探究去中心化金融（DeFi）服务之间的相似性
统计金融
2024-04-25 v1 机器学习
综合金融
摘要
我们探讨了图表示学习（GRL）算法的采纳，以调查去中心化金融（DeFi）协议所提供服务之间的相似性。遵循现有文献，我们使用以太坊交易数据来识别 DeFi 构建模块。这些是用于在单个交易中组合使用的、封装特定金融服务（如交换或借贷加密资产）逻辑的协议特定智能合约集合。我们提出了一种方法，将这些模块根据其智能合约属性和智能合约调用图结构划分为聚类。我们采用 GRL 从构建模块创建嵌入向量，并使用层次聚类模型进行聚类。为评估它们是否在相似功能的聚类中有效分组，我们将其与八个金融功能类别关联，并将此信息作为目标标签。我们发现，在最佳情况下，纯度可达 .888。我们使用额外信息将构建模块与协议特定的目标标签关联，获得相当的纯度 (.864) 但更高的 V-Measure (.571)；我们讨论了这种差异的合理解释。在总结中，这种方法有助于对去中心化金融协议所提供的现有金融产品进行分类，能够有效自动化去中心化金融服务的相似性检测，尤其是在协议内部。
引用
@article{arxiv.2404.00034,
title = {Investigating Similarities Across Decentralized Financial (DeFi) Services},
author = {Junliang Luo and Stefan Kitzler and Pietro Saggese},
journal= {arXiv preprint arXiv:2404.00034},
year = {2024}
}