来源：Mirror
摘要
本文分为两个主要部分：第一部分使用PE,PS和PEG指标对$DYDX进行相对估值。为了改进相对估值模型，本文对每个指标都进行了一些调整。综合估值误差的平均值和标准差来看，使用月增长率的PEG和过滤掉大于50的PS指标最具潜力。第二部分通过回归分析探究了一些可能对$DYDX代币价格造成波动的因子。在回归因子中，滞后两天的协议收入和VIX指数与$DYDX价格呈现较强相关性，ETH价格以及月增长率同样也对$DYDX价格有一定影响。需要注意的是，至本文撰写时$DYDX代币仅发行不到三个月时间，因此使用月增长率的可用数据只有两个。另外，在VIX，ETH和协议收入之间可能存在多重共线性。
目录
- 简介
- 相对估值法
- 数据
- PE
- PS
- PEG
- 回归分析
- 数据
- 币价&协议收入
- 币价&外部因素
- 币价&增速
- ETH prices
- 结语
dYdX项目简介
dYdX于2021年9月9日发行治理代币$DYDX，发行至今，$DYDX的价格波动一直非常大。
$DYDX价格, Source: Token Terminal)
$DYDX价格在九月的最后几天大幅度上涨，并在9月30日达到历史最高价$26.8。伴随着价格飙升，平台日交易量和协议收入也急剧上涨。其原因可能是dYdX在月末发放交易奖励，导致当月末出于获得代币奖励目的的交易量增长。其他相关原因可能包括中国禁止加密货币交易业务，导致对不需要KYC的去中心化交易平台的需求上升。
(dYdX日交易量和日总收入, Source: Token Terminal)
通过对比VIX指数和dYdX日交易量，可以发现两者的相对高点和低点在时间上似乎存在同步性。VIX指数9月后比较明显的相对高低点已在下图标注出来，在9月20日，10月27日和11月10日，VIX指数和dYdX的交易量似乎都存在比较明显的上涨。
(CBOE Volatility Index -VIX, Source: Yahoo Finance）
基于对$DYDX价格、dYdX日交易量和协议收入，以及VIX指数的上述观察。本文第一部分将使用可比项目对$DYDX进行相对估值分析，第二部分将通过回归分析找出造成$DYDX代币价格和市值变动的因子。
相对估值法
本部分基于一些常见的估值指标对DYDX进行相对估值。
数据说明
所有链上数据来源于Token Terminal，数据频率为每日，时间为2021年11月21日往前一年（如适用）。针对$DYDX，可获取的历史数据为2021年9月8日至2021年11月21日。根据Token Terminal的行业标签分类，将带有 ‘Exchange’ 标签的项目用于DYDX的相对估值，所有用于相对估值的项目在附录列出。
每个项目的数据包括（如适用）：代币价格、总收入、协议收入、TVL，成交总额、流动市值、完全稀释市值，以及PE和PS比例。对于部分项目，例如dYdX，协议收入与总收入虽分开列出但是相同的数据。dYdX从9月初发币至2021年11月21日共有75行数据供我们进行分析。
PE估值
首先，我们研究PE指标是否适用于$DYDX的相对估值。
基础 PE估值
最直接的方式是，计算行业最新的平均PE，用此数值乘以$DYDX最近的年化收入推算其市值。在此我们采用Token Terminal的年化收入计算方式，取最近30日的收入进行年化处理。用此方法得出$DYDX在2021年11月21日的估值结果：
PE相对估值结果指出$DYDX在2021年11月21日的完全稀释市值应为$115.7b左右，而其当日实际市场估值只有$14b。高达$100b的差距意味着直接使用行业平均PE不太合理。
对每天都使用上述估值方法，得出以下图表，可以看出，相对市场估值，此方法长期大幅高估$DYDX市值（最高估值达近$1000b）。
(基础PE 估值)
选择性PE 估值
通过对可比项目的检查，我们发现部分项目的数据有 “异常“ 现象，这些项目的历史PE波动极大，有时高达几千甚至上万，因此除去这些项目可能对估值结果有所改善。本文暂时不讨论造成这些超高PE的原因，仅将这些项目从可比项目中除去，被除去的项目列在附录里。
(选择性PE估值)
如图可见，删除这些“异常”项目大大缩小了估值结果和市场估值的差距，但是持续的估值差异依然存在。
此模型最新估值: $26.84b
估值差(=相对估值–市场估值) 统计值:
平均: 13b 标准偏差: 4.5b
过滤PE 估值
除了手动去除这些表现异常PE的项目，我们可以自动过滤掉大于某个阈值的PE数据。
过滤掉大于100的PE数据得出以下结果：
(过滤大于100PE估值)
最新估值: $26.84b
估值差统计值:
平均:13.2b 标准偏差:4.9b
综合来说，此模型结果与之前的选择性PE方法比较相似。
接着我们尝试过滤掉大于50的PE。
(过滤大于50PE估值)
最新估值: $21.18b
估值差:
平均: 7b 标准偏差: 4.1b
在这三个模型中，过滤掉PE>50的样本后得出的估值结果似乎是最好的，因为其平均估值差和标准偏差是三者中最小的。另外，我们也发现同时使用PE<50过滤和选择性PE得出结果和仅使用PE<50过滤是相同（结果未展示）。
PS估值
从Token Terminal获取的数据中，几乎每个项目都有总收入数据，而协议收入仅适用于部些项目（Token Terminal给出的dYdX协议收入和总收入数据相同）。因此，使用 PS指标可以引入更多可比较的项目。更重要的是，协议收入和总收入对代币持有者具有不同的经济意义。前者仅包括支付给协议和/或其代币持有者的费用，后者还包括供应方参与者（例如做市商或流动性提供者）获得的收入。对于dYdX而言，目前 dYdX Trading Inc正在收取费用，而不是dYdX协议国库或$DYDX代币持有者。因此，使用总收入比协议收入更具可比性。
基础 PS估值
采用类似基础PE估值的方法，利用所有可用的PS指标样本进行估值。由此得出的估值和市场估值的差异约为 $50b，尽管这比PE估值模型得到的差异小得多，但仍然是一个显着的差异。因此，同样需要对PS估值进一步调整。
过滤PS估值
跟过滤PE一样，过滤掉极端的PS能改进估值结果。
过滤掉大于100的PS得出:
(过滤大于100PS估值)
最新估值: $22.72b
估值差:
平均:1.81b 标准偏差: 5.8b
此模型起先相对市场低估$DYDX，随后在十月中旬左右开始相对高估，因此其平均估值差相对其他模型较小，但估值差标准偏差却相对较大。
同样的，我们也可以尝试过滤大于50的PS:
(过滤大于50PS估值)
最新估值: $10.89b
估值差:
平均: -5.2b 标准偏差: 3.5b
此模型长期相对市场低估DYDX，因此平均估值差为负，但其估值差标准偏差确是目前为止最小的。
PEG估值
另一个可用的指标为PEG，相比PE，此指标考虑到了项目增长潜力的影响，但是我们发现采用不同的增长速度估计方法会导致截然不同的估值结果。本文模型采用了所有的可比项目，项目的预期增速从历史数据中推理出来。如果希望得出更准确的结果，可以基于基本面信息对每一个项目都进行适当的增速预测，并且只选择跟dYdX最为类似的项目作为可比项目进行估值。
PEG 使用复合年化增速 (CAGR):
复合年化增速公式如下:
EV为末尾值，BV为起始值，n为年数。
此增速计算方法只取了起始和末尾两个值进行计算，但是由于日收入数据波动极大，因此我们选择使用月平均日收入作为起始和末尾值，同时我们延用前文过滤PE大于50的方法，得到结果如下：
(PEG with CAGR and filter)
最新估值约 $5b
估值差:
平均: -11.7b 标准偏差: 2.7b
此模型长期低估DYDX，且平均差距较大，但是标准偏差较小。
PEG 采用周度日平均收入增速
相比于只用头和尾两个值，使用所有可用数据可能能更好的推出预期增速，因此我们选用每周的平均日收入并计算其增速，最后取这些周增速的平均值来作为项目的预期增长率。
此方法计算出dYdX收入的预期增长率约24.2%。
同样的延用PE<50过滤，得出以下结果：
(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 采用月度日平均收入增速
我们可以重复之前的方法，但取每月的平均日收入而不是每周，这样做的原因是为了让增速数据更加平滑。由于dYdX的代币机制设计（交易奖励在月末发放），其日交易量和收入展现出某种日历效应，即每月后半月的交易量明显高于前半月。所以对类似dYdX这样的项目来说，如果计算周度增速，其数列将呈现较强波动性，其平均增速也将更易受极端值的影响。
此模型下计算出dYdX收入的增速约15.2%。结合PE<50 的过滤, 得出如下结果:
(PEG月度增速)
最新估值: $9.3b
估值差:
平均: -7.3b 标准偏差: 2.9b
总体来说，此模型相比使用周增速，能更准确的追踪市场估值变动，提供了更小的平均偏差和标准偏差。
PEG 采用最近月增速
在加密货币这个快速变化的市场里，投资者们可能更看重项目最近的表现，因此此模型只考虑最近的月平均日收入增速，结果如下：
(PEG最近增速)
由图可见此模型不如之前的几种模型，估值结果长时间为负值，并且与市场估值差距很大。
小结
模型结果比较:
最小估值差均值：PS<100估值模型，$1.8b
最小估值差标准偏差.: PEG_CAGR估值模型,$ 2.7b
要点：
- PS<100模型因其从相对低估到相对高估，故平均估值差较小但标准偏差较大；PEG_CAGR模型似乎能最好的追踪市场估值趋势，其估值差的标准偏差最小，但其平均估值差距却大的多。而PS<50模型和PEG_月增速模型在估值差均值和标准偏差这两个指标上相对更平衡，总体更优。
- 模型的选择可以理解为对估值差均值和标准偏差的取舍，如果需要得出一个尽可能接近市场估值的结果，较小的平均估值差可能更为重要；若只需要追踪市场趋势而不是一个绝对数值，较小的标准偏差则更优先。
- 模型的选择会极大程度地影响估值结果，有时甚至指示相反方向。在我们的分析中，有超过30个项目带有 ‘Exhange’ 标签并被用于相对估值计算，但并不意味着这些项目都适用作为可比项目。人为选取一些指标稳定，基本面最相似的可比项目，并进行合理的增速预测，可能会得出更可靠的结果。
- 在所用的模型中，无论总体上相对市场是高估还是低估，大多数都指示估值在10月10日到10月25日之间应有上涨趋势，但实际的市场估值却在此区间表现出下滑趋势。估值模型预测上涨的原因主要归根于9月末的收入激增，而市场的表现似乎暗示投资者们并不相信这阶段的高额交易量/收入会持续下去。
回归分析
此部分研究了$DYDX代币价格与一些潜在因子的相关性。
数据说明
所用数据与之前部分相同，加入了VIX指数每日的收盘价。
币价&协议收入
首先我们检验协议收入的变化是否会造成显著价格波动。
通过进行OLS线性回归，用代币价格作为因变量，协议收入和TVL作为自变量，得出结果如下：
(币价 on 协议收入 & TVL, 基础)
协议收入的系数为正且有5%统计显著性，而TVL的系数不仅数值较小，且只有10%的统计显著性。
在尝试了领先或滞后协议收入数据后，得出将其滞后两天能最大程度地提升其系数的显著性——换而言之以每天的价格作为因变量但使用两天前的协议收入作为自变量。
(币价 on 协议收入&TVL, 滞后协议收入2日)
由上图可见，协议收入系数的P-value提高了2个百分点，但TVL的显著性降低，结果指出今天的协议收入增加1美元将使2天后的币价上升约$9*10-7 。该结果的一个合理解释为市场需要一定时间才能反映出项目基本面（此处指协议收入）信息的变化。
运用滞后过的模型来预测币价，样本内回测结果如下：
(样本内回测 1)
预测误差 (预测币价 – 实际币价):
平均: -2.115e-13 标准偏差: 3.889
币价&外部因素
如前文所述，VIX指数和dYdX平台交易量/收入有相似的高低点，为了更准确地验证VIX指数的影响我们加入了VIX的每日收盘价进行回归分析。
(币价 on 协议收入, TVL and VIX收盘价)
VIX收盘价的系数有很强的统计显著性。
加入了VIX以后，常数项的统计显著性消失，且总体R-squared 接近翻倍。
协议收入系数的显著性降低至10%，造成原因可能为前文提及的VIX和协议收入的联动性，换言之，协议收入可能为VIX导致币价变动的其中一个渠道。
将协议收入和VIX同时滞后两天，两者系数的显著性都有所提升，p-value 分别为1.4%和0.1%（如下图）。
(币价 on 协议收入, TVL and VIX收盘价, 滞后协议收入和VIX收盘价2日)
运用滞后过的模型来预测币价，样本内回测结果如下：
(样本内回测 2)
预测误差:
平均: 3.062e-13 标准偏差: 3.527
币价&增速
接下来我们验证dYdX收入增速是否会影响投资者对$DYDX的估值。
与之前部分类似，增速的计算方式会对结果造成较大影响.用每日的协议收入增速提供了最多的增速数据点，但通过回归分析并未能找出任何增速的显著性（无论是否控制其他变量）。较合理的解释之一为：每日协议收入变化极大，故增速计算出的结果波动也极大，并在正负之间反复横跳，相比于币价的变化，增速的变化几乎可以看作是随机的。
若取一段时间内的平均日协议收入进行增速计算，对增速变化有一定缓和作用，如果每周算一次日平均收入再进行增速计算，则每周内的每一个数据点都有一样的增速数据。如此进行回归分析，得出结果如下，相比每日增速有所进步，但仍不足以总结出显著的系数。
协议收入已从回归分析中移除，因其与协议收入增速有强相关性。
(币价 on 周度收入增速)
(币价 on 周度收入增速 & TVL)
然后，我们可以重复一样的步骤但是增速计算频率取用每月。
(币价 on 月度收入增速 & TVL)
此方法下，所有自变量的系数都展现出统计显著性，并且R-squared为所有模型中最高-0.412。但值得注意的是，$DYDX的时间序列数据只有不到3个月可用，因此月度增速的可用数据很少。
运用月度增速模型，样本内回测结果如下：
预测误差:
平均: -2.801e-07 标准偏差: 3.198
(样本内回测 3)
ETH价格
其他研究提出利用ETH或者BTC价格作为市场因子，借鉴他们的想法，接下来的分析加入了ETH的每日价格。其他因子保持不变，加入了ETH价格后，协议收入和VIX的系数都失去了显著性（无论是否将其滞后）， 而ETH价格的系数展现出强显著性。
(不滞后 VIX and 协议收入)
(滞后 VIX and 协议收入)
运用滞后VIX和协议收入的模型，样本内回测结果如下：
(样本内回测 4-1)
预测误差:
平均: -1.261e-13 标准偏差: 3.058
通过检查自变量之间的皮尔逊相关系数，可以推测出自变量之间很可能存在多重共线性问题。
(自变量间相关系数)
可以发现VIX和ETH的相关系数达-0.7，因此，将两者同时作自变量可能对回测模型并没有改善。
尝试将VIX价格从自变量中去除，回测结果如下：
(样本内回测 4-2)
预测误差:
平均: -1.261e-13 标准偏差: 3.058
进一步将协议收入去除，回测结果如下：
(样本内回测 4-3)
预测误差：
平均: 2.782e-14 标准偏差: 3.077
从预测误差的平均值和标准偏差来看，使用完整的模型或是去除VIX后的模型预测结果更胜一筹。
结语
因为至本文撰写时，只有不到三个月的DYDX代币数据可用，共70个数据点，总结出的规律建议持续观察。不同的估值方式产生的结果也截然不同，综合所有，单从估值差的平均值和标准偏差来看，用月度增速的PEG和过滤大于50的PS看似是最有潜力的相对估值指标。更准确的估值可能由更可靠的增速预测或是其他类似贴现现金流的估值方式实现。
大多数模型相比市场都更高估DYDX, 只有3个模型是相对低估的 (PS<50, PEG_MONTH, CAGR)，但是PS<50 和 PEG_Month 都有着相对比较小的平均估值偏差和标准偏差，因此可能需要着重考虑。
收入和平台交易量几乎完美关联，两者都有较强波动性且于VIX价格有一定联动。本文的回归分析指出，利用VIX价格和协议收入可以预测两天后代币价格的走势。
