Chain Hill Research：以相對估值和迴歸分析法探究 DYDX 估值

小編：記得關注哦

來源：火星財經

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$DYDX進行相對估值。為了改進相對估值模型，本文對每個指標都進行了一些調整。綜合估值誤差的平均值和標準差來看，使用月增長率的PEG和過濾掉大於50的PS指標最具潛力。第二部分通過迴歸分析探究了一些可能對$DYDX代幣價格造成波動的因子。在迴歸因子中，滯後兩天的協議收入和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。

• 簡介
• 相對估值法
• 數據
• PE
• PS
• PEG
• 迴歸分析
• 數據
• 幣價&協議收入
• 幣價&外部因素
• 幣價&增速
• ETH prices
• 結語

dYdX於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: Token Terminal)

$DYDX價格在九月的最後幾天大幅度上漲，並在9月30日達到歷史最高價$26.8。伴隨着價格飆升，平台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，導致當月末出於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的去中心化交易平台的需求上升。

(dYdX日交易量和日總收入, Source: Token Terminal)

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月後比較明顯的相對高低點已在下圖標註出來，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。

(CBOE Volatility Index -VIX, Source: Yahoo Finance）

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

本部分基於一些常見的估值指標對DYDX進行相對估值。

所有鏈上數據來源於Token Terminal，數據頻率為每日，時間為2021年11月21日往前一年（如適用）。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Token Terminal的行業標籤分類，將帶有 ‘Exchange’ 標籤的項目用於DYDX的相對估值，所有用於相對估值的項目在附錄列出。

每個項目的數據包括（如適用）：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。對於部分項目，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。

首先，我們研究PE指標是否適用於$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$DYDX最近的年化收入推算其市值。在此我們採用Token Terminal的年化收入計算方式，取最近30日的收入進行年化處理。用此方法得出$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的差距意味着直接使用行業平均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（最高估值達近$1000b）。

(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裏。

(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

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於某個閾值的PE數據。

過濾掉大於100的PE數據得出以下結果：

(過濾大於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

綜合來説，此模型結果與之前的選擇性PE方法比較相似。

接着我們嘗試過濾掉大於50的PE。

(過濾大於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的樣本後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

從Token Terminal獲取的數據中，幾乎每個項目都有總收入數據，而協議收入僅適用於部些項目（Token Terminal給出的dYdX協議收入和總收入數據相同）。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，後者還包括供應方參與者（例如做市商或流動性提供者）獲得的收入。對於dYdX而言，目前 dYdX Trading Inc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

採用類似基礎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，儘管這比PE估值模型得到的差異小得多，但仍然是一個顯着的差異。因此，同樣需要對PS估值進一步調整。

過濾PS估值

跟過濾PE一樣，過濾掉極端的PS能改進估值結果。

過濾掉大於100的PS得出:

(過濾大於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，隨後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於50的PS:

(過濾大於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。

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，但是我們發現採用不同的增長速度估計方法會導致截然不同的估值結果。本文模型採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，可以基於基本面信息對每一個項目都進行適當的增速預測，並且只選擇跟dYdX最為類似的項目作為可比項目進行估值。

PEG 使用複合年化增速 (CAGR):

複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，但是由於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大於50的方法，得到結果如下：

(PEG with CAGR and filter)

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 採用周度日平均收入增速

相比於只用頭和尾兩個值，使用所有可用數據可能能更好的推出預期增速，因此我們選用每週的平均日收入並計算其增速，最後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

(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 採用月度日平均收入增速

我們可以重複之前的方法，但取每月的平均日收入而不是每週，這樣做的原因是為了讓增速數據更加平滑。由於dYdX的代幣機制設計（交易獎勵在月末發放），其日交易量和收入展現出某種日曆效應，即每月後半月的交易量明顯高於前半月。所以對類似dYdX這樣的項目來説，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

(PEG月度增速)

最新估值: $9.3b

估值差:

平均: -7.3b 標準偏差: 2.9b

總體來説，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 採用最近月增速

在加密貨幣這個快速變化的市場裏，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)

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，並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

最小估值差標準偏差.: PEG_CAGR估值模型,$ 2.7b

要點：

• PS
• 模型的選擇可以理解為對估值差均值和標準偏差的取捨，如果需要得出一個儘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’ 標籤並被用於相對估值計算，但並不意味着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，並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於9月末的收入激增，而市場的表現似乎暗示投資者們並不相信這階段的高額交易量/收入會持續下去。

此部分研究了$DYDX代幣價格與一些潛在因子的相關性。

所用數據與之前部分相同，加入了VIX指數每日的收盤價。

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線性迴歸，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)

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

在嘗試了領先或滯後協議收入數據後，得出將其滯後兩天能最大程度地提升其係數的顯著性——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, 滯後協議收入2日)

由上圖可見，協議收入係數的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（此處指協議收入）信息的變化。

運用滯後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

如前文所述，VIX指數和dYdX平台交易量/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的每日收盤價進行迴歸分析。

(幣價 on 協議收入, TVL and VIX收盤價)

VIX收盤價的係數有很強的統計顯著性。

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

協議收入係數的顯著性降低至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同時滯後兩天，兩者係數的顯著性都有所提升，p-value 分別為1.4%和0.1%（如下圖）。

(幣價 on 協議收入, TVL and VIX收盤價, 滯後協議收入和VIX收盤價2日)

運用滯後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

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，但通過迴歸分析並未能找出任何增速的顯著性（無論是否控制其他變量）。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，並在正負之間反覆橫跳，相比於幣價的變化，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，如果每週算一次日平均收入再進行增速計算，則每週內的每一個數據點都有一樣的增速數據。如此進行迴歸分析，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係數。

協議收入已從迴歸分析中移除，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)

然後，我們可以重複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，所有自變量的係數都展現出統計顯著性，並且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)

其他研究提出利用ETH或者BTC價格作為市場因子，借鑑他們的想法，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價格後，協議收入和VIX的係數都失去了顯著性（無論是否將其滯後）， 而ETH價格的係數展現出強顯著性。

(不滯後 VIX and 協議收入)

(滯後 VIX and 協議收入)

運用滯後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係數，可以推測出自變量之間很可能存在多重共線性問題。

(自變量間相關係數)

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

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後的模型預測結果更勝一籌。

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和過濾大於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

收入和平台交易量幾乎完美關聯，兩者都有較強波動性且於VIX價格有一定聯動。本文的迴歸分析指出，利用VIX價格和協議收入可以預測兩天後代幣價格的走勢。