DYDX:Chain Hill Research：以相對估值和回歸分析法探究 DYDX 估值_SheBollETH Commerce

來源：Mirror

摘要

本文分為兩個主要部分：第一部分使用PE,PS和PEG指標對$DYDX進行相對估值。為了改進相對估值模型，本文對每個指標都進行了一些調整。綜合估值誤差的平均值和標準差來看，使用月增長率的PEG和過濾掉大于50的PS指標最具潛力。第二部分通過回歸分析探究了一些可能對$DYDX代幣價格造成波動的因子。在回歸因子中，滯后兩天的協議收入和VIX指數與$DYDX價格呈現較強相關性，ETH價格以及月增長率同樣也對$DYDX價格有一定影響。需要注意的是，至本文撰寫時$DYDX代幣僅發行不到三個月時間，因此使用月增長率的可用數據只有兩個。另外，在VIX，ETH和協議收入之間可能存在多重共線性。

目錄

簡介相對估值法數據PEPSPEG回歸分析數據幣價&協議收入幣價&外部因素幣價&增速ETHprices結語dYdX項目簡介

dYdX于2021年9月9日發行治理代幣$DYDX，發行至今，$DYDX的價格波動一直非常大。

$DYDX價格,Source:TokenTerminal)

$DYDX價格在九月的最后幾天大幅度上漲，并在9月30日達到歷史最高價$26.8。伴隨著價格飆升，平臺日交易量和協議收入也急劇上漲。其原因可能是dYdX在月末發放交易獎勵，導致當月末出于獲得代幣獎勵目的的交易量增長。其他相關原因可能包括中國禁止加密貨幣交易業務，導致對不需要KYC的去中心化交易平臺的需求上升。

(dYdX日交易量和日總收入,Source:TokenTerminal)

通過對比VIX指數和dYdX日交易量，可以發現兩者的相對高點和低點在時間上似乎存在同步性。VIX指數9月后比較明顯的相對高低點已在下圖標注出來，在9月20日，10月27日和11月10日，VIX指數和dYdX的交易量似乎都存在比較明顯的上漲。

(CBOEVolatilityIndex-VIX,Source:YahooFinance）

基于對$DYDX價格、dYdX日交易量和協議收入，以及VIX指數的上述觀察。本文第一部分將使用可比項目對$DYDX進行相對估值分析，第二部分將通過回歸分析找出造成$DYDX代幣價格和市值變動的因子。

相對估值法

本部分基于一些常見的估值指標對DYDX進行相對估值。

價值約3.1億美元ETH從未知錢包轉至Coinbase:金色財經報道，Whale Alert數據顯示，價值約3.1億美元ETH（149999枚）從未知錢包轉至Coinbase。[2023/4/19 14:12:43]

數據說明

所有鏈上數據來源于TokenTerminal，數據頻率為每日，時間為2021年11月21日往前一年。針對$DYDX，可獲取的歷史數據為2021年9月8日至2021年11月21日。根據TokenTerminal的行業標簽分類，將帶有‘Exchange’標簽的項目用于DYDX的相對估值，所有用于相對估值的項目在附錄列出。

每個項目的數據包括：代幣價格、總收入、協議收入、TVL，成交總額、流動市值、完全稀釋市值，以及PE和PS比例。對于部分項目，例如dYdX，協議收入與總收入雖分開列出但是相同的數據。dYdX從9月初發幣至2021年11月21日共有75行數據供我們進行分析。

PE估值

首先，我們研究PE指標是否適用于$DYDX的相對估值。

基礎PE估值

最直接的方式是，計算行業最新的平均PE，用此數值乘以$DYDX最近的年化收入推算其市值。在此我們采用TokenTerminal的年化收入計算方式，取最近30日的收入進行年化處理。用此方法得出$DYDX在2021年11月21日的估值結果：

PE相對估值結果指出$DYDX在2021年11月21日的完全稀釋市值應為$115.7b左右，而其當日實際市場估值只有$14b。高達$100b的差距意味著直接使用行業平均PE不太合理。

對每天都使用上述估值方法，得出以下圖表，可以看出，相對市場估值，此方法長期大幅高估$DYDX市值。

(基礎PE估值)

選擇性PE估值

通過對可比項目的檢查，我們發現部分項目的數據有“異常“現象，這些項目的歷史PE波動極大，有時高達幾千甚至上萬，因此除去這些項目可能對估值結果有所改善。本文暫時不討論造成這些超高PE的原因，僅將這些項目從可比項目中除去，被除去的項目列在附錄里。

(選擇性PE估值)

如圖可見，刪除這些“異常”項目大大縮小了估值結果和市場估值的差距，但是持續的估值差異依然存在。

此模型最新估值:$26.84b

98,440,822枚USDC在USDC Treasury銷毀:金色財經報道，WhaleAlert數據顯示，北京時間今日1:52，98,440,822枚USDC（98,440,822美元）在USDC Treasury銷毀。[2023/4/18 14:09:28]

估值差(=相對估值–市場估值)統計值:

平均:13b??????標準偏差:4.5b

過濾PE估值

除了手動去除這些表現異常PE的項目，我們可以自動過濾掉大于某個閾值的PE數據。

過濾掉大于100的PE數據得出以下結果：

(過濾大于100PE估值)

最新估值:$26.84b

估值差統計值:

平均:13.2b????標準偏差:4.9b

綜合來說，此模型結果與之前的選擇性PE方法比較相似。

接著我們嘗試過濾掉大于50的PE。

(過濾大于50PE估值)

最新估值:$21.18b

估值差:

平均:7b????????標準偏差:4.1b

在這三個模型中，過濾掉PE>50的樣本后得出的估值結果似乎是最好的，因為其平均估值差和標準偏差是三者中最小的。另外，我們也發現同時使用PE<50過濾和選擇性PE得出結果和僅使用PE<50過濾是相同。

PS估值

從TokenTerminal獲取的數據中，幾乎每個項目都有總收入數據，而協議收入僅適用于部些項目。因此，使用PS指標可以引入更多可比較的項目。更重要的是，協議收入和總收入對代幣持有者具有不同的經濟意義。前者僅包括支付給協議和/或其代幣持有者的費用，后者還包括供應方參與者獲得的收入。對于dYdX而言，目前dYdXTradingInc正在收取費用，而不是dYdX協議國庫或$DYDX代幣持有者。因此，使用總收入比協議收入更具可比性。

基礎PS估值

采用類似基礎PE估值的方法，利用所有可用的PS指標樣本進行估值。由此得出的估值和市場估值的差異約為$50b，盡管這比PE估值模型得到的差異小得多，但仍然是一個顯著的差異。因此，同樣需要對PS估值進一步調整。

過濾PS估值

意大利隱私監管機構就ChatGPT對OpenAI展開調查:金色財經報道，意大利數據保護機構對OpenAI公司非法收集用戶信息展開調查。意大利個人數據保護局今天宣布，即日起禁止使用聊天機器人ChatGPT，并限制開發這一平臺的美國人工智能公司OpenAI處理意大利用戶信息。同時，意大利個人數據保護局指出，本月20日，ChatGPT平臺出現了“用戶對話數據和付款服務支付信息丟失”的情況。

此外，該平臺沒有就收集處理用戶信息進行告知，缺乏大量收集和存儲個人信息的法律依據。OpenAI公司“必須在20天內通過其在歐洲的代表向意大利個人數據保護局通報公司執行保護局要求而采取的措施”，否則將被處以最高2千萬歐元或公司全球年營業額4%的罰款。[2023/3/31 13:37:39]

跟過濾PE一樣，過濾掉極端的PS能改進估值結果。

過濾掉大于100的PS得出:

(過濾大于100PS估值)

最新估值:$22.72b

估值差:

平均:1.81b?????????標準偏差:5.8b

此模型起先相對市場低估$DYDX，隨后在十月中旬左右開始相對高估，因此其平均估值差相對其他模型較小，但估值差標準偏差卻相對較大。

同樣的，我們也可以嘗試過濾大于50的PS:

(過濾大于50PS估值)

最新估值:$10.89b

估值差:

平均:-5.2b????????標準偏差:3.5b

此模型長期相對市場低估DYDX，因此平均估值差為負，但其估值差標準偏差確是目前為止最小的。

PEG估值

另一個可用的指標為PEG，相比PE，此指標考慮到了項目增長潛力的影響，但是我們發現采用不同的增長速度估計方法會導致截然不同的估值結果。本文模型采用了所有的可比項目，項目的預期增速從歷史數據中推理出來。如果希望得出更準確的結果，可以基于基本面信息對每一個項目都進行適當的增速預測，并且只選擇跟dYdX最為類似的項目作為可比項目進行估值。

PEG使用復合年化增速(CAGR):

?復合年化增速公式如下:

EV為末尾值，BV為起始值，n為年數。

此增速計算方法只取了起始和末尾兩個值進行計算，但是由于日收入數據波動極大，因此我們選擇使用月平均日收入作為起始和末尾值，同時我們延用前文過濾PE大于50的方法，得到結果如下：

數據：Alameda的以太坊地址正在將ERC20代幣換成ETH和USDT:金色財經報道，鏈上觀察員Ergo表示，Alameda的ETH地址正在將ERC20代幣換成ETH/USDT，然后，ETH和USDT通過即時交換器被轉移。[2022/12/28 22:12:31]

(PEGwithCAGRandfilter)

最新估值約$5b

估值差:

平均:-11.7b標準偏差:2.7b

此模型長期低估DYDX，且平均差距較大，但是標準偏差較小。

PEG采用周度日平均收入增速

相比于只用頭和尾兩個值，使用所有可用數據可能能更好的推出預期增速，因此我們選用每周的平均日收入并計算其增速，最后取這些周增速的平均值來作為項目的預期增長率。

此方法計算出dYdX收入的預期增長率約24.2%。

同樣的延用PE<50過濾，得出以下結果：

?(PEG周度增速)

最新估值:$89.3b

估值差:

平均:68.8b??????????平均偏差:13.5b

PEG采用月度日平均收入增速

我們可以重復之前的方法，但取每月的平均日收入而不是每周，這樣做的原因是為了讓增速數據更加平滑。由于dYdX的代幣機制設計，其日交易量和收入展現出某種日歷效應，即每月后半月的交易量明顯高于前半月。所以對類似dYdX這樣的項目來說，如果計算周度增速，其數列將呈現較強波動性，其平均增速也將更易受極端值的影響。

此模型下計算出dYdX收入的增速約15.2%。結合PE<50的過濾,得出如下結果:

(PEG月度增速)

最新估值:$9.3b

估值差:

平均:-7.3b??????????標準偏差:2.9b

總體來說，此模型相比使用周增速，能更準確的追蹤市場估值變動，提供了更小的平均偏差和標準偏差。

PEG采用最近月增速

在加密貨幣這個快速變化的市場里，投資者們可能更看重項目最近的表現，因此此模型只考慮最近的月平均日收入增速，結果如下：

(PEG最近增速)

Decentral Bank推出100萬枚USN的激勵計劃:金色財經消息，發行NEAR原生穩定幣USN的DAO Decentral Bank宣布推出100萬枚USN的激勵計劃，以激勵NEAR和Aurora生態DeFi的發展，激勵計劃細節暫未公布。[2022/9/1 13:01:50]

由圖可見此模型不如之前的幾種模型，估值結果長時間為負值，并且與市場估值差距很大。

小結

模型結果比較:

最小估值差均值：PS<100估值模型，$1.8b

最小估值差標準偏差.:PEG_CAGR估值模型,$2.7b

要點：

PS<100模型因其從相對低估到相對高估，故平均估值差較小但標準偏差較大；PEG_CAGR模型似乎能最好的追蹤市場估值趨勢，其估值差的標準偏差最小，但其平均估值差距卻大的多。而PS<50模型和PEG_月增速模型在估值差均值和標準偏差這兩個指標上相對更平衡，總體更優。模型的選擇可以理解為對估值差均值和標準偏差的取舍，如果需要得出一個盡可能接近市場估值的結果，較小的平均估值差可能更為重要；若只需要追蹤市場趨勢而不是一個絕對數值，較小的標準偏差則更優先。模型的選擇會極大程度地影響估值結果，有時甚至指示相反方向。在我們的分析中，有超過30個項目帶有‘Exhange’標簽并被用于相對估值計算，但并不意味著這些項目都適用作為可比項目。人為選取一些指標穩定，基本面最相似的可比項目，并進行合理的增速預測，可能會得出更可靠的結果。在所用的模型中，無論總體上相對市場是高估還是低估，大多數都指示估值在10月10日到10月25日之間應有上漲趨勢，但實際的市場估值卻在此區間表現出下滑趨勢。估值模型預測上漲的原因主要歸根于9月末的收入激增，而市場的表現似乎暗示投資者們并不相信這階段的高額交易量/收入會持續下去。回歸分析

此部分研究了$DYDX代幣價格與一些潛在因子的相關性。

數據說明

所用數據與之前部分相同，加入了VIX指數每日的收盤價。

幣價&協議收入

首先我們檢驗協議收入的變化是否會造成顯著價格波動。

通過進行OLS線性回歸，用代幣價格作為因變量，協議收入和TVL作為自變量，得出結果如下：

(幣價on協議收入&TVL,基礎)

協議收入的系數為正且有5%統計顯著性，而TVL的系數不僅數值較小，且只有10%的統計顯著性。

在嘗試了領先或滯后協議收入數據后，得出將其滯后兩天能最大程度地提升其系數的顯著性——換而言之以每天的價格作為因變量但使用兩天前的協議收入作為自變量。

(幣價on協議收入&TVL,滯后協議收入2日)

由上圖可見，協議收入系數的P-value提高了2個百分點，但TVL的顯著性降低，結果指出今天的協議收入增加1美元將使2天后的幣價上升約$9*10-7。該結果的一個合理解釋為市場需要一定時間才能反映出項目基本面信息的變化。

運用滯后過的模型來預測幣價，樣本內回測結果如下：

(樣本內回測1)

預測誤差(預測幣價–實際幣價):

平均:-2.115e-13????????標準偏差:3.889

幣價&外部因素

如前文所述，VIX指數和dYdX平臺交易量/收入有相似的高低點，為了更準確地驗證VIX指數的影響我們加入了VIX的每日收盤價進行回歸分析。

(幣價on協議收入,TVLandVIX收盤價)

VIX收盤價的系數有很強的統計顯著性。

加入了VIX以后，常數項的統計顯著性消失，且總體R-squared接近翻倍。

協議收入系數的顯著性降低至10%，造成原因可能為前文提及的VIX和協議收入的聯動性，換言之，協議收入可能為VIX導致幣價變動的其中一個渠道。

將協議收入和VIX同時滯后兩天，兩者系數的顯著性都有所提升，p-value分別為1.4%和0.1%。

(幣價on協議收入,TVLandVIX收盤價,滯后協議收入和VIX收盤價2日)

運用滯后過的模型來預測幣價，樣本內回測結果如下：

(樣本內回測2)

預測誤差:

平均:3.062e-13??????????標準偏差:3.527

幣價&增速

接下來我們驗證dYdX收入增速是否會影響投資者對$DYDX的估值。

與之前部分類似，增速的計算方式會對結果造成較大影響.用每日的協議收入增速提供了最多的增速數據點，但通過回歸分析并未能找出任何增速的顯著性。較合理的解釋之一為：每日協議收入變化極大，故增速計算出的結果波動也極大，并在正負之間反復橫跳，相比于幣價的變化，增速的變化幾乎可以看作是隨機的。

若取一段時間內的平均日協議收入進行增速計算，對增速變化有一定緩和作用，如果每周算一次日平均收入再進行增速計算，則每周內的每一個數據點都有一樣的增速數據。如此進行回歸分析，得出結果如下，相比每日增速有所進步，但仍不足以總結出顯著的系數。

協議收入已從回歸分析中移除，因其與協議收入增速有強相關性。

(幣價on周度收入增速)

(幣價on周度收入增速&TVL)

然后，我們可以重復一樣的步驟但是增速計算頻率取用每月。

(幣價on月度收入增速&TVL)

此方法下，所有自變量的系數都展現出統計顯著性，并且R-squared為所有模型中最高-0.412。但值得注意的是，$DYDX的時間序列數據只有不到3個月可用，因此月度增速的可用數據很少。

運用月度增速模型，樣本內回測結果如下：

預測誤差:

平均:-2.801e-07????????標準偏差:3.198

(樣本內回測3)

ETH價格

其他研究提出利用ETH或者BTC價格作為市場因子，借鑒他們的想法，接下來的分析加入了ETH的每日價格。其他因子保持不變，加入了ETH價格后，協議收入和VIX的系數都失去了顯著性，而ETH價格的系數展現出強顯著性。

(不滯后VIXand協議收入)

(滯后VIXand協議收入)

運用滯后VIX和協議收入的模型，樣本內回測結果如下：

(樣本內回測4-1)

預測誤差:

平均:-1.261e-13????????標準偏差:3.058

通過檢查自變量之間的皮爾遜相關系數，可以推測出自變量之間很可能存在多重共線性問題。

(自變量間相關系數)

可以發現VIX和ETH的相關系數達-0.7，因此，將兩者同時作自變量可能對回測模型并沒有改善。

?嘗試將VIX價格從自變量中去除，回測結果如下：

?(樣本內回測4-2)

預測誤差:

平均:-1.261e-13????????標準偏差:3.058

進一步將協議收入去除，回測結果如下：

(樣本內回測4-3)

預測誤差：

平均:2.782e-14??????????標準偏差:3.077

從預測誤差的平均值和標準偏差來看，使用完整的模型或是去除VIX后的模型預測結果更勝一籌。

結語

因為至本文撰寫時，只有不到三個月的DYDX代幣數據可用，共70個數據點，總結出的規律建議持續觀察。不同的估值方式產生的結果也截然不同，綜合所有，單從估值差的平均值和標準偏差來看，用月度增速的PEG和過濾大于50的PS看似是最有潛力的相對估值指標。更準確的估值可能由更可靠的增速預測或是其他類似貼現現金流的估值方式實現。

大多數模型相比市場都更高估DYDX,只有3個模型是相對低估的(PS<50,PEG_MONTH,CAGR)，但是PS<50和PEG_Month都有著相對比較小的平均估值偏差和標準偏差，因此可能需要著重考慮。

收入和平臺交易量幾乎完美關聯，兩者都有較強波動性且于VIX價格有一定聯動。本文的回歸分析指出，利用VIX價格和協議收入可以預測兩天后代幣價格的走勢。

Tags：DYDXPEGETHTVLdydx幣未來能漲到多少peg幣下架了SheBollETH Commercetvl幣圈

PEPE