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

Technische Samenvatting: "Weerspiegelen Whitepaper-claims de Marktstructuur?"

Probleemstelling
Het paper onderzoekt of de functionele narratieven die worden uiteengezet in cryptocurrency-whitepapers overeenkomen met het werkelijke structurele gedrag van hun tokens in financiële markten. Terwijl de efficiënte-markttheorie suggereert dat informatieve narratieven snel in de prijzen worden verwerkt, stelt de narratieve economie dat verhalen de prijzen van de fundamenten kunnen ontkoppelen. Eerder onderzoek heeft zich grotendeels gericht op de kwaliteit van whitepapers als voorspeller voor het succes van een Initial Coin Offering (ICO) of post-listing rendementen. Deze studie verschuift de focus naar contemporane structurele correspondentie: komen de semantische categorieën van de oprichtingsclaims van een project overeen met de dwarsdoorsnede-marktstatistieken (rendement, risico, liquiditeit) die over een periode van twee jaar (2023–2024) zijn waargenomen?

Methodologie
De auteurs ontwikkelen een inhoudelijk geverifieerde, contaminatie-bewuste pijplijn om de structurele uitlijning tussen twee representationele ruimtes te meten:

1. Narratieve Ruimte (Claims Matrix $C$): De whitepapers voor 43 activa werden inhoudelijk geverifieerd om mislukte download-stubs en foutieve documenten (bijv. een "Cosmos"-entry die eigenlijk tekst van Binance Smart Chain bevatte) te verwijderen. De tekst werd gesegmenteerd in blokken van 500 woorden en geclassificeerd in 10 semantische categorieën (bijv. Store of Value, DeFi, Privacy) via zero-shot classificatie middels BART-large-MNLI. De resulterende scores werden geaggregeerd in een compositiematrix $C \in \mathbb{R}^{43 \times 10}$.
2. Marktruimte (Statistieken Matrix $S$): Uurlijkse OHLCV-data (17.543 tijdstempels) werden gebruikt om zeven dwarsdoorsnede-financiële statistieken voor elk actief te berekenen: gemiddeld rendement, volatiliteit, Sharpe-ratio, maximale drawdown, gemiddeld volume, vol-of-vol en prijs-trend. Deze werden z-genormaliseerd om matrix $S \in \mathbb{R}^{43 \times 7}$ te vormen.
3. Uitlijning en Inferentie: De twee matrices werden uitgelijnd met behulp van Orthogonale Procrustes-rotatie. Congruentie werd gemeten met de Tucker-congruentiecoëfficiënt ($\phi$).
   • Dimensiebehandeling: Omdat de ruimtes verschillen in dimensie (10 versus 7), rapporteren de auteurs twee schattingen: een zero-padded schatting (conservatieve ondergrens) en een gematchte-dimensie schatting (SVD-gereduceerd, zonder padding).
   • Power Analyse: Een positieve-controle Monte Carlo-simulatie injecteerde bekende congruentie in de echte data om het minimale detecteerbare effect te bepalen. De analyse benadrukte dat de beperkende factor de betrouwbaarheid van het tekstinstrument is (inter-methode overeenstemming $\rho \approx 0,57$ binnen categorieën), en niet de estimator zelf.

Belangrijkste Resultaten

1. Contaminatie Diagnose: Een eerdere versie van het corpus suggereerde een structureel signaal waarbij "gespecialiseerde" tokens sterker uitlijnden dan "infrastructuur" tokens. De auteurs demonstreren dat dit volledig een artefact was van corpus-contaminatie. Zodra de documenten werden geverifieerd en opnieuw verzameld, verdween deze ordening; geen enkele token registreerde als significant bijdragend aan de uitlijning op het schone corpus.
2. Power-gelimiteerde Null: Op de schone steekproef van $n=43$ werd geen significante claims–markt uitlijning gedetecteerd.
   • Gematchte-dimensie schatting: $\phi = 0,303$ ($p = 0,365$).
   • Zero-padded schatting: $\phi = 0,223$ ($p = 0,433$).
   • Beide liggen ruim onder de conservatieve benchmark van de auteurs voor matige gelijkenis ($\phi \ge 0,65$).
3. Power-beperkingen: De studie is onderpowered om zwakke uitlijning te onderscheiden van geen uitlijning. Het realistische minimale detecteerbare effect (bij 80% power) is $\phi \approx 0,44$. Het ontwerp heeft >80% power om sterke uitlijning ($\phi \ge 0,70$) te detecteren, maar kan niet oordelen tussen zwakke uitlijning ($\phi \approx 0,3$) en geen uitlijning.
4. Positieve Controle: Een simulatie bevestigde dat de pijplijn sensitief is; zij herstelde geïnjecteerde cross-domein congruentie bijna exact (bijv. geïnjecteerde $\phi=0,80$ werd hersteld als $0,806$). Dit bevestigt dat de niet-detectie voortkomt uit beperkte power en de betrouwbaarheid van het instrument, en niet uit een ongevoelige pijplijn.
5. Robuustheid: Het null-resultaat houdt stand over rollende tijdsvensters, subsample-resampling, jackknife-analyse en alternatieve uitlijningsmetrieken (RV-coëfficiënt, afstandscorrelatie, CCA, PLS).

Significantie en Claims
Het paper frameert zijn bijdrage als een methodologische vooruitgang en een waarschuwend verhaal, in plaats van een definitief bewijs van de ontkoppeling tussen narratief en markt.

• Methodologische Bijdrage: De auteurs introduceren een reproduceerbare pijplijn voor het vergelijken van tekstuele en markt-representationele ruimtes die expliciet rekening houdt met corpus-contaminatie en de detecteerbaarheid begrenst via power-analyse. Zij stellen dat inhoudelijke verificatie (woordenaantallen, herkomstcontroles) een voorwaarde is voor tekst–markt-analyse, aangezien ongedetecteerde contaminatie gespruite dwarsdoorsnede-signalen kan fabriceren.
• Interpretatie van de Null: De auteurs stellen expliciet dat dit "afwezigheid van bewijs voor uitlijning is, niet bewijs van de afwezigheid ervan." De resultaten zijn inconsistent met sterke uitlijning ($\phi \ge 0,70$), maar kunnen zwakke uitlijning niet uitsluiten.
• Beperkingen: De auteurs wijzen op drie cruciale beperkingen:
  1. Power: De steekproefomvang ($n=43$) en de lage betrouwbaarheid van het tekstinstrument verhinderen het onderscheid tussen zwakke effecten en nul.
     2. Constructvaliditeit: De zero-shot classifier vertoont een matige inter-model overeenstemming en faalt bij een face-validity check (bijv. identificeert het de primaire "Store of Value" narratief van Bitcoin niet correct, maar rangschikt het als zesde). Het instrument kan de prijsrelevante nuance van narratieven mogelijk niet goed vangen.
  2. Temporele Mismatch: Het corpus bestaat voornamelijk uit documenten uit de oprichtingsperiode (sommige vóór 2018), terwijl de marktdata uit 2023–2024 komt. Deze mismatch tussen statisch en contemporaan zorgt waarschijnlijk voor een attenuatie van enige ware uitlijning.

Het paper concludeert dat hoewel de data inconsistent zijn met een sterke uitlijning tussen whitepaper-claims en marktstructuur, het ontwerp niet kan oordelen tussen de mogelijkheden van een genuïne disconnect, een onderpowered ontwerp, of een instrument met een lage validiteit. Toekomstig werk vereist grotere corpora, domein-specifieke classifiers en tijdgestempelde narratieve bronnen.