简述加密市场中的14个心智模型

原文作者:@thedefiedge

原文编译:FYJ,BlockBeats

内容原载自推特账号@thedefiedge,探讨交易过程中的认知模型,由BlockBeats编译成文。

沃伦·巴菲特和查理·芒格利用心智模型成为了历史上最伟大的投资者。

有数百种心智模型,我发现了其中14个可以帮助你成为更好的加密投资者:

什么是心智模型?

心智模型是帮助我们更好地理解世界的概念。

你的思维受到你的经验和偏见的限制——心智模型是从偏见中解放思维的一种方式。

了解它们将帮助你更清晰地思考。

1、蟑螂理论

当有坏消息时,可能会有更多坏消息。

看到一只蟑螂,意味着有更多的蟑螂在暗处。

如果一家公司出现坏消息,请记住,它们大概率在为隐藏更多坏事争取时间,例如Celsius。

当TerraLuna和UST崩溃时,我们知道这很糟糕,但许多人低估了利空的波及范围。

分析师:比特币的主导率已达到顶峰,山寨币的表现可能会优于大盘:金色财经报道,TradingView 的数据显示,BTC主导率从第一季度的 42% 上升至 48%,并且本月到目前为止一直难以超过这一水平。近两年来,该指标一直在 38% 和 48% 之间波动,从 46%-48% 的下降与山寨币的超额收益相吻合。

加密服务提供商 Matrixport 的研究和战略主管 Markus Thielen 周四在给客户的一份报告中表示,比特币的主导地位可能会达到顶峰,这将表明山寨币的表现将优于大盘。[2023/4/21 14:18:34]

其他蟑螂,如Celsius和三箭资本出现了。

所以,每当有坏消息时,都要做好更坏的打算。

2、三人成虎

这是一句中国谚语,假话说一千遍,就可能产生和真话一样的影响力。

想象一下,如果有关于老虎的谣言:

第一个人:他是子

第二个人:这是真的吗?

第三个人:有老虎!

Tender.fi黑客已返还资金,获得62 ETH赏金:3月8日消息,链上数据显示,攻击Arbitrum生态借贷协议Tender.fi的黑客已返还了资金,Tender.fi团队同意向黑客支付62 ETH(96,500美元)作为赏金。官方团队表示,事后审查正在进行中。

据此前消息,Tender.fi疑似遭白帽黑客攻击,损失159万美元。官方表示,已暂停所有借贷。 安全公司PeckShield和BlockSec的调查显示,黑客利用Tender.fi配置错误的预言机借入价值159万美元的加密资产,而抵押品仅为一个价值70美元的GMX代币。[2023/3/8 12:48:18]

现在,想象一下成千上万的人在社交媒体上分享。

再加上机器人账号和经济激励措施,传播错误信息比以往任何时候都容易。

谨防没有任何事实或证据的谣言。

3、行为必然性

人类行为及其偏见将永远存在。

「历史不会重演,但总会惊人的相似。」——马克·吐温

Do Kwon已在韩国聘请律师以应对该国检方对其的调查:8月17日消息,Terra创始人Do Kwon已在韩国聘请律师以应对该国检方对其的调查。Do Kwon最近向正在调查此案的首尔南区检察厅提交了律师的任命书。不过,Do Kwon近日在接受Coinage采访时表示,他从未联系过韩国调查部门,并很难做出返回韩国的决定。

此前5月份消息,Terra和LUNA的受害者就投资欺诈指控向韩国检方提起诉讼,韩国检方在调查Terra事件中对加密交易所进行了一周的扣押搜查,并与国际刑警组织合作发布红色通缉令以引渡Do Kwon的可能性。(Chosun Biz)[2022/8/17 12:30:48]

有趣的是,几千年前写的一些书在今天感觉仍如此重要。

我正在将这种想法应用到下一个周期。

人类是贪婪的。

?会有更多的现实世界应用吗?是的。

?下一个周期会有更好的技术吗?是的。

但是还会有庞氏经济学和邪教领袖吗?是的。

Game Stop NFT市场交易额已超400万美元:7月15日消息,Game Stop在Twitter上表示,于三天前推出的Game Stop NFT市场公测版本交易额已超400万美元。[2022/7/15 2:15:13]

4、阿克顿定律

「权力滋生腐败,绝对权力滋生绝对腐败。」

我们看到这个循环中的许多主要角色都被摧毁了。

Daniele、Andre、DoKwon、SuZhu等人,警惕大人物

——大多数人没有能力掌控权力。

5、布兰多里尼定律

胡说八道的不对称原则。

反驳废话所需的能量比产生废话要大一个数量级。

相比

?在Luna/Anchor上写一个话题=成千上万的赞。

?写一条批评Luna/Anchor=敌人和骚扰的帖子。

每个周期,总会有一些邪教项目,对抗它们需要太多的精力。

STEPN月收入达1亿美元,日交易费用净利润达300-500万美元:5月23日消息,MovetoEarn应用STEPN月收入高达1亿美元,每日交易费用净利润达300-500万美元。STEPN联合创始人Jerry Huang近期在接受Tech Crunch采访时表示,目前STEPN在全球拥有200万至300万月活跃用户,每天有数以万计的新用户加入STEPN。

STEPN于去年11月获得由红杉印度与Folius Ventures领投的500万美元种子轮融资,并于今年4月获得Binance Labs的战略投资。目前STEPN在澳大利亚、英国、美国和新加坡等国家拥有约70人的团队,并且仍在迅速扩张,下一步将围绕其Token持有者社区构建STEPN社交产品。(Techcrunch)[2022/5/23 3:36:36]

6、黑天鹅

KnownUnknowns-您知道的风险,例如智能合约漏洞。

UnknownUnknowns-难以想象的风险,以至于你无法预见它们的到来。

示例包括911袭击、大流感或3AC崩溃。

我们倾向于低估黑天鹅的影响。

视野多样化有助于防范这些事件,多关注加密之外的事情。

想象一下以下事件及其影响:

?中本聪钱包被唤醒

?世界大战

?核战争

7、帕累托原理

帕累托原则指出,80%的后果来自20%的原因。

原理由VilfredoPareto提出,他发现意大利大约80%的土地由20%的人口拥有。

这适用于任何地方。

?80%的收入来自20%的协议。

?80%的交易利润来自20%的交易者。

8、网络效应

随着更多用户的加入,产品将变得更有价值。

想想如果没有人使用Facebook,它还会有多少价值。

一旦一家公司产生了网络效应,它就成为了一条经济护城河,因此而难以超越。

当你在进行投资时,请考虑哪些协议正在定位自己,以获得网络效应。

例如,有不少人试图建立一个去中心化的社交网络,但由于网络效应,只有一个人可以获胜。

9、林迪效应

持续时间越长的事物,继续持续的可能性就越大。

很难说哪些币会在20年后还存在,但BTC和以太坊很有可能仍然存在。

因此,它们是最安全的投资选择。

我已经不知道由于DeFi黑客和漏洞利用而损失了多少钱。

因此,如果你要抵押资产,那么选择更多的林迪资产是有意义的。

如果它们是可破解的,那早就发生了。

10、自我保护

痛苦和恐惧是所有生物体的组成部分,而自我保护是确保它们生存的行为。

我不相信HODL的概念,当危险发生时,人们会变成墙头草。

11、理解游戏的核心

国际象棋中的一句话——它意味着游戏围绕控制一个有价值的空间或资源而展开。

?流媒体公司正在为内容而战。

?世界为石油和稀缺资源而战。

识别有价值的资源和为它们而战的玩家。

我们在Curve战争中看到了这一点。

Stablecoin流动性是一种宝贵的资源,我们看到协议在争夺CRV/CVXToken。

未来协议将争取的宝贵资源是什么?

12、间接影响

每一个动作都有一个后果,这些后果将导致更多后果。

大多数人只考虑直接影响,而看不到额外的影响。

有事的时候想想:然后是什么?

每当协议对Token设计进行更改时,我总是在考虑这个问题。

一个例子:协议希望降低Token发行以减缓通胀,可能的二阶效应是什么?

?更低的排放意味着更低的APR

?较低的APR意味着较少的使用和流动性

除非协议有足够的网络效用、或其他激励措施,否则人们会离开。

考虑决策时,拉长时间线。

假设我吃一个芝士汉堡,我将思考:

?立即

?一周

?一年

?几十年

我们不善于长期思考。

13、冲浪

你正在乘风破浪。

在这种情况下,它意味着及早识别和利用趋势。

?亚马逊很早就抓住了互联网浪潮。

?Netflix最初是邮购DVD的店铺,而后转向流媒体是因为它们看到了浪潮的到来。

你需要及早发现趋势,尽可能努力地驾驭它们,并在它停止之前离开。

在加密货币中:

?尽早发现趋势

?投资

?一路获利

14、先发与后发优势

协议首先进入市场可能会带来一些优势。

要么通过品牌认知、转换成本,要么提前购买资源。

但还有一种,叫后发优势:稍后进入,但可以改进技术。

我在Layer1的游戏中看到了这种情况。

感觉每隔几个月就会有一个热门的新协议层项目。

但DEX或借贷平台将具有显著的先发优势。

以上只是所有心智模型的一小部分。

我鼓励你去研究更多的心智模型,而我相信加密行业会诞生独有的心智模型。

来源:金色财经

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

银河链

Luna比特币促进的五项业务

比特币最突出的用例是作为一种数字货币。您可以在交易所买卖和交易比特币。但这只是冰山一角。加密货币还促进了汇款、贷款和投资等其他业务.

[0:31ms0-1:109ms