钱串串|RAM背后的bancor算法及其应用方向

0

重新开始更新简书。

一方面,串串在币乎已经发了很多文章,会逐步挑选自己满意的修改一下发过来;另一方面,这里也会单独发一些没有在币乎发过的内容。

串串的币乎主页:钱串串

1 Bancor算法的基本原理

简单来说,Bancor算法就是用某种或某些已经形成了价值共识的资产(比如BTC/EOS等)作为抵押,来发行新的token。

比如,我抵押一个比特币作为储备金,来发行10000个chuanchuancoin(CCC),那么,CCC从发行之初就自带价值了。

这个好处是显然的——一方面,它帮助新发行的token一开始就形成了价值锚定,可以自带价格;另一方面,它也使得这一新token一开始就能流通起来。

前面一种是显然的,后一好处咱们来进一步理解下。因为这种交易实际上是你跟智能合约完成的,不需要考虑上交易所的问题。这也是大家说的EOS RAM自带交易所,本质上不是自己做了一个交易所,而是因为RAM的买卖都是跟智能合约做的。

2 Bancor算法的基本公式

沿着1中原理继续,咱们来看它的算法公式。1中所说的储备金/抵押资产,我们可以理解为母币,而在此基础上发行的新token可以理解为衍生币。

Price=Balance/(Supply*CRR)

Price指的是衍生币价格,Balance指的是抵押资产总值,Supply指的是衍生币的流通量,CRR指恒定储备率(ConstantReserve Ration Ratio)。CRR取值在(0,1]范围内。有观点认为是(0,1),不过串串认为取值1,也就是100%是合理的,也有相应的应用场景,这个问题稍后再谈。

好,解释了公式含义后,我们把它的表示简化一下,并记住它:P=B/(S*C)。

3 RAM是怎么应用Bancor算法的

RAM做了二重Bancor算法。第一重是以EOS为母币,Ramcore为衍生币;第二重是以RAM余量为母币,Ramcore为衍生币。

根据2中的公式代入,我们就得出了以下等式:

根据上面两张图,相信已经非常好理解,为什么每买一点儿RAM都会让RAM价格上涨、每卖出一点儿就会让价格下跌,甚至可以算出涨幅跌幅;也应该已经非常好理解为什么当RAM余量无限小时,RAM价格将趋近于无限高了——因为分母趋于0。

哦对了,手续费成本部分没有写进去哦。

同样从这个算式里不难分析出来,即便扩容一倍,看上去价格瞬间下去,但是如果画出对应余量和价格的走势图,会发现还是很快会走向原来的曲线,这个大家有兴趣的可以自己画一下走势图,很明显的,横坐标建议不要用RAM余量,而用RAM已卖出的百分比,比较符合读图习惯。

4 解答一个困惑

虽然上面理清楚了价格问题,不过我估计很多人读到这里还是困惑——为什么这个价格会由公式决定、不是买家卖家一个愿买一个愿卖就好了的么?你凭什么让我按照这个价格成交呢?

因为成交原理不同啊。以往咱们在交易所或者任何场外交易,卖家和买家是同步的,一个人挂单,另一个人直接按照挂单价跟挂单者成交,成交瞬间,买卖家同时被撮合交易了。

但这里不是这样的,假设这里你是卖家、我是买家:你根据智能合约只能看系统目前价格多少,你接受的话就“卖”给系统;每一笔成交本身都会对系统价格形成影响,数学原理见3中论述,此时,我看到新的系统价格,决定问系统买。所以,这里本质上咱们俩的交易的异步的,确切说来,也根本不是咱们俩的交易,也不存在交易撮合。

5 Bancor算法的应用方向一

显然,个人发币、小项目发币、侧链发币采用bancor算法都是很合适的。原因在1里面其实已经说了。

6 Bancor算法的应用方向二

极端情况CRR值如果设为1,也就是储备金率100%,很多人认为不合理的储备金率之下,大家看看可能会发生什么——

此时,衍生币和母币之间是完全的总价值等同,具有绝对的彼此兑换能力。这就没有意义了吗?当然不是,衍生币价格还是可以波动变化的。

根据P=B/S,通过销毁衍生币或者增发衍生币,使得S值不断变化,P就会不断变化;同样的,通过不断变化B,也可以起到这样的作用。

在这样的token模型体系中,关键就变成衍生币的增发和销毁机制了。此时,也存在外部交易和此处价格不一致的套利空间,但这种套利空间很快会被填平。

7 Bancor算法的应用方向三

那么,母币一定是某一种币么?就不能多种币么?

当然可以~

如果母币池里放进去多种token,同时CRR设置为1,那么,这本质上就是一个ETF指数基金呀~

欢迎关注,欢迎转发~

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 157,298评论 4 360
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 66,701评论 1 290
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 107,078评论 0 237
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,687评论 0 202
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,018评论 3 286
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,410评论 1 211
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,729评论 2 310
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,412评论 0 194
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,124评论 1 239
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,379评论 2 242
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,903评论 1 257
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,268评论 2 251
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,894评论 3 233
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,014评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,770评论 0 192
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,435评论 2 269
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,312评论 2 260