MétaCan
Menu
Retour à la cohorte
Enregistrement W3125554925 · doi:10.3386/w24418

Initial Coin Offerings and the Value of Crypto Tokens

2018· report· en· W3125554925 sur OpenAlexaff
Christian Catalini, Joshua S. Gans

Notice bibliographique

RevueNational Bureau of Economic Research · 2018
Typereport
Langueen
DomaineEconomics, Econometrics and Finance
Thématiquefinance, banking, and market dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésValue (mathematics)ArithmeticComputer scienceMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

This paper explores how entrepreneurs can use initial coin offerings -whereby they issue crypto tokens and commit to only accept those tokens as payment for their products -to fund venture start-up costs. We show that the ICO mechanism allows entrepreneurs to generate buyer competition for the token, giving it value. We also find that venture returns are independent of any committed growth in the supply of tokens over time, but that initial funds raised are maximized by setting that growth to zero to encourage saving by early participants. Nonetheless, since the value of the tokens depends on a single period of demand, the ability to raise funds is more limited than in traditional equity finance. Furthermore, a lack of commitment in monetary policy undermines saving behavior, hence the cost of using tokens to fund start-up costs is inflexibility in future capital raises. Crypto tokens can also facilitate coordination among stakeholders within digital ecosystems when network effects are present.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,951
Score d'incertitude au seuil0,942

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,266
Tête enseignante GPT0,455
Écart entre enseignants0,189 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations249
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetfinance, banking, and market dynamicsTravaux en français237 207