่รองรับ "Attention Perps" ซึ่งเป็นเครื่องมือทางการเงินรูปแบบใหม่ที่ช่วยให้เทรดเดอร์สามารถเปิดสถานะ Long หรือ Short ของความสนใจทางวัฒนธรรมได้

กล่าวโดยสรุป Attention Oracle สร้างดัชนีรวมถ่วงน้ำหนักที่ออกแบบมาเพื่อจับการเปลี่ยนแปลงของความสนใจโดยใช้ประโยชน์จากมิติราคา สภาพคล่อง และเวลา ผ่านตลาดการทำนายแบบไบนารีที่เกี่ยวข้องกับหัวข้อใดหัวข้อหนึ่ง เพื่อให้มั่นใจถึงประสิทธิภาพ ตลาดอ้างอิงต้องได้รับการคัดเลือกอย่างรอบคอบเพื่อแสดงถึงปัจจัยนำเข้าของความสนใจในโลกแห่งความเป็นจริงที่เกี่ยวข้อง การใช้ตลาดการทำนายเป็นปัจจัยนำเข้าของ Attention Oracle ยังทำให้เกิด "ต้นทุนการจัดการแบบฝังตัว" ซึ่งในทางทฤษฎีจะช่วยลดการจัดการที่เป็นอันตราย เนื่องจากเทรดเดอร์ที่เป็นปฏิปักษ์ต้องเสี่ยงเงินทุนเพื่อมีอิทธิพลต่อดัชนี

ทำไมเราจึงต้องการสัญญาแบบให้ความสนใจถาวร

UGAs มองหาความเหมาะสมระหว่างผลิตภัณฑ์กับตลาดในพื้นที่เก็งกำไรล้วนๆ และมีความเชี่ยวชาญสูงในการติดตามความสนใจที่เกิดขึ้นตั้งแต่เริ่มต้น เช่น เทรนด์ออนไลน์และมีมที่กำลังเกิดขึ้น

UGAs แก้ปัญหา: การสร้างสินทรัพย์สำหรับสิ่งที่ระบบการเงินแบบดั้งเดิมไม่สามารถครอบคลุมได้ กระบวนการออกสินทรัพย์แบบดั้งเดิมนั้นช้า มีค่าใช้จ่ายสูง และมีข้อจำกัดด้านกฎระเบียบสูง ซึ่งจำกัดขอบเขตของสินทรัพย์ที่สามารถออกได้ ในทางกลับกัน สินทรัพย์แบบให้ความสนใจต้องทำงานด้วยความเร็วอินเทอร์เน็ตเพื่อให้ทันกับกระแสวัฒนธรรมโลก ด้วยการผสมผสานกลไกการออกโทเค็นแบบไม่ต้องขออนุญาต วิธีการกำหนดราคาที่ชาญฉลาด เช่น กราฟเส้นเชื่อม และการสนับสนุนสภาพคล่องของ DEX ทุกคนสามารถสร้างสินทรัพย์ได้ฟรี สร้างสภาพคล่อง และนำออกสู่ตลาดเพื่อให้ผู้อื่นซื้อขายได้

ข้อสังเกตประการหนึ่งเกี่ยวกับ UGAs คือโดยทั่วไปแล้วจะเริ่มต้นที่ศูนย์ นี่ไม่ใช่บั๊ก แต่เป็นฟีเจอร์ หากคุณสร้างมีมใหม่ตั้งแต่ต้น มันจะไม่มีความสนใจเลยตั้งแต่เริ่มต้น ทำให้การเข้าร่วมในราคาต่ำเป็นเรื่องที่สมเหตุสมผล นอกจากนี้ยังช่วยให้ผู้ที่มีทักษะในการมองเห็นเทรนด์ตั้งแต่เนิ่นๆ สามารถสร้างรายได้จากทักษะของตนเองด้วยการสร้างสินทรัพย์ต้นทุนต่ำ อย่างไรก็ตาม นี่หมายความว่า UGA ไม่เหมาะกับการสร้างโอกาสทางการเงินให้กับสิ่งที่ได้รับความสนใจอยู่แล้ว ตัวอย่างเช่น สมมติว่าคุณต้องการเปิดสถานะ Long (ซื้อ) ให้กับ LeBron James คุณสามารถสร้างเหรียญมีมได้ แต่มีโทเค็น LeBron จำนวนมากในตลาดอยู่แล้ว คุณควรซื้ออันไหน? นอกจากนี้ เหรียญมีม LeBron ใหม่จะมีราคาเกือบศูนย์ แต่ LeBron เป็นหนึ่งในบุคคลที่มีชื่อเสียงที่สุดในโลก และความสนใจของเขามีแนวโน้มที่จะสูงมาก ไม่น่าจะเพิ่มขึ้น 100 เท่าในช่วงเวลาสั้นๆ สุดท้าย หากคุณต้องการขายชอร์ตความสนใจของเขา เหรียญมีมจะทำให้ทำได้ยาก ดังนั้น สินทรัพย์ที่กำหนดเป้าหมายไปที่หัวข้อที่ได้รับความสนใจอยู่แล้วควรมีลักษณะอย่างไร? ข้อกำหนดบางประการอาจรวมถึง: 1. ความสามารถในการซื้อขายแบบสองทิศทาง: สินทรัพย์ควรรองรับทั้งสถานะซื้อและสถานะขาย 2. การเชื่อมต่อกับแหล่งข้อมูลความสนใจในโลกแห่งความเป็นจริง: ต้องมี "แหล่งข้อมูลความจริง" ที่เชื่อถือได้เพื่อวัดความสนใจ

3. ไม่ควรเริ่มต้นจากศูนย์: สินทรัพย์ควรมีค่าเริ่มต้นที่สะท้อนความสนใจที่มีอยู่

หากคุณตรวจสอบข้อกำหนดเหล่านี้ คุณจะพบได้อย่างรวดเร็วว่าสัญญาซื้อขายล่วงหน้าแบบไม่มีกำหนด (Perpetual Futures: Perp) เหมาะสมอย่างยิ่ง: เป็นแบบสองทาง มีออราเคิล (แหล่งข้อมูลความจริง) และในฐานะอนุพันธ์ พวกมันไม่ได้เริ่มต้นจากศูนย์ ความท้าทายที่แท้จริงอยู่ที่การสร้างออราเคิลที่มีประสิทธิภาพสำหรับ "Attention Perp"

หลายทีมกำลังดำเนินการในเรื่องนี้อยู่ เช่น Noise บนแพลตฟอร์ม Noise เทรดเดอร์สามารถซื้อขายแบบ long หรือ short ใน "mindshare" ของโครงการคริปโตบางโครงการ เช่น MegaETH และ Monad Noise ใช้ Kaito เป็นตัวทำนาย โดยรวบรวมข้อมูลโซเชียลมีเดียและข่าวสารเพื่อสร้างตัวเลขเพียงตัวเดียวที่แสดงถึงระดับความสนใจของหัวข้อนั้นๆอย่างไรก็ตาม การออกแบบนี้ยังคงมีช่องว่างให้พัฒนาต่อไป เป้าหมายของออราเคิลความสนใจคือการนำข้อมูลที่เกี่ยวข้องกับความสนใจมาเป็นอินพุต ประยุกต์ใช้ฟังก์ชันบางอย่างกับมัน และส่งออกค่าที่เทรดเดอร์สามารถใช้เพื่อตัดสินใจว่าจะซื้อหรือขาย ปัญหาหนึ่งของการใช้โซเชียลมีเดียเป็นอินพุตคือมันอาจถูกควบคุมได้ง่าย ซึ่งถือเป็นรูปแบบหนึ่งของกฎของกู๊ดฮาร์ต กล่าวคือ ในตลาดที่เป็นปฏิปักษ์ เทรดเดอร์จะพยายามควบคุมข้อมูลอินพุตเพื่อโน้มน้าวราคา ไคโตะได้ออกแบบลีดเดอร์บอร์ดและกลไกป้องกันสแปมใหม่เพื่อแก้ไขปัญหานี้ นอกจากนี้ โซเชียลมีเดียยังไม่ใช่วิธีที่สมบูรณ์แบบในการดึงดูดความสนใจ ยกตัวอย่างเช่น โชเฮ โอทานิ เขามีฐานแฟนคลับทั่วโลกและใช้แอปโซเชียลมีเดียหลากหลาย ซึ่งไคโตะอาจไม่ได้จัดทำดัชนีทั้งหมด หากเขาชนะเวิลด์ซีรีส์อีกครั้ง พลังดาราของเขาจะยิ่งมากขึ้น แต่จำนวนผู้ติดตามหรือการกล่าวถึงบนโซเชียลมีเดียของเขาจะไม่เพิ่มขึ้นแบบเส้นตรงเสมอไป ออราเคิลความสนใจ: แนวทางตามตลาด กลับมาที่ตัวอย่างก่อนหน้านี้ของเลอบรอน เจมส์ สมมติว่าคุณต้องการแลกเปลี่ยนความสนใจของเลอบรอน ในการสร้างออราเคิลความสนใจให้กับเขา ขั้นตอนแรกคือการรวบรวม (หรือสร้าง หากยังไม่มี) ตลาดทำนายไบนารีหลายตลาดเกี่ยวกับเลอบรอน เช่น "เลอบรอน เจมส์จะมีผู้ติดตามมากกว่า X ล้านคนภายในสิ้นเดือนนี้หรือไม่"; "เลอบรอน เจมส์ จะคว้าแชมป์ในปี 2026 หรือไม่"; "เลอบรอน เจมส์ จะคว้ารางวัล MVP ในปี 2026 หรือไม่" ออราเคิลความสนใจของเลอบรอนที่สมบูรณ์จะใช้ตลาดอ้างอิงอื่นๆ อีกมากมาย แต่เพื่อเป็นตัวอย่าง เราจะใช้สามตลาดนี้ ราคาดัชนีจะคำนวณโดยการรวมราคา สภาพคล่อง เวลาในการแก้ปัญหา และความสำคัญของแต่ละตลาดแบบถ่วงน้ำหนัก

สำหรับแต่ละตลาด เรามีราคา สภาพคล่อง เวลาในการแก้ไขปัญหา และคะแนนความสำคัญ เพื่อเป็นตัวอย่าง เราใช้สูตรถ่วงน้ำหนักง่ายๆ แต่ละตลาดมีคะแนนในระดับ 1 ถึง 10 โดยรวมปัจจัยสภาพคล่องและเวลา:

สมมติว่าเราตัดสินใจให้คะแนนตลาดสามแห่งคือ 8, 2 และ 10 ดังนั้นน้ำหนักของแต่ละตลาดจะเป็น:

ค่าความสนใจสุดท้ายจะเป็น: หากเราสมมติว่าตลาดทั้งสามมีเวลาในการแก้ปัญหา 180 วัน 20 วัน และ 180 วัน ตามลำดับ และคะแนนความสำคัญอยู่ที่ 8, 2 และ 10 วัน ตามลำดับ การรวมปัจจัยข้างต้นจะให้ผลลัพธ์: แน่นอนว่ามีวิธีที่ซับซ้อนกว่าในการคำนวณตัวชี้วัดความสนใจ เช่น การใช้ความสนใจแบบเปิดแทนปริมาณ การคำนวณเหตุการณ์ที่สัมพันธ์กัน การปรับตามความลึกของตลาด และความสัมพันธ์แบบไม่เชิงเส้นระหว่างตัวแปร เรายังได้สร้างเว็บไซต์แบบอินเทอร์แอคทีฟที่ผู้อ่านสามารถสร้างดัชนีของตนเองโดยใช้ตลาด Kalshi แบบเรียลไทม์ ข้อได้เปรียบสำคัญของสถาปัตยกรรม Oracle ที่อิงตามตลาดการทำนายนี้คือ การควบคุมราคามีต้นทุนที่แท้จริง หากเทรดเดอร์ถือครองสถานะ Long ของ LeBron และต้องการควบคุมราคาให้สูงขึ้น พวกเขาจะต้องซื้อสถานะในตลาดการทำนายแบบไบนารีที่เป็นพื้นฐาน สมมติว่าตลาดที่เป็นพื้นฐานมีสภาพคล่อง นั่นหมายความว่าพวกเขาจำเป็นต้องซื้อสถานะในราคาที่ตลาดเชื่อว่ามีมูลค่าสูงเกินไป เราเชื่อว่าข้อได้เปรียบที่สำคัญอย่างยิ่งอีกประการหนึ่งของตลาดเหล่านี้ในขณะที่ตลาดกำลังพัฒนาคือ ตลาดพยากรณ์แบบไบนารีช่วยให้ผู้ดูแลตลาดมีตลาดซื้อขายแบบสปอตสำหรับการป้องกันความเสี่ยง หากผู้ดูแลตลาดขายชอร์ตดัชนีความสนใจ พวกเขาสามารถป้องกันความเสี่ยงได้โดยการเปิดสถานะซื้อในตลาดพยากรณ์พื้นฐานที่ประกอบเป็นดัชนี Adjacent ได้ใช้ตลาดที่มีสภาพคล่องแบบเรียลไทม์บน Kalshi เพื่อสร้างดัชนีที่ติดตามแนวโน้มทางการเมือง เช่น การต่อสู้เพื่อชิงอำนาจควบคุมระหว่างพรรคเดโมแครตและพรรครีพับลิกัน และการเลือกตั้งนายกเทศมนตรีนครนิวยอร์ก เราเชื่อว่าแนวทางที่คล้ายคลึงกันนี้สามารถใช้ในการติดตามความสนใจในหัวข้อต่างๆ ได้ เมื่อตลาดพยากรณ์พัฒนาขึ้น ชุดหัวข้อที่สามารถนำมาใช้สร้างดัชนีความสนใจก็จะขยายตัวออกไปเช่นกัน พื้นที่การออกแบบของออราเคิลความสนใจ สถาปัตยกรรมออราเคิลที่เรานำเสนอนั้นไม่ได้ปราศจากข้อแลกเปลี่ยน เมื่อพิจารณาออราเคิลความสนใจในวงกว้างขึ้น เราเชื่อว่าประเด็นต่อไปนี้เป็นข้อพิจารณาหลัก:

1. ข้อมูลอินพุตมีความเกี่ยวข้องมากน้อยเพียงใด

2. ข้อมูลอินพุตนี้เข้าถึงได้ง่ายเพียงใด

3. ข้อมูลอินพุตถูกจัดการหรือทำให้เป็นเกมได้ง่ายหรือไม่

4. ฟังก์ชันใดที่นำมาใช้กับอินพุตเพื่อคำนวณค่าความสนใจ

ข้อแลกเปลี่ยนที่ชัดเจนที่สุดของออราเคิลที่เรานำเสนอคือข้อมูลอินพุตนั้นหาได้ยาก หากคุณต้องการสร้างออราเคิลความสนใจสำหรับเลอบรอน เจมส์ คุณต้องสร้างตลาดการคาดการณ์ที่มีสภาพคล่องหลายตลาดสำหรับหัวข้อต่างๆ ที่เกี่ยวข้องกับเลอบรอนก่อน นอกจากนี้ ตลาดเหล่านี้จะต้องคงสภาพคล่องไว้ตลอดเวลา และถูกแทนที่ด้วยตลาดที่มีสภาพคล่องใหม่เมื่อตลาดเดิมได้รับการแก้ไขหรือหมดความสำคัญลง ดังนั้น เราเชื่อว่าการออกแบบนี้เหมาะสมที่สุดสำหรับหัวข้อที่ได้รับความสนใจสูงจำนวนน้อยที่มีตลาดการคาดการณ์ที่เป็นที่ยอมรับ (เช่น โดนัลด์ ทรัมป์ หรือ เทย์เลอร์ สวิฟต์)

อีกหนึ่งข้อเสียคือความสนใจอาจเพิ่มขึ้นไม่ว่าผลลัพธ์ของเหตุการณ์นั้นจะเป็นอย่างไร ยกตัวอย่างเช่น แม้ว่าเลอบรอนจะไม่ได้แชมป์อีก แต่ความสนใจก็อาจเพิ่มขึ้นเมื่อผู้คนเริ่มตั้งคำถามเกี่ยวกับผลงานของเขา อาจมีการพูดคุยกันอย่างกว้างขวางว่าเขาแก่จริงหรือกำลังถดถอย ในทำนองเดียวกัน ความสนใจในโลกแห่งความเป็นจริงมักจะไหลไปที่เหตุการณ์ที่ไม่คาดคิด ขณะที่ตลาดการคาดการณ์จะวัดความคาดหวังของเหตุการณ์นั้นๆ หากตลาดคาดการณ์ว่าเลอบรอนจะคว้ารางวัล MVP แต่เขากลับไม่ได้ ความสนใจอาจเพิ่มขึ้นในขณะที่ดัชนีลดลง แฟนๆ และนักวิจารณ์อาจถกเถียงกันว่าเขาถูก "ปล้น" รางวัล MVP หรือกระบวนการคัดเลือกไม่ยุติธรรม การออกแบบ Oracle ที่ดีที่สุดอาจเป็นผลมาจากการผสมผสานระหว่างตลาดการคาดการณ์ ข้อมูลโซเชียลมีเดีย และแหล่งข้อมูลอื่นๆ เมื่อเร็วๆ นี้ Google Trends ได้เปิดโปรแกรมอัลฟ่า ซึ่งอนุญาตให้นักพัฒนาเข้าถึงข้อมูลแนวโน้มการค้นหาผ่าน API ปริมาณการค้นหาหัวข้อใดหัวข้อหนึ่งทางอินเทอร์เน็ตมีความสัมพันธ์อย่างมากกับความสนใจที่มอบให้ และเนื่องจาก Google Trends กรองการค้นหาซ้ำออกไป จึงอาจมีความเสี่ยงต่อการถูกบิดเบือนน้อยกว่าข้อมูลโซเชียลมีเดีย อีกแหล่งข้อมูลหนึ่งอาจใช้แบบจำลองภาษาขนาดใหญ่ (LLM) เพื่อวิเคราะห์อินพุตที่เสี่ยงต่อการถูกบิดเบือนและพยายามกรองสแปม ตัวอย่างเช่น LLM สามารถให้คะแนนความสนใจโดยอิงจากพาดหัวข่าวจากสำนักข่าวใหญ่ๆ หรือโพสต์ยอดนิยมบน X (เดิมคือ Twitter) เราเชื่อว่าตลาดซื้อขายที่เป็นที่รู้จักอย่าง Kalshi และ Polymarket อยู่ในตำแหน่งที่ดีที่สุดที่จะนำเสนอสินทรัพย์ถาวรที่ดึงดูดความสนใจ เนื่องจากพวกเขามีตลาดอ้างอิงที่มีสภาพคล่องสูงอยู่แล้วและมีผู้ใช้จำนวนมากที่ยินดีซื้อขายในตลาดใหม่ๆ อย่างไรก็ตาม เราไม่เชื่อว่าโอกาสในการสร้างสินทรัพย์ที่ดึงดูดความสนใจจะจำกัดอยู่แค่แพลตฟอร์มขนาดใหญ่เหล่านี้ รูปแบบหนึ่งอาจเกี่ยวข้องกับการซื้อขายในตลาดวอลต์ (Vault) โดยกำหนดเป้าหมายเป็นสถานะ long/short ในหัวข้อเฉพาะ ตัวอย่างเช่น เทย์เลอร์ สวิฟต์ (Taylor Swift) ที่มีสถานะ long สามารถซื้อสัญญา "ใช่" ในเหตุการณ์ต่างๆ เช่น เธอจะมีซิงเกิลติดท็อป 10 หรือขึ้นแสดงในซูเปอร์โบวล์หรือไม่ ผู้จัดการวอลต์จะเป็นผู้กำหนดว่าตลาดใดสัมพันธ์กับความสนใจที่เพิ่มขึ้น

อีกตัวอย่างหนึ่งคือสัญญาถาวรที่ผู้สร้างใช้โดยใช้ Hyperliquid HIP-3 มอบความยืดหยุ่น ช่วยให้ผู้วางตลาดสามารถปรับแต่งออราเคิลของตนเองได้ ตลาด HIP-3 สามารถใช้การผสมผสานระหว่างราคา Kalshi/Polymarket ตัวชี้วัดโซเชียลมีเดีย Google Trends พาดหัวข่าว และอื่นๆ อีกมากมาย

ความสนใจในฐานะสินทรัพย์ประเภทหนึ่ง

น่าแปลกที่การประยุกต์ใช้ระบบเศรษฐกิจความสนใจอย่างเต็มรูปแบบครั้งแรกอาจเกิดขึ้นในตลาดหุ้น ราคาหุ้นประกอบด้วยสององค์ประกอบ ได้แก่ มูลค่า DCF (มูลค่าที่แท้จริง) และมูลค่ามีม

ในอดีต หุ้นส่วนใหญ่ไม่ได้มีมูลค่ามีมอย่างมีนัยสำคัญ อย่างไรก็ตาม ในช่วงไม่กี่ปีที่ผ่านมา ด้วยแพลตฟอร์มการซื้อขายแบบ 24/5 เช่น WallStreetBets และ Robinhood ทำให้มีหุ้นจำนวนมากขึ้นเรื่อยๆ ที่พัฒนามูลค่ามีมอย่างยั่งยืน เป้าหมายของนักวิเคราะห์วิจัยหุ้นคือการกำหนดราคาหุ้น แม้ว่าจะมีวิธีการคำนวณส่วนประกอบของมูลค่ามีมแบบ DCF อยู่แล้ว แต่ควรสร้างแบบจำลองของส่วนประกอบของมูลค่ามีมอย่างไร เมื่อสินทรัพย์ต่างๆ ได้รับอิทธิพลจากมูลค่ามีมมากขึ้น การพัฒนาวิธีการสร้างแบบจำลองมูลค่านี้จะกลายเป็นสิ่งจำเป็น นักลงทุนที่เชี่ยวชาญได้ใช้ตัวชี้วัดต่างๆ เช่น จำนวนผู้ติดตาม ยอดไลก์ และจำนวนการดูเพจ เพื่อวัดความเชื่อมั่นของตลาดอยู่แล้ว ตลาดการทำนายและโครงสร้างอื่นๆ ของ Oracle สามารถเป็นเครื่องมือที่มีประโยชน์สำหรับการวัดความสนใจของหุ้น และสร้างแบบจำลองการซื้อขายที่ดีขึ้น อย่างไรก็ตาม โอกาสของสินทรัพย์ที่ดึงดูดความสนใจนั้นไม่ได้จำกัดอยู่แค่ราคาหุ้นเท่านั้น เราเชื่อว่าการทำนายความสนใจเป็นกิจกรรมที่มีคุณค่าทางเศรษฐกิจในตัวของมันเอง ความสนใจเป็นตัวบ่งชี้ชั้นนำถึงความต้องการและการใช้จ่ายของผู้บริโภค บริษัทต่างๆ จัดสรรงบประมาณด้านการวิจัยและพัฒนา การจ้างงาน และการตลาดตามทิศทางของความสนใจ กุญแจสำคัญอยู่ที่การค้นหาฮิวริสติกใหม่ๆ เพื่อจำลองการไหลเหล่านี้

หากคุณกำลังสร้างสินทรัพย์ที่ดึงดูดความสนใจหรือโครงสร้างพื้นฐานที่เกี่ยวข้อง โปรดติดต่อเรา

「ลิงก์ต้นฉบับ」

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia