관심 경제 구축

지나치게 간결할 위험은 있지만, 자산에는 크게 두 가지 유형이 있습니다.

1. 현금 흐름 자산 — 주로 주식과 채권. 이러한 자산은 투자자가 가치를 할당하는 현금 흐름을 생성합니다.

2) 공급 및 수요 자산 — 대부분 상품 및 외환에 적용됩니다. 가격은 공급과 수요에 따라 변동합니다.

최근 암호화폐는 관심을 기반으로 가치를 창출하는 새로운 유형의 자산을 창출했습니다. 현재 'Attention Assets'는 주로 NFT, 크리에이터 코인, 밈코인과 같은 사용자 생성 자산(UGAs)입니다. 이러한 자산은 셸링 포인트 역할을 하며, 문화적 관심의 상승과 하락을 반영하는 가격을 사용합니다.

문화적 관점에서 밈코인은 흥미롭지만, 재정적 관점에서는 여전히 부족한 점이 많습니다. 효율적인 Attention Assets를 통해 시장 참여자는 무언가에 대한 직접적인 관심을 재정적으로 노출할 수 있어야 합니다. 그렇게 함으로써 시장 참여자들은 잘못 가격이 책정되었다고 믿는 자산을 거래하도록 인센티브를 받을 수 있으며, 시장은 관심에 대한 예측을 반영하는 가격을 집합적으로 생성할 수 있습니다.

우리는 구성이 적절하다면 Attention Assets가 진정한 자산 클래스로 발전할 수 있다고 믿습니다. 이 아이디어에 속도를 내기 위해, 본 글에서는 Attention Perps(거래자가 문화적 요소에 대한 관심에 롱 또는 숏 포지션을 가질 수 있는 새로운 도구)를 실행할 수 있는 새로운 오라클 구조인 Attention Oracles라는 아이디어를 제시합니다.

간단히 말해, Attention Oracles는 특정 주제를 중심으로 바이너리 예측 시장을 취하고 가격, 유동성, 시간 지평을 사용하여 관심의 변화를 포착하는 것을 목표로 하는 가중 집계 지수를 생성합니다. 적절하게 기능하려면 관련 실제 관심 입력을 대표하도록 기본 시장을 신중하게 선택해야 합니다. 예측 시장을 Attention Oracles의 입력으로 사용하면 내장된 조작 비용이 생성되며, 이는 적대적 거래자가 지수에 영향을 미치기 위해 자본을 위험에 처해야 하기 때문에 이론적으로 조작을 완화할 수 있습니다.

Attention Perps가 필요한 이유

UGA는 순수한 추측 속에서 제품 시장에 적합한 것을 발견했으며, 새로운 인터넷 트렌드와 멤과 같이 0에서 시작하는 것들의 관심을 추적하는 데 매우 능숙합니다.

UGA가 해결하는 문제는 전통적인 금융 시스템에 존재할 수 없는 자산을 창출하는 것입니다. 전통적인 자산 발행 프로세스는 느리고 비용이 많이 들며, 높은 규제 장벽을 두고 있어, 발행할 수 있는 자산을 제한합니다. Attention Assets는 글로벌 시대정신에 발맞춰 인터넷 속도로 운영되어야 합니다. 무허가 토큰 발행, 본딩 커브와 같은 영리한 가격 책정 메커니즘, DEX를 결합하면 사실상 누구든지 무료로 자산을 생성하고, 유동성을 부트스트랩하고, 다른 사람이 거래할 수 있도록 세상에 내놓을 수 있습니다.

UGA에 대한 한 가지 관찰은 가격이 일반적으로 0에서 시작한다는 것입니다. 이는 버그라기보다는 기능입니다. 새로운 밈을 완전히 처음부터 만들 경우, 해당 밈에 대한 관심은 0이기 때문입니다. 이는 직관적으로 저렴한 가격에 참여할 수 있다는 의미입니다. 또한 이를 통해 트렌드를 일찍 파악하는 데 능숙한 사람들은 저비용 기반 자산을 생성하여 그 능력을 수익화할 수 있습니다. 그러나 이는 UGA를 이미 존재하고 많은 관심을 받는 대상에 대한 관심에 재정적으로 접근하는 데 불완전한 도구로 만듭니다.

예를 들어, LeBron James에 대한 관심에 롱 포지션을 원한다고 가정해 보십시오. 멤코인을 생성할 수도 있지만, 이미 수십 개의 LeBron 토큰이 있습니다. 어떤 것을 구매하시겠습니까? 추가하자면, 새로운 LeBron 밈코인은 0에 가까운 가치에서 시작할 것이지만, LeBron은 세계에서 가장 유명한 사람 중 하나입니다. 직관적으로 그의 관심은 매우 높아야 하며, 짧은 시간 내에 100배로 증가할 가능성은 없어야 합니다. 마지막으로, 그 관심에 대한 숏 포지션은 어떻게 해야 할까요? Memecoins는 이를 지원하는 데 어려움을 겪게 될 것입니다.

그렇다면 기존의 높은 관심 주제에 대한 자산은 어떤 모습일까요?

일부 요구 사항은 다음과 같습니다.

1. 양방향 거래가 가능해 거래자가 롱 및 숏 포지션을 할 수 있어야 합니다.
2. 관심을 측정하기 위해 실제 세계 진실 소스에 연결해야 합니다.
3. 0에서 시작해서는 안 됩니다.

한 걸음 뒤로 물러나 이러한 요구 사항을 살펴보면 영구 선물 계약(perp)이 매우 적합하다는 것을 빠르게 알 수 있습니다. 즉, 양방향이며, 오라클(진실의 출처)을 보유하고, 파생상품이므로 0에서 시작하지 않습니다. 해결해야 할 어려운 문제는 Attention Perps를 위한 오라클을 구축하는 것입니다.

Noise와 같이 이미 이 문제를 해결하고 있는 일부 팀이 있습니다. Noise에서 거래자는 MegaETH, Monad와 같은 일부 암호화 프로젝트의 마인드쉐어에 대해 롱 또는 숏 포지션을 할 수 있습니다. Noise는 Kaito를 오라클로 사용하며, 소셜 미디어와 뉴스의 데이터를 집계하여 특정 주제에 대한 마인드쉐어의 양을 나타내는 숫자를 생성합니다.

그러나 이 디자인은 개선될 수 있습니다. Attention Oracles의 목표는 관심과 관련된 데이터를 입력받아, 데이터에 특정 함수를 적용하고, 거래자가 롱 또는 숏 포지션을 할 수 있는 값을 출력하는 것입니다.

소셜 미디어를 입력으로 사용할 때의 문제점은 소셜 미디어가 조작하기 쉽다는 것입니다. Goodhart의 법칙의 한 형태가 작용하고 있습니다. 적대적 시장에서 거래자들은 입력값을 조작하여 가격에 영향을 미치려고 할 것입니다. Kaito는 이미 이 문제를 해결하기 위해 리더보드와 안티스팸 필터를 재설계해야 했습니다.

또한 소셜 미디어는 완벽한 방식으로 관심을 끌지 않습니다. Shohei Ohtani를 예를 들어 살펴보겠습니다. Shohei는 많은 다른 소셜 미디어 앱을 사용하는 글로벌 팬층을 보유하고 있으며, 이 앱들 모두가 Kaito에 의해 색인화되지 않을 수도 있습니다. Shohei가 또 다른 World Series에서 우승하면 훨씬 더 큰 스타가 되지만, 그의 팔로워 카운트나 소셜 미디어에서의 멘션이 반드시 선형적으로 증가하지는 않습니다.

Attention Oracles: 시장 기반 접근법

LeBron James의 예로 돌아가서, LeBron에 대한 관심을 거래하고 싶다고 가정해 봅시다. LeBron James를 위한 Attention Oracle을 구축하는 첫 번째 단계는 "LeBron James는 이달 말까지 X백만 명이 넘는 팔로워를 보유할 것인가?", "LeBron James는 2026년 챔피언십에서 우승할 것인가?", "LeBron James는 2026년 MVP를 수상할 것인가?" 등 LeBron에 대한 주제에 대해 많은 바이너리 예측 시장을 통합(또는 존재하지 않을 경우 생성)하는 것입니다. 제대로 된 LeBron Attention Oracle이라면 더 많은 기본 시장을 활용하겠지만, 이 예시에서는 이 세 가지만 사용하겠습니다. 지수 가격은 각 개별 시장의 가격, 유동성, 해결 시간, 중요성에 대한 가중 집계를 통해 계산됩니다.

각 시장에 대해 가격, 유동성, 해결 시간, 중요성 점수를 제공합니다. 예를 들어, 가중치를 계산하는 매우 간단한 공식을 사용해 보겠습니다. 각 시장은 다음과 같이 유동성 및 시간 요소와 함께 1에서 10까지 유의성 점수를 갖습니다.

3개 시장의 중요성을 8, 2, 10으로 점수화하기로 결정했다고 가정해 봅시다. 각 시장의 가중치는 다음과 같습니다.

그리고 최종관심 숫자는 다음과 같습니다.

시장의 해결 시간이 각각 180, 20, 180일이고 각 시장의 중요도가 8, 2, 10이라고 가정할 경우 위 결과를 함께 합쳐보면 다음과 같습니다.

거래량 대신 미결제 약정을 사용하거나, 상관된 사건을 고려하거나, 시장 깊이를 조정하거나, 변수 간의 비선형 관계를 포함하는 등, 분명히 더 정교하게 관심 지표를 계산하는 방법이 있습니다. 우리는 독자들이 라이브 Kalshi 시장을 사용하여 자신만의 지수를 생성할 수 있도록 이 대화식 웹사이트를 만들었습니다.

이러한 예측 시장 기반 오라클 구축의 주요 이점은 조작에 물질적인 비용이 있다는 것입니다. 만약 거래자가 LeBron의 관심에 롱 포지션을 취하고 가격을 더 높이 올리고자 한다면, 기본 바이너리 예측 시장 포지션을 매수해야 할 것입니다. 기본 시장에서 충분한 유동성을 가정할 경우, 이는 시장이 과도하다고 간주하는 가격으로 포지션을 구매하는 것을 의미합니다.

이러한 시장이 성장함에 따라 매우 중요할 것이라고 우리가 생각하는 또 다른 이점은 바이너리 예측 시장이 시장 제작자에게 헤지할 수 있는 현물 시장을 제공한다는 것입니다. 마켓 메이커가 관심 수에 대해 숏 포지션이라면, 관심 수를 구성하는 기본 예측 시장 포지션에 대해 롱 포지션을 취하여 노출을 막을 수 있습니다.

Adjacent는 Kalshi의 실시간 유동 시장을 사용하여 지수를 생성하여 민주당 대 공화당 지배력, NYC 시장 선거 같은 정치적 동향을 추적했습니다. 우리는 이와 유사한 방법을 적용하여 임의의 주제에 대한 관심을 추적할 수 있다고 생각합니다. 예측 시장이 성장함에 따라 실행 가능한 주제도 확장될 것입니다.

Attention Oracle 설계 공간

오라클 구축에는 필연적으로 절충이 따릅니다. Attention Oracles에 대해 더 광범위하게 생각할 때, 우리는 다음을 주요 고려 사항으로 봅니다.

1. 입력은 얼마나 관련성이 있습니까?
2. 입력을 얻는 것이 얼마나 실용적입니까?
3. 입력은 얼마나 조작/게임 가능한가요?
4. 관심 번호를 계산하기 위해 입력에 어떤 함수를 적용하시나요?

우리가 제안한 오라클의 가장 명백한 단점은 입력을 얻기가 어렵다는 것입니다. LeBron James 관심 오라클을 구축하려면 먼저 LeBron과 관련된 주제에 대해 다양한 유동 예측 시장을 많이 만들어야 합니다. 또한 이러한 시장은 시간이 지나도 유동성을 유지해야 하며, 기존 시장이 해결되고 관련성이 떨어지면 유동 시장으로 대체될 수 있어야 합니다. 따라서 우리는 이 디자인이 이미 주변에 견고한 예측 시장이 있는 매우 작은 규모의 고프로필 주제(예: Donald Trump 또는 Taylor Swift)에 가장 적합하다고 생각합니다.

또 다른 절충 사항은 시장이 어떻게 해결하든지 관심이 증가할 수 있다는 것입니다. 예를 들어, LeBron이 또 다른 반지를 획득하지 못하더라도 사람들이 그의 실적에 질문함에 따라 그에 대한 관심이 높아질 수 있습니다. LeBron이 마침내 너무 나이가 들어가거나 손길을 잃고 있는지에 대한 논의가 고조될 수 있습니다. 이와 유사하게, 실제 세계의 관심은 종종 예기치 않은 이벤트로 이동하는 반면, 예측 시장은 이벤트 발생에 대한 기대치를 측정합니다. 만약 LeBron이 MVP를 획득할 것으로 시장이 예상했지만 그렇지 않은 경우, 지수가 내려가면서 관심이 높아질 수 있습니다. 팬과 전문가들은 LeBron이 어떻게 부당한 대우를 받았는지, 또는 MVP가 얼마나 불공정하게 선정되었는지에 대해 논의할 것입니다.

최상의 오라클 설계는 결국 예측 시장, 소셜 미디어 데이터, 기타 소스의 조합이 될 수 있습니다. Google Trends는 최근 개발자가 API를 통해 검색 동향 데이터에 액세스할 수 있도록 알파 프로그램을 열었습니다. 주제에 대한 인터넷 검색량은 명백히 관심과 상관 관계가 있으며, Google Trends가 중복 검색을 필터링하므로 소셜 미디어의 지표보다 조작에 더 강할 수 있습니다. 또 다른 방법은 LLM을 사용하여 더 쉽게 조작할 수 있는 입력을 분석하고 스팸을 필터링하려는 것입니다. 예를 들어, 주요 뉴스 매체의 헤드라인이나 X에서 트렌드인 게시물을 기반으로 관심을 매기는 LLM이 있습니다.

우리는 Kalshi, Polymarket과 같은 기존 거래소가 이미 많은 유동적인 기본 시장과 새로 상장 시장에서 거래할 사용자를 보유하고 있기 때문에 Attention Perps를 제공할 최상의 위치에 있다고 믿습니다. 그러나 우리는 Attention Assets의 기회가 큰 플레이어에만 국한되지 않는다고 생각합니다.

한 가지 구성은 주제에 대해 롱/숏 포지션을 설정하게 하여 예측 시장을 거래하는 볼트가 될 수 있습니다. 예를 들어, 롱 Taylor Swift 볼트는 상위 10위 곡, 슈퍼볼 공연 등의 이벤트에 대해 긍정 계약을 구매합니다. 증가한 관심과 관련이 있는 시장이 어느 것인지 결정하는 것은 볼트 관리자의 몫입니다.

또 다른 예는 Hyperliquid의 빌더가 배포한 영구 계약을 사용하는 것입니다. HIP-3는 오라클을 정의할 때 시장 배포자에게 유연성을 제공합니다. HIP-3 시장은 Kalshi/Polymarket, 소셜 미디어 지표, Google Trends, 뉴스 헤드라인 등의 데이터를 조합하여 사용할 수 있습니다.

자산 클래스로서의 관심

아이러니하게도, 관심 경제의 첫 번째 성숙한 적용은 주식 시장에서 나타날 수 있습니다. 주식의 가격에는 DCF 가치(즉, 본질적 가치)와 밈 가치의 두 가지 구성 요소가 있습니다.

역사적으로 대부분의 주식은 중요한 멤틱 가치를 지니지 않았습니다. 그러나 최근 몇 년 동안 WallStreetBets 및 Robinhood와 같은 24x5 소매 거래 플랫폼 덕분에, 더 많은 이름이 멤틱 가치를 유지했습니다.

주식 연구 분석가의 목표는 주식의 가격을 결정하는 것입니다. DCF 구성 요소를 계산할 수 있는 방법은 확립되어 있지만, 밈 구성 요소는 어떨까요? 더 많은 자산이 밈 가치를 거래함에 따라, 밈 가치를 모델링하는 방법을 개발하는 것이 필요할 겁니다. 숙련된 투자자들은 이미 팔로워, 좋아요, 노출과 같은 것을 이용해 정서를 판단합니다. 예측 시장 및 기타 오라클 구조는 주식의 관심을 측정하고 거래할 더 나은 모델을 도출하는 유용한 도구가 될 수 있습니다.

그러나 Attention Assets의 기회는 주식 가격 책정을 뛰어넘습니다. 우리는 관심을 예측하는 것이 경제적으로 가치 있는 활동이라고 믿습니다. 관심은 소비자 선호도와 지출을 나타내는 선행 지표입니다. 기업은 관심이 어디로 향하는지에 따라 R&D, 고용, 마케팅 비용을 할당합니다. 이러한 흐름을 모델링할 새로운 휴리스틱을 찾아내는 문제입니다.

Attention Assets 또는 관심 자산 인프라를 구축하고 있다면 연락하세요.

공개: 이 게시물은 Attention Oracles, Attention Perps 또는 이 게시물에서 표현된 아이디어를 기반으로, 파생되거나, 통합한 기타 제품의 *특정 관할권에서 합법성 또는 규제적 함의에 대해 의견이나 의견을 표현하지 않습니다.*