相比DeFi基元,使用VE模型的中间dApps为何能获得最大增长?_CONV:CUR

CurveWar一直是去中心化金融中最受关注的话题之一。造成这种冲突的原因是协议希望他们的代币具有深度流动性。因为它:1.有助于增加对代币/稳定币的需求/使用;2.减少交易时的摩擦;3.在流动性池周围创建了一条护城河,使其难以被操纵。为了做到这一点,需要对流动性提供者进行激励。传统上,自动做市商(AMM)只需铸造自己的代币作为LP的“流动性挖矿”奖励。但是,你不能凭空铸造代币,并且这些LM奖励中的大部分都被倾销到市场上,失去了它们的价值。随后,市场上出现了将这些代币质押以获得额外奖励的想法,虽然这在一定时期内是有效的,但最终人们仍然继续在这种模式下进行耕作和倾销。Curve提供了投票托管模型,基于该模型,代币会被锁定一段时间。Curve代币的数量越大,时间越长,就会给LP带来更多的LM奖励。此外,VE代币被用于治理,以确定哪个池获得LM奖励。锁定、提升和治理的结合赋予了代币更多的实用性,从而使其更受在Curve中拥有矿池的LP和协议的青睐。虽然还没有完全解决耕作和倾销的问题,但它制造了一颗“定时炸弹”,将这个问题推后了。Curve代币经济学的另一个方面是,它通过将这些实用程序组合在一个代币中,允许它们在其网络上构建提升服务,以充当中间人。ConvexFinance吸引CRV持有人永久锁定他们的CRV代币,以换取Convex的收入,通过这样做,他们也可以为LP提供即时的Boost服务,而不必处理购买和锁定CRV代币的问题。随着近50%的CRV代币被永远锁定在Convex,越来越明显的是,这些中间的去中心化应用是这些AMMs的主力军。在这里,我提出的论点是,在VE代币经济学中,与各自的底层DeFi原生代币相比,这些中间dApps的代币将看到最大的增长和潜在的市值。我把这称为“VEFatMiddleThesis”,显然这是对胖协议论的一个引用。

Coinsillium CEO:CBDC与现有加密货币相比没有明显优势:8月27日消息,Coinsillium首席执行官Eddy Travia并不担心CBDC迅速发展的影响,因为他认为对于消费者来说,CBDC与私人加密货币相比没有“明显优势”,在未来的货币市场中只会非常“小众”。然而,一个好处可能是央行和零售银行之间的竞争,Travia认为这对消费者可能是有利的。

据悉,Coinsillium是专注于区块链技术(尤其是NFT)的开放式金融风险运营商。该公司预测,NFT将很快包含更多的商业用途,例如票务和数据用途。(Cryptoslate)[2022/8/27 12:52:01]

假设与提高收益的dApps相比,DeFi原始代币将更有价值,并看到更多的增长。但是,我认为这些中间dApps将会获得最大的增长。一种新的DeFi模型

数据:比特币矿工每日收入相比5月中旬峰值下降54%:比特币矿工每日收入已从5月10日6802万美元/天的峰值下降到6月17日的3112万美元/天。与此同时,受收入减少及监管因素的综合影响,比特币全网哈希率一个月来下降了约27%。(Bitcoin Magazine)[2021/6/18 23:48:32]

最近对Curve的关注来自Terra创始人DoKwon的推文,以及他与FraxFinance和RedactedCartel推出的4-pool。这是一个明显的尝试,试图推翻在Curve上非常具有流动性的主要稳定币池3-pool,并以UST和FRAX取代DAI作为主要算法稳定币。

虽然人们的关注点一直放在Curve和这些相应的协议上,但真正的赢家可能是Convex。Terra和Frax正在向锁定Convex的人提供巨额“贿赂”,RedactedCartel已经提供Convexbonds一段时间了。以下是我认为Convex在VE模型中可以看到巨大增长的原因:1.Boost服务和收益资产:第一个是最明显的,它为LP提供即时的Boost,而无需处理CRV代币,并允许CRV代币持有者交易其代币以获得部分协议收入。2.无需稀释的深度流动性:从协议的角度来看,控制Curve指标使他们能够在不使用自己的代币/稳定币的情况下奖励LP。从本质上讲,扩大CRV的流通供应量,同时增加其自身的流动性,而不稀释其流通供应量。3.非对称防御:由于40-50%的CRV流通供应量被Convex锁定,并且持续锁定,在Convex治理中决定的事情,在Curve也可能发生。违背Convex和所决定的事件是不值得的,除非当事人愿意花大价钱购买CRV。4.贿赂:使用像Votium这样的贿赂机制,对于协议来说,贿赂Convex锁定投票者往往比购买Curve并与Convex竞争更便宜。此外,通过贿赂,它激励Convex持有者锁定他们的CVX,从而减少流通的供应。5.代币经济学:来自收益提升协议的代币总供应量的上限,通常比底层DeFi原生代币的上限低得多。此外,贿赂系统的使用将推动锁定CVX的过程,而CRV可用于耕作和倾销。我们仍然是早期

徐佳:相比直接买币,挖矿显然更有优势:嘉楠区块链副总经理徐佳今日在线上专访中就目前矿业市场情况展开分享。她表示,币价的剧烈波动,是风险和机遇的放大器。一方面,这对矿业而言,不会带来实际性的损失,在一定程度上反而会促进整个产业的发展。

对于如今的矿业环境,她表示,如今挖矿行业的环境可以用九个字概括,集中化、专业化、合规化”,大公司、大矿场会对整个挖矿行业起主导作用。这些机构拥有雄厚的资金实力、行业经验,也拥有比较良好的政府关系,让我们整个行业更加的合规和标准。矿业目前发展的不错,而且这个行业还诞生了一些大的上市公司,并且挖矿一直是区块链产业链的头部。对于投资者而言,相比直接买币,挖矿显然更有优势。[2020/3/25]

上图:CurveFinance、PlatypusFinance、ConvexFinance和VectorFinance过去30天价格比较的相对变化。底部:撰写本文时Convex和Curve的Coingecko排名和市值。早期证据表明,这一论点正在发挥作用。上图的顶部,你可以看到Curve和具有VE代币经济学的类似AMM的百分百变化,以及PlatypusFinance与它们各自的收益率提升器:Convex和VectorFinance(VTX)的百分比变化。很明显,收益率提升器的表现优于它们各自的DeFi基元。然而,现在还为时尚早,Vector确实有一个竞争对手EchidnaFinance,他们在收集PTP代币方面落后,因此在撰写本文时不适合这个模型。两种协议的PTP流通供应量都不足20%。上图的底部,是Coingecko上Convex和Curve的排名,分别显示19亿美元和9亿美元的市值。这进一步支持了中间dApps的市值会更高的论点。有很多新的算法稳定币正在推出。算法稳定币的问题在于,在没有需求和深度流动性的情况下,要想维持挂钩非常困难。专注于稳定币的AMM,如Curve和Platypus将面临激烈的竞争,来决定这些稳定币池中哪一个将拥有最深的流动性。根据这些观察,这些中间协议的增长可能会被放大。VE的未来

声音 | 赛迪区块链研究院院长:联盟链相比公链更具优势:赛迪区块链研究院院长刘权表示,目前赛迪区块链研究院主要开展了公有链和联盟链的测评。相比之下,联盟链更具优势,原因在于联盟链除了去中心化,还能保障链上数据的安全性。(江南时报)[2019/11/11]

VE代币模型的使用已扩展到其他应用程序,包括算法稳定币FraxFinance、通用的AMMTraderJoe和即将推出的抵押债务头寸借贷YetiFinance。看看VE-tokennomics在UniswapV2AMM上是如何发挥的,将会很有趣,因为它们有多种代币。许多协议可能会选择控制veJoe指标来提升自己的流动性,而不会稀释其市值。基于veJoe构建的项目包括FarmerFrank、SteakHutFinance、YieldYak和VectorFinance。到目前为止,对于有多少类型的DeFi基元可以使用这种VE-token模型,人们持谨慎乐观的态度。结论

动态 | 相比比特币 Coinbase联合创始人拥有更多以太坊:据ccn报道,近日《财富》杂志发布了最新的40岁以下最具影响力的40人榜单,其中包括Coinbase联合创始人Brian Armstrong排在第20位。在对其的介绍中,财富杂志写道,Armstrong现在拥有的ETH比BTC还要多。[2018/7/21]

利用VE-tokenomics构建在顶级DeFi基元基础上的收益提升应用将比底层基元具有更大的增长,这是因为即时LP提升的好处,协议能够影响他们自己池的LM奖励,以及VE-token持有者的多个收益来源。如果没有像Convex这样的收益提升协议,这些DeFi基元就会像其他的耕作和倾销代币一样结束。这种模式正在扩大,包括了重视深度流动性的多种类型的DeFi协议。除了贿赂协议之外,还有许多项目试图建立在Convex之上。目前尚不清楚VEFatMiddleThesis是否会扩展到第3层。该级别的风险在于它可能与基础DeFidApp的距离过于遥远,并且可能没有像Convex那样明确的目的。Votium是少数有目的的第三层dApp之一。总体而言,VE正在改变代币经济学。毫无疑问,只要他们继续创新并以目前的速度使用户和协议受益,kingmakers即将在这个领域诞生。披露:我在本文中提到的许多项目中都有经济利益,并且已在我的投资策略中实施了这个论点。本文仅供参考,不应被视为投资建议。原地址

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

水星链

[0:31ms0-0:982ms