Bancor协议,了解一下(20180724)

一、Bancor算法是什么?

它是在1940年-1942年间由凯恩斯、舒马赫提出的一个超主权货币的概念,可作为一种账户单位用于国际贸易中,并由英国在二战后正式提出。然而,由于美国实力在二战后一枝独秀,Bancor 方案并没有在布雷顿森林会议上被采纳使用。但应用这一思想的 Bancor 算法则继续延续了其生命力。Bancor 算法由 Bancor Network 项目提出应用,旨在采用公式来设定好数字资产间的兑换价格。

那么回到班柯算法,他的创作者是一群凯恩斯经济学的追随者。通过代码实现和升级了bancor的设计理念。他的最完美最终形态,是一种自动定价的一篮子货币。你随便给我一个币,然后我会根据我篮子里面你这种币的储备量给你定价卖bancor给你。然后因为篮子里的货币是铁索连舟连在一起的,并且是根据供需达成的人机交易公式定价,既没有利用竞价规则炒作的风险,也没有任何空手套白狼的做多做空工具,更没有任何被挪用的可能。具有非常牛逼的鲁棒性。

二、Bancor算法的特点?

主要有三个特点。

  1. 定价是根据真实供需公式定价公开透明可预测,不会像交易所那样做价格。
  1. 没有竞价这个环节,不依赖流动性。刷单,刷交易量,刷净流入,净流出无意义。
  1. 没有对手风险,所有交易都是人机交易。买家不需要去找卖家,卖家不需要去找买家。机器就在那里。机器里面装了多少钱明明白白。

三、如何理解Bancor白皮书中的公式?

bancor其实就是这么一个,抵押发币的杠杆公式

A=FB

A 是抵押货币资产

F 是连接权重

B 是衍生货币总市值(用A的价值来表示),其中B=ST,

S 衍生货币总量

T 衍生货币单价(单位是T/A)

F是大于0小于1的,这意味着抵押资产的价值是永远小于衍生货币的。也就是我抵押一块钱,就能发一种价值超过1块钱的新币的意思。

四、我对Bancor的理解

上面的内容我直接引用了别人写的文章,他们写的已经足够好了。通读目前市面上大部分关于Bancor的文章,就推荐如下的几篇(上面的引用也来自于这些文章):

10张图带你看懂Bancor协议

【超越白皮书4】Bancor 算法的数学、经济学解析与参数测算

BM 谈 EOSIO RAM 市场 和 Bancor 算法

【捭阖命物eos】当你们学我开始炒ram的时候,我已经把ram经济学理解了

【捭阖命物eos】bancor公式精研系列01

【捭阖命物eos】bancor公式精研系列02--如果我来设计dram,我就玩个大的

如果想学习Bancor算法,第一建议是先读白皮书(白皮书在这里,密码s2sm),然后再看这些文章。

以太坊的出现,尤其是ERC20 Token标准的普及,让“资产通证化”变得非常容易(就是ICO),但是资产通证化面临着如同资产证券化一样的问题,即小股票的流动性很差,大量的交易发生在蓝筹股之间,而非全部市场。大资金由于流动性的顾虑,会更偏向流动性较好的证券或通证,而流动性较差的证券或通证,往往带有“庄”的特质,而且其价格发现机制较差。

这会带来什么后果?最大的后果就是,打击了一些小规模发行人的积极性。对于股票而言,只要利润足够,股票一定能够随着利润不断做大市值,带来流动性的改善。但是对于通证来说,尤其是特定区域特定行业的通证,他们本身就具备“小而美”的特征,是做不大的。流动性枯竭会让投资人在下次决策的时候,优先考虑流动性较好的通证。

股票市场上,解决这一问题的是做市商制度。但是,除非做市商本身能够挣钱,否则这一制度也会存在各种各样的问题,国内的新三板市场就是最好的例子。而且,做市商赚取的差价是整个市场交易对手共同提供的。在这样一个市场上,做市商具有中心化的金融权力。

Bancor协议本质上就是自动化的做市商制度。它为大量“长尾”的通证提供了丰富的流动性。目前用得最多的就是EOS内部的RAM交易上。EOSRAM注定不会是一个非常大的市场容量,使用了Bancor协议后,却让这个小市场的流动性大大改善,不得不佩服BM引入Bancor算法的思路,尤其是原先建立在以太坊上的Bancor Network自己都快game over的情况下。

接触Bancor之后,我觉得这种技术甚至可以脱离区块链而存在。就如同区块链之于比特币一样。将这个算法稍加改善,H股和新三板的流动性问题甚至都会大大缓解。

Bancor白皮书里面提到,Bancor的用途还有很多,外汇或通证兑换、构建一个智能代币包含一揽子通证(这不就是通证ETF吗)都是非常有趣的构思和尝试,期待有人在Bancor算法的基础上衍生出更多的玩法和实践。

©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 205,132评论 6 478
  • 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 87,802评论 2 381
  • 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 151,566评论 0 338
  • 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 54,858评论 1 277
  • 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 63,867评论 5 368
  • 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 48,695评论 1 282
  • 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 38,064评论 3 399
  • 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 36,705评论 0 258
  • 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 42,915评论 1 300
  • 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 35,677评论 2 323
  • 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 37,796评论 1 333
  • 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 33,432评论 4 322
  • 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 39,041评论 3 307
  • 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 29,992评论 0 19
  • 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 31,223评论 1 260
  • 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 45,185评论 2 352
  • 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 42,535评论 2 343

推荐阅读更多精彩内容

  • EOSRAM近期很火!前有BM不遗余力的推动,后有炒币人群的追捧,EOSRAM就这么火了。随着EOSRAM火起来的...
    何玺阅读 417评论 0 0
  • 天穹沉甸,乌黑笼罩冷落的堂镇。死一样的寂静,午夜,街道荒芜,人影尽失。 仲夏七月,却无蝉鸣。 ...
    继瑄阅读 211评论 0 0
  • “生命之中,不如意之事十有八九。” 看到这句话时,我不禁心里暗自思忖着 “那活着就为了十之一二吗?” 1 因为今天...
    馔疬阅读 191评论 0 0
  • 一个人对待工作的认真程度和对待恋情的态度是成正比的,一个没有责任心的人,可能不是一个坏人,但肯定不会是一个很好的人。
    王小小小庆阅读 145评论 0 0