On-Chain-Governance: Von Originalspielen bis zur vorausschauenden Weisheit von Futarchy

Die On-Chain-Governance steht trotz ihres Potenzials für komplexe Protokolle vor Herausforderungen wie Sybil-Angriffen. Futarchy, vorgeschlagen von Robin Hanson, führt Prognosemärkte ein, um Entscheidungen auf der Grundlage der Wohlfahrtsmaßnahme der Organisation zu treffen, wodurch die Teilnehmer dazu angeregt werden, Vorhersagen zu treffen, und sie entsprechend belohnt werden. Durch Wetten auf den zukünftigen Wert der Wohlfahrtsmaßnahme in Abhängigkeit von bestimmten politischen Maßnahmen zielt die Futarchie darauf ab, Emotionen zu beseitigen und eine rationale Entscheidungsfindung auf der Grundlage der „Weisheit der Masse“ zu erleichtern. Die Implementierung von Prognosemärkten erfordert automatisierte Market Maker (AMMs), um Liquiditätsprobleme anzugehen, und die CFMM-Implementierung des LMSR durch Gnosis gleicht Liquidität und Prognosegenauigkeit aus.

On-Chain Governance: From Games to Futarchy

On-Chain-Governance: Von Spielen zur Futarchie

The discourse surrounding on-chain governance has been marked by contentious debate. While off-chain governance often suffers from cumbersome inefficiencies, on-chain governance has empowered developers to construct increasingly intricate protocols that grant users substantial sway in shaping network trajectories. Yet, these mechanisms are fundamentally akin to games that, when misconfigured or misaligned with appropriate incentives, possess the potential to steer the governed entity towards calamitous outcomes.

Der Diskurs über On-Chain-Governance war von kontroversen Debatten geprägt. Während Off-Chain-Governance oft unter lästigen Ineffizienzen leidet, hat On-Chain-Governance Entwickler in die Lage versetzt, immer komplexere Protokolle zu erstellen, die Benutzern erheblichen Einfluss auf die Gestaltung von Netzwerkverläufen gewähren. Dennoch ähneln diese Mechanismen im Grunde genommen Spielen, die, wenn sie falsch konfiguriert oder mit geeigneten Anreizen in Einklang gebracht werden, das Potenzial haben, die regierte Einheit zu katastrophalen Ergebnissen zu führen.

In her seminal work, "What is Futarchy? — Trading the Future," Freiderike Ernst, co-founder of Gnosis, elucidates prevalent methodologies underpinning on-chain voting. Given that the "one-person, one-vote" paradigm is susceptible to Sybil attacks on permissionless networks, whereby a single individual may fragment their capital across multiple accounts to cast a disproportionate number of votes, a user's voting power is typically weighted in proportion to their token holdings. Lotteries and token curated registries employ analogous techniques to mitigate Sybil attacks.

In ihrem wegweisenden Werk „What is Futarchy? – Trading the Future“ erläutert Freiderike Ernst, Mitbegründerin von Gnosis, die vorherrschenden Methoden, die der On-Chain-Abstimmung zugrunde liegen. Da das „Eine Person, eine Stimme“-Paradigma anfällig für Sybil-Angriffe auf erlaubnislose Netzwerke ist, bei denen eine einzelne Person ihr Kapital auf mehrere Konten verteilen kann, um eine unverhältnismäßige Anzahl von Stimmen abzugeben, wird die Stimmmacht eines Benutzers typischerweise proportional gewichtet zu ihren Token-Beständen. Lotterien und von Token verwaltete Register nutzen analoge Techniken, um Sybil-Angriffe einzudämmen.

Robin Hanson has proposed an alternative governance model termed "futarchy," which centers decision-making not on votes, but rather on the outcomes of prediction markets that evaluate the welfare measure of the organization, an indicator of the network's health or decline. Participants in these markets wager on the future value of the welfare measure.

Robin Hanson hat ein alternatives Governance-Modell namens „Futarchie“ vorgeschlagen, bei dem die Entscheidungsfindung nicht auf Abstimmungen, sondern auf den Ergebnissen von Prognosemärkten basiert, die das Wohlfahrtsmaß der Organisation bewerten, ein Indikator für die Gesundheit oder den Niedergang des Netzwerks. Die Teilnehmer dieser Märkte wetten auf den zukünftigen Wert der Wohlfahrtsmaßnahme.

Betting is typically facilitated using outcome tokens, each of which represents a discrete outcome of the market and whose monetary value is contingent on the eventual welfare measure. Accurate predictions are rewarded, while erroneous predictions incur losses.

Wetten werden in der Regel durch Ergebnis-Token erleichtert, die jeweils ein eigenständiges Ergebnis des Marktes darstellen und deren Geldwert von der letztendlichen Wohlfahrtsmaßnahme abhängt. Genaue Vorhersagen werden belohnt, während fehlerhafte Vorhersagen Verluste verursachen.

Harnessing outcome tokens, participants can even wager on the value of the welfare measure conditioned upon the implementation of a specific policy. For instance, a participant could place a bet that yields a profit if the policy is implemented and the welfare measure subsequently increases by a predetermined threshold, while the bet is voided if the policy remains unimplemented.

Mithilfe von Ergebnistokens können Teilnehmer sogar auf den Wert der Wohlfahrtsmaßnahme wetten, die von der Umsetzung einer bestimmten Richtlinie abhängt. Beispielsweise könnte ein Teilnehmer eine Wette abschließen, die einen Gewinn abwirft, wenn die Richtlinie umgesetzt wird und die Wohlfahrtsmaßnahme anschließend um einen vorher festgelegten Schwellenwert steigt, während die Wette ungültig wird, wenn die Richtlinie nicht umgesetzt wird.

Consider the case of a publicly traded company that adopts its stock price as its welfare measure and contemplates the dismissal of its CEO. Futarchy would yield two predictions: the projected future stock price were the CEO to be terminated and the projected future stock price were the CEO to be retained. As illustrated in the accompanying chart, the decision that results in the highest possible welfare measure is executed. In this instance, since the projected stock price contingent on the CEO's dismissal exceeds that contingent on the CEO's retention, the CEO would be removed from the company's leadership. This approach removes the influence of emotions from the decision-making process, enabling the organization to make rational choices informed by the collective wisdom of its participants, thereby enhancing its overall value.

Stellen Sie sich den Fall eines börsennotierten Unternehmens vor, das seinen Aktienkurs als Wohlfahrtsmaßstab ansieht und über die Entlassung seines CEO nachdenkt. Futarchy würde zwei Vorhersagen liefern: den prognostizierten zukünftigen Aktienkurs, wenn der CEO entlassen würde, und den prognostizierten zukünftigen Aktienkurs, wenn der CEO behalten würde. Wie in der beigefügten Tabelle dargestellt, wird die Entscheidung ausgeführt, die zum höchstmöglichen Wohlfahrtsmaß führt. In diesem Fall würde der CEO aus der Führung des Unternehmens entfernt werden, da der prognostizierte Aktienkurs, der von der Entlassung des CEO abhängt, den Wert übersteigt, der von der Bindung des CEO abhängt. Dieser Ansatz entfernt den Einfluss von Emotionen aus dem Entscheidungsprozess und ermöglicht es der Organisation, rationale Entscheidungen zu treffen, die auf der kollektiven Weisheit ihrer Teilnehmer basieren, und steigert so ihren Gesamtwert.

Market Makers for Prediction Markets

Market Maker für Prognosemärkte

The introduction of a market maker to facilitate transactions between participants introduces certain challenges. When futarchy is employed to assess more complex contingencies, the number of tokens in the associated market can rapidly escalate into the hundreds. In such scenarios, the "thin market problem" emerges, whereby the number of participants is insufficient to effectively adjust the probabilities of numerous outcomes. The logical solution is an automated market maker (AMM).

Die Einführung eines Market Makers zur Erleichterung von Transaktionen zwischen Teilnehmern bringt bestimmte Herausforderungen mit sich. Wenn Futarchie zur Beurteilung komplexerer Eventualitäten eingesetzt wird, kann die Anzahl der Token auf dem zugehörigen Markt schnell auf Hunderte ansteigen. In solchen Szenarien entsteht das „Thin-Market-Problem“, bei dem die Anzahl der Teilnehmer nicht ausreicht, um die Wahrscheinlichkeiten zahlreicher Ergebnisse effektiv anzupassen. Die logische Lösung ist ein automatisierter Market Maker (AMM).

A straightforward approach involves implementing the cost function of the logarithmic market scoring rule. However, this implementation precludes dynamic adjustments of liquidity, often resulting in a market that is either too shallow to accommodate all participants or excessively deep to generate meaningful results. The liquidity-sensitive logarithmic market scoring rule (LS-LMSR) addresses this issue, but introduces new vulnerabilities, the most significant of which is an arbitrage vulnerability inherent to all scoring rule market makers except LMSR.

Ein einfacher Ansatz besteht darin, die Kostenfunktion der logarithmischen Marktbewertungsregel zu implementieren. Diese Implementierung schließt jedoch dynamische Anpassungen der Liquidität aus, was häufig dazu führt, dass der Markt entweder zu flach ist, um alle Teilnehmer aufzunehmen, oder zu tief, um aussagekräftige Ergebnisse zu erzielen. Die liquiditätssensitive logarithmische Marktbewertungsregel (LS-LMSR) behebt dieses Problem, bringt jedoch neue Schwachstellen mit sich, von denen die bedeutendste eine Arbitrage-Schwachstelle ist, die allen Market Makern für Bewertungsregeln außer LMSR eigen ist.

Crypto stalwarts—constant function market makers (CFMMs)—such as Balancer, manage liquidity more effectively by enabling liquidity providers to dynamically deposit and withdraw liquidity, and are more familiar to cryptocurrency enthusiasts. However, CFMMs share the same limitations as LS-LMSR. Notably, during its involvement in prediction markets, Gnosis developed a CFMM implementation of the LMSR, which appears to combine the advantages of both approaches.

Krypto-Stars – Constant-Function-Market-Maker (CFMMs) – wie Balancer verwalten die Liquidität effektiver, indem sie es Liquiditätsanbietern ermöglichen, Liquidität dynamisch einzuzahlen und abzuheben, und sind Kryptowährungs-Enthusiasten besser vertraut. Allerdings unterliegen CFMMs denselben Einschränkungen wie LS-LMSR. Bemerkenswert ist, dass Gnosis im Rahmen seiner Beteiligung an Prognosemärkten eine CFMM-Implementierung des LMSR entwickelt hat, die offenbar die Vorteile beider Ansätze vereint.