金色财经近期推出金色硬核（Hardcore）栏目，为读者提供热门项目介绍或者深度解读。
按：对比特币价格进行预测最著名的模型是PlanB在2019年建立的S2F（Stock to Flow）模型。5月12日比特币刚刚完成减半，PlanB估算减半后比特币的存量/产量比（SF）由25升至50，由于加倍的稀缺性，长期来看预计比特币的市值会升至1万亿美元，相当于比特币价格55000美元。2020年4月28日，他进一步得到“存量-产量跨资产模型”（S2FX, Stock to Flow Cross Asset），利用遗传算法区分出四个不同的比特币阶段，预测2024年比特币价格将高达28.8万美元。近日Nick Emblow利用K均值聚类分析方法，用独立数据再现了S2FX模型，同样区分出四个比特币阶段，他预测到2024年第四次减半时，比特币价格在8.3万和148万美元区间，中间值为35万美元。详细分析请看本期金色硬核（Hardcore），enjoy it.
金色午报 | 4月25日午间重要动态一览:7:00-12:00关键词：DAO法案、以太坊、数字人民币
1.怀俄明州DAO法案已被州长签署，7月1日生效；
2.Vitalik为印度新冠援救运动捐赠超60万美元加密货币；
3.以太坊上稳定币流通量突破530亿美元；
4.广东：支持深圳开展数字人民币试点，支持广州争取纳入数字人民币试点地区；
5.北京金融局局长：北京将推动数字人民币等金融科技应用场景的挖掘；
6.比特币和以太坊的证券产品规模已超过百亿美元；[2021/4/25 20:55:52]
在PlanB的S2FX文章中，他鉴别出比特币四个不同的阶段，这些不同阶段对应于不同的存量/产量比。通过对这些阶段中心点对应的存量/产量比和市值进行线性回归，可以得出一条直线，它们和与黄金和白银落在一条直线上。从而给人们一定信心，比特币正在走过实验阶段并会产生真正的经济影响。
金色相对论 | dForce创始人：DeFi挖矿最根本的问题是会导致资产负债表错配:7月16日消息，在今日举行的金色相对论中，针对“上线几天的Compound凭借 “COMP作为一种治理权益，目前是以一种类似馈赠的方式，奖励给使用Compound进行借贷的用户，作为补贴手段，COMP背后似乎并没有价值支撑，如何评价这种借贷即挖矿的方式？这种流动性挖矿的补贴手段，会像Fcoin一样出现崩盘吗？”的问题。
dForce创始人杨民道表示，所有的挖矿行为，首先的大前提是产品本身有用，这个是区别于空气和业务冷启动的根本区别。因为dForce之前有做过类似Compound的借贷产品，流动性挖矿还没搞之前，业务量接近Compound的三分之一，我们对Compound的协议逻辑比较了解。他们的产品在没有挖矿之前，锁仓额已经不小, 排在前三，所以搞挖矿，即使COMP的价格是0，对他们本身的产品也没影响。
Compound的挖矿和Fcoin的早期挖矿我两者都参与过，他们还有一个重要的区别， DeFi的挖矿行为都是在链上的，公开透明，抵押物、借款额、分发完全都是透明的，Fcoin的机制完全是一个黑盒子。
所以，不会像Fcoin那样崩盘。 但是，收益率会下降到一个市场平均的利率水平。
早期我挖COMP的年化能到200%，现在都基本是只有10%不到，个别的资产比如DAI的挖矿收益会更高。我觉得DeFi挖矿最根本的问题是，会扭曲资产负债表，如果长期化，会导致资产负债表错配。[2020/7/16]
我对这些模型非常怀疑，因此我准备不依赖于PlanB的任何假设，使用K均值聚类（k-means clustering）数据分析技术（注：K均值聚类算法是信号处理中的一种向量量化方法，其目的是把n个点-可以是样本的一次观察或一个实例-划分到k个聚类中，使得每个点都属于离他最近的均值此即聚类中心对应的聚类，以之作为聚类的标准。而PlanB用的遗传算法。）重现该模型。
金色晨讯 | 央行数字货币“DCEP对外开放接口”系假消息:1.央行数字货币“DCEP对外开放接口”系假消息 该网站未备案
2.雄安区块链创新实验室今日宣布成立
3.华为张小军：华为区块链未来发展方向是打造区块链平台底座
4.工信部印发方案 支持海南发展区块链产业等17个项目
5.突尼斯央行数字货币进入测试阶段[2019/11/10]
图1 —由k均值聚类区分出的比特币四个阶段，它们和黄金和白银的市值和存量/产量比对数坐标图
有趣的是，k均值聚类发现了与PlanB识别出的几乎相同的关系。下文我继续使用k均值聚类区分出的关系。
金色相对论丨庞华栋：区块链最有可能帮助人工智能用一种比较低成本、分布式的方式获取数据:在本期金色相对论上，在谈到区块链和AI如何融合时，微积分发起人庞华栋表示，人工智能最大的痛点，我觉得是数据的获取。但是这方面，我认为区块链最有可能帮助人工智能用一种比较低成本，分布式的方式获取数据，然后通过激励机制以及好的经济模型来促进人工智能数据的获取和存储。这是我看来最有可能将区块链应用于人工智能领域的一个方法。[2018/7/17]
在图1中，比特币的四个阶段分别为绿色，黑色，蓝色和红色，并且以点标出数据中心。下表1中提供了这些数据中心点的数据（存量/产量比和市值）。
金色财经数据播报 各概念板块全线下跌 侧链概念板块独涨:根据行情数据显示，主流币种今日价格普跌，各概念板块价格也全线下跌，侧链概念板块独涨，涨幅达3.9%。其中IFO概念板块跌幅最大，平均跌幅达7.86%；游戏概念板块居次席，平均跌幅达6.98%；基于DAG板块平均跌幅达6.92%。社交通讯板块（-6.32%）、支付概念板块（-6.17%）、数据存储板块（-6.01%）、市场预测板块（-5.46%）、匿名货币板块（-5.26%）、资产交易板块（-5.05%），其余板块跌幅均不足5%。[2018/5/24]
表1：图1中中心点的数据
回归方程的参数见下表。
表2：回归参数显示拟合非常好
系数和常数下面括号中的数字是标准差（SE）。标准差用来衡量系数的置信度。如果回归系数±1.96SE定义的区间里包含零，则该系数不显著。但上文得到的回归系数，它离零相差很多个标准差（约30SE）。因此，该系数至少在0.01水平上具有统计学意义（实际上，当我们实际上从t分布中查找该值时，其在功能上等于0）。这意味着，回归系数是4.17，其包含0的几率几乎为零。
R2非常高，这很有趣，但它不是我们关注的焦点。这里要记住的一点是，存量/产量比聚类中心与市值聚类中心之间存在很高的相关性。敏锐之人会注意到，因为回归数据量很小，因此F统计量已针对适当的自由度（df）进行了调整。F统计量告诉我们，回归系数和常数同时为零的概率也几乎为零。
我会在以后继续探讨高斯-马尔可夫假设，但是鉴于目前数据点的数量，我认为这个回归练习相当乏味。
现在，让我们计算预测区间。首先，让我们定义预测区间，并将其与置信区间进行对比。
置信区间是包含采样的群体或过程未知特征的区间。它们通常与诸如均值或方差等参数有关。
置信区间捕获了平均预测值周围的不确定性。
预测区间是指这样的区间，它里面包含了从先前采样群体或过程推算的一个或多个未来观察，或者这些未来观察的一些函数。
预测区间捕获单个值附近的不确定性。
因此，对于某一个值，预测区间将始终比置信区间宽。
将置信区间视为对回归直线的置信度，而预测区间就像单个预测的置信度。
但在做预测之前，我们需要估计比特币下一阶段的数据中心点。感谢中本聪，这非常容易。我们知道每210000个区块，奖励减半，最初的区块奖励是50个比特币。因此，可以得到如下公式：
方程1：第三次减半时的比特币流通量
因此，第三次减半时总共有1837.5万个比特币的流通量。到第四次减半时，这个数字将增加到1968.75万个比特币。这样，在210000个区块期间，比特币产量为19687500–18375000 = 1312500个比特币。要存量/产量比将其年化为正确的格式，需要将其乘以每个区块的天数。即产量= 1312500 *（6 * 24 * 365.25 / 210000）=328725个比特币/年，即第三次减半到第四次减半期间，平均产量为328725个比特币/年。因此，第四次减半时的存量/产量比为19687500/328725 = 59.9。取自然对数，得到4.09。
表3：不同聚类阶段市值预测的边界区间
比特币第五阶段市值的预测区间估计在1.6万亿至29.1万亿美元之间。按这一阶段结束时的市场估值算，这意味着单个比特币的价格在8.3万和$148万美元之间，中心点约在35万美元（注：PlanB预估比特币价格中心点达到28.8万美元）。
原文：S2FX — Phase 5 Estimations
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。