
半匀质化通证ERC-3525即将面世,由华人团队Solv Protocol创建
导语:SFT有可能成为继FT和NFT之外的第三种资产形态。 最近,华人团队Solv Protocol创建的通证协议ERC-3525,即将正式通过,成为行业标准,并且有可能成为继FT和NFT之外的第三种资产形态。首先,笔者给大家介绍一下什么是ERC-3525。 与新出现的大多数专用“小标准”不同,ERC-3525 是一个通用的“大标准”。从启动到定案历时20个月,在崇尚速度的区块链行业里是少有的“慢工出细活”。 预计这也将是以太坊升级合并之后通过的第一个通证标准。 我们经常看到的通证是 “fungible token”,简称 FT。 FT 的特点是,任意两个单位的通证完全相同,可以相互替换,因此整体来说是“匀质的”。例如现实世界中的货币、普通股等价值单位,我们现在用ERC-20协议来代表创造FT。 2016 年之后,ERC-20 就成为使用最广泛、人们最为熟知的数字通证标准,开辟了一个数千亿美元的巨大产业。 与FT相反的是NFT,每一个 NFT 独一无二、举世无双、不可被替代,也无法参与计算,代表具体的数字物品,例如艺术品、域名等。现在绝大多数是使用ERC-721来创建NFT。 N...
来自ShopNEXT的探索:电商行业如何在Web3时代进行创新?
导语:一些勇于创新的电商平台开始通过加密Token来破局,将返利的标的变为加密Token,不仅叙事上更加新颖,对于用户变现来说还获得了全球范围的流动性。 自1995年亚马逊和PayPal在美国成立开始,电子商务这种以互联网为依托进行商品和服务交易的新兴经济活动,迅速普及全球。 新一轮科技革命和产业变革交汇孕育的电子商务,极大提高了经济运行的质量和效率,改变了人类的生产生活方式。 据eMarketer分析,2022年全球电商销售额将达到5.542万亿美元,高于2021年的4.938万亿美元,继续成为世界经济的亮点和增长点。 在网络购物中,“边买边赚”早已成为各类电商吸引用户留存的必要环节,最直接表现形式就是“购物返利”。 然而,随着市场竞争加剧以及巨头网络效应的加持下,市场份额逐渐走向被垄断的方向。 一些勇于创新的电商平台开始通过加密Token来破局,将返利的标的变为加密Token,不仅叙事上更加新颖,对于用户变现来说还获得了全球范围的流动性。 从另外一个角度看,电商+加密的服务也有可能吸纳更多的用户了解加密世界,从而让整个行业触达的范围变得更广阔。 今天我们要介绍的项目是——Sh...
Web3GO:专注孵化Web3的华人创业项目
导语:Web3GO Builder Program,支持优秀创业者和开发者从0到1的落地计划,以及提供最有价值的创业信息,如 Web3 的早期孵化的方向策略、技术交流研讨、融资策略和市场冷启动策略等。自从去年开始,我们陆续看到互联网大厂裁员的消息,也看到了Web3出现Stepn这种出圈效应极强的项目。 冰火两重天的对比势态下,我们观察到大厂的优秀人才也开始蠢蠢欲动。开始从“一眼就能望到头”的大厂生活,奔向宏大叙事的Web3。 不过这些即将进入Web3的新力军也多少存在适应和学习的过程,不免需要一些身先士卒的人来带领他们。这里面有行业导师,也有创业项目的孵化器等等。 例如,在海外已经存在一个相对成熟的DAO组织孵化器,SeedClub,又被称为Web3的y combinator,足以可见其影响力之深。 SeedClub目前已经有超过 65 名主要协作者以及 2500 多名支持者,他们来自业内的各细分领域,有知名NFT 收藏家、创作者、社交Token专家、VC 等。今天,笔者要介绍的一个项目Web3GO,堪称是国产项目方的SeedClub。 Web3GO是一个专注Web3.0的创新实...
@JFLam0529

半匀质化通证ERC-3525即将面世,由华人团队Solv Protocol创建
导语:SFT有可能成为继FT和NFT之外的第三种资产形态。 最近,华人团队Solv Protocol创建的通证协议ERC-3525,即将正式通过,成为行业标准,并且有可能成为继FT和NFT之外的第三种资产形态。首先,笔者给大家介绍一下什么是ERC-3525。 与新出现的大多数专用“小标准”不同,ERC-3525 是一个通用的“大标准”。从启动到定案历时20个月,在崇尚速度的区块链行业里是少有的“慢工出细活”。 预计这也将是以太坊升级合并之后通过的第一个通证标准。 我们经常看到的通证是 “fungible token”,简称 FT。 FT 的特点是,任意两个单位的通证完全相同,可以相互替换,因此整体来说是“匀质的”。例如现实世界中的货币、普通股等价值单位,我们现在用ERC-20协议来代表创造FT。 2016 年之后,ERC-20 就成为使用最广泛、人们最为熟知的数字通证标准,开辟了一个数千亿美元的巨大产业。 与FT相反的是NFT,每一个 NFT 独一无二、举世无双、不可被替代,也无法参与计算,代表具体的数字物品,例如艺术品、域名等。现在绝大多数是使用ERC-721来创建NFT。 N...
来自ShopNEXT的探索:电商行业如何在Web3时代进行创新?
导语:一些勇于创新的电商平台开始通过加密Token来破局,将返利的标的变为加密Token,不仅叙事上更加新颖,对于用户变现来说还获得了全球范围的流动性。 自1995年亚马逊和PayPal在美国成立开始,电子商务这种以互联网为依托进行商品和服务交易的新兴经济活动,迅速普及全球。 新一轮科技革命和产业变革交汇孕育的电子商务,极大提高了经济运行的质量和效率,改变了人类的生产生活方式。 据eMarketer分析,2022年全球电商销售额将达到5.542万亿美元,高于2021年的4.938万亿美元,继续成为世界经济的亮点和增长点。 在网络购物中,“边买边赚”早已成为各类电商吸引用户留存的必要环节,最直接表现形式就是“购物返利”。 然而,随着市场竞争加剧以及巨头网络效应的加持下,市场份额逐渐走向被垄断的方向。 一些勇于创新的电商平台开始通过加密Token来破局,将返利的标的变为加密Token,不仅叙事上更加新颖,对于用户变现来说还获得了全球范围的流动性。 从另外一个角度看,电商+加密的服务也有可能吸纳更多的用户了解加密世界,从而让整个行业触达的范围变得更广阔。 今天我们要介绍的项目是——Sh...
Web3GO:专注孵化Web3的华人创业项目
导语:Web3GO Builder Program,支持优秀创业者和开发者从0到1的落地计划,以及提供最有价值的创业信息,如 Web3 的早期孵化的方向策略、技术交流研讨、融资策略和市场冷启动策略等。自从去年开始,我们陆续看到互联网大厂裁员的消息,也看到了Web3出现Stepn这种出圈效应极强的项目。 冰火两重天的对比势态下,我们观察到大厂的优秀人才也开始蠢蠢欲动。开始从“一眼就能望到头”的大厂生活,奔向宏大叙事的Web3。 不过这些即将进入Web3的新力军也多少存在适应和学习的过程,不免需要一些身先士卒的人来带领他们。这里面有行业导师,也有创业项目的孵化器等等。 例如,在海外已经存在一个相对成熟的DAO组织孵化器,SeedClub,又被称为Web3的y combinator,足以可见其影响力之深。 SeedClub目前已经有超过 65 名主要协作者以及 2500 多名支持者,他们来自业内的各细分领域,有知名NFT 收藏家、创作者、社交Token专家、VC 等。今天,笔者要介绍的一个项目Web3GO,堪称是国产项目方的SeedClub。 Web3GO是一个专注Web3.0的创新实...
@JFLam0529
Subscribe to JFLam
Subscribe to JFLam
Share Dialog
Share Dialog
<100 subscribers
<100 subscribers
导语:Spectral的核心功能是计算出每个地址背后主体的多资产信用风险指数(MACRO)。该得分是反映了用户主体的链上信誉,由基于机器学习的信用风险模型计算,能够近乎即时地处理钱包的完整交易历史。

世界经济的基石是信用。不论是生产活动离不开融资扩张,还是我们都生活在一个不断重复的债务周期中,信用在我们世界中已经发挥了极其重要的作用。
为了获得信贷,一个人需要证明自己的信誉,比如多次及时偿还债务来实获得高信誉。
但是这种判断方式并不全面,那些不需要借入资金但信用良好的人,也会受到当前信用评分系统的惩罚。
此外,现行的信用体系也面临着歧视问题。
即使在发达国家,这仍然是一个需要解决的长期问题。不仅从种族的角度来看,一些国家、新兴市场的企业家等群体也被信用评分系统排除在外。
另外一方面,在Web3上构建的开放金融(DeFi)蕴含了更大的可能性:由开源应用程序支持,没有中央机构来监管活动,并且本质上是无信任的,即所有参与者进行金融交易,而不需要一个中央信赖的第三方。
根据Dune Analytics上的数据显示,2021年8月底有330万DeFi用户(20年仅有42.5万)有着数量级的增加。

相比于旧有系统,DeFi更有潜力,具有更低摩擦成本的优势,来构建出一个开源的、去中心化的信用评分系统。
今天,笔者要介绍的项目Spectral,就是一个链上的信用评分系统。
可以把它看作是一个链上信用风险评估分数,类似于传统的信用分数,只是它只从链上交易中产生,并且评估模型是去中心化协助,由用户控制的。
Spectral的核心功能是计算出每个地址背后主体的多资产信用风险指数(MACRO)。
该得分是反映了用户主体的链上信誉,由基于机器学习的信用风险模型计算,能够近乎即时地处理钱包的完整交易历史。

MACRO评分是通过连接单个钱包或多个钱包到Spectral的应用程序来创建的。
该应用程序检索与该钱包相关的所有DeFi和非DeFi相关的交易,从这些交易中提取一些特征,将其转化为向量,并将其作为一些机器学习模型的输入,以产生一个从300分(表示非常低的信用度)到最高850分(代表非常高的信用度)的分数。
目前,官方已经开放了MACRO评分。笔者发现计算过程中,还特别显示了通过七大维度来计算信用评分。接下来,就给大家介绍一下他们分别是什么?

1.DeFi交易历史
你与谁进行了交易,每笔交易的性质和数量,如借款、还款等。
2.清算历史
MACRO分数使用清算记录作为贷款违约的主要指标。一个较高的风险偏好会转化为较低的信用度或投机行为的标志。过去的清算通常会降低你的MACRO分数。
3.贷款安全边界
类似于传统金融中的贷款与价值比率(LTV)的概念,Spectral评估了用户借贷活动中超额抵押的程度。
DeFi抵押的资产价值越高,用户越倾向于规避风险,提高MACRO得分。
4.链上活动时长和其他基于时间的因素
MACRO分数还评估一个用户是否有成熟和合理的长期DeFi和链上活动的历史。旧的钱包通常可以预期有更高的MACRO分数。
5.钱包历史
钱包余额、钱包组成、ERC-20和NFT交易等因素可以反映用户的交易风险容忍度,借此可以深入了解用户的链上行为。
6.市场状况
当然,只观察清算记录而不考虑当时的市场活动是不够客观的。519事件很可能导致一个钱包所有的借贷都被清算,但是不能够证明他不讲信用。
因此Spectral会时刻关注市场情况,并且保证市场极端波动时期的清算大部分不会像正常情况下那样严重影响MACRO分数。
7.信用组合
MACRO分数也考虑到用户与DeFi借贷协议的组合。
虽然高MACRO分数不需要多样化的信贷组合(就与DeFi协议互动的数量而言),但一般来说,如果用户懂的使用各种DeFi借贷协议来进行借贷,则可以很好的分散风险。
计算完成后,会得到一个分数。

得到信用评分后,Spectral为用户提供了一个不可伪造的信用(NFC)Token,这是一个代表钱包地址信用程度的ERC-721代币。
当这个NFC Token和用户其他钱包捆绑在一起时,就可以创建一个更全面的Score。使用NFC可以客观地了解你在链上的行为有多大风险。

笔者认为一个评估算法,特别是基于机器学习的算法,有两个因素至关重要。
一个是训练数据的规模是否足够大,大数据集其训练出来的模型才更具有代表性。
另一个是算法黑盒子是否中心化,是否会造成传统金融中可能存在歧视的问题。
针对第一点,Spectral提到以太坊区块链的开源性质使其能够提取一个相当广泛和深入的数据集。

目前,Spectral的训练数据包括来自领先的DeFi协议的三年交易数据,包括约50,000名借款人,他们进行了300万次DeFi交易,包括借款、还款和清算交易。
该模型还使用了3000万个与DeFi无关的钱包交易(如ERC-20代币转移),以提供补充的信用风险洞察力。
此外,Spectral还不断搜索和增加新的数据维度和历史数据,其中包括延伸到2019年的记录。该团队除了时间点特征外,还使用了90多个代表各种聚合和趋势的数据特征集。
针对第二点,Spectral坚信创建一个 "Scoracle网络",激励去中心化的模型创建者共同创建准确的机器学习模型,让他们作为一个社区一起发展信用风险基础设施。
这将有助于保障MACRO分数不受偏见影响,有助于确保中立性,并不断提高准确性。
我们可以把这种协作方式看作一个“分布式信用风险建模”。不同数据建模师提出自己的信用分数评估模型,最终有机地汇总起来,以提供一个更强大和全面的信用分数。

至此,我们可以认为Spectral的MACRO评分是一个潜力十足的信用评分系统。
在Spectral的计划中,目前只是刚开始。Spectral正在整合更多的DeFi借贷协议和其他相关的链上数据源(例如,去中心化的交易所,NFT等),以及正在测试部署在其他L1/L2上。
其他正在研究的领域包括可验证的计算和零知识证明的实施,以向用户和开发者提供可证明的公平和更加保护隐私的结果。
例如将机器学习模型的计算证明将与信用评分一起公布,这样用户就不需要完全信任一个特定的实体的计算结果了。
我们正在筹备一个分享、讨论Web3项目的Dao,有兴趣参加的朋友添加微信:dingdingmars
导语:Spectral的核心功能是计算出每个地址背后主体的多资产信用风险指数(MACRO)。该得分是反映了用户主体的链上信誉,由基于机器学习的信用风险模型计算,能够近乎即时地处理钱包的完整交易历史。

世界经济的基石是信用。不论是生产活动离不开融资扩张,还是我们都生活在一个不断重复的债务周期中,信用在我们世界中已经发挥了极其重要的作用。
为了获得信贷,一个人需要证明自己的信誉,比如多次及时偿还债务来实获得高信誉。
但是这种判断方式并不全面,那些不需要借入资金但信用良好的人,也会受到当前信用评分系统的惩罚。
此外,现行的信用体系也面临着歧视问题。
即使在发达国家,这仍然是一个需要解决的长期问题。不仅从种族的角度来看,一些国家、新兴市场的企业家等群体也被信用评分系统排除在外。
另外一方面,在Web3上构建的开放金融(DeFi)蕴含了更大的可能性:由开源应用程序支持,没有中央机构来监管活动,并且本质上是无信任的,即所有参与者进行金融交易,而不需要一个中央信赖的第三方。
根据Dune Analytics上的数据显示,2021年8月底有330万DeFi用户(20年仅有42.5万)有着数量级的增加。

相比于旧有系统,DeFi更有潜力,具有更低摩擦成本的优势,来构建出一个开源的、去中心化的信用评分系统。
今天,笔者要介绍的项目Spectral,就是一个链上的信用评分系统。
可以把它看作是一个链上信用风险评估分数,类似于传统的信用分数,只是它只从链上交易中产生,并且评估模型是去中心化协助,由用户控制的。
Spectral的核心功能是计算出每个地址背后主体的多资产信用风险指数(MACRO)。
该得分是反映了用户主体的链上信誉,由基于机器学习的信用风险模型计算,能够近乎即时地处理钱包的完整交易历史。

MACRO评分是通过连接单个钱包或多个钱包到Spectral的应用程序来创建的。
该应用程序检索与该钱包相关的所有DeFi和非DeFi相关的交易,从这些交易中提取一些特征,将其转化为向量,并将其作为一些机器学习模型的输入,以产生一个从300分(表示非常低的信用度)到最高850分(代表非常高的信用度)的分数。
目前,官方已经开放了MACRO评分。笔者发现计算过程中,还特别显示了通过七大维度来计算信用评分。接下来,就给大家介绍一下他们分别是什么?

1.DeFi交易历史
你与谁进行了交易,每笔交易的性质和数量,如借款、还款等。
2.清算历史
MACRO分数使用清算记录作为贷款违约的主要指标。一个较高的风险偏好会转化为较低的信用度或投机行为的标志。过去的清算通常会降低你的MACRO分数。
3.贷款安全边界
类似于传统金融中的贷款与价值比率(LTV)的概念,Spectral评估了用户借贷活动中超额抵押的程度。
DeFi抵押的资产价值越高,用户越倾向于规避风险,提高MACRO得分。
4.链上活动时长和其他基于时间的因素
MACRO分数还评估一个用户是否有成熟和合理的长期DeFi和链上活动的历史。旧的钱包通常可以预期有更高的MACRO分数。
5.钱包历史
钱包余额、钱包组成、ERC-20和NFT交易等因素可以反映用户的交易风险容忍度,借此可以深入了解用户的链上行为。
6.市场状况
当然,只观察清算记录而不考虑当时的市场活动是不够客观的。519事件很可能导致一个钱包所有的借贷都被清算,但是不能够证明他不讲信用。
因此Spectral会时刻关注市场情况,并且保证市场极端波动时期的清算大部分不会像正常情况下那样严重影响MACRO分数。
7.信用组合
MACRO分数也考虑到用户与DeFi借贷协议的组合。
虽然高MACRO分数不需要多样化的信贷组合(就与DeFi协议互动的数量而言),但一般来说,如果用户懂的使用各种DeFi借贷协议来进行借贷,则可以很好的分散风险。
计算完成后,会得到一个分数。

得到信用评分后,Spectral为用户提供了一个不可伪造的信用(NFC)Token,这是一个代表钱包地址信用程度的ERC-721代币。
当这个NFC Token和用户其他钱包捆绑在一起时,就可以创建一个更全面的Score。使用NFC可以客观地了解你在链上的行为有多大风险。

笔者认为一个评估算法,特别是基于机器学习的算法,有两个因素至关重要。
一个是训练数据的规模是否足够大,大数据集其训练出来的模型才更具有代表性。
另一个是算法黑盒子是否中心化,是否会造成传统金融中可能存在歧视的问题。
针对第一点,Spectral提到以太坊区块链的开源性质使其能够提取一个相当广泛和深入的数据集。

目前,Spectral的训练数据包括来自领先的DeFi协议的三年交易数据,包括约50,000名借款人,他们进行了300万次DeFi交易,包括借款、还款和清算交易。
该模型还使用了3000万个与DeFi无关的钱包交易(如ERC-20代币转移),以提供补充的信用风险洞察力。
此外,Spectral还不断搜索和增加新的数据维度和历史数据,其中包括延伸到2019年的记录。该团队除了时间点特征外,还使用了90多个代表各种聚合和趋势的数据特征集。
针对第二点,Spectral坚信创建一个 "Scoracle网络",激励去中心化的模型创建者共同创建准确的机器学习模型,让他们作为一个社区一起发展信用风险基础设施。
这将有助于保障MACRO分数不受偏见影响,有助于确保中立性,并不断提高准确性。
我们可以把这种协作方式看作一个“分布式信用风险建模”。不同数据建模师提出自己的信用分数评估模型,最终有机地汇总起来,以提供一个更强大和全面的信用分数。

至此,我们可以认为Spectral的MACRO评分是一个潜力十足的信用评分系统。
在Spectral的计划中,目前只是刚开始。Spectral正在整合更多的DeFi借贷协议和其他相关的链上数据源(例如,去中心化的交易所,NFT等),以及正在测试部署在其他L1/L2上。
其他正在研究的领域包括可验证的计算和零知识证明的实施,以向用户和开发者提供可证明的公平和更加保护隐私的结果。
例如将机器学习模型的计算证明将与信用评分一起公布,这样用户就不需要完全信任一个特定的实体的计算结果了。
我们正在筹备一个分享、讨论Web3项目的Dao,有兴趣参加的朋友添加微信:dingdingmars
No activity yet