```html

从实体-属性的形而上学分析 转换为节点-边的图论分析

The following is the author's opinion of the account number. The press release with pictures has changed from the metaphysical analysis of entity attributes to the graph theory analysis of node edges, from the metaphysical analysis of entity attributes to the graph theory analysis of node edges. 比特币今日价格行情网_okx交易所app_永续合约_比特币怎么买卖交易_虚拟币交易所平台

在现代学校体系经历大规模和长时间形而上学（这里指学校教授的概念化的知识）训练的我们，对实体-属性的分析框架产生了严重依赖症，把实体-属性当作为事物的本质，而忘记了实体-属性≠物自体。

以18、19年那会儿币圈流行的项目评级报告为例子，那些报告普遍采用的是实体-属性分析框架：

• 实体：项目A
• 属性：项目定位、市场空间、愿景、技术堆栈、产品架构、团队、路线图

这种分析框架最容易被传播、被普通投资者所理解，但是使用这种分析框架得出的结论，几乎在上一轮牛市中被完全证伪。

这是因为实体-属性将某个特定项目抽象为一个孤立的存在，而无视了单个项目的价值来源于和web3整体网络的连接。

于是，在今年我开始学习使用图论的节点-边分析框架分析web3项目的价值。这让我有一种豁然开朗的感觉，很多困惑迎刃而解。

比如为什么EOS的技术/产品领先时代，却在上一轮牛市跑输大盘？

在原来的实体-属性分析框架下，EOS的得分远远高于Solana/雪崩/Polygon。

但是在节点-边分析框架下，EOS因为缺乏与以太坊生态的连接，缺乏与美国资本的连接，是一个孤立存在的节点，EOS的得分远远低于Solana/雪崩/Polygon。

而上一轮牛市中表现，恰恰验证了节点-边分析框架的正确性。

节点-边（图论）分析是一门严肃的数学学科，这里我不做展开，感兴趣的同学可以去油管或者B站自学。

这里我只演示节点-边分析框架中的中心性分析，在判断web3项目价值上的应用。

中心性分析是一种用于衡量网络中节点重要性的方法。它试图确定哪些节点在网络中更为中心，从而在信息传播、影响传播、连接性等方面扮演着关键角色。

度中心性（Degree Centrality）

度中心性是指一个节点的连接数量，即其边的数目。节点的度中心性越高，说明该节点与其他节点之间的连接越多。

在评价某个web3项目时，其连接的其他web3项目越多，其度中心性越高。

目前加密世界中，度中心性最高的项目是比特币，其次是以太坊，再次是币安、Coinbase、OKX等CEX，再再次是USDT等稳定币发行商。

紧密度中心性（Closeness Centrality）

紧密度中心性测量了一个节点到其他节点的平均距离。具有较低平均距离的节点更接近网络的中心，因为它们能够更快地将信息传播到其他节点。

在评价某个web3项目时，其到其他web3项目的平均距离越短，其紧密度中心性越高。

目前加密世界中，度中心性最高的项目是以太坊，其次是币安、Coinbase、OKX等CEX，再次是LayerZero、Orbiter等等跨链桥。

中介中心性（Betweenness Centrality）

``````html

中介中心性是评估一个节点在所有最短路径中作为中介的频率。

当前，加密领域中，LayerZero、Orbiter等跨链桥项目是中介中心性最高的。

特征向量中心性（Eigenvector Centrality）

特征向量中心性考虑了一个节点与其连接节点的中心性，即节点与其连接节点中心性之和。

当前，加密领域中，Arbitrum、Optimistim、Starknet、Zksync、Scroll、Taiko等L2项目的特征向量中心性最高。

通过以上中心性分析，我们可以轻松评估某个Web3项目在整个Web3价值网络中的位置和重要性。

二、从因果链条分析转换为概率相关性分析

如果说实体-属性的形而上学分析框架是现代学校教育在我们脑中灌输的思维模式，那么A到B、C到D的因果链条分析框架则植根于我们大脑的生理结构和工作方式。

简单来说，我们大脑的生理结构和工作方式与人工智能的架构和工作方式非常相似，因此人工智能又被称为人工神经网络。

算法、算力和数据是人工智能学习知识的三要素，也是我们大脑学习知识的三要素。

不同之处在于，人工智能的算力是我们大脑的数倍。为了确保学习的有效性，大脑在与环境互动中不断寻找节能且高效的算法，而因果链条分析正是其中之一。

因果链条分析在日常生活中已经足够实用，可以帮助我们有效处理生活和工作中的各种事务。

但在金融市场交易中，过度依赖因果链条分析会带来问题。

每当市场出现暴涨或暴跌，媒体和交易者往往习惯性地将其归因于一个或多个原因。例如，A股市场近期暴跌归咎于北向资金流出，加密市场近期暴跌归咎于马斯克的SpaceX公司清空比特币。

然后，他们会竭尽全力去寻找某事件与市场走势之间的因果关系，试图从中获取利润，这是一种狭隘的交易思维。

在金融市场交易中，我们面对着真实世界的不确定性，应该采用概率相关性分析方法来理解。

金融时序方法同样是一门严肃的学科，有兴趣的同学可以在油管或B站学习。

入门金融时序方法包括AR和MR，这些分析方法我之前在推文中已经详细解释过，这里就不再赘述。

三、从叙事至大主义分析 转换为流行病学分析

加密行业受到了《动物精神》和《叙事经济学》这两本畅销书的影响，普遍认同叙事至大主义。我也是其中之一。

每当我在白皮书中看到去中心化、web3、范式革命、新原语、层化、公平等叙事，我就会兴奋不已，感觉自己参与了伟大历史进程，充满了荣耀感和神圣感。然后我开始将项目的叙事等同于项目的价值。

来自印度的Web3项目非常善于利用这一点，他们巧妙地操纵了加密行业对叙事的迷恋，以此推动估值的增长。比如Polygon通过“互联网价值层”的叙事，ZkSync通过“ZK大宪章”的叙事。

加密行业叙事至大主义的缺点是它对事物的看法是静态的、孤立的，崇尚非理性和诗意的力量。

信奉叙事至大主义很容易被一些没有实际效用的大而空的项目所误导，比如模块化公链、ZK共享安全性等。

因此，我们需要用流行病学分析方法来补充。实际上，《叙事经济学》一书中也花了很多篇幅来分析叙事如何推动经济，其中就包括了流行病学分析。

流行病学分析是一门严肃的学科，感兴趣的同学可以自行去油管或者B站学习。

对于币圈的分析，我们只需要了解SIR模型就可以了。

SIR模型是一种流行病学模型，用于描述传染病在人群中的传播过程。该模型将人群划分为三个主要类别：易感染者（Susceptible）、感染者（Infectious）和康复者（Recovered）。

这些类别代表了人群中不同的状态。随着时间的推移，人们可能从易感染者状态转变为感染者状态，然后再转变为康复者状态。

以下是SIR模型中三个主要类别的解释：

易感染者（Susceptible）：这是人群中尚未感染疾病的个体。他们有潜在的风险，可能在与感染者接触后被感染。

感染者（Infectious）：这是已经感染疾病的个体。他们可以传播疾病给易感染者。

注册有任何问题请添加 微信：MVIP619 拉你进入群

文章转载注明 网址：https://netpsp.com/?id=63810