ในบทความก่อนหน้านี้ “กิจกรรมของทีมส่งผลต่อราคาเหรียญจริงหรือ?” เราตรวจสอบความสัมพันธ์ระหว่างกิจกรรมการพัฒนา GitHub ในอุตสาหกรรมโดยรวมและความผันผวนของราคาของโทเค็น เราสรุปได้ว่า GitHub Six Factors มีความสัมพันธ์เชิงบวกกับความผันผวนของราคาโทเค็นทั้งในตลาดกระทิงและตลาดหมี

ในบทความนี้ เราจะสำรวจเพิ่มเติมถึงสาเหตุที่อยู่เบื้องหลังความสัมพันธ์นี้ โดยถามว่า “การเพิ่มขึ้นของราคานั้นได้รับแรงหนุนจากการอัพเกรดทางเทคโนโลยี หรือหากราคาที่เพิ่มขึ้นนั้นกระตุ้นให้เกิดการอัพเกรดทางเทคโนโลยี” การวิเคราะห์นี้มีจุดมุ่งหมายเพื่อช่วยให้นักลงทุนและนักพัฒนาเข้าใจบทบาทของ "การพัฒนาทางเทคนิค" ได้ดีขึ้น ซึ่งเป็นปัจจัยพื้นฐานในความผันผวนของราคาโทเค็น

บทความนี้เป็นไปตามโครงร่างทั่วไปนี้:

ขั้นแรก เราสร้างดัชนีกิจกรรมการพัฒนา GitHub (GDAI) สำหรับโทเค็นแต่ละรายการเพื่อวัดกิจกรรมการพัฒนา

ต่อไป เราสร้างดัชนีกิจกรรมการพัฒนา GitHub ของอุตสาหกรรม (IGDAI) ที่สะท้อนถึงกิจกรรมการพัฒนา GitHub โดยรวมในอุตสาหกรรม ดัชนีนี้คำนึงถึงปัจจัยต่างๆ เช่น การจัดอันดับมูลค่าตามราคาตลาดของอุตสาหกรรม และแนวโน้มในอดีตของจำนวนโครงการ GitHub ในช่วงเวลาหนึ่ง

จากนั้น โดยการเปรียบเทียบการเปลี่ยนแปลงใน IGDAI และความผันผวนของราคาโทเค็นในช่วงหกปีที่ผ่านมา เรามุ่งมั่นที่จะกำหนดความสัมพันธ์เชิงสาเหตุระหว่างเทคโนโลยีและราคา

สุดท้ายนี้ เราใช้ดัชนี GDAI กับโทเค็นที่ได้รับการพัฒนาอย่างต่อเนื่องในช่วงหกปีที่ผ่านมา ด้วยการเปรียบเทียบค่าดัชนีกิจกรรมการพัฒนาและราคาที่เพิ่มขึ้นกับ BTC และ ETH เรามุ่งมั่นที่จะตรวจสอบการประเมินความสัมพันธ์เชิงสาเหตุระหว่างเทคโนโลยีและราคาก่อนหน้านี้

ขั้นตอนที่ 1: การสร้างดัชนีกิจกรรมการพัฒนา GitHub (GDAI) สำหรับแต่ละโครงการโดยใช้กระบวนการลำดับชั้นการวิเคราะห์

ตารางที่ 1: การตีความความสัมพันธ์ระหว่างปัจจัยทั้งห้าของ GitHub และการพัฒนาโครงการ \

สูตรเฉพาะสำหรับ GDAI มีดังนี้:

**Analytic Hierarchy Process (AHP) เป็นวิธีการประเมินที่ครอบคลุมสำหรับการวิเคราะห์และการตัดสินใจอย่างเป็นระบบ โดยแบ่งองค์ประกอบที่จำเป็นสำหรับการตัดสินใจออกเป็นสามระดับ ได้แก่ ระดับวัตถุประสงค์ ระดับเกณฑ์ และระดับโครงการ จากการสลายตัวนี้ การวิเคราะห์เชิงคุณภาพและเชิงปริมาณจะดำเนินการ ทำให้กระบวนการคำนวณง่ายและมีประสิทธิภาพ

(1) วิเคราะห์ความสัมพันธ์ระหว่างปัจจัยต่างๆ ในระบบ และสร้างโครงสร้างลำดับชั้นของระบบ

แบ่ง GDAI ในระดับวัตถุประสงค์ออกเป็น 5 ระดับเกณฑ์:

μStar, μFork, μCommit, μIssues, μPullRequests

รูปที่ 1: การสลายตัวของดัชนี GDAI

(2) การสร้างเมทริกซ์การตัดสิน

สำหรับการเปรียบเทียบความสำคัญขององค์ประกอบภายในระดับเดียวกันแบบคู่โดยเกี่ยวข้องกับเกณฑ์จากระดับก่อนหน้า เราจะสร้างเมทริกซ์การเปรียบเทียบแบบคู่ (เมทริกซ์การตัดสิน) เราได้กำหนดระดับความสำคัญต่างๆ ดังแสดงในตารางที่ 2

ตารางที่ 2: ระดับความสำคัญต่างๆ

สำหรับเลเยอร์เกณฑ์ B เมทริกซ์การตัดสินต่อไปนี้จะถูกสร้างขึ้น จากประสบการณ์และลักษณะของตัวบ่งชี้ การสนับสนุนลำดับความสำคัญในกิจกรรมการพัฒนา GitHub มีดังนี้: คอมมิต > คำขอดึงข้อมูล > ปัญหา > ทางแยก > ติดดาว เนื่องจากตัวบ่งชี้ Star และ Fork ไม่มีความสัมพันธ์โดยตรงกับกิจกรรมการพัฒนา เราจึงกำหนดคะแนนให้กับตัวบ่งชี้เหล่านั้นค่อนข้างต่ำ

ตารางที่ 3: เมทริกซ์การตัดสิน B

(3) การตรวจสอบความสม่ำเสมอ (CI)

สมการลักษณะของเมทริกซ์ B:

(4) การคำนวณน้ำหนักโดยวิธีสามวิธี

วิธีที่ 1: วิธีค่าเฉลี่ยเลขคณิต

สูตรสำหรับเวกเตอร์น้ำหนักที่ได้รับคือ:

วิธีที่ 2: วิธีค่าเฉลี่ยเรขาคณิต

วิธีที่ 3: ขั้นแรก ใช้วิธีค่าลักษณะเฉพาะเพื่อกำหนดค่าลักษณะเฉพาะสูงสุดของเมทริกซ์ A และค่าลักษณะเฉพาะที่สอดคล้องกัน จากนั้นทำให้เวกเตอร์ลักษณะเฉพาะเป็นมาตรฐานเพื่อให้ได้น้ำหนักที่ต้องการ

นำค่าเฉลี่ยของน้ำหนักที่ได้จากวิธีการทั้ง 3 วิธีข้างต้น ซึ่งเป็นค่าน้ำหนักสุดท้ายที่กำหนด ผลลัพธ์เฉพาะดังแสดงในตารางที่ 4

ตารางที่ 4: น้ำหนักเฉพาะของปัจจัยหลัก 5 ประการ

ดังนั้นสูตรเฉพาะสำหรับดัชนี GDAI จึงสามารถแสดงได้ดังนี้

ขั้นตอนที่ 2: IGDAI (ดัชนีกิจกรรมการพัฒนา Github อุตสาหกรรม) ปรับให้เหมาะสมตาม GDAI

ในขั้นตอนที่ 1 เราสร้างดัชนีกิจกรรมการพัฒนา GitHub หรือ GDAI สำหรับโทเค็นแต่ละรายการ ขณะนี้ ด้วยการสร้าง GDAI เราประเมินอุตสาหกรรมสกุลเงินดิจิทัลทั้งหมดอย่างครอบคลุมโดยพิจารณาโทเค็นทั้งหมดที่อยู่ในรายการและแหล่งที่มาอย่างเปิดเผยบน GitHub ซึ่งส่งผลให้มีการคำนวณดัชนีกิจกรรมการพัฒนา Github ของอุตสาหกรรม (IGDAI) สูตรเฉพาะสำหรับการคำนวณ IGDAI มีดังนี้:

สูตรคำนวณ IGDAI:

โดยที่ 'n' หมายถึงจำนวนโทเค็นทั้งหมดที่หมุนเวียนในตลาดสกุลเงินดิจิทัลและแหล่งที่มาอย่างเปิดเผยบน GitHub ภายในระยะเวลาที่กำหนด

เมื่อสร้างตัวบ่งชี้ที่สะท้อนถึงสถานการณ์อุตสาหกรรมโดยรวม โดยทั่วไปจะมีสองแนวทาง:

1. เลือกสินทรัพย์ที่เป็นตัวแทนและประเมินผลการปฏิบัติงาน

2. พิจารณาอุตสาหกรรมทั้งหมดอย่างครอบคลุม

สำหรับแนวทางที่ 1 ก่อนอื่นเราจะพิจารณาว่าระบบนิเวศของอุตสาหกรรมสกุลเงินดิจิทัลในปัจจุบันยังไม่สมบูรณ์เต็มที่ และโทเค็นจำนวนมากที่มีประสิทธิภาพด้านราคาที่ดีและมูลค่าหลักทรัพย์ตามราคาตลาดยังไม่เป็นโอเพ่นซอร์ส บุคคลที่สามไม่สามารถเข้าถึงข้อมูลการพัฒนาที่เฉพาะเจาะจงได้ ทำให้การเลือกสินทรัพย์ "ตัวแทน" เป็นเรื่องที่ถกเถียงกัน ประการที่สอง อุตสาหกรรมสกุลเงินดิจิทัลยังคงเป็นสาขาที่มีการพัฒนาอย่างรวดเร็วและมีศักยภาพในการเติบโตที่เพียงพอ และทุกโทเค็นมีศักยภาพในการพัฒนาอย่างรวดเร็ว สุดท้ายนี้ ลักษณะสภาพคล่องที่สูงของอุตสาหกรรมสกุลเงินดิจิทัลที่มีการซื้อขายตลอด 24 ชั่วโมงทำให้เกิดความผันผวนของมูลค่าหลักทรัพย์ตามราคาตลาดในระยะสั้นอย่างมีนัยสำคัญ หากเราต้องเปลี่ยนสินทรัพย์ที่เลือกทุกๆ หกเดือน เช่นเดียวกับที่ทำในตลาดหุ้นแบบดั้งเดิม เราอาจพลาดข้อมูลสำคัญเกี่ยวกับการเปลี่ยนแปลงมูลค่าตลาดโทเค็น

ดังนั้นในบทความนี้ เราจึงพิจารณาข้อมูลการพัฒนาของโทเค็นทั้งหมดในอุตสาหกรรมทั้งหมดเพื่อคำนวณ IGDAI

ขั้นตอนที่ 3: ความสัมพันธ์ระหว่าง “การปฏิวัติทางเทคโนโลยี” และ “การเพิ่มราคา” - อิทธิพลทิศทางเดียวของการเปลี่ยนแปลงราคาต่อการพัฒนา GitHub

เราใช้การทดสอบเชิงสาเหตุของ Granger เพื่อวิเคราะห์ความสัมพันธ์เชิงสาเหตุระหว่างกิจกรรมการพัฒนาอุตสาหกรรม IGDAI และการเปลี่ยนแปลงราคา BTC ซึ่งเป็นชุดข้อมูลอนุกรมเวลาสองชุด ช่วงเวลาที่พิจารณาคือตั้งแต่ 2015 ถึง 31-10-2023 โดยมีมิติข้อมูลดัชนีรายวัน ในตอนแรก เราได้กำหนดลำดับความล่าช้าที่ 4 และผ่านการทดสอบรูทของหน่วย เรายืนยันว่าชุดข้อมูลทั้งสองชุดอยู่นิ่ง (ข้อกำหนดเบื้องต้นสำหรับการทดสอบเชิงสาเหตุของ Granger) ผลลัพธ์ต่อไปนี้ได้รับ:

ตารางที่ 5: ผลการทดสอบสาเหตุของ Granger

ในตารางด้านบน:

• ค่า p 0.000 ซึ่งน้อยกว่า 0.05 บ่งชี้ว่าการทดสอบ F ปฏิเสธสมมติฐานว่าง (H0: ไม่มีความสัมพันธ์เชิงเวรกรรมของ Granger ระหว่างทั้งสอง) นี่หมายความว่า BTC_price เป็นสาเหตุของ IGDAI ซึ่งหมายความว่ากิจกรรมการพัฒนา GitHub ของอุตสาหกรรม IGDAI ได้รับอิทธิพลจากการเปลี่ยนแปลงที่ล่าช้าของราคาสกุลเงินดิจิทัล

• ค่า p-value 0.135 ซึ่งมากกว่า 0.05 แสดงว่า F-test ยอมรับสมมติฐานว่าง โดยบอกว่า IGDAI ไม่ใช่สาเหตุของ BTC_price โดยสรุป การเปลี่ยนแปลงของราคาส่งผลต่อกิจกรรมการพัฒนาอุตสาหกรรมในทิศทางเดียว

นอกจากนี้เรายังนำเสนอการวิเคราะห์ที่ใช้งานง่ายยิ่งขึ้นโดยใช้แผนภูมิ เมื่อพิจารณาถึงความผันผวนที่สำคัญในดัชนีกิจกรรมการพัฒนาในแต่ละวัน ซึ่งอาจได้รับอิทธิพลจากปัจจัยสุ่มจำนวนมากและอาจให้ข้อมูลเป็นภาพได้น้อย เราได้ใช้การปรับให้เรียบแบบเอ็กซ์โพเนนเชียลและขยายช่วงเวลาเป็น "รายสัปดาห์" รูปที่ 2 แสดงให้เห็นการเปลี่ยนแปลงของดัชนี IGDAI และราคา BTC ตั้งแต่ปี 2558 ถึงปัจจุบัน โดยมีกรอบเวลารายเดือน

รูปที่ 2: ดัชนี IGDAI และราคา BTC เปลี่ยนแปลงตั้งแต่ปี 2558 ถึงตุลาคม 2566

กราฟนี้ให้ภาพที่ชัดเจนว่าการเปลี่ยนแปลงในระบบนิเวศการพัฒนาอุตสาหกรรมล่าช้ากว่าความผันผวนของราคา BTC ในช่วงเวลาต่างๆ อย่างไร นอกจากนี้ ทั้งสองยังมีระดับความผันผวนที่ใกล้เคียงกัน ซึ่งเป็นการยืนยันข้อสรุปว่า IGDAI ได้รับอิทธิพลจากการเปลี่ยนแปลงของราคาเพียงทิศทางเดียว

นอกจากนี้ จากกราฟ เราสามารถสังเกตได้ว่าในช่วงไม่กี่เดือนที่ผ่านมา ดัชนีกิจกรรมการพัฒนาอุตสาหกรรม (IGDAI) ลดลงอย่างมากถึง 31.7% ถือเป็นการลดลงครั้งใหญ่ที่สุดในรอบเกือบทศวรรษ!

ขั้นตอนที่ 4: ตราบใดที่ทีมพัฒนายังคงกระตือรือร้น ประสิทธิภาพด้านราคาจะยังคงมีเสถียรภาพในช่วงตลาดหมีหรือไม่? ไม่จำเป็น!

ในขั้นตอนที่ 3 เราได้ข้อสรุปว่าราคามีอิทธิพลต่อการพัฒนาทางเทคนิคในทิศทางเดียวผ่านการทดสอบสาเหตุของ Granger อย่างไรก็ตาม เรายังต้องการสำรวจว่ามีความสัมพันธ์พิเศษหรือไม่ แม้ว่าขอบเขตของการพัฒนา GitHub จะไม่ใช่ปัจจัยสำคัญในความผันผวนของราคา กิจกรรมการพัฒนาที่สอดคล้องกัน โดยเฉพาะอย่างยิ่งในช่วงตลาดหมี จะนำไปสู่ประสิทธิภาพราคาที่มีเสถียรภาพมากขึ้นหรือไม่ เมื่อพิจารณาถึงความผันแปรในความสมบูรณ์ของระบบนิเวศการพัฒนาโทเค็นและความหลากหลายของประเภทโทเค็น เราจึงตัดสินใจระบุโทเค็นที่ได้รับการพัฒนาอย่างต่อเนื่องตั้งแต่ปี 2018 และเปรียบเทียบกิจกรรมการพัฒนา GitHub (GDAI) กับความผันผวนของราคาเมื่อเทียบกับ BTC

ในบริบทนี้ เราให้คำนิยาม "การพัฒนาอย่างต่อเนื่อง" ว่ามีกิจกรรมการพัฒนา GitHub ที่ไม่ใช่ศูนย์หลัก รวมถึงคอมมิต ปัญหา และคำขอดึงข้อมูล ในแต่ละสัปดาห์ตั้งแต่ปี 2018 ถึงตุลาคม 2023 ความผันผวนของราคาหมายถึง (ราคาสูงสุด - ราคาต่ำสุด) / ราคาต่ำสุดในช่วงเวลานั้น ด้วยการรวบรวมและการวิเคราะห์ข้อมูลที่กว้างขวาง ในตอนแรกเราได้ระบุโทเค็นประมาณ 1,400 โทเค็นที่ได้รับการเปิดซอร์สและแสดงรายการพร้อมกันตั้งแต่ปี 2561 ในบรรดาโทเค็นเหล่านี้ 38 โทเค็นมีคุณสมบัติตรงตามเกณฑ์ข้างต้น (รวมถึง BTC และ ETH ซึ่งมีการเติบโตสูงในแง่ของระบบนิเวศการพัฒนาและมูลค่าหลักทรัพย์ตามราคาตลาด) เมื่อพิจารณาจากความยาวของบทความนี้ เราจะมุ่งเน้นไปที่การอภิปรายผลลัพธ์ของโทเค็นที่เหลือ 36 รายการเมื่อเปรียบเทียบกับ BTC รายการโทเค็นเฉพาะมีอยู่ในตารางที่ 6:

ตารางที่ 6: Token ที่มีการพัฒนาอย่างต่อเนื่องตั้งแต่ปี 2561

สำหรับดัชนีกิจกรรมการพัฒนา GitHub (GDAI) ได้มีการรวบรวมสถิติของโทเค็น 38 รายการเพื่อสร้างรูปที่ 3:

รูปที่ 3: GDAI ของโทเค็นที่มีการพัฒนาอย่างต่อเนื่องบน GitHub ตั้งแต่ปี 2018 ถึง 2023

ในรูปนี้ โทเค็นที่มี IGDAI เหนือกว่า BTC จะแสดงเป็นสีแดง ในขณะที่โทเค็นที่ไม่แสดงเป็นสีน้ำเงิน ในบรรดาโทเค็นที่มีการพัฒนาอย่างต่อเนื่อง โทเค็น 9 ตัวมีกิจกรรมการพัฒนาที่สูงกว่า BTC

ในส่วนของความผันผวนของราคา เรานำเสนอผลการวิจัยในรูปที่ 4:

รูปที่ 4: ความผันผวนของราคาโทเค็นที่มีการพัฒนาอย่างต่อเนื่องบน GitHub ตั้งแต่ปี 2018 ถึง 2023

ในรูปนี้ โทเค็นที่มีความผันผวนของราคาเกิน BTC จะแสดงเป็นสีแดง ในขณะที่โทเค็นที่ไม่แสดงเป็นสีน้ำเงิน ในบรรดาโทเค็นที่มีการพัฒนาอย่างต่อเนื่อง มีโทเค็น 31 ตัวที่พบว่าราคาเพิ่มขึ้นแซงหน้า BTC

โดยสรุปผลจากทั้งสองร่าง มีการทับซ้อนกันของโทเค็น 8 อัน ซึ่งแสดงด้วยสีแดง ซึ่งหมายความว่าตั้งแต่ปี 2018 ถึงปัจจุบัน โทเค็น 8 รายการได้แสดงประสิทธิภาพที่เหนือกว่าในกิจกรรมการพัฒนา GitHub (GDAI) และความผันผวนของราคาไปพร้อมๆ กันเมื่อเปรียบเทียบกับ BTC (เกณฑ์มาตรฐานอุตสาหกรรม) โทเค็นทั้ง 8 นี้คิดเป็น 22% ของโทเค็นทั้งหมดที่มีกิจกรรมการพัฒนาอย่างต่อเนื่องภายในกรอบเวลานี้ โทเค็นเฉพาะแสดงอยู่ในตารางที่ 7:

ตารางที่ 7: โทเค็นตั้งแต่ปี 2018 ถึง 2023 พร้อมด้วย GDAI ที่เหนือกว่าและประสิทธิภาพราคาเมื่อเปรียบเทียบกับ BTC

เมื่อพิจารณาการพัฒนาอย่างต่อเนื่อง อัตราการทับซ้อนกัน 22% แสดงให้เห็นว่าแม้ว่าการพัฒนาอย่างต่อเนื่องจะมีอิทธิพลต่อราคาบ้าง แต่ก็ไม่สามารถสรุปผลที่ผลักดันในด้านบวกอย่างมากต่อราคาได้ การสังเกตนี้สอดคล้องกับผลลัพธ์ของการทดสอบเชิงสาเหตุของ Granger ในขั้นตอนที่ 3 ซึ่งเป็นการยืนยันแนวคิดที่ว่าราคาส่งผลต่อกิจกรรมการพัฒนา GitHub ในทิศทางเดียว

บทสรุป

โดยสรุป Falcon นำเสนอข้อสรุปต่อไปนี้ในบทความนี้:

1. บทความนี้ใช้กระบวนการวิเคราะห์ลำดับชั้น (AHP) เพื่อสร้างดัชนีกิจกรรมการพัฒนา GDAI สำหรับแต่ละโทเค็น และดัชนีกิจกรรมการพัฒนา GitHub ของอุตสาหกรรม IGDAI สำหรับอุตสาหกรรมทั้งหมด

2. จากการวิเคราะห์ “ดัชนีกิจกรรมการพัฒนา GitHub อุตสาหกรรม IGDAI” และ “ข้อมูลราคา BTC” ตั้งแต่ปี 2558 ถึงตุลาคม 2566 พบว่าราคามีอิทธิพลต่อกิจกรรมการพัฒนา GitHub เพียงทิศทางเดียวเท่านั้น นอกจากนี้ ในช่วงไม่กี่เดือนที่ผ่านมา ดัชนีกิจกรรมการพัฒนาอุตสาหกรรมได้ลดลงอย่างมากถึง 31.7% ถือเป็นการลดลงครั้งใหญ่ที่สุดในรอบเกือบทศวรรษ

3. “การพัฒนาอย่างต่อเนื่องโดยทีมงาน” ไม่ใช่ปัจจัยหลักในการผลักดันราคาที่เพิ่มขึ้นหลังตลาดหมี ในการลงทุนจำเป็นต้องคำนึงถึงปัจจัยอื่นๆ ที่ส่งผลต่อราคาอย่างครอบคลุม

ข้อสงวนสิทธิ์：

1. บทความนี้พิมพ์ซ้ำจาก [กระจกเงา] ลิขสิทธิ์ทั้งหมดเป็นของผู้แต่งต้นฉบับ [LUCIDA & FALCON] หากมีการคัดค้านการพิมพ์ซ้ำนี้ โปรดติดต่อทีมงาน Gate Learn แล้วพวกเขาจะจัดการโดยเร็วที่สุด
2. การปฏิเสธความรับผิด: มุมมองและความคิดเห็นที่แสดงในบทความนี้เป็นเพียงของผู้เขียนเท่านั้น และไม่ถือเป็นคำแนะนำในการลงทุนใดๆ
3. การแปลบทความเป็นภาษาอื่นดำเนินการโดยทีมงาน Gate Learn เว้นแต่จะกล่าวถึง ห้ามคัดลอก แจกจ่าย หรือลอกเลียนแบบบทความที่แปลแล้ว