长推:Layer2 公链代币估值模型分析

本文想从搭建一个估值模型的角度去看看一条 Layer2 公链代币的估值。要估计 Layer2 的价值,需要从 Layer1 的角度看现在的 Layer2。

本文想从搭建一个估值模型的角度去看看一条 Layer2 公链代币的估值。要估计 Layer2 的价值,需要从 Layer1 的角度看现在的 Layer2。下图是上个周期主流 Layer1 的高点市值以及现在的市值。

市值

我总结了一些他们的特点:

• 「交易所」曾经达到市值最高的都是和交易所绑定的 alt Layer1,Solana 当失去交易所后,价值回归到和普通其他 Layer1 相同的级别,BNB 仍然居高位。

• 「叙事」踏上了 zk-EVM 大船的 Polygon 在当前市值有隐隐超过其他非交易所绑定公链的趋势。

• 「技术」Polkadot、Avalanche、Polygon 和 Cosmos 是不同技术解决方案的 Alt Layer1,公认的技术最好的 Polkadot 曾经的最高市值是几个项目中最高的。 • 「团队」同上 有一个非常粗糙的判断就是,这些对于市值的影响因素里面,交易所绑定 > 叙事 > 技术 ≈ 团队。

我建立的估值模型主要是用类比法来分析,假设下一个周期的绝对主角是以太坊 + Layer2,则可以合理假设: Layer2 的总市值/以太坊总市值 * α = 上周期 Alt Layer1/以太坊总市值 参数 α 在 {0,+∞} 之间,其数值受到 Layer2 与 Alt Layer1 价值捕获方式以及与以太坊价值传导影响。

由于 Layer2 与以太坊的绑定更加紧密, α 的数值大概率是大于 1 的。我们假设 α = 1,则属于保守估计的情况。 假设下一个牛市以太坊价格为 1 万美元,则以太坊市值达到 1194B,按照比例换算 Layer2 的总市值为 738.4B,头部 Layer2 出现 1~2 家。

1. 排名第一的 Layer2 占 1/4 的 Layer2 总市值,则为 185B。

2. 第二梯队大概为 Layer2 1/8 的总市值,则为 92B。 3. 第三梯队大概为 Layer2 1/16 的总市值,则为 46B。 那么,现在我们只需要去根据基本面判断,我们想要估计的 Layer2 会是在那个梯队就行了,梯队对应他们在下一轮牛市顶峰的估值。

这个估值模型也是一个思维模型,会存在三个重点假设,也就是这个模型的漏洞。这些假设分别是:

1. 下一个周期的绝对主角是以太坊 + Layer2,并且:Layer2 的总市值/以太坊总市值 * α = 上周期 Alt Layer1/以太坊总市值

2. 下一个牛市以太坊价格为 1 万美元

3. Layer2 同样按梯队分布,不同梯队所占比例和上个周期的 AltLayer1 相同第一梯队占 1/4 的 Layer2 总市值,第二梯队大概为 Layer2 1/8 的总市值,第三梯队大概为 Layer2 1/16 的总市值

意识到这个思维模型的假设就知道这个模型可能会在什么地方出现偏差,在做具体分析的时候,可以根据实际情况对假设进行调整,最后得出一个更加准确的估计。

转载声明:本文 由CoinON抓取收录,观点仅代表作者本人,不代表CoinON资讯立场,CoinON不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。若以此作为投资依据,请自行承担全部责任。

声明:图文来源于网络,如有侵权请联系删除

风险提示:投资有风险,入市需谨慎。本资讯不作为投资理财建议。

(0)
打赏 微信扫一扫 微信扫一扫
上一篇 2023年9月19日 上午7:48
下一篇 2023年9月19日 下午12:48

相关推荐

长推:Layer2 公链代币估值模型分析

星期二 2023-09-19 7:48:52

本文想从搭建一个估值模型的角度去看看一条 Layer2 公链代币的估值。要估计 Layer2 的价值,需要从 Layer1 的角度看现在的 Layer2。下图是上个周期主流 Layer1 的高点市值以及现在的市值。

市值

我总结了一些他们的特点:

• 「交易所」曾经达到市值最高的都是和交易所绑定的 alt Layer1,Solana 当失去交易所后,价值回归到和普通其他 Layer1 相同的级别,BNB 仍然居高位。

• 「叙事」踏上了 zk-EVM 大船的 Polygon 在当前市值有隐隐超过其他非交易所绑定公链的趋势。

• 「技术」Polkadot、Avalanche、Polygon 和 Cosmos 是不同技术解决方案的 Alt Layer1,公认的技术最好的 Polkadot 曾经的最高市值是几个项目中最高的。 • 「团队」同上 有一个非常粗糙的判断就是,这些对于市值的影响因素里面,交易所绑定 > 叙事 > 技术 ≈ 团队。

我建立的估值模型主要是用类比法来分析,假设下一个周期的绝对主角是以太坊 + Layer2,则可以合理假设: Layer2 的总市值/以太坊总市值 * α = 上周期 Alt Layer1/以太坊总市值 参数 α 在 {0,+∞} 之间,其数值受到 Layer2 与 Alt Layer1 价值捕获方式以及与以太坊价值传导影响。

由于 Layer2 与以太坊的绑定更加紧密, α 的数值大概率是大于 1 的。我们假设 α = 1,则属于保守估计的情况。 假设下一个牛市以太坊价格为 1 万美元,则以太坊市值达到 1194B,按照比例换算 Layer2 的总市值为 738.4B,头部 Layer2 出现 1~2 家。

1. 排名第一的 Layer2 占 1/4 的 Layer2 总市值,则为 185B。

2. 第二梯队大概为 Layer2 1/8 的总市值,则为 92B。 3. 第三梯队大概为 Layer2 1/16 的总市值,则为 46B。 那么,现在我们只需要去根据基本面判断,我们想要估计的 Layer2 会是在那个梯队就行了,梯队对应他们在下一轮牛市顶峰的估值。

这个估值模型也是一个思维模型,会存在三个重点假设,也就是这个模型的漏洞。这些假设分别是:

1. 下一个周期的绝对主角是以太坊 + Layer2,并且:Layer2 的总市值/以太坊总市值 * α = 上周期 Alt Layer1/以太坊总市值

2. 下一个牛市以太坊价格为 1 万美元

3. Layer2 同样按梯队分布,不同梯队所占比例和上个周期的 AltLayer1 相同第一梯队占 1/4 的 Layer2 总市值,第二梯队大概为 Layer2 1/8 的总市值,第三梯队大概为 Layer2 1/16 的总市值

意识到这个思维模型的假设就知道这个模型可能会在什么地方出现偏差,在做具体分析的时候,可以根据实际情况对假设进行调整,最后得出一个更加准确的估计。