Modelo económico

Entendiendo la economía detrás del Stacking dual.

Dual Stacking introduce un modelo económico en el que las recompensas denominadas en BTC aumentan según la proporción del participante de sBTC respecto a STX apilado, así como el sBTC desplegado en DeFi. Esto crea un vínculo directo entre el capital de Bitcoin y el crecimiento del ecosistema Stacks.

Todos los participantes reciben una recompensa base denominada en BTC sobre el sBTC inscrito en Dual Stacking. Tienen la opción de ganar recompensas adicionales apilando STX y desplegando sBTC en DeFi.

Por apilar STX, las recompensas en Bitcoin crecen según la proporción STX/sBTC de un individuo en relación con otros participantes, hasta 10× el rendimiento base. El sistema utiliza una curva de raíz cuadrada, lo que significa que el primer STX apilado tiene el mayor impacto, con incrementos menores a medida que se apilan más STX. El impulso DeFi es directo: automáticamente ganas un múltiplo de 10x por cualquier cantidad de sBTC desplegada en DeFi.

Al mismo tiempo, el STX apilado de un individuo continúa ganando lo estándar apilamiento recompensas.

La siguiente sección de Parámetros de la Función de Recompensas se toma directamente del documento introductorio de Dual Stacking.

Parámetros de la Función de Recompensas

• Multiplicador de Impulso de Recompensas – Define el múltiplo máximo de la recompensa base que pueden alcanzar los usuarios con la mayor proporción STX/BTC. Por ejemplo, con un multiplicador de 10×, un usuario que gane 0,5% de recompensa base podría alcanzar 5% si apuesta la proporción efectiva máxima de STX respecto a BTC.

• Curva de la Función de Recompensas – Define cómo las recompensas escalan a lo largo de proporciones intermedias STX/BTC. Una curva de raíz cuadrada introduce rendimientos decrecientes, fomentando una participación amplia en lugar de la concentración de recompensas entre grandes tenedores.

• Proporción de Referencia Máxima STX/BTC – Se establece en el percentil 95 ponderado por BTC de las proporciones STX/BTC entre los usuarios. Es decir, el valor por encima del cual solo el 5% del BTC total bloqueado tiene una proporción STX/BTC mayor. Con este enfoque, para que un usuario fije unilateralmente la proporción de referencia máxima STX/BTC, el usuario necesitaría tanto el 5% del BTC total bloqueado como tener la mayor proporción STX/BTC para ese BTC. Este diseño minimiza la manipulación al evitar que valores atípicos determinen desproporcionadamente el umbral máximo de rendimiento.

Para describir la función de recompensas con mayor precisión, definiremos algunos términos:

• 𝑌 − 𝑇𝑜𝑡𝑎𝑙 𝐵𝑇𝐶 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑖𝑑𝑜 𝑐𝑜𝑚𝑜 𝑟𝑒𝑤𝑎𝑟𝑑𝑠 𝑎 𝑑𝑢𝑎𝑙 𝑠𝑡𝑎𝑐𝑘𝑖𝑛𝑔 𝑑𝑢𝑟𝑎𝑛𝑡ｅ 𝑢𝑛 𝑐𝑖𝑐𝑙𝑜 𝑑𝑒 𝑆𝑡𝑎𝑐𝑘𝑖𝑛𝑔

• 𝐵_𝑖 − 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝐵𝑇𝐶 𝑞𝑢𝑒 𝑒𝑙 𝑢𝑠𝑢𝑎𝑟𝑖𝑜 𝑖 𝑏𝑙𝑜𝑞𝑢𝑒𝑎 𝑒𝑛 𝑢𝑛 𝑐𝑖𝑐𝑙𝑜 𝑑𝑒 𝑆𝑡𝑎𝑐𝑘𝑖𝑛𝑔

• 𝑆_𝑖 − 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑆𝑇𝑋 𝑞𝑢𝑒 𝑒𝑙 𝑢𝑠𝑢𝑎𝑟𝑖𝑜 𝑖 𝑏𝑙𝑜𝑞𝑢𝑒𝑎 𝑒𝑛 𝑢𝑛 𝑐𝑖𝑐𝑙𝑜 𝑑𝑒 𝑆𝑡𝑎𝑐𝑘𝑖𝑛𝑔

• 𝑑_𝑖 = 𝑆_𝑖 / 𝐵_𝑖 − 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑆𝑇𝑋 𝑝𝑜𝑟 𝐵𝑇𝐶 𝑞𝑢𝑒 𝑒𝑙 𝑢𝑠𝑢𝑎𝑟𝑖𝑜 𝑖 𝑏𝑙𝑜𝑞𝑢𝑒𝑎 𝑒𝑛 𝑢𝑛 𝑐𝑖𝑐𝑙𝑜 𝑑𝑒 𝑆𝑡𝑎𝑐𝑘𝑖𝑛𝑔

• 𝐷 − 𝑟𝑒𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑚á𝑥𝑖𝑚𝑎 𝑑_𝑖 , 𝑞𝑢𝑒 𝑒𝑠 𝑒𝑠𝑡𝑎𝑏𝑙𝑒𝑐𝑖𝑑𝑜 𝑒𝑛 𝑒𝑙 95º 𝑝𝑒𝑟𝑐𝑒𝑛𝑡𝑖𝑙 𝑑𝑒 𝐵𝑇𝐶 𝑝𝑜𝑛𝑑𝑒𝑟𝑎𝑑𝑜 𝑑_𝑖

• 𝑀 − 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑑𝑜𝑟 𝑑𝑒 𝑖𝑚𝑝𝑢𝑙𝑠𝑜 𝑑𝑒 𝑟𝑒𝑐𝑜𝑚𝑝𝑒𝑛𝑠𝑎𝑠 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑜

El primer paso en nuestra función de recompensas es determinar una proporción normalizada, 𝑟_𝑖 , para todos los usuarios:

$$𝑟_𝑖 = 𝑚𝑖𝑛(\frac{𝑑_𝑖}{𝐷}, 1)$$

Con la proporción normalizada, podemos entonces determinar pesos normalizados, w_𝑖 , para todos los usuarios:

$$𝑤_𝑖 = 𝐵_𝑖\cdot(1 + 𝑀\cdot \sqrt{𝑟_𝑖})$$

En última instancia, las recompensas para cada usuario, y_𝑖 , serían:

$$𝑦_𝑖 = 𝑌 \cdot \frac{𝑤_𝑖}{\sum𝑤_𝑗}$$

La forma generalizada de la función de recompensas se muestra en el gráfico abajo. Las dos líneas, una naranja oscura y una naranja clara, muestran la forma de las curvas de rendimiento para las recompensas esperadas sobre las tenencias de sBTC solamente como resultado de las recompensas de dual stacking, y la forma de la curva de rendimiento para la combinación de sBTC y STX de uno como resultado de la combinación de las recompensas de dual stacking sobre el sBTC de uno y las recompensas estándar de stacking por el STX de uno.

Apostar STX junto con BTC amplifica las recompensas según una curva de rendimiento, hasta 10x.

---

Para más detalles sobre los parámetros y modelos de la Función de Recompensas, consulte el documento introductorio de Dual Stacking.