Do Kwon: „95% umrze [monety], ale oglądanie umierających firm też jest zabawne” 8 dni temu. Ironiczne. pic.twitter.com/fEQMZIyd9a

— Peter (@EncryptedPedro) 11 maja 2022 r

W wyniku krachu między 5 a 13 maja 2022 r. stracono aktywa inwestorów o wartości ponad 40 miliardów dolarów. Niecały rok później Do Kwon został aresztowany po tym, jak rzekomo próbował uciec przed oskarżeniem o działalność przestępczą związaną ze stratami.

Od tego czasu napisano wiele tomów na temat załamania, w wyniku którego wartość monety Luna (LUNC) gwałtownie spadła, a stablecoin UST firmy Terra odłączył się od dolara amerykańskiego.

Teraz, po raz pierwszy, naukowcy zastosowali mechanikę statystyczną, aby w zasadzie odtworzyć przebieg katastrofy, stosując te same techniki, które wykorzystano do badania fizyki cząstek elementarnych.

Badania przeprowadzone w King’s College London koncentrowały się na zdarzeniach transakcyjnych i zamówieniach, które miały miejsce podczas katastrofy. Zgodnie z wstępnym wydrukiem pracy badawczej zespołu:

„Postrzegamy zamówienia jako fizyczne cząstki poruszające się na osi jednowymiarowej. Rozmiar zamówienia odpowiada masie cząstki, a odległość, na jaką zamówienie się przesunęło, odpowiada odległości, na jaką przesunęło się cząstka”.

Te same techniki są używane do mapowania oddziaływań termodynamicznych, dynamiki molekularnej i oddziaływań na poziomie atomowym. Stosując je do poszczególnych zdarzeń mających miejsce w określonym okresie czasu w zamkniętym ekosystemie, takim jak rynek Luna, badacze byli w stanie uzyskać głębszy wgląd w mikrostrukturę monety i przyczyny leżące u jej podstaw.

Proces ten obejmował odejście od metodologii migawek stosowanej w obecnym, najnowocześniejszym podejściu, czyli wykrywania anomalii na podstawie wskaźnika Z-score, na rzecz szczegółowego widoku zdarzeń w miarę ich występowania.

Dzięki traktowaniu zdarzeń jako cząsteczek zespół był w stanie uwzględnić w swojej analizie dane warstwy 3 (która, oprócz danych warstwy 1 i 2, obejmuje dane dotyczące przesłanych zamówień, anulowanych zamówień i dopasowań).

Według badaczy doprowadziło to do odkrycia „szeroko rozpowszechnionych przypadków podszywania się i nakładania na siebie elementów na rynku”, co w znacznym stopniu przyczyniło się do błyskawicznego krachu Luny.

Następnie zespół opracował algorytm wykrywania warstwowania i podszywania się. Stanowiło to poważne wyzwanie, zgodnie z artykułem, ponieważ nie ma znanych zestawów danych związanych z katastrofą Luny, które zawierałyby dokładnie oznaczone przypadki podszywania się lub podszywania się.

Aby wytrenować swój model do rozpoznawania tych aktywności bez takich danych, badacze stworzyli dane syntetyczne. Po wytrenowaniu model został następnie zastosowany do zestawu danych Luna i porównany z istniejącą analizą przeprowadzoną za pomocą systemu Z-score.

„Nasza metoda skutecznie wykryła zdarzenia podszywania się w oryginalnym zestawie danych rynku handlowego LUNA” – napisali badacze, zanim zauważyli, że metoda Z-score „nie tylko nie zidentyfikowała podszywania się, ale także błędnie oznaczyła duże zlecenia limitowane jako podszywanie się”.

Naukowcy sądzą, że ich praca może posłużyć jako podstawa do badania mikrostruktury rynku w sektorze finansowym.

Błyskawiczny krach Luny nastąpił zaledwie osiem dni po tym, jak współzałożyciel Terra, Do Kwon, powiedział amerykańsko-kanadyjskiej gwieździe szachów, Alexandrze Botez, że 95% kryptowalut upadnie, dodając, że „obserwowanie upadku firm jest rozrywką”.