💰 quantitative finance

Are Whitepaper Claims Reflected in Market Structure? A Contamination-Aware Pipeline and a Power-Limited Null

यह शोध पत्र एक संदूषण-जागरूक (contamination-aware) पाइपलाइन प्रस्तुत करता है जो यह प्रकट करता है कि क्रिप्टोकरेंसी व्हाइटपेपर नैरेटिव और बाजार संरचना के बीच संरेखण का पूर्व में रिपोर्ट किया गया संकेत डेटा त्रुटियों का एक आर्टिफैक्ट था, जबकि एक सत्यापित कॉर्पस के बाद के विश्लेषण में कोई महत्वपूर्ण पत्राचार नहीं पाया गया, हालांकि निम्न मापन विश्वसनीयता कमजोर संरेखण को खारिज करने से रोकती है।

मूल लेखक: Murad Farzulla

प्रकाशित 2026-07-14

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Murad Farzulla

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक विशाल पहेली को हल करने की कोशिश कर रहे हैं जहाँ एक आधा हिस्सा एक व्हाइटपेपर (एक प्रोजेक्ट का वह शानदार वादा कि उनकी क्रिप्टोकरेंसी क्या करेगी) है और दूसरा आधा हिस्सा मार्केट (वास्तविक दुनिया में उस कॉइन का व्यवहार कैसा है) है। बड़ा सवाल यह है: क्या व्हाइटपेपर में किए गए वादे मार्केट की वास्तविकता से मेल खाते हैं?

यह पेपर एक जासूसी कहानी की तरह है जहाँ अन्वेषक इन दोनों हिस्सों की तुलना करने के लिए एक अत्यंत सटीक मशीन स्थापित करता है। लेकिन इससे पहले कि वे पहेली को देख पाते, उन्हें अपने डेटा के एक बहुत बड़े कचरे को साफ करना पड़ा।

"नकली रसीद" का संकट

सबसे पहले, जासूस को पता चला कि उनके डेटा का ढेर दूषित था। लगभग एक-चौथाई दस्तावेज़ जिन्हें वे व्हाइटपेपर समझ रहे थे, वास्तव में कचरा थे। कुछ केवल खाली "डाउनलोड विफल" (failed download) फाइलें थीं, और अन्य पूरी तरह से गलत दस्तावेज़ थे (जैसे कि "कॉसमॉस" प्रोजेक्ट के लिए मैनुअल पढ़ना लेकिन वास्तव में "बाइनेंस स्मार्ट चेन" का टेक्स्ट प्राप्त करना)।

जब उन्होंने इस सफाई को किया, तो एक स्पूकी पैटर्न (अजीब पैटर्न) जो उन्हें पहले दिखाई दे रहा था, गायब हो गया। उन्हें पहले लगा था कि "विशेषज्ञता वाले" कॉइन्स (जैसे प्राइवेसी कॉइन्स) "व्यापक" इंफ्रास्ट्रक्चर कॉइन्स की तुलना में अपने मार्केट व्यवहार से बेहतर मेल खाते हैं। लेकिन एक बार जब इन नकली रसीदों को बाहर फेंक दिया गया, तो वह पैटर्न पूरी तरह से गायब हो गया। किसी भी एक प्रकार के कॉइन ने विशेष मेल नहीं दिखाया। वह स्पष्ट व्यवस्था केवल खराब डेटा द्वारा बनाई गई एक भ्रम मात्र थी।

बड़ा परीक्षण: क्या वादे वास्तविकता से मेल खाते हैं?

डेटा को साफ करने के बाद, उन्होंने 43 सत्यापित प्रोजेक्ट्स पर मुख्य परीक्षण चलाया। उन्होंने व्हाइटपेपर्स को पढ़ने और उन्हें 10 श्रेणियों के वादों (जैसे "स्टोर ऑफ वैल्यू," "प्राइवेसी," या "डेफी") में वर्गीकृत करने के लिए एक स्मार्ट कंप्यूटर प्रोग्राम (NLP) का उपयोग किया। फिर, उन्होंने 2023-2024 के वर्षों के लिए 7 वास्तविक दुनिया के मार्केट आंकड़ों (जैसे कि कीमत कितनी अस्थिर है या इसमें कितना उतार-चढ़ाव होता है) को देखा।

उन्होंने "वादे" के मानचित्र को घुमाने की कोशिश की ताकि यह देखा जा सके कि क्या यह "मार्केट" के मानचित्र के साथ संरेखित होता है, इसके लिए उन्होंने एक गणितीय उपकरण प्रोक्रुस्टेस रोटेशन (Procrustes rotation) का उपयोग किया।

परिणाम क्या रहा?
मानचित्र मेल नहीं खाए।

मैच स्कोर 0.303 था (एक ऐसे स्केल पर जहाँ 0.65 को "मध्यम" मेल और 0.70 को "मजबूत" मेल माना जाता है)।
यह स्कोर महत्वपूर्ण (significant) नहीं है। यह मूल रूप से एक "नल" (null) परिणाम है।

इसे एक रेसिपी को केक से मिलाने की तरह समझें। पेपर कहता है: "हमने यह देखने की कोशिश की कि क्या रेसिपी (व्हाइटपेपर) केक के स्वाद (मार्केट) की भविष्यवाणी करती है। हमें कोई मजबूत संबंध नहीं मिला।"

वे कितने आश्वस्त हैं? ("पावर" की समस्या)

यहाँ सबसे महत्वपूर्ण बात है: लेखक इस बात के बारे में बहुत ईमानदार हैं कि उन्हें मेल क्यों नहीं मिला। उन्होंने यह नहीं कहा, "वास्तव में कोई संबंध नहीं है।" इसके बजाय, उन्होंने कहा, "हमारा परीक्षण एक कमजोर संबंध को देखने के लिए पर्याप्त शक्तिशाली नहीं था।"

उन्होंने एक सिमुलेशन (एक "पॉजिटिव कंट्रोल") चलाया जहाँ उन्होंने डेटा में एक ज्ञात मेल को इंजेक्ट किया ताकि देख सकें कि क्या उनकी मशीन उसे ढूंढ सकती है।

मशीन: यह बहुत अच्छा काम करती है! इसने नकली मैचों को लगभग पूरी तरह से ढूंढ लिया।
समस्या: "रेसिपी पढ़ने वाला" टूल (NLP क्लासिफायर) थोड़ा शोर भरा (noisy) था। यह टेक्स्ट को समझने में बहुत विश्वसनीय नहीं था।
सीमा: क्योंकि टेक्स्ट टूल शोर भरा था, परीक्षण केवल एक मजबूत मेल (स्कोर 0.44 या उससे अधिक) को ही विश्वसनीय रूप से पहचान सकता था।
वास्तविकता: वास्तविक स्कोर 0.303 था।

इसलिए, पेपर निष्कर्ष निकालता है:

यह एक मजबूत संबंध को खारिज करता है (स्कोर 0.70 या उससे अधिक)। इस डिज़ाइन में उस संबंध को खोजने के लिए 80% से अधिक की पावर थी, और यह नहीं मिला।
यह एक कमजोर संबंध को खारिज नहीं कर सकता (लगभग 0.3)। परीक्षण इतना संवेदनशील नहीं था कि वह एक कमजोर मेल और बिना किसी मेल के बीच अंतर कर सके।

मुख्य निष्कर्ष (Takeaway)

यह इस बारे में कहानी नहीं है कि व्हाइटपेपर बेकार हैं। यह इस बारे में एक चेतावनी भरी कहानी है कि विज्ञान कैसे किया जाता है।

पाठ 1: यदि आप अपने डेटा को "नकली रसीदों" (संदूषण) के लिए नहीं जांचते हैं, तो आप ऐसे पैटर्न बना सकते हैं जो मौजूद ही नहीं हैं।
पाठ 2: सिर्फ इसलिए कि आपको कोई मेल नहीं मिला, इसका मतलब यह नहीं है कि कोई मेल नहीं है; इसका मतलब यह हो सकता है कि आपका मापने वाला टेप बहुत धुंधला है।

लेखक कह रहे हैं: "हमने पूरी कोशिश की, हमने अपने डेटा को साफ किया, और हमें क्रिप्टो प्रोजेक्ट्स जो वादा करते हैं और वे वास्तव में कैसे व्यवहार करते हैं, उनके बीच कोई सबूत नहीं मिला कि कोई मजबूत लिंक है। लेकिन हम यह साबित नहीं कर सकते कि कोई लिंक बिल्कुल भी नहीं है, क्योंकि हमारे उपकरण शायद एक धुंधले लिंक को देखने के लिए बहुत धुंधले हो सकते हैं।"

तकनीकी सारांश: "क्या व्हाइटपेपर के दावे बाजार संरचना में प्रतिबिंबित होते हैं?"

समस्या विवरण
यह शोध पत्र इस बात की जांच करता है कि क्या क्रिप्टोकरेंसी व्हाइटपेपर में व्यक्त कार्यात्मक आख्यान (functional narratives) उनके टोकन के वित्तीय बाजारों में वास्तविक संरचनात्मक व्यवहार के अनुरूप हैं। जबकि कुशल-बाजार सिद्धांत (efficient-market theory) यह सुझाव देता है कि सूचनात्मक आख्यान कीमतों में तेजी से समाहित हो जाते हैं, नैरेटिव इकोनॉमिक्स (narrative economics) यह प्रतिपादित करता है कि कहानियाँ कीमतों को मौलिकों (fundamentals) से अलग कर सकती हैं। पूर्ववर्ती शोध मुख्य रूप से प्रारंभिक कॉइन पेशकश (ICO) की सफलता या लिस्टिंग के बाद के रिटर्न के भविष्यवक्ता के रूप में व्हाइटपेपर की गुणवत्ता पर केंद्रित रहे हैं। यह अध्ययन समकालीन संरचनात्मक अनुरूपता (contemporous structural correspondence) पर ध्यान केंद्रित करता है: क्या किसी परियोजना के संस्थापक दावों की अर्थ संबंधी श्रेणियां (semantic categories) देखे गए दो-वर्षीय कालखंड (2023-2024) के क्रॉस-सेक्शनल बाजार सांख्यिकी (रिटर्न, जोखिम, तरलता) के साथ संरेखित होती हैं?

कार्यप्रणाली
लेखक दो प्रतिनिधित्व स्थानों (representational spaces) के बीच संरचनात्मक संरेखण को मापने के लिए एक कंटेंट-वेरिफाइड, कंटामिनेशन-अवेयर (संदूषण-जागरूक) पाइपलाइन विकसित करते हैं:

नैरेटिव स्पेस (दावों का मैट्रिक्स $C$ ): 43 संपत्तियों के व्हाइटपेपर को विफल-डाउनलोड स्टब और गलत-दस्तावेज फाइलों (जैसे, एक "Cosmos" प्रविष्टि जो वास्तव में Binance Smart Chain का टेक्स्ट था) को हटाने के लिए कंटेंट-वेरिफाइड किया गया था। टेक्स्ट को 500-शब्दों के खंडों में विभाजित किया गया और BART-large-MNLI के माध्यम से ज़ीरो-शॉट वर्गीकरण का उपयोग करके 10 अर्थ संबंधी श्रेणियों (जैसे, स्टोर ऑफ वैल्यू, DeFi, प्राइवेसी) में वर्गीकृत किया गया। प्राप्त स्कोर को कंपोजिशन मैट्रिक्स $C \in \mathbb{R}^{43 \times 10}$ में संकलित किया गया।
मार्केट स्पेस (सांख्यिकी मैट्रिक्स $S$ ): प्रत्येक संपत्ति के लिए सात क्रॉस-सेक्शनल वित्तीय सांख्यिकी की गणना करने के लिए प्रति घंटा OHLCV डेटा (17,543 टाइमस्टैम्प) का उपयोग किया गया: औसत रिटर्न, अस्थिरता (volatility), शार्प रेशियो, मैक्सिमम ड्रॉडाउन, औसत वॉल्यूम, वोल-ऑफ-वो (vol-of-vol), और प्राइस ट्रेंड। इन्हें मैट्रिक्स $S \in \mathbb{R}^{43 \times 7}$ बनाने के लिए z-नॉर्मलाइज किया गया।
संरेखण और अनुमान (Alignment and Inference): दोनों मैट्रिसेस को ऑर्थोगोनल प्रोक्रस्टेस रोटेशन (Orthogonal Procrustes rotation) का उपयोग करके संरेखित किया गया। अनुरूपता (congruence) को टकर के कॉंग्रुएंस कोएफिशिएंट ( $\phi$ $ϕ$ ) का उपयोग करके मापा गया।
- डायमेंशन हैंडलिंग: चूंकि स्पेस अलग-अलग आयामों (10 बनाम 7) के हैं, इसलिए लेखक दो अनुमान रिपोर्ट करते हैं: एक ज़ीरो-पैडेड अनुमान (रूढ़िवादी निचला स्तर) और एक मैच-डायमेंशन अनुमान (SVD-रिड्यूस्ड, बिना पैडिंग के)।
- पावर एनालिसिस: वास्तविक डेटा में ज्ञात अनुरूपता को इंजेक्ट करने वाले एक पॉजिटिव-कंट्रोल मोंटे कार्लो सिमुलेशन ने पता लगाने योग्य न्यूनतम प्रभाव को निर्धारित किया। विश्लेषण ने रेखांकित किया कि बाध्यकारी बाधा टेक्स्ट इंस्ट्रूमेंट की विश्वसनीयता (श्रेणियों के भीतर इंटर-मेथड एग्रीमेंट $\rho \approx 0.57$ ) है, न कि स्वयं एस्टीमेटर।

मुख्य परिणाम

कंटामिनेशन डायग्नोसिस (संदूषण निदान): कॉर्पस के एक पिछले संस्करण ने एक संरचनात्मक सिग्नल का सुझाव दिया जहाँ "स्पेशलाइज्ड" टोकन "इंफ्रास्ट्रक्चर" टोकन की तुलना में अधिक मजबूती से संरेखित थे। लेखक प्रदर्शित करते हैं कि यह पूरी तरह से कॉर्पस कंटामिनेशन का एक आर्टिफैक्ट (कृत्रिम प्रभाव) था। एक बार दस्तावेजों को सत्यापित और पुनः एकत्र करने के बाद, यह क्रम गायब हो गया; किसी भी टोकन ने स्वच्छ कॉर्पस पर संरेखण में महत्वपूर्ण रूप से योगदान नहीं दिया।
पावर-लिमिटेड नल (Power-Limited Null): $n=43$ $n = 43$ के स्वच्छ नमूने पर, कोई महत्वपूर्ण दावों-बाजार संरेखण का पता नहीं चला।
- मैच्ड-डायमेंशन अनुमान: $\phi = 0.303$ ( $p = 0.365$ )।
- ज़ीरो-पैडेड अनुमान: $\phi = 0.223$ ( $p = 0.433$ )।
- दोनों ही मध्यम समानता ( $\phi \ge 0.65$ ) के लेखकों के रूढ़िवादी बेंचमार्क से काफी नीचे हैं।
पावर कंस्ट्रेंट्स (शक्ति सीमाएं): अध्ययन कमजोर संरेखण और शून्य संरेखण के बीच अंतर करने के लिए अपर्याप्त शक्ति (underpowered) वाला है। यथार्थवादी न्यूनतम पता लगाने योग्य प्रभाव (80% पावर पर) $\phi \approx 0.44$ है। डिजाइन में मजबूत संरेखण ( $\phi \ge 0.70$ ) का पता लगाने के लिए >80% पावर है, लेकिन यह कमजोर संरेखण ( $\phi \approx 0.3$ ) और शून्य संरेखण के बीच निर्णय नहीं ले सकता।
पॉजिटिव कंट्रोल: एक सिमुलेशन ने पुष्टि की कि पाइपलाइन संवेदनशील है; इसने इंजेक्ट किए गए क्रॉस-डोमेन कॉंग्रुएंस को लगभग सटीक रूप से रिकवर किया (जैसे, इंजेक्ट किया गया $\phi=0.80$ रिकवर हुआ $0.806$ के रूप में)। यह पुष्टि करता है कि गैर-पता लगाना (non-detection) सीमित पावर और इंस्ट्रूमेंट की विश्वसनीयता को दर्शाता है, न कि एक असंवेदनशील पाइपलाइन को।
रोबस्टनेस (मजबूती): नल परिणाम रोलिंग टाइम विंडोज़, सब-सैंपल री-सैंपलिंग, जैकनीफ विश्लेषण, और वैकल्पिक संरेखण मेट्रिक्स (RV कोएफिशिएंट, डिस्टेंस कोरिलेशन, CCA, PLS) में भी बना रहता है।

महत्व और दावे
यह शोध पत्र अपने योगदान को एक निश्चित नैरेटिव-मार्केट डिस्कनेक्ट के प्रमाण के बजाय एक पद्धतिगत प्रगति और एक चेतावनी के रूप में प्रस्तुत करता है।

पद्धतिगत योगदान: लेखक एक पुनरुत्पादक (reproducible) पाइपलाइन पेश करते हैं जो टेक्स्ट और मार्केट रिप्रेजेंटेशनल स्पेस की तुलना करती है और स्पष्ट रूप से कॉर्पस कंटामिनेशन और पावर एनालिसिस के माध्यम से डिटेक्टेबिलिटी को बाउंड करती है। वे तर्क देते हैं कि कंटेंट-लेवल वेरिफिकेशन (वर्ड काउंट, प्रोवेनेंस चेक) टेक्स्ट-मार्केट विश्लेषण के लिए एक पूर्व शर्त है, क्योंकि अनपेक्षित कंटामिनेशन स्प्यूरियस क्रॉस-सेक्शनल सिग्नल बना सकता है।
नल (Null) की व्याख्या: लेखक स्पष्ट रूप से कहते हैं कि यह "संरेखण के प्रमाण की अनुपस्थिति नहीं है, बल्कि साक्ष्य की अनुपस्थिति है।" परिणाम मजबूत संरेखण ( $\phi \ge 0.70$ ) के विरुद्ध हैं, लेकिन वे कमजोर संरेखण को खारिज नहीं कर सकते।
सीमाएं: लेखक तीन बाध्यकारी सीमाओं को रेखांकित करते हैं:
1. पावर: नमूना आकार ( $n=43$ ) और कम-विश्वसनीयता वाला टेक्स्ट इंस्ट्रूमेंट कमजोर प्रभावों को शून्य से अलग करने में असमर्थ है।
2. कंस्ट्रक्ट वैलिडिटी (Construct Validity): ज़ीरो-शॉट क्लासिफायर मध्यम इंटर-मॉडल एग्रीमेंट दिखाता है और फेस-वैलिडिटी चेक में विफल रहता है (उदाहरण के लिए, यह बिटकॉइन के प्राथमिक "स्टोर ऑफ वैल्यू" नैरेटिव को सही ढंग से नहीं पहचानता, इसे छठा स्थान देता है)। इंस्ट्रूमेंट मूल्य-प्रासंगिक नैरेटिव बारीकियों को पकड़ने में विफल हो सकता है।
3. टेम्पोरल मिसमैच (सामयिक बेमेल): कॉर्पस में ज्यादातर संस्थापक-युग के दस्तावेज शामिल हैं (कुछ 2018 से पहले के), जबकि मार्केट डेटा 2023-2024 का है। यह स्टैटिक-बनाम-समकालीन (static-vs-contemporaneous) बेमेल किसी भी वास्तविक संरेखण को कम कर सकता है।

शोध पत्र निष्कर्ष निकालता है कि हालांकि डेटा मजबूत संरेखण के पक्ष में नहीं है, लेकिन डिजाइन वास्तविक डिस्कनेक्ट, एक अंडर-पावर्ड डिजाइन, या एक कम-वैलिडिटी वाले टेक्स्ट इंस्ट्रूमेंट की संभावनाओं के बीच निर्णय लेने में सक्षम नहीं है। भविष्य के कार्य के लिए बड़े कॉर्पेटा, डोमेन-अनुकूलित क्लासिफायर और टाइम-स्टैम्प्ड नैरेटिव स्रोतों की आवश्यकता है।

"नकली रसीद" का संकट

बड़ा परीक्षण: क्या वादे वास्तविकता से मेल खाते हैं?

वे कितने आश्वस्त हैं? ("पावर" की समस्या)

मुख्य निष्कर्ष (Takeaway)

इसी तरह के और पेपर