在上一篇文“團隊在做事’和幣價真的有關嗎？”，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性，得出GitHub六因子與幣價漲跌幅在牛熊市都呈正相關的結論。

本文就“相關性“這一結論進一步拓展，研究二者的因果性，即“是因為技術升級促進了幣價上漲，還是幣價上漲拉動了技術升級”？從而幫助投資者與開發(fā)者更加明確“技術開發(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構建GitHub開發(fā)活躍度指標 Github Development Activity Index (GDAI)。

其次，在此基礎上，結合行業(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，構建反映全行業(yè)整體GitHub開發(fā)活躍度的指標 Industury Github Development Activity Index (IGDAI)。

然后，通過比較行業(yè)開發(fā)活躍度指標 IGDAI 與幣價漲跌幅近6年來的變化趨勢，判斷技術與價格的因果關系。

最后，將GDAI指標應用于近6年來一直開發(fā)的token，比較其開發(fā)活躍度指標值和幣價漲幅與BTC、ETH二者的差異，以印證前文對技術與價格因果關系的判斷。

Step1. 用層次分析法構建針對單個項目的GitHub開發(fā)活躍度指標GDAI （Github Development Activity Index）

表1: GitHub五因子與項目開發(fā)具有關聯(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層（objective）、準則層（criterion）和方案層（scheme）。在分解的基礎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)中各因素之間的關系，建立系統(tǒng)的遞階層次結構

將目標層 GDAI 分解為5個準則層

μStar, μFork, μCommit, μIssues, μPullRequests。

圖 1 GDAI 指標分解圖

(2) 建立判斷矩陣

對于同一層次的各元素關于上一層次中某一準則的重要性進行兩兩比較，構造兩兩比較矩陣（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

為準則層B創(chuàng)建以下判斷矩陣。根據(jù)經(jīng)驗和指標的性質，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指標與開發(fā)活動沒有特別直接的聯(lián)系，我們將給它們的權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種方法計算權重

方法 1: 算術平均法

其中推導出的權重向量公式是：

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的特征向量。然后將特征向量歸一化為所需的權重。

將以上3中方法所求權重取均值，即為最終確定的權重值。具體結果如表四所示：

表4 5大因子的具體權重

因此，具體的GDAI指標公式可有如下形式：

Step2. 基于GDAI優(yōu)化的全行業(yè)GitHub開發(fā)活躍度指標 IGDAI （Industry Github Development Activities Index）

在Step 1，我們構建了針對單個token GitHub開發(fā)活躍度指標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 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。

構建某一指標反映全行業(yè)情況，通常有兩種思路：

1.選取代表性標的計算其表現(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，所選取的標的“代表性”有待商榷；其次，當下的加密貨幣行業(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股市場半年內更換選取的標的，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)”格蘭杰因果關系檢驗的前提），并得出以下結果：

表5 格蘭杰因果關系檢驗結果

其中0.000<0.05，說明該F檢驗拒絕原假設（原假設H0: 二者不存在格蘭杰因果關系），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，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。考慮到以日為區(qū)間的開發(fā)活躍度指標波動幅度較大，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系檢驗確立了幣價單向影響技術開發(fā)的結論。**但我們還想探討是否存在一種特殊的關系：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)風向標），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。此觀點也與step3 格蘭杰因果關系檢驗的結果相互印證。

文章結論

通過上述內容，F(xiàn)alcon對本文的結論做一個總結：

1. 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IGDAI。
2. 通過分析2015-2023.10的“全行業(yè)GitHub開發(fā)活躍度指標 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。
3. “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。