摘要：文章大體思路如下：首先，我們針對單個token構(gòu)建GitHub開發(fā)活躍度指標(biāo)GithubDevelopmentActivityIndex(GDAI)。其次，在此基礎(chǔ)上，結(jié)合行業(yè)市值排名、GitHub項目數(shù)量隨時間發(fā)展的規(guī)律性趨勢等因素，構(gòu)建反映全行業(yè)整體GitHub開發(fā)活躍度的指標(biāo)IndusturyGithubDevelopmentActivityIndex(IGDAI)。...
在上一篇文“團隊在做事’和幣價真的有關(guān)嗎？”，我們分析了行業(yè)整體的GitHub開發(fā)情況與代幣價格漲跌幅的相關(guān)性，得出GitHub六因子與幣價漲跌幅在牛熊市都呈正相關(guān)的結(jié)論。
本文就“相關(guān)性“這一結(jié)論進一步拓展，研究二者的因果性，即“是因為技術(shù)升級促進了幣價上漲，還是幣價上漲拉動了技術(shù)升級”？從而幫助投資者與開發(fā)者更加明確“技術(shù)開發(fā)”這一基本面因子在幣價漲跌盤中的位置。
文章大體思路如下：
首先，我們針對單個token構(gòu)建GitHub開發(fā)活躍度指標(biāo) Github Development Activity Index (GDAI)。
其次，在此基礎(chǔ)上，結(jié)合行業(yè)市值排名、GitHub項目數(shù)量隨時間發(fā)展的規(guī)律性趨勢等因素，構(gòu)建反映全行業(yè)整體GitHub開發(fā)活躍度的指標(biāo) Industury Github Development Activity Index (IGDAI)。
然后，通過比較行業(yè)開發(fā)活躍度指標(biāo) IGDAI 與幣價漲跌幅近6年來的變化趨勢，判斷技術(shù)與價格的因果關(guān)系。
最后，將GDAI指標(biāo)應(yīng)用于近6年來一直開發(fā)的token，比較其開發(fā)活躍度指標(biāo)值和幣價漲幅與BTC、ETH二者的差異，以印證前文對技術(shù)與價格因果關(guān)系的判斷。
Step1. 用層次分析法構(gòu)建針對單個項目的GitHub開發(fā)活躍度指標(biāo)GDAI （Github Development Activity Index）
表1: GitHub五因子與項目開發(fā)具有關(guān)聯(lián)的解讀
具體的 GDAI 公式如下：
**層次分析法（The Analytic Hierarchy Process即AHP）**是一種系統(tǒng)分析與決策的綜合評價方法，將所需決策的元素分解為目標(biāo)層（objective）、準(zhǔn)則層（criterion）和方案層（scheme）。在分解的基礎(chǔ)上再次進行定性和定量分析，計算方式簡單高效。
(1) 分析系統(tǒng)中各因素之間的關(guān)系，建立系統(tǒng)的遞階層次結(jié)構(gòu)
將目標(biāo)層 GDAI 分解為5個準(zhǔn)則層
μStar, μFork, μCommit, μIssues, μPullRequests。
圖 1 GDAI 指標(biāo)分解圖
(2) 建立判斷矩陣
對于同一層次的各元素關(guān)于上一層次中某一準(zhǔn)則的重要性進行兩兩比較，構(gòu)造兩兩比較矩陣（判斷矩陣）。我們在表2上確定了不同重要程度的度量。
表 2 不同重要程度的度量
為準(zhǔn)則層B創(chuàng)建以下判斷矩陣。根據(jù)經(jīng)驗和指標(biāo)的性質(zhì)，對GitHub開發(fā)活躍程度貢獻的優(yōu)先級為Commit>Pullrequests>Issues>Fork>Star。由于Star和Fork指標(biāo)與開發(fā)活動沒有特別直接的聯(lián)系，我們將給它們的權(quán)重分配相對較低的分數(shù)。
表 3 判斷矩陣B
(3) 一致性檢查（CI）
矩陣B的特征方程：
(4) 3種方法計算權(quán)重
方法 1: 算術(shù)平均法
其中推導(dǎo)出的權(quán)重向量公式是：
方法 2: 幾何平均法
方法 3: 首先使用特征值法確定矩陣A的最大特征值和相應(yīng)的特征向量。然后將特征向量歸一化為所需的權(quán)重。
將以上3中方法所求權(quán)重取均值，即為最終確定的權(quán)重值。具體結(jié)果如表四所示：
表4 5大因子的具體權(quán)重
因此，具體的GDAI指標(biāo)公式可有如下形式：
Step2. 基于GDAI優(yōu)化的全行業(yè)GitHub開發(fā)活躍度指標(biāo) IGDAI （Industry Github Development Activities Index）
在Step 1，我們構(gòu)建了針對單個token GitHub開發(fā)活躍度指標(biāo)GDAI ?，F(xiàn)基于GDAI ，綜合考慮加密貨幣行業(yè)全部上市流通且在GitHub開源的token，通過匯總其所有token的GDAI ，求得全行業(yè)GitHub開發(fā)活躍度指標(biāo) IGDAI。具體的 IGDAI計算公式如下：
IGDAI計算公式
其中n代表某一區(qū)間段所有在加密貨幣市場流通且在GitHub開源的token總數(shù)量。
構(gòu)建某一指標(biāo)反映全行業(yè)情況，通常有兩種思路：
1.選取代表性標(biāo)的計算其表現(xiàn) 2.綜合考慮全行業(yè)的情況
對于思路1，我們首先考慮到當(dāng)下的加密貨幣行業(yè)生態(tài)并不十分完善，許多有幣價且市值表現(xiàn)良好的token并未開源，第三方無法獲取其具體的開發(fā)信息，所選取的標(biāo)的“代表性”有待商榷；其次，當(dāng)下的加密貨幣行業(yè)仍是一片藍海，發(fā)展空間廣闊，對于每個token，都有可能在短時間內(nèi)取得飛速的發(fā)展；再次，加密貨幣行業(yè)24小時交易的高流動性特征使得行業(yè)市值短期波動較大。若參考A股市場半年內(nèi)更換選取的標(biāo)的，有可能錯過大量token市值變動的信息。
因此，本文綜合考慮全行業(yè)token的開發(fā)信息以計算IGDAI。
Step3. “技術(shù)革命” 與 “幣價上漲” 究竟孰因孰果？幣價變化單向影響GitHub開發(fā)程度
我們運用**格蘭杰因果關(guān)系檢驗（Granger casuality test）分析行業(yè)開發(fā)活躍度 IGDAI與BTC幣價變化兩串時間序列數(shù)據(jù)的因果關(guān)系，其中時間段為2015-2023.10.31，指數(shù)維度為“日”。首先確定滯后階數(shù)為4，通過單位根檢驗（Unit root test）**確定兩類數(shù)據(jù)都為平穩(wěn)序列（數(shù)據(jù)“平穩(wěn)”格蘭杰因果關(guān)系檢驗的前提），并得出以下結(jié)果：
表5 格蘭杰因果關(guān)系檢驗結(jié)果
其中0.000<0.05，說明該F檢驗拒絕原假設(shè)（原假設(shè)H0: 二者不存在格蘭杰因果關(guān)系），BTC_price是 IGDAI 的原因，即行業(yè)GitHub開發(fā)活躍程度 IGDAI 受到幣價變化滯后項的影響。
0.135>0.05**，說明該F檢驗接受原假設(shè)，IGDAI不是 BTC_price 的原因。綜上，幣價變化單向影響行業(yè)開發(fā)活躍程度。**
同時，我們借助圖表更直觀的分析?？紤]到以日為區(qū)間的開發(fā)活躍度指標(biāo)波動幅度較大，存在較多偶然因素，且視圖不直觀，我們進行指數(shù)平滑處理并擴大時間段為“周”。圖2是從2015至今，時間段為“月”的 IGDAI 指數(shù)和BTC價格變化情況：
圖2 2015-2023年10月 IGDAI 指數(shù)和BTC價格變化
該圖十分直觀的展現(xiàn)了在不同時期行業(yè)開發(fā)生態(tài)的變動滯后于BTC幣價的變化，且二者呈相似的波動的幅度，印證 IGDAI 單向受幣價變化影響的結(jié)論。
并且我們從圖中發(fā)現(xiàn)，在過去幾個月中，行業(yè)開發(fā)活躍度指數(shù)暴跌31.7%，創(chuàng)下了近十年最大跌幅！
Step4. 只要開發(fā)團隊不擺爛，一直開發(fā)，熬過了熊市，幣價就不會太拉胯嗎？錯！
在Step3 部分我們通過格蘭杰因果關(guān)系檢驗確立了幣價單向影響技術(shù)開發(fā)的結(jié)論。**但我們還想探討是否存在一種特殊的關(guān)系：即使GitHub開發(fā)的程度并不是改善幣價漲跌的前因，但只要團隊不擺爛，一直開發(fā)，熬過熊市，幣價表現(xiàn)是否就不會特別拉胯。**考慮到token開發(fā)生態(tài)的成熟期和token種類豐富程度的變化，我們決定尋找2018年至今持續(xù)開發(fā)的token，并比較其GitHub開發(fā)活躍度 GDAI 和幣價漲跌幅與BTC之間的關(guān)系。
其中，我們將**”持續(xù)開發(fā)”**定義為GitHub開發(fā)核心的commit、issues、pull requests三因子在時間段為2018至2023年10月中每一周不同時為0。幣價漲跌幅定義為該時期（最高價-最低價）/最低價。通過海量的數(shù)據(jù)爬取和分析，我們首先確定2018至今共有約1400個token同時開源并上市，在1400個token中找到38個符合上述條件（其中包含了 BTC和ETH，考慮到BTC與ETH開發(fā)生態(tài)與市值已經(jīng)非常成熟，十分具有代表性，考慮到文章篇幅，本文重點闡述剩余的36個token與BTC比較的結(jié)果）。具體token名單如表6所示：
表6 2018年至今持續(xù)開發(fā)的token
關(guān)于GitHub開發(fā)活躍度 GDAI，統(tǒng)計38個token情況，得到圖3：
圖3 2018-2023年GitHub持續(xù)開發(fā)token的GDAI
紅色表示IGDAI超過BTC的token，藍色表示未超過的。在持續(xù)開發(fā)的token中，有9個token的開發(fā)活躍度超過BTC。
關(guān)于幣價漲跌幅，得到圖4：
圖4 2018-2023年GitHub持續(xù)開發(fā)token的幣價漲跌幅
紅色表示幣價漲跌幅超過BTC的token，藍色表示未超過的。在持續(xù)開發(fā)的token中，有31個token的幣價漲幅超過BTC。
匯總兩張圖情況，紅色的token相互重合的有8個，即從2018至今，有8個token的Github開發(fā)活躍度 GDAI 和幣價漲跌幅表現(xiàn)同時優(yōu)于BTC（行業(yè)風(fēng)向標(biāo)），占該區(qū)間持續(xù)開發(fā)的所有token 22%。具體token如表7所示:
表7 2018-2023年GDAI和幣價漲跌幅表現(xiàn)同時優(yōu)于BTC的token
從持續(xù)開發(fā)的角度考慮，22%的重合率偏低，因此我們只能得出持續(xù)持續(xù)開發(fā)對幣價有一定程度影響，但無法絕對的說明持續(xù)開發(fā)對幣價存在十分積極的拉動效應(yīng)。此觀點也與step3 格蘭杰因果關(guān)系檢驗的結(jié)果相互印證。
文章結(jié)論
通過上述內(nèi)容，F(xiàn)alcon對本文的結(jié)論做一個總結(jié)：
借助層次分析法，本文針對單個token建立了開發(fā)活躍度指標(biāo)GDAI，也針對全行業(yè)分別建立了全行業(yè)GitHub開發(fā)活躍度指標(biāo)IGDAI。
通過分析2015-2023.10的“全行業(yè)GitHub開發(fā)活躍度指標(biāo) IGDAI” 和 “BTC價格數(shù)據(jù)”，發(fā)現(xiàn)幣價僅單向影響GitHub開發(fā)活躍度。并且在過去幾個月中，行業(yè)開發(fā)活躍度指數(shù)暴跌31.7%，創(chuàng)下了近十年最大跌幅。
“團隊持續(xù)開發(fā)不擺爛” 并不是熊市過后幣價上漲的核心推動要素。投資時還需綜合考慮其他因子對價格的影響。
