[论文解读] ERC20 Transactions over Ethereum Blockchain: Network Analysis and Predictions
本文提出将ERC20交易网络的幂律指数γ建模为欠阻尼谐振子，从而实现对网络动态的准确一年期预测。通过内接和外接度分布指数，该方法在RMSE较低的情况下实现了可靠的预测，尤其在γ^in方面表现优异，表明加密资产生态系统中的网络结构遵循振荡性、受物理启发的动力学规律。
Following the birth of Bitcoin and the introduction of the Ethereum ERC20 protocol a decade ago, recent years have witnessed a growing number of cryptographic tokens that are being introduced by researchers, private sector companies and NGOs. The ubiquitous of such Blockchain based cryptocurrencies give birth to a new kind of rising economy, which presents great difficulties to modeling its dynamics using conventional semantic properties. Our work presents the analysis of the dynamical properties of the ERC20 protocol compliant crypto-coins' trading data using a network theory prism. We examine the dynamics of ERC20 based networks over time by analyzing a meta-parameter of the network, the power of its degree distribution. Our analysis demonstrates that this parameter can be modeled as an under-damped harmonic oscillator over time, enabling a year forward of network parameters predictions.
研究动机与目标
- 使用网络理论分析ERC20代币交易网络的时序动态。
- 探究内接和外接度分布的幂律指数γ是否遵循可预测的动力学模式。
- 基于历史γ动态，开发未来网络结构的预测模型。
- 在整整一年的时间范围内，验证模型在预测网络参数方面的准确性。
提出的方法
- 将度分布幂参数γ建模为带有零均值高斯噪声的欠阻尼谐振子。
- 利用2015年6月至2018年6月的时间序列数据，对历史γ^in和γ^out值拟合振子模型。
- 通过计算观测值与预测值之间γ值的均方根误差（RMSE），评估模型准确性。
- 应用90天滚动均值和标准差，对RMSE信号进行平滑和稳定处理。
- 使用在每个检查日期前拟合的部分振子模型，评估随时间推移的预测性能。
- 通过残差分析和预测值与实际γ轨迹的可视化检查，验证模型拟合效果。
实验结果
研究问题
- RQ1ERC20网络度分布指数的时序动态能否被建模为欠阻尼谐振子？
- RQ2该振子模型在一年预测期内，对γ^in和γ^out未来值的预测准确度如何？
- RQ3在振子模型下，γ^in与γ^out的相对预测性能如何？
- RQ4模型的误差与稳定性随时间如何演变，特别是在数据的最后一年？
- RQ5模型预测是否存在系统性偏差，例如对γ_∞的高估，或未能捕捉到γ^out的振荡？
主要发现
- 欠阻尼振子模型对γ^in动态的拟合中，残差集中在零附近，表明统计拟合良好。
- γ^in的拟合振子参数在最终观测振荡之前即已稳定，表明模型具有鲁棒性。
- 该模型对γ^in的预测RMSE始终低于γ^out，尤其在2017年6月25日之后的最后一年数据中表现更优。
- 自2017年12月起，γ^in和γ^out的预测均收敛至相似的低RMSE值，实现长达7个月的稳定、低误差预测。
- RMSE及其标准差随时间递减，表明随着更多数据的获取，预测的准确性与置信度持续提高。
- 模型倾向于高估γ_∞，且未能捕捉到γ^out的实际振荡，表明网络中存在超出弹簧-阻尼动力学的其他作用力。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。