Efeitos de manada e desalinhamento de incentivos nos mercados de criptomoedas

Problemas principal-agente, indução e sobrevivência

Data de publicação: 17 de abril de 2026

Prefácio

Ao longo dos nove anos entre 2016 e 2025, o mercado cripto passou por pelo menos três ciclos completos de expansão e colapso. Cada ciclo veio acompanhado da evaporação de bilhões a dezenas de bilhões de dólares em valor: o mercado de captação de US$ 17,8 bilhões da bolha de ICOs de 2017–2018 desabou para perto de zero em doze meses; em 2022, a Terra/Luna apagou cerca de US$ 50 bilhões em três dias, a FTX desviou US$ 8 bilhões em recursos de clientes e a Celsius deixou um rombo de US$ 4,7 bilhões em créditos de clientes; em 2024–2025, 98% dos tokens da plataforma pump.fun desabaram em 24 horas e os traders de $TRUMP fora do círculo de insiders perderam, no conjunto, cerca de US$ 2 bilhões.

Esses eventos costumam ser arquivados sob molduras narrativas distintas — “golpe”, “bolha”, “falha técnica” ou “lacuna regulatória”. Este relatório propõe uma lente analítica diferente: os fenômenos acima compartilham um mesmo conjunto de precondições estruturais, que podem ser unificadas sob um único arcabouço teórico aninhado de três camadas.

1. A camada de base é a assimetria de informação — a informação privada que equipes de projeto, exchanges, market makers e emissores de stablecoins detêm sobre suas próprias ações e posições de ativos supera em muito o que seus usuários e investidores conseguem observar.

2. A camada intermediária é o conflito principal-agente — sob condições de assimetria de informação, as estruturas de incentivo dos agentes com poder de decisão (operadores de exchanges, gestores de fundos, designers de tokens, construtores de protocolos) desviam sistematicamente dos interesses dos principais (usuários, investidores, detentores de tokens).

3. A camada superior são as cascatas informacionais — uma vez que a assimetria de informação elimina os mecanismos de identificação prévia e as estruturas de agência já embutiram canais de transferência de valor, a transparência dos dados on-chain e a velocidade das redes sociais permitem que o capital seja canalizado de forma direcionada para alvos específicos dentro de janelas de tempo extremamente curtas.

Este relatório seleciona dez estudos de caso emblemáticos para testar esse arcabouço: a bolha de ICOs, o Memecoin Casino e o airdrop farming (dimensão da cascata informacional); BitConnect, Three Arrows Capital, Celsius e FTX (dimensão do colapso principal-agente); as stablecoins algorítmicas da Terra/Luna, as falhas de tokenomics e o MEV (dimensão da falha de desenho de mecanismo). Cada estudo de caso baseia-se em documentos regulatórios públicos, decisões judiciais, evidência empírica acadêmica e dados on-chain, sem recorrer a fontes anônimas ou a rumores de mercado não verificados.

É preciso deixar claro: este relatório analisa casos de falha e mecanismos de falha. Estruturas de agência que funcionam bem também existem no mercado cripto — exchanges em conformidade registradas como corretoras-distribuidoras, emissores de stablecoins que mantêm transparência de auditoria e protocolos que demonstram desenho compatível com incentivos. O arcabouço analítico deste relatório busca identificar as precondições que produzem transferência sistêmica de valor e não deve ser interpretado como um juízo negativo generalizado sobre o mercado cripto como um todo.

Este relatório compartilha parte de sua base teórica com a primeira edição do Bitbase Research Deep Dive, A bifurcação da infraestrutura de derivativos cripto, mas é independente em seu objeto de análise e em sua tese central. O capítulo 1 estabelece os três pilares teóricos e sua estrutura aninhada; os capítulos 2 a 4 testam o poder explicativo do arcabouço por meio de estudos de caso; o capítulo 5 propõe caminhos de diagnóstico e correção baseados no arcabouço e discute honestamente suas limitações.

Capítulo 1 · Arcabouço teórico: um mapa acadêmico de três mecanismos de falha

1.1 Abertura · Uma curva de capitalização de mercado de quarenta minutos

Na noite de 14 de fevereiro de 2025, no horário argentino, o contrato inteligente do token $LIBRA foi implantado no pool de negociação Meteora, na Solana. Três minutos depois, o então presidente argentino Javier Milei publicou em sua conta no X, descrevendo o token como um projeto privado para pequenas empresas argentinas. Em cerca de quarenta minutos após a publicação, as ordens de compra levaram a capitalização de mercado circulante do $LIBRA de perto de zero a aproximadamente US$ 4,5 bilhões; seu preço disparou de milionésimos de dólar para aproximadamente US$ 5,20.[¹][²] Mais de 40.000 carteiras participaram das compras [15].

Nas onze horas seguintes, a capitalização de mercado desabou no sentido inverso. Oito carteiras de insiders ligadas à Kelsier Ventures, deployer do projeto, extraíram no conjunto aproximadamente US$ 107 milhões [15] (compostos por 57,6 milhões de USDC mais cerca de 249.700 SOL) ao retirar liquidez e recolher taxas. Na manhã de 15 de fevereiro, a capitalização de mercado circulante do $LIBRA havia caído para aproximadamente US$ 257 milhões, uma queda de aproximadamente 94% em relação ao pico. Milei apagou em seguida sua publicação. A empresa de análise on-chain Nansen [16] relatou que, em uma amostra de carteiras participantes, aproximadamente 114.000 carteiras apresentavam perdas não realizadas somadas de cerca de US$ 251 milhões, com cerca de 86% dos traders no prejuízo no momento da liquidação. O judiciário federal argentino aceitou posteriormente denúncias criminais relativas ao token, e a investigação sobre Milei seguia em curso quando este relatório foi escrito.

Esse evento não foi uma anomalia. O token $TRUMP, lançado em 17 de janeiro de 2025, e o $MELANIA, em 19 de janeiro, exibiram trajetórias isomórficas: ambos atingiram capitalizações de mercado circulantes de bilhões de dólares em um a dois dias e depois devolveram mais de 90% ao longo de semanas a meses. A análise on-chain da Chainalysis encomendada pelo The New York Times [17] mostrou que os traders de $TRUMP fora do círculo de insiders perderam, no conjunto, cerca de US$ 2 bilhões. De $TRUMP a $LIBRA — em vinte e seis dias, três curvas de capitalização de mercado desencadeadas por celebridades ou por um chefe de Estado em exercício, completando todo o seu ciclo de expansão e colapso em janelas de tempo extremamente curtas — colocaram a mesma pergunta diante dos pesquisadores: sob as condições estruturais específicas do mercado cripto, por que o capital em larga escala pode ser sistematicamente alocado em alvos com retorno esperado negativo?

O objetivo deste capítulo é extrair da literatura econômica os três pilares teóricos necessários para responder a essa pergunta e demonstrar como eles se aninham em um arcabouço analítico completo.

[¹]: Fontes diferentes registram o momento do pico com variações de vários minutos. Esta seção usa “em cerca de quarenta minutos” como intervalo conservador; carimbos de tempo ao nível do segundo dependem de verificação adicional nos dados on-chain de DEX.

[²]: Algumas plataformas de agregação de preços (por exemplo, a CoinGecko) registram a máxima histórica do $LIBRA bem abaixo do valor acima. Essa discrepância deve ser atribuída ao fato de as plataformas de agregação começarem a coletar dados depois do pico efetivo on-chain. Esta seção usa como fontes primárias os dados on-chain de DEX e as estatísticas da imprensa de referência baseadas em dados on-chain.

1.2 Cascatas informacionais · Por que os sinais privados são abandonados

O primeiro pilar vem do trabalho seminal de Bikhchandani, Hirshleifer e Welch [1] sobre cascatas informacionais. Seu argumento central pode ser resumido como um resultado de inferência bayesiana: quando indivíduos precisam agir em decisões sequenciais, cada um portando sinais privados ruidosos sobre o estado do mundo e observando as ações públicas de seus predecessores, existe um limiar — uma vez que as ações públicas acumuladas dos predecessores bastem para sobrepujar a força de um sinal privado típico, a estratégia ótima dos indivíduos seguintes é abandonar o próprio sinal privado e copiar as ações dos predecessores. O “comportamento de manada” nesse contexto não é uma deficiência cognitiva, mas o resultado de uma atualização bayesiana racional. Um corolário crítico desse mecanismo: uma vez formada a cascata informacional, o mecanismo de agregação de informação falha de imediato — os indivíduos seguintes abandonam racionalmente seus sinais privados, e suas ações públicas deixam de transmitir informação nova aos observadores. A sequência de ações públicas do grupo passa então a apenas repetir os sinais iniciais. Essa estrutura significa que mesmo que a informação agregada possa bastar para identificar a decisão correta, a cascata pode convergir de forma estável para a conclusão errada, e essa conclusão equivocada não se autocorrigirá até a chegada de um choque externo.

O modelo original de Bikhchandani et al. [1] foi construído sobre escolhas discretas e espaços de sinais finitos e, desde então, foi estendido a mercados financeiros, contágio social, decisão organizacional e outros domínios. Aplicar essa teoria ao mercado cripto pós-2020, porém, exige uma modificação mecanística crítica: as “ações públicas” do mercado cripto já não são apenas comprar ou vender, mas endereços de carteira visíveis on-chain, distribuições de posse, o momento das transações e curtidas, republicações e métricas de engajamento nas redes sociais. Isso significa que as ações dos predecessores passam a ser explícitas, quantificáveis e legíveis por máquina — o limiar de formação da cascata cai de forma significativa, e sua velocidade de propagação aumenta na mesma medida.

Kogan, Makarov, Niessner e Schoar [2] forneceram validação empírica dessa modificação no contexto do mercado cripto. Usando eventos de listagem de tokens como amostra e construindo medidas de coexposição a partir de dados de transações on-chain e de dados de redes sociais, encontraram que surtos de atenção mantinham poder preditivo significativo sobre preço e volume em janelas curtas, mesmo após controlar por variáveis proxy de fundamentos; e que essa resposta de preço se revertia sistematicamente em uma a duas semanas. Os autores interpretaram esse padrão como “reação exagerada movida a atenção”, cuja trajetória empírica — acumulação rápida, pico, reversão — é consistente com as previsões teóricas do modelo de cascata de Bikhchandani et al. [1]. Mais decisivamente, o artigo encontrou que a magnitude das cascatas informacionais em tokens cripto é significativamente maior do que em ações tradicionais: a escala da reversão à média superou, em média, a de estudos de evento comparáveis em ativos tradicionais. A implicação é que o pilar teórico um não é apenas aplicável ao mercado cripto, mas se aplica de forma amplificada.

Posta nessa perspectiva teórica, a trajetória de quarenta minutos do $LIBRA na seção 1.1 deixa de ser uma anomalia isolada e passa a ser uma instância de parâmetros extremos do modelo de cascata: a força dos sinais de ação pública (o post presidencial mais as ordens de compra iniciais) bastou para sobrepujar os sinais privados de praticamente todos os participantes em dezenas de minutos, e a cascata se completou antes que qualquer fundamento informacional tivesse sido gerado.

1.3 Principal-agente · Como os custos de agência são estruturalmente amplificados

O segundo pilar é o arcabouço de custo de agência proposto por Jensen e Meckling [3]. Sua formulação original, no contexto de finanças corporativas, afirma: quando um principal delega poder de decisão a um agente e as ações do agente não são plenamente observáveis, o agente se desviará do ótimo do principal na margem em que seus interesses conflitam com os dele. Os custos de agência compreendem três componentes — os custos de monitoramento do principal, os custos de vinculação do agente e a perda residual que permanece sob o contrato ótimo para ambas as partes. A generalidade desse arcabouço permite transplantá-lo para as relações acionista-gestor, credor-acionista, segurado-segurador e inúmeras outras estruturas relacionais.

Os problemas de agência costumam ser decompostos ainda em duas fontes de nível informacional. A seleção adversa refere-se à posse, pelo agente, de informação privada sobre seu próprio tipo (capacidade, qualidade, intenção) antes de a relação de agência ser estabelecida, o que faz o principal enfrentar um problema de “indistinguibilidade de tipos” no desenho do contrato; o modelo do mercado de carros usados de Akerlof [4] é a formulação padrão desse mecanismo (a seção 1.4 deste capítulo o discutirá em detalhe). O risco moral refere-se à não observabilidade das ações ou do esforço do agente depois de estabelecida a relação de agência, o que dá ao agente incentivos para desviar do ótimo do principal na execução do contrato; Holmström [5] forneceu a formalização matemática rigorosa em The Bell Journal of Economics. A contribuição central de Holmström é o teorema da estatística suficiente — sinais observáveis que ainda forneçam informação adicional sobre o esforço do agente, dado o produto, devem ser incorporados ao contrato ótimo; inversamente, uma vez que o produto seja estatística suficiente para o esforço, sinais adicionais não têm valor contratual marginal. Esse teorema fornece tanto um critério rigoroso para “quando introduzir auditoria ou divulgação” quanto a medida formal do “valor do sinal” na economia da informação.

O mercado cripto fornece a esses dois mecanismos um conjunto de material empírico independente do contexto das finanças corporativas. Cong, Li e Wang [6] trataram a tokenomics como um problema de desenho de contrato dinâmico de incentivos e notaram que o duplo papel dos tokens, ao mesmo tempo “instrumento de remuneração” e “instrumento de financiamento”, dá às equipes de projeto um controle sobre emissão, alocação e cronogramas de desbloqueio de tokens que corresponde estruturalmente a um espaço de decisão do agente com graus de liberdade quase ilimitados na dimensão da senhoriagem, enquanto os detentores de tokens, como reclamantes residuais, praticamente não dispõem de ferramentas de monitoramento à altura desse espaço de decisão. Essa análise identifica o próprio desenho do token como o veículo central do conflito de agência.

Mapeando o arcabouço acima para o mercado cripto, é possível identificar pelo menos cinco estruturas de agência recorrentes, cada uma com uma âncora empírica verificável.

Primeira: a relação de custódia entre usuários e exchanges centralizadas. O caso FTX fornece uma referência de ordem de grandeza: no comunicado de sentença do DOJ do Distrito Sul de Nova York, de março de 2024 [18], o procurador federal Damian Williams afirmou explicitamente que Bankman-Fried desviou recursos de clientes “acima de US$ 8 bilhões”, e o tribunal emitiu uma ordem de perdimento “acima de US$ 11 bilhões”; a ordem final da CFTC de agosto de 2024 [19] determinou que a FTX pagasse US$ 12,7 bilhões em reparação monetária a clientes e vítimas, incluindo US$ 8,7 bilhões em restituição. Um custodiante que atua simultaneamente como negociador por conta própria, com ativos de clientes não genuinamente segregados, é o caso de referência do conflito de agência sob arquitetura de custódia centralizada.

Segunda: a alocação prévia entre detentores de tokens e equipes de projeto. A estrutura de distribuição de tokens da Worldcoin (World Foundation) em seu lançamento de 24 de julho de 2023 [20] mostrava: de uma oferta total de 10 bilhões de WLD, 25% alocados a insiders (investidores da Tools for Humanity 13,5%, equipe central de desenvolvimento 9,8%, reservas 1,7%), com 75% designados à “comunidade”; no entanto, a oferta circulante máxima no lançamento era de apenas cerca de 143 milhões de WLD (1,43% da oferta total), dos quais aproximadamente 70% haviam sido emprestados a market makers de fora dos EUA. A combinação de float baixo e FDV (fully diluted valuation, avaliação totalmente diluída) alto significa que o preço que os investidores de varejo enfrentam no mercado secundário tem um spread sistemático em relação à curva de oferta dos insiders após o desbloqueio — a alocação prévia embute estruturalmente um canal de transferência de valor.

Terceira: a relação informacional entre investidores de varejo e KOLs pagos sem divulgação. O comunicado da SEC de 3 de outubro de 2022 [21] divulgou seu acordo com Kim Kardashian por promover tokens EthereumMax (EMAX) no Instagram sem divulgar os US$ 250.000 de remuneração recebidos, com penalidades totais de US$ 1,26 milhão (US$ 1 milhão de multa mais cerca de US$ 260.000 em devolução de ganhos e juros) e proibição de três anos de promover valores mobiliários de criptoativos. Quando os promotores não divulgam sua condição de pagos, seu principal de fato deixou de ser a audiência e passou a ser a equipe do projeto, e a audiência arca com um problema de agente oculto.

Quarta: o alinhamento de interesses entre LPs e market makers. A denúncia da CFTC de 13 de dezembro de 2022 contra FTX e Alameda [22] registrou um detalhe técnico específico: o código da FTX continha uma porta dos fundos chamada “allow negative flag”, somada a uma “linha de crédito praticamente ilimitada” concedida à Alameda, o que permitiu à Alameda sacar aproximadamente US$ 8 bilhões dos depósitos de clientes da FTX para negociação por conta própria; a denúncia da SEC de 21 de dezembro de 2022 contra Caroline Ellison e Gary Wang [23] reafirmou o mesmo mecanismo em linguagem independente. O mesmo controlador operando ao mesmo tempo um market maker e uma plataforma de custódia de recursos de usuários representa uma amostra extrema de conflito de agência entre um market maker e o mercado que ele atende.

Quinta: a alocação de risco entre depositantes e plataformas de empréstimo centralizadas. A Celsius Network pediu recuperação judicial sob o Capítulo 11 [38] (Caso №22–10964) no Tribunal de Falências dos EUA para o Distrito Sul de Nova York em 13 de julho de 2022, e os autos do primeiro dia divulgaram passivos totais de aproximadamente US$ 5,5 bilhões, dos quais cerca de US$ 4,7 bilhões representavam créditos quirografários de clientes, ativos totais de cerca de US$ 4,3 bilhões e um descasamento entre ativo e passivo de aproximadamente US$ 1,2 bilhão; o anúncio de acordo da FTC de 13 de julho de 2023 [24] impôs separadamente uma penalidade civil de US$ 4,7 bilhões à pessoa jurídica Celsius (uma ação independente, cujo valor coincidentemente corresponde aos créditos de clientes), suspensa em razão da falência para permitir que os ativos remanescentes fossem devolvidos aos consumidores. Vender-se externamente com uma narrativa bancária enquanto se opera internamente com uma estrutura não segregada constituiu o núcleo do conflito de agência entre plataformas de empréstimo e depositantes.

Esses cinco casos pertencem superficialmente a tipos de negócio diferentes, mas, no nível da estrutura de agência, compartilham um único modelo: uma das partes detém informação privada sobre suas próprias ações, sobre o destino dos ativos ou sobre sua estrutura de incentivos, enquanto a outra parte, tendo concedido poder de decisão ou custódia de ativos, carece de mecanismos exequíveis de monitoramento e de recurso.

1.4 Assimetria de informação · O colapso endógeno da qualidade de mercado

O terceiro pilar — a assimetria de informação — não é um mecanismo independente e paralelo aos dois primeiros, mas a precondição que os sustenta. O modelo do mercado de carros usados de Akerlof [4], publicado no Quarterly Journal of Economics, é a formulação fundacional: quando os vendedores detêm informação privada sobre a qualidade do produto e os compradores só conseguem observar a distribuição agregada, a oferta máxima dos compradores fica ancorada na avaliação correspondente à qualidade média; esse preço é insuficiente para cobrir a utilidade de reserva dos vendedores de alta qualidade, e a oferta de alta qualidade sai do mercado; a qualidade média do mercado remanescente cai ainda mais, os compradores reduzem novamente suas ofertas, formando uma espiral unidirecional até que o volume de transações do mercado se comprima a zero ou quase zero. Akerlof estendeu esse mecanismo dos carros usados aos mercados de seguros, de crédito, de trabalho e financeiros de economias em desenvolvimento, identificando-o como o mecanismo unificado que explica um grande número de fenômenos de “mercado ausente” — incerteza de qualidade + assimetria de informação = colapso endógeno de mercado.

A aplicabilidade dessa análise ao mercado cripto opera em dois níveis. O primeiro é o lado do ativo: tokens não auditados, código não divulgado e cronogramas de alocação não divulgados são difíceis de distinguir, para o comprador, de ativos plenamente auditados, de código aberto e com alocação transparente; o mecanismo de precificação tende a comprimir os dois na mesma faixa de valor esperado; na ausência de mecanismos de certificação críveis, o incentivo dos emissores de alta qualidade não é continuar emitindo, mas sair ou migrar para outros ambientes. O segundo é o lado do intermediário: a postura interna de risco de exchanges centralizadas, market makers, custodiantes e plataformas de empréstimo é quase inobservável para os usuários, que só conseguem estimar sua qualidade média a partir de marca, marketing e sinais indiretos — essa é a estrutura comum dos casos FTX, Celsius e Voyager em termos de economia da informação.

O modelo de Akerlof estabelece a possibilidade teórica do colapso de mercado, mas não responde diretamente a outra pergunta intimamente ligada ao mercado cripto: em um mercado onde os custos de transação não são infinitos e o capital de arbitragem não está ausente, por que a assimetria de informação consegue afastar os preços dos fundamentos de forma persistente? O estudo empírico de Makarov e Schoar [7] no Journal of Financial Economics sobre as diferenças de preço do Bitcoin entre exchanges e entre regiões em 2017–2018 forneceu evidência da importância autônoma dos limites da arbitragem no mercado cripto. Os autores encontraram que o Bitcoin conseguia sustentar spreads de preço de vários pontos percentuais entre exchanges diferentes por dias a semanas, e que esses spreads estavam significativamente correlacionados com os canais de entrada e saída de moeda fiduciária, com atritos de registro e de conformidade das exchanges e com controles de conta de capital. A arbitragem não estava ausente, mas restringida por atritos não mercadológicos a um nível muito abaixo da intensidade necessária para eliminar os spreads. Além disso, os autores documentaram que esses spreads eram geograficamente sistemáticos — os spreads entre os mercados da Coreia, do Japão e dos EUA não eram ruído simétrico, mas sinais estruturais direcionais. Essa conclusão empírica é consistente com a tradição teórica de Shleifer e Vishny [8] a respeito dos limites da arbitragem, mas exibe uma característica ausente dos mercados clássicos: transferências de recursos transfronteiriças tecnicamente instantâneas continuam severamente atritadas no nível da conformidade e dos canais.

Combinando o mecanismo de colapso de mercado de Akerlof com a evidência dos limites da arbitragem de Makarov e Schoar, o caminho de impacto da assimetria de informação sobre o mercado cripto pode ser caracterizado em duas fases: ex ante, a assimetria de informação suprime os incentivos de entrada da oferta de alta qualidade, fazendo a qualidade média do mercado afundar; ex post, os limites da arbitragem permitem que a precificação errada persista por janelas suficientemente longas, dando assim ao colapso prévio de qualidade uma persistência temporal no nível do preço.

1.5 A estrutura aninhada de três camadas

Colocar os três pilares teóricos lado a lado não basta para caracterizar a atual falha sistêmica do mercado cripto. Os três não são logicamente paralelos, mas aninhados. A assimetria de informação é a precondição da camada de base: ela define que informação privada compradores, vendedores, principais e agentes detêm cada um, e especifica as condições de contorno para o monitoramento e a identificação. O problema principal-agente é a estrutura da camada intermediária: descreve como, dada a assimetria de informação, a delegação de poder de decisão e de custódia de ativos se converte em valor econômico extraível pelos agentes — a escala dos custos de agência é determinada pela estrutura informacional da camada de base, mas sua realização efetiva é determinada conjuntamente pelo desenho contratual, pela intensidade regulatória e pela distribuição dos direitos residuais. As cascatas informacionais são a dinâmica da camada superior: descrevem como, depois de as estruturas de agência terem embutido canais de transferência de valor e de a assimetria de informação ter eliminado os mecanismos de identificação prévia, o capital pode ser canalizado de forma direcionada para alvos específicos em janelas de tempo curtas — a velocidade e a magnitude da cascata dependem da visibilidade dos sinais de ação pública, da força dos sinais privados e da sequência de decisão dos participantes.

Um corolário direto dessa relação aninhada: reforçar as ferramentas de governança de uma única camada, isoladamente, é insuficiente. Apenas divulgar tabelas de alocação de tokens (mirando a assimetria de informação), apenas exigir que KOLs rotulem promoções pagas (mirando os problemas de agência) ou apenas perseguir a posteriori a manipulação de preços depois de formada a cascata (mirando as cascatas informacionais) — cada uma dessas medidas cobre apenas parte do mecanismo completo em seu respectivo nível; e, quando a assimetria de informação da camada de base não foi enfraquecida, as estruturas de agência da camada intermediária se reorganizarão em novas formas, e as cascatas da camada superior serão desencadeadas por novos meios. A razão pela qual a série de eventos $LIBRA e $TRUMP ainda pôde ocorrer integralmente sob o pano de fundo do discurso regulatório existente não é que alguma camada isolada tenha sido completamente ignorada, mas que a interação das três camadas não foi tratada como um todo.

Este capítulo estabeleceu os três pilares teóricos e sua estrutura aninhada. A partir do próximo capítulo, o relatório entra na fase de análise de casos. O capítulo 2 se concentra no mecanismo da camada superior do arcabouço de três camadas — as cascatas informacionais — e, por meio dos estudos de caso da bolha de ICOs, do Memecoin Casino e do airdrop farming, demonstra como as cascatas informacionais são aceleradas, amplificadas e acabam canalizando capital em larga escala para alvos com retorno esperado negativo sob as condições particulares do mercado cripto.

Capítulo 2 · Efeitos de manada: uma coleção de casos de cascatas informacionais e prova social

2.1 Abertura · Três ondas, um mecanismo

Desde que o mercado cripto desenvolveu capacidade de mobilização de capital em larga escala, ocorreram pelo menos três surtos de participação em massa movidos por dinâmicas de cascata informacional, cada um deflagrado por um meio diferente e, ainda assim, concluído com resultados estatísticos semelhantes.

A primeira foi a onda de ICOs de 2016–2018. As equipes de projeto usaram os whitepapers como ferramenta central de sinalização, complementados por endossos de VCs e listagens em exchanges, mobilizando cerca de US$ 17,8 bilhões em captação global em dezoito meses. A segunda foi a onda do Memecoin Casino de 2024–2025. Plataformas descentralizadas de emissão de tokens comprimiram o custo de criação de um token de “whitepaper + três meses de preparação” para “taxa de US$ 2 + 30 segundos”, com as redes sociais substituindo os whitepapers como meio primário dos sinais de ação pública; uma única plataforma criou mais de 11 milhões de tokens em dois anos. A terceira é a onda de airdrop farming, de 2022 até hoje. As equipes de projeto, por meio de programas de pontos e requisitos de interação, definiram diretamente o comportamento dos participantes; as cascatas deixaram de depender da imitação social espontânea e passaram a ser ativamente engenhadas por mecanismos de incentivo, distribuindo cerca de US$ 26,6 bilhões em incentivos em tokens ao longo de três anos.

Cada onda atraiu milhões de participantes independentes. As três compartilharam uma característica estatística: o retorno esperado agregado dos participantes foi negativo. Não se trata de “algumas pessoas perderem dinheiro”, mas de um resultado sistêmico em que a maioria dos participantes estava no prejuízo ao sair. Este capítulo trata essas três ondas como três experimentos independentes da teoria das cascatas informacionais no mercado cripto, extraindo parâmetros comuns de mecanismo de gatilho, de velocidade de mobilização e de morfologia do colapso.

2.2 Conjunto de casos um · A bolha de ICOs: a cascata do sinal whitepaper

De janeiro de 2017 a julho de 2018, o mercado global de ICOs captou um acumulado de cerca de US$ 17,8 bilhões [25], sendo aproximadamente US$ 5 bilhões no ano completo de 2017 (Swartz 2022) e com o primeiro trimestre de 2018 como trimestre de pico. Cerca de 966 projetos de ICO concluíram sua emissão em 2017; esse número disparou para aproximadamente 2.284 em 2018 [26], com cerca de 482 vendas de tokens ocorrendo simultaneamente no pico. Esses números descrevem um mercado de captação que se expandiu de quase inexistente para a casa das dezenas de bilhões em dezoito meses.

No entanto, Haffke e Fromberger [10] relataram em seu relatório do mercado de ICOs que aproximadamente 55% dos tokens de ICO emitidos em 2017 haviam perdido “substancialmente todo o valor” até o fim de 2018. As estatísticas independentes do analista de mercado cripto Cermak [40] refinaram ainda mais esse quadro: 74% dos tokens de ICO de 2017 caíram mais de 90% em termos de BTC; o retorno mediano em dólares foi de −87%; apenas cerca de 7,7% (aproximadamente 30 projetos) de todos os tokens de ICO emitidos em 2017 superaram o BTC durante o período de manutenção. Em outras palavras, o fato de que “o retorno agregado dos investidores foi negativo” no mercado de ICOs não é uma narrativa construída depois, mas um fato estatisticamente testável.

Da perspectiva da teoria das cascatas informacionais, o mecanismo de mobilização do mercado de ICOs pode ser decomposto em uma estrutura de empilhamento de sinais em quatro camadas. A primeira camada era o whitepaper — um documento descrevendo a visão do projeto, a arquitetura técnica e a alocação de tokens. A segunda camada era o endosso de VCs ou de investidores de destaque — normalmente apresentado como títulos de “Advisor” ou anúncios de “investidor estratégico”. A terceira camada era a cobertura e a promoção pela mídia cripto e pelos KOLs da comunidade. A quarta camada era a listagem em exchange — o token do projeto ganhando suporte de negociação em plataformas como Poloniex, Bittrex e Binance. Cada camada de sinal continha, isoladamente, informação limitada: um whitepaper não garantia a implementação do código; o endosso de VC não garantia a integridade da equipe do projeto; a cobertura da mídia não garantia avaliação independente do projeto; a listagem em exchange garantia apenas provisão de liquidez, não a qualidade subjacente. Somadas, porém, as quatro camadas produziam uma força de sinal de ação pública suficiente para sobrepujar o sinal privado do investidor de varejo típico — satisfazendo precisamente as condições de formação de cascata descritas por Bikhchandani, Hirshleifer e Welch [1] em seu artigo fundacional sobre cascatas informacionais.

Swartz [9] propôs em New Media & Society um arcabouço sociológico complementar à teoria das cascatas informacionais: a bolha de ICOs não era a tradicional estrutura binária de “fraudadores plenamente informados contra vítimas desinformadas”, mas antes o que ela definiu como um “golpe em rede”, no qual VCs, mídia, KOLs, equipes de projeto e investidores de varejo eram, em graus variados, ao mesmo tempo emissores e receptores de sinais, tanto motores quanto suportes da cascata.[³] Essa observação é consistente com a previsão teórica de Bikhchandani et al. [1]: em uma cascata informacional, as ações dos seguidores posteriores tornam-se elas próprias sinais que reforçam ainda mais a cascata — por isso, os papéis de “vítima” e de “amplificador” são estruturalmente inseparáveis.

O padrão de colapso do mercado de ICOs foi igualmente consistente com as previsões da teoria das cascatas informacionais. Em janeiro de 2018, o ETH atingiu sua máxima histórica de aproximadamente US$ 1.352; em dezembro do mesmo ano, o ETH havia caído para cerca de US$ 84, uma queda de aproximadamente 94% em relação à máxima. O colapso não foi “projetos individuais expondo problemas em sequência, levando os investidores a sair gradualmente”, mas o mercado inteiro colapsando de forma simultânea. Os fatores de gatilho incluíram pelo menos três sinais externos de alta qualidade: o DAO Report of Investigation da SEC, de 25 de julho de 2017 [27] (que determinou que os tokens do DAO eram valores mobiliários); a proibição completa de ICOs pela China em setembro de 2017; e a queda sustentada do preço do ETH a partir do primeiro trimestre de 2018. Na teoria de Bikhchandani et al. [1], a reversão de uma cascata requer um sinal externo de força suficiente para sobrepujar os sinais acumulados — o colapso do preço do ETH e as ações de execução da SEC cumpriram exatamente esse papel.

A bolha de ICOs demonstrou a forma das cascatas informacionais numa era de “custos de sinal altos” — que exigia coordenação entre múltiplas partes: whitepapers, VCs e exchanges. A próxima seção mostra no que se transformam as cascatas quando os custos de sinal caem para “US$ 2 e 30 segundos”.

[³]: Swartz 2022 é um artigo de sociologia e estudos de mídia. Este capítulo cita seu arcabouço de “golpe em rede” como complemento interdisciplinar à teoria das cascatas informacionais.

2.3 Conjunto de casos dois · O Memecoin Casino: a cascata industrializada de US$ 2 e 30 segundos

A plataforma pump.fun, lançada em 19 de janeiro de 2024, alterou de forma fundamental a estrutura de custos da emissão de tokens. O processo para emitir um novo token na plataforma: subir uma imagem, digitar um nome de ticker, pagar o equivalente a cerca de US$ 2 em SOL como taxa, e o token entra imediatamente em um modelo de precificação por bonding curve (uma curva que precifica automaticamente com base no volume de compras); 30 segundos depois, qualquer pessoa pode negociá-lo. Sem whitepaper, sem auditoria de código, sem endosso de VC, sem revisão de exchange. Quando o volume de compras de um token na bonding curve atinge cerca de 85 SOL, a liquidez migra automaticamente para uma plataforma descentralizada de negociação (a Raydium antes de março de 2025 e, depois, o AMM PumpSwap da própria pump.fun), entrando em circulação aberta — um processo chamado de “graduação”.

Até o fim de 2025, a pump.fun havia criado acumuladamente mais de 11 milhões de tokens, com pico de criação diária de cerca de 65.000. A plataforma respondeu por mais de 80% da criação de tokens na Solana durante seu período de operação. Segundo a DefiLlama [28], seu volume acumulado de negociação em DEX ultrapassou US$ 150 bilhões.[⁴] A receita mensal de pico chegou a US$ 138 milhões, com receita diária de pico de aproximadamente US$ 15 milhões.

No entanto, esse processo de criação de tokens em escala veio acompanhado de taxas de mortalidade extremas. Menos de 2,1% dos tokens “se formaram” a partir do estágio da bonding curve. Aproximadamente 98% dos tokens desabaram para perto de zero em 24 horas. Do lado do usuário, estatísticas públicas mostraram cerca de 11,5 milhões de carteiras no prejuízo contra menos de 10 milhões de carteiras lucrativas; apenas cerca de 0,6% das carteiras acumulavam lucros acima de US$ 10.000.

Em comparação com a era das ICOs, o que ocorreu foi uma redução de ordem de grandeza no limiar de formação da cascata. Os custos de sinal da era das ICOs — redigir o whitepaper, comunicar-se com VCs, negociar a listagem em exchange — mediam-se em meses e em dezenas a centenas de milhares de dólares. No modelo pump.fun, os custos de sinal foram comprimidos a US$ 2 e 30 segundos. A implicação em economia da informação: quando o custo de iniciar uma cascata se aproxima de zero, as cascatas deixam de ser “anomalias comportamentais ocasionais” e passam a ser um processo de produção industrializado iniciado dezenas de milhares de vezes por dia, com a esmagadora maioria terminando em horas e uma fração ínfima recebendo amplificação breve.

Nesse processo, as redes sociais substituíram os whitepapers como meio primário dos sinais de ação pública. Curtidas no Twitter, republicações, comentários em transmissões ao vivo de KOLs, mensagens em grupos de Telegram — essas métricas equivaliam funcionalmente ao “quantos veículos de imprensa cobriram o whitepaper” da era das ICOs. Kogan, Makarov, Niessner e Schoar [2] forneceram suporte quantitativo para esse mecanismo: com base em dados de 200.000 traders na plataforma eToro, encontraram que surtos de atenção mantinham poder preditivo significativo sobre preço e volume de tokens cripto em janelas curtas, mesmo após controlar por variáveis proxy de fundamentos. A magnitude desse efeito em tokens cripto foi significativamente maior do que em ações tradicionais — ou seja, o efeito de amplificação em cascata dos sinais sociais sobre o mercado cripto está empiricamente confirmado, não é especulação.

O TRUMP, lançado em 17 de janeiro de 2025, e o MELANIA, em 19 de janeiro, foram instâncias emblemáticas desse padrão: em menos de dois dias após o lançamento, a avaliação totalmente diluída do $TRUMP (com base na totalidade de 1 bilhão de tokens) alcançou brevemente aproximadamente US$ 27 bilhões, e depois devolveu mais de 90% ao longo das semanas a meses seguintes;[⁵] o $MELANIA exibiu uma trajetória isomórfica. O caso $LIBRA foi tratado em detalhe no capítulo 1 e não se repete aqui. Os três demonstram um traço comum das cascatas informacionais da era Memecoin: a fonte do sinal deflagrador já não são whitepapers e VCs, mas uma única publicação em rede social de um indivíduo com influência enorme.

Um metafenômeno que merece observação à parte é a própria emissão de token da pump.fun, em 12 de julho de 2025. Segundo os registros de captação da DefiLlama [28], a rodada compreendeu duas partes: uma venda privada de tokens de US$ 400 milhões e um ICO público de US$ 600 milhões, somando US$ 1 bilhão, com avaliação totalmente diluída de US$ 4 bilhões.[⁶] Trata-se de um evento estruturalmente notável: uma plataforma que fornece especificamente infraestrutura para criar e negociar tokens de altíssima mortalidade tokenizou a si mesma e concluiu uma mobilização de capital em escala de captação institucional. As cascatas informacionais, nesse caso, não são apenas “um fenômeno que arrasta investidores de varejo”, mas um modelo de negócio que pode ser institucionalizado, securitizado e precificado por mercados secundários — participantes com uma visão sobre as dinâmicas de cascata informacional podem agora expressar sua expectativa quanto à persistência das cascatas comprando o próprio token da plataforma. Esta seção registra apenas essa estrutura factual e não oferece juízo sobre sua situação de conformidade nem avaliação ética.

O Memecoin Casino demonstrou como as redes sociais transformaram o meio da cascata de “whitepapers estáticos” em “atenção dinâmica”. A próxima seção mostra como as cascatas são ainda mais institucionalizadas em “indução por mecanismo”.

[⁴]: Os dados da DefiLlama de abril de 2026 mostram o volume acumulado de negociação em DEX da pump.fun em aproximadamente US$ 157,5 bilhões. A reportagem da CoinDesk de dezembro de 2025 citou o número de fim de 2025 como “acima de US$ 150 bilhões”. Esta seção usa US$ 150 bilhões como limite inferior conservador.

[⁵]: Existe uma divergência de métrica quanto à capitalização de mercado do $TRUMP. A CoinMarketCap registra o pico da capitalização de mercado circulante (contando apenas os 200 milhões de tokens emitidos publicamente) em aproximadamente US$ 11,7 bilhões (preço máximo histórico de cerca de US$ 74–US$ 75, em 19 de janeiro de 2025); a Wikipédia e a maior parte da imprensa de referência citam US$ 27 bilhões, referindo-se à avaliação totalmente diluída da totalidade de 1 bilhão de tokens. Esta seção adota a segunda para refletir a escala completa de mobilização de capital do evento, com a divergência de métrica registrada.

[⁶]: Quanto à captação total do token PUMP, fontes diferentes relatam números distintos. A DefiLlama registra US$ 400 milhões de venda privada + US$ 600 milhões de ICO público = US$ 1 bilhão; algumas reportagens citam um total de US$ 1,3 bilhão (US$ 600 milhões públicos + US$ 700 milhões privados). A divergência pode decorrer de escopos contábeis diferentes para a venda privada. Esta seção usa a DefiLlama como fonte primária.

2.4 Conjunto de casos três · Airdrop farming: a cascata induzida por mecanismo

Na bolha de ICOs, as cascatas informacionais eram deflagradas por sinais de whitepaper; no Memecoin Casino, pela atenção nas redes sociais. Ambas compartilhavam o traço de que os participantes ainda precisavam exercer um julgamento ativo — escolher qual projeto de ICO, seguir qual meme coin. O airdrop farming introduziu uma terceira dinâmica: as equipes de projeto, por meio de regras de programas de pontos publicadas abertamente, definiram diretamente o comportamento dos participantes. Os participantes não precisavam julgar a qualidade do projeto; bastava completar ações on-chain especificadas conforme as regras — fazer bridge entre cadeias, prover liquidez, executar um número determinado de transações — para esperar airdrops futuros de tokens. Essa é uma cascata induzida por mecanismo: o alvo da cascata não é “o que os participantes compram”, mas “o que os participantes fazem”.

A escala desse padrão pode ser medida em duas dimensões. No lado da distribuição de tokens, as equipes de projeto distribuíram acumuladamente cerca de US$ 26,6 bilhões em tokens por meio de airdrops ao longo de três anos [29]. No lado dos participantes, o airdrop farming gerou uma cadeia produtiva industrializada centrada em ataques Sybil — nos quais uma única entidade cria numerosos endereços de carteira e repete em cada endereço o mesmo conjunto de ações definidas pelas regras para obter várias alocações de airdrop.

Ataques Sybil não são atos fraudulentos isolados, mas subprodutos estruturais das cascatas induzidas por mecanismo. Quando as regras de incentivo dependem de métricas como “número de carteiras”, “contagem de transações” ou “contagem de mensagens entre cadeias”, que podem ser geradas por máquina, o custo marginal das máquinas é muito menor que o dos humanos, e a arbitragem automatizada se torna a estratégia ótima do participante racional. Os dados de Sybil de três casos emblemáticos de airdrop ilustram claramente essa estrutura:

O airdrop da LayerZero em junho de 2024 representou o caso anti-Sybil mais agressivo. O projeto pediu publicamente aos operadores de Sybil que se autodeclarassem antes do snapshot, prometendo que quem se autodeclarasse poderia reter 15% da alocação esperada. Em seguida, colaborou com a Chaos Labs e a Nansen para a análise on-chain. Ao final, a LayerZero anunciou 803.093 [30] endereços Sybil identificados e excluídos, representando aproximadamente 59% de seu conjunto inicial de endereços candidatos; o CEO Bryan Pellegrino divulgou depois uma estimativa final de total de endereços Sybil entre 1,1 milhão e 1,3 milhão. Isso significa que, em um protocolo com cerca de 6 milhões de interações acumuladas de carteiras, a taxa de penetração dos operadores de Sybil superava em muito metade dos endereços candidatos. Depois do airdrop (20 de junho de 2024), o preço do token ZRO caiu de US$ 4,79 para cerca de US$ 4,00 em 36 dias — uma queda de aproximadamente 16%.

O airdrop da zkSync Era em junho de 2024 foi amplamente criticado por medidas anti-Sybil inadequadas. O CISO da Polygon Labs, Mudit Gupta, comentou publicamente: “Este talvez seja o airdrop mais farmável de todos os tempos. Pelo que consigo ver, quase nenhuma filtragem de Sybil foi feita”. Seu token nativo ZK caiu aproximadamente 39,29% nos 36 dias entre o dia do airdrop (17 de junho de 2024) e 23 de julho de 2024 — cerca de 2,5 vezes a queda do ZRO da LayerZero no mesmo período.

O airdrop da Hyperliquid em novembro de 2024 forneceu uma amostra de controle. O projeto distribuiu aproximadamente 274 milhões de tokens HYPE (cerca de 27,4% da oferta total de 1 bilhão; 310 milhões alocados, considerada a parcela resgatada) para aproximadamente 94.000 endereços, uma média de cerca de 2.915 HYPE por endereço.[⁷] A distinção decisiva em relação à LayerZero e à zkSync: o sistema de pontos da Hyperliquid estava diretamente atrelado ao comportamento real de negociação (colocar ordens, executar operações, administrar posições) e não a bridges ou envio de mensagens replicáveis por máquina; e o projeto não tinha investimento externo de VC, com 76,2% da oferta de tokens explicitamente alocada à comunidade. Após a emissão, o HYPE não só não caiu como subiu continuamente a partir de um preço de abertura de cerca de US$ 2, chegando brevemente a aproximadamente US$ 35. O levantamento entre projetos da Cookie3 [31] mostrou que até 70% das carteiras elegíveis a airdrop eram de operadores de múltiplas carteiras — mas a Hyperliquid, ao ancorar as regras de incentivo em um comportamento de negociação difícil de automatizar, reduziu efetivamente o retorno marginal das operações Sybil, obtendo assim uma filtragem de Sybil não adversarial por meio do desenho estrutural.

Observando os três casos em paralelo, emerge uma relação estrutural: a capacidade anti-Sybil e a estabilidade de preço do token são positivamente correlacionadas. A zkSync, praticamente sem mecanismo anti-Sybil, caiu 39% em 36 dias; a LayerZero, com um anti-Sybil agressivo, porém retroativo, caiu 16% em 36 dias; a Hyperliquid, com a lógica anti-Sybil embutida no desenho das regras de incentivo, teve valorização de preço após a emissão. Makarov e Schoar [7] observaram em sua pesquisa sobre os limites da arbitragem que os mecanismos de correção de preço do mercado cripto são restringidos por atritos não mercadológicos — a capacidade de identificação de Sybil no airdrop farming constitui uma nova instância desse atrito: a fronteira técnica da identificação de Sybil de um projeto determina a estrutura de pressão vendedora após a emissão do token, o que por sua vez determina a estabilidade de preço de curto prazo.

A fase de saída das cascatas induzidas por mecanismo exibe uma característica distinta das cascatas naturais. Os dados da LayerZero fornecem um quadro preciso: de 30 de abril de 2024 (data do snapshot) a 7 de julho de 2024 (perto da data do airdrop), as mensagens entre cadeias da LayerZero caíram 91,5% e as transações diárias caíram mais de 92%. O colapso da atividade não foi deflagrado por uma “reversão coletiva de sentimento”, mas pelo “resgate do incentivo”, que provocou a retirada generalizada. Uma vez que o retorno esperado das regras de pontos se realizou na forma de tokens de airdrop, o retorno marginal de continuar interagindo caiu a zero, e os participantes migraram racionalmente para o próximo protocolo que ainda não tivesse feito airdrop. Esse padrão de saída revela uma terceira característica estrutural das cascatas induzidas por mecanismo: os participantes são formalmente “usuários gratuitos”, mas, no nível do alinhamento de incentivos, são mão de obra terceirizada definida pela equipe do projeto — seu comportamento é precisamente programado pelas regras de incentivo, e o momento de sua saída, precisamente deflagrado pelo resgate do incentivo.

[⁷]: Alocação total da Hyperliquid: 310 milhões de HYPE (31% de 1 bilhão); aproximadamente 274 milhões efetivamente resgatados (parte dos usuários não resgatou por não ter assinado os termos do Genesis Event; ASXN Data). 94.000 endereços resgataram, com média de cerca de 2.915 por endereço. A distribuição, porém, foi muito desigual: aproximadamente 56,6% dos usuários receberam no máximo 100 tokens; o maior resgate de um único endereço foi de 970.000 tokens.

2.5 O núcleo comum dos três padrões

Os parâmetros de mecanismo das três ondas podem ser postos em comparação paralela. Na dimensão do sinal de gatilho, as cascatas de ICO eram deflagradas por whitepapers e endossos de VCs; as cascatas de meme coin, pela atenção nas redes sociais; as cascatas de airdrop, por regras de pontos publicadas abertamente. Na dimensão do meio de mobilização, a era das ICOs apoiou-se na cobertura da mídia cripto e nas revisões de listagem das exchanges; a era das meme coins, no Twitter, no Telegram, nas transmissões ao vivo e na precificação automatizada por bonding curve; a era dos airdrops, na documentação oficial das equipes de projeto e nos “tutoriais” produzidos por KOLs. Na dimensão do papel do participante, os participantes de ICO viam-se como “investidores”, os de meme coin como “traders”, e os de airdrop estruturalmente se assemelhavam a “usuários” guiados a executar ações específicas — e, ainda assim, os três ocupavam a mesma posição no modelo de cascata informacional: a de seguidores posteriores. Na dimensão da morfologia do colapso, o mercado de ICOs colapsou de forma síncrona e integral (queda do ETH de 94% no ano completo de 2018); as meme coins colapsavam individualmente em 24 horas como norma (98% foram a zero em um dia); os airdrops se manifestaram como retirada coletiva após o resgate do incentivo (o volume de mensagens da LayerZero caiu 91,5%).

O núcleo comum por trás dessas diferenças pode ser resumido como uma observação central proposta por este relatório: sempre que o custo de “iniciar um sinal de ação pública” no mercado cripto é sistematicamente reduzido, as cascatas informacionais reaparecem em novas formas. Na era das ICOs, a padronização do whitepaper reduziu os custos de sinal de “centenas de milhares de dólares + meses” para “dezenas de milhares de dólares + semanas”; na era das meme coins, a precificação por bonding curve reduziu os custos de sinal de “dezenas de milhares de dólares + semanas” para “US$ 2 + 30 segundos”; na era dos airdrops, a quantificação pública das regras de pontos reduziu os “custos do sinal de incentivo” de “exigir julgamento individual” para “executar conforme a regra”. Três reduções, três cascatas.

As três ondas também compartilharam uma segunda condição estrutural: as três operaram em ambientes carentes tanto de mecanismos de identificação prévia quanto de mecanismos de rastreamento posterior. Na era das ICOs, a atuação da SEC era persecução posterior; na era das meme coins, os litígios relacionados à pump.fun seguem em curso; na era dos airdrops, a identificação de Sybil no caso mais agressivo (LayerZero) só conseguiu excluir 59% dos endereços Sybil candidatos. Nenhuma era estabeleceu instituições prévias eficazes para impedir a formação de cascatas.

A observação mais essencial é esta: as cascatas informacionais não são “acidentes” no mercado cripto, mas uma característica estrutural. A cada 3–4 anos, à medida que as ferramentas tecnológicas baixam os custos de sinal, as redes sociais renovam os meios de mobilização e os ciclos de atraso da atuação regulatória reabrem janelas, as cascatas reaparecem em novas formas.

Este capítulo analisou três manifestações representativas das cascatas informacionais no mercado cripto e demonstrou, para cada padrão, os sinais de gatilho, os meios de mobilização e a morfologia do colapso. Mas as cascatas são apenas a dinâmica da camada superior — o que realmente permite que elas sejam repetidamente institucionalizadas como instrumentos de captação é o problema da estrutura de agência da camada intermediária. O capítulo 3 entra na coleção de casos de colapso principal-agente, analisando como BitConnect, Three Arrows Capital, Celsius e FTX demonstram formas extremas de divergência de interesses entre agente e principal no mercado cripto.

Capítulo 3 · Colapso principal-agente: casos extremos de desalinhamento de incentivos

3.1 Abertura · Quatro colapsos, um modelo

Ao longo dos seis anos entre 2016 e 2022, ocorreram quatro eventos de colapso de agência em larga escala no mercado cripto, cada um apresentando-se em uma forma de negócio diferente, mas compartilhando o mesmo conjunto de precondições no nível da estrutura de agência. A BitConnect (2016–2018) absorveu ativos de investidores sob o disfarce de um “programa de empréstimos”; a denúncia do DOJ apurou fraude de aproximadamente US$ 2,4 bilhões. A Three Arrows Capital (colapsou em junho de 2022) operava como fundo de hedge cripto; os autos da liquidação mostraram dívidas com 27 credores somando cerca de US$ 3,5 bilhões. A Celsius Network (pediu falência em julho de 2022) absorveu depósitos de varejo sob a narrativa de “poupança de alto rendimento”; os autos do primeiro dia da falência divulgaram passivos totais de aproximadamente US$ 5,5 bilhões, com créditos quirografários de clientes de cerca de US$ 4,7 bilhões. A FTX (colapsou em novembro de 2022) mantinha ativos de usuários na qualidade de custodiante de exchange; a decisão final da CFTC determinou reparação monetária de US$ 12,7 bilhões.

Os quatro casos atravessaram três fases completas do mercado cripto — da ICO ao DeFi Summer e à “narrativa de institucionalização” — e, ainda assim, colapsos de agência ocorreram em todas as fases, com a escala da exposição em tendência de alta. Esse fato aponta para uma questão estrutural: que condições comuns nas relações de agência do mercado cripto permitem que uma transferência de valor em larga escala opere continuamente por meses ou anos antes do colapso? Este capítulo responde a essa pergunta por meio da análise aprofundada de quatro casos.

3.2 BitConnect · Colapso de agência do tipo Ponzi

O “Lending Program” da BitConnect exigia que os usuários depositassem BTC na plataforma, que alegava que seu “Volatility Software Trading Bot” usaria esses recursos para negociar, gerando cerca de 1% de retorno diário composto para os usuários — aproximadamente 3.700% ao ano. O ato de delegação estava completo nesse ponto: o controle dos ativos passava dos usuários para os operadores da BitConnect, e os usuários recebiam um “número de rendimento” não verificável — exibido no sistema interno da BitConnect, mas sem que os usuários pudessem confirmar se correspondia a lucros reais de negociação ou à redistribuição de novos recursos entrantes.

Essa estrutura satisfaz simultaneamente as condições de seleção adversa e de risco moral do arcabouço de custo de agência de Jensen e Meckling [3]. No nível da seleção adversa: os usuários não conseguiam avaliar, antes de estabelecer a relação de agência, se o “trading bot” existia ou se possuía a lucratividade alegada — a informação de tipo do agente era inobservável para o principal. No nível do risco moral: após estabelecida a relação de agência, o uso efetivo dos recursos pelos operadores (se os recursos eram genuinamente empregados em negociação) era completamente opaco para os usuários — a informação de ação do agente era inobservável para o principal. O DOJ apurou posteriormente em sua denúncia [32]: “A BitConnect operou um esquema Ponzi de manual” — ou seja, o agente nunca executou de fato a tarefa delegada; o alegado trading bot ou não existia ou nunca gerou os retornos alegados.[⁸]

[⁸]: Quanto à escala da fraude da BitConnect, a ação civil da SEC de setembro de 2021 declarou “US$ 2 bilhões”; a denúncia criminal do DOJ de fevereiro de 2022 declarou “US$ 2,4 bilhões”. A divergência deve ser atribuída a métodos de cálculo diferentes entre os processos civil e criminal. Este capítulo cita ambos os números em contextos distintos, com as fontes indicadas.

A capacidade de mobilização da BitConnect derivava em parte de sua rede de promotores em múltiplos níveis. Os operadores pagavam comissões aos promotores, que recrutavam novos investidores por meio de vídeos no YouTube, publicações em redes sociais e eventos presenciais. Os promotores ocupavam uma identidade dupla dentro da estrutura de agência: diante dos investidores, os promotores eram “agentes de informação”, cujas experiências de investimento exibidas publicamente e demonstrações de rendimento serviam como sinais de ação pública em uma cascata informacional; diante da plataforma, os promotores eram “agentes de captação”, cuja remuneração estava atrelada ao novo capital entrante. O principal promotor nos EUA, Glenn Arcaro, declarou-se culpado de acusações criminais federais em setembro de 2021; em janeiro de 2023, o tribunal ordenou que pagasse US$ 17 milhões de restituição a cerca de 800 vítimas. Esse número, por si só, ilustra o efeito de alavanca dos promotores dentro da estrutura de agência — a atividade promocional de um único indivíduo podia influenciar as decisões de alocação de ativos de centenas de principais.

O colapso foi deflagrado por um caminho típico dos desfechos de estrutura Ponzi. Em 3 de janeiro de 2018, a Texas State Securities Board emitiu uma ordem de cessação [34] contra a BitConnect, usando explicitamente a expressão “esquema Ponzi”; o órgão de valores mobiliários da Carolina do Norte fez o mesmo em seguida. Em 17 de janeiro de 2018, a BitConnect encerrou seu programa de empréstimos; os tokens BCC despencaram 92% no dia, partindo de uma máxima histórica anterior de cerca de US$ 463, e entraram em destruição irreversível de valor. O colapso ocorreu não porque “os usuários descobriram coletivamente a verdade”, mas porque a ação regulatória cortou o fluxo de capital novo — de acordo com a previsão teórica das estruturas Ponzi: quando o fluxo de capital novo é insuficiente para cobrir os compromissos existentes, a estrutura tem de colapsar, com o momento do colapso determinado por choque externo, e não por vazamento interno de informação.

O fundador da BitConnect, Satish Kumbhani, foi denunciado [33] por um grande júri federal em fevereiro de 2022, respondendo a múltiplas acusações criminais (fraude eletrônica, lavagem de dinheiro, manipulação de preços etc.), com pena máxima de 70 anos. Quando este relatório foi escrito, o paradeiro de Kumbhani era desconhecido — a SEC confirmou que ele havia deixado a Índia, com país de residência atual desconhecido. A Enforcement Directorate da Índia apreendeu aproximadamente US$ 190 milhões em ativos ligados à BitConnect em fevereiro de 2025.[⁹]

[⁹]: Fonte da apreensão de ativos da BitConnect pela ED da Índia: CoinDesk, 17 de fevereiro de 2025, “India’s Directorate of Enforcement Seizes $190M in BitConnect Ponzi Scheme Case”. coindesk.com

A BitConnect representa a estrutura de agência “mais pura” entre os quatro casos — o agente nunca executou a tarefa delegada, e os custos de agência equivaleram a 100% dos ativos delegados. No caso seguinte, o problema de agência é implícito: os retornos existiam de fato, mas a exposição ao risco era sistematicamente ocultada.

3.3 Three Arrows Capital · Colapso de agência do tipo alavancagem

A Three Arrows Capital (doravante “3AC”) era um fundo de hedge cripto registrado nas Ilhas Virgens Britânicas (BVI), com pico de ativos sob gestão relatado como superior a US$ 10 bilhões [35]. Seus credores — incluindo a Genesis (US$ 2,3 bilhões), a Voyager Digital (US$ 685 milhões), a Blockchain.com e, ao todo, 27 credores — emprestaram à 3AC confiando em sua capacidade de gestão de risco como “gestora profissional de fundos cripto”.

O problema de agência da 3AC manifestou-se em uma estrutura crítica de assimetria de informação: cada credor individual só conseguia observar seus próprios termos de empréstimo e sua situação de margem junto à 3AC, mas nenhum credor isolado conhecia a escala total de endividamento da 3AC nem a concentração total de suas posições junto a todos os demais credores. Era uma estrutura de agência de “empréstimo distribuído + posicionamento concentrado” — a exposição ao risco avaliada de forma independente por cada credor era muito menor do que o verdadeiro risco sistêmico da 3AC. O teorema da estatística suficiente de Holmström [5] fornece aqui uma verificação por contraposição: se os credores pudessem observar um “relatório de posição total entre credores” como sinal adicional, esse sinal — dado o produto já conhecido por qualquer credor isolado (isto é, o desempenho de pagamento de seu próprio empréstimo) — ainda forneceria informação adicional sobre o comportamento real de assunção de risco da 3AC. Portanto, pela teoria de Holmström, esse sinal deveria ser incorporado às cláusulas do contrato de empréstimo. Na prática, o mercado de empréstimos cripto de 2022 não dispunha de qualquer mecanismo de compartilhamento de informação entre instituições. A exigência de margem da Genesis para os empréstimos à 3AC era de apenas 80% — o que significa que a 3AC podia tomar US$ 125 emprestados com US$ 100 de margem, e a Genesis não tinha como confirmar se aqueles US$ 100 estavam simultaneamente empenhados junto a outros credores.

O caminho do colapso começou com o evento Terra/Luna de maio de 2022. Os autos judiciais da liquidação [35] documentaram que a 3AC investiu aproximadamente US$ 200 milhões a US$ 600 milhões em tokens LUNA em fevereiro de 2022; esse investimento foi quase inteiramente aniquilado no colapso da Terra em maio. Vários credores emitiram chamadas de margem simultaneamente; a 3AC não conseguiu atendê-las. Em 27 de junho de 2022, o tribunal das BVI emitiu ordem de liquidação; em 2 de julho, a 3AC pediu proteção falimentar sob o Capítulo 15 nos Estados Unidos. A liquidante Teneo [35] revelou em seguida um fato marcante: a 3AC “praticamente não tinha livros nem registros” — a liquidante inicialmente não conseguia sequer entrar nos escritórios da 3AC e precisou de auxílio judicial. “Praticamente sem livros” não era apenas uma falha de governança corporativa, mas um marcador extremo de colapso de agência — o agente não apenas ocultou o processo de suas ações como eliminou a possibilidade de auditoria posterior.

Os autos também divulgaram a conduta dos fundadores Su Zhu e Kyle Davies durante a liquidação: ambos estavam em Bali (segundo relatos públicos, Zhu surfava e Davies pintava); documentos judiciais registraram que Zhu deu sinal para um iate avaliado em aproximadamente US$ 50 milhões; a liquidante buscou examinar se dois Good Class Bungalows de Singapura em nome da esposa de Zhu (avaliados em cerca de US$ 35 milhões e US$ 21 milhões) haviam sido comprados com ativos da empresa. Em setembro de 2023, Zhu foi preso no aeroporto de Changi, em Singapura, ao tentar deixar o país, e foi condenado a 4 meses de prisão por se recusar a cooperar com o processo de liquidação.

O colapso da 3AC demonstrou o contágio do risco de agência por cadeias de crédito. A Genesis, devastada por US$ 2,3 bilhões de crédito podre da 3AC, teve as perdas parcialmente absorvidas pela controladora Digital Currency Group (DCG); a Genesis acabou falindo em 2023. A Voyager Digital pediu falência diretamente por causa do calote de US$ 685 milhões da 3AC. A Blockchain.com fez demissões em massa. Cada camada da relação de crédito tinha sua própria assimetria de informação, mas o risco sistêmico em camadas superava em muito o nível observável de qualquer camada isolada — esse é o “efeito de contágio” dos problemas de agência, em que o colapso de agência de um credor se propaga pela rede de credores e vira uma crise de crédito em todo o sistema.

Makarov e Schoar [7] observaram em sua pesquisa sobre os limites da arbitragem que os mecanismos de correção de preço do mercado cripto são restringidos por atritos não mercadológicos. O caso da 3AC estende essa conclusão ao mercado de crédito: os credores poderiam, em tese, rastrear as posições on-chain da 3AC por meio dos dados on-chain, mas atritos de conformidade, de privacidade e técnicos impediram que essa verificação fosse aplicada de forma eficaz nas decisões reais de crédito. A “transparência on-chain” do mercado cripto não se traduziu em monitoramento eficaz dentro das relações reais de agência.

3.4 Celsius · Colapso de agência do tipo depósito e empréstimo

A narrativa central da Celsius Network para os usuários era a de “poupança cripto de alto rendimento”: deposite ativos cripto na Celsius, ganhe rendimentos anuais de 5%–18% e “saque quando quiser”. Essa narrativa construía uma relação principal-agente implícita — os usuários delegavam à Celsius a gestão de seus ativos cripto, e ela prometia guarda mais rendimento. No entanto, os Termos de Serviço da Celsius permitiam a ela “usar, empenhar, emprestar, vender e de outro modo transacionar” os ativos cripto depositados pelos usuários; a esmagadora maioria dos usuários não leu nem compreendeu as implicações dessa autorização.

A alocação de ativos da Celsius ia muito além de “empréstimo conservador”: emprestar ativos de clientes à 3AC (a Celsius estava entre os credores da 3AC, com cerca de US$ 75 milhões de exposição); fazer staking do ETH dos clientes; investir em protocolos de DeFi de alto risco. Esses caminhos de alocação eram quase invisíveis para os usuários — que viam apenas “saldo” e “rendimento” na interface da Celsius, sem conseguir rastrear o destino efetivo de seus ativos.

Como observado no capítulo 1, Cong, Li e Wang [6] notaram em seu modelo de finanças de plataforma tokenizada que o ciclo de realimentação positiva entre o valor do token da plataforma e a atividade da plataforma embute, em si, um mecanismo de amplificação do conflito de agência. Embora a Celsius não fosse uma emissora típica de tokens, a dinâmica de seu token de plataforma CEL conformava-se plenamente a esse modelo: alta do preço do CEL → atrai mais depósitos de usuários → a Celsius obtém mais recursos alocáveis → gera rendimentos de curto prazo mais altos → o preço do CEL sobe ainda mais. Esse ciclo de realimentação positiva acelerou a expansão de escala da Celsius durante os mercados de alta, ao mesmo tempo em que ocultava o verdadeiro nível de risco de seu lado ativo.

A conduta pessoal do CEO da Celsius, Alex Mashinsky, agravou ainda mais o risco moral. A denúncia do DOJ de julho de 2023 [37] acusou Mashinsky de afirmar publicamente que “a Celsius é mais segura do que os bancos” sabendo que a plataforma enfrentava dificuldades financeiras significativas. Em dezembro de 2024, Mashinsky declarou-se culpado de duas acusações de fraude com commodities e manipulação de mercado.[¹⁰] Isso não é um juízo sobre “caráter pessoal”, mas evidência empírica padrão de risco moral — o agente, durante a vigência da relação de agência, explorou a vantagem informacional para tomar ações prejudiciais aos interesses do principal e, quando a divulgação era exigida, escolheu a declaração falsa.

[¹⁰]: Fonte da declaração de culpa de Mashinsky: Reuters, 3 de dezembro de 2024; comunicado do DOJ de dezembro de 2024.

O caminho do colapso estava diretamente ligado à 3AC. Os efeitos em cascata dos colapsos da Terra/Luna e da 3AC entre maio e junho de 2022 atingiram o lado ativo da Celsius — a 3AC, como uma das tomadoras da Celsius, não conseguiu pagar seus empréstimos, e os valores dos protocolos de DeFi contraíram-se simultaneamente. Em 12 de junho de 2022, a Celsius anunciou a suspensão de todos os saques — os usuários descobriram apenas nesse momento que a promessa de “saque quando quiser” não era exequível. Em 13 de julho de 2022, a Celsius pediu recuperação judicial sob o Capítulo 11 [38] no Tribunal de Falências dos EUA para o Distrito Sul de Nova York (Caso №22–10964); os autos do primeiro dia divulgaram passivos totais de aproximadamente US$ 5,5 bilhões, dos quais cerca de US$ 4,7 bilhões em créditos quirografários de clientes, ativos totais de cerca de US$ 4,3 bilhões e um descasamento entre ativo e passivo de aproximadamente US$ 1,2 bilhão. O acordo da FTC de julho de 2023 [24] impôs separadamente uma penalidade civil de US$ 4,7 bilhões à pessoa jurídica Celsius (uma ação independente, cujo valor coincidentemente corresponde aos créditos de clientes).

Os colapsos de agência da Celsius e da 3AC conectaram-se pela mesma cadeia de crédito, demonstrando os efeitos de segunda ordem da agência em camadas: usuário → Celsius → 3AC → Terra/Luna. Cada camada da relação de agência tinha sua própria assimetria de informação, mas quem arcou com a perda final foi o depositante de varejo na ponta da cadeia — que, ao depositar seus ativos, não sabia que seus recursos estavam sendo emprestados à 3AC, muito menos que as posições da 3AC estavam concentradas em uma aposta direcional na Terra/Luna. A penalidade de US$ 4,7 bilhões da FTC [24] confirmou juridicamente uma conclusão: a “narrativa bancária” da Celsius era, de fato, uma declaração falsa.

3.5 FTX · Colapso de agência custodial

A estrutura de agência da FTX era a mais complexa dos quatro casos. Os usuários depositavam ativos na exchange FTX (papel um: custodiante); a Alameda Research usava esses ativos para negociação direcional por conta própria (papel dois: negociação proprietária); a Alameda ao mesmo tempo prestava serviços de market making para vários pares de negociação na plataforma da FTX (papel três: market making) — três papéis concentrados sob o controle de Samuel Bankman-Fried. Nas finanças tradicionais, a separação obrigatória entre custódia e negociação por conta própria (Chinese Wall) está entre os requisitos de conformidade mais básicos; a FTX não apenas não tinha separação como embutiu portas dos fundos técnicas em seu código, permitindo à Alameda contornar os controles de risco.

Como citado no capítulo 1, a denúncia da CFTC de 13 de dezembro de 2022 [22] documentou dois detalhes técnicos específicos: um “allow negative flag” no código da FTX, que permitia ao saldo da conta da Alameda ficar negativo sem disparar liquidação automática, e uma “linha de crédito praticamente ilimitada” concedida à Alameda, permitindo-lhe sacar recursos de depósitos de clientes para negociação por conta própria. A denúncia independente da SEC de 21 de dezembro de 2022 contra Caroline Ellison e Gary Wang [23] reafirmou o mesmo mecanismo em linguagem diferente. Jensen e Meckling [3] decompuseram os custos de agência em custos de monitoramento, custos de vinculação e perda residual; no caso da FTX, os custos de monitoramento tendiam ao infinito (os usuários não podiam auditar os fluxos internos de recursos da FTX), os custos de vinculação tendiam a zero (os termos de serviço da FTX não proibiam explicitamente o desvio) e a perda residual = o montante desviado “acima de US$ 8 bilhões” confirmado no comunicado do DOJ.

O colapso foi deflagrado por uma clássica quebra da assimetria de informação. Em 2 de novembro de 2022, a CoinDesk [36] noticiou que o balanço da Alameda continha grandes quantidades de FTT (o token de plataforma da FTX) — informação até então invisível para o mercado. O CEO da Binance, Changpeng Zhao, anunciou em seguida que venderia sua posição em FTT, provocando pânico no mercado. Os usuários começaram a sacar em massa; a FTX não conseguiu atender à demanda de saques porque os recursos dos clientes haviam sido desviados pela Alameda. Em 11 de novembro de 2022, a FTX pediu proteção falimentar sob o Capítulo 11. Da reportagem da CoinDesk ao pedido de falência — apenas 9 dias — a segunda maior exchange cripto do mundo passou da operação normal à falência em menos de duas semanas.

As revelações pós-colapso ilustraram ainda mais o grau de ausência de monitoramento da agência: a FTX não tinha conselho de administração independente; não tinha CFO independente; não tinha sistemas formais de controle financeiro; não tinha mecanismo de segregação de ativos de clientes. Em 28 de março de 2024, a Procuradoria dos EUA para o Distrito Sul de Nova York [18] anunciou que Bankman-Fried fora condenado a 25 anos de prisão federal; o comunicado do procurador federal Damian Williams afirmou explicitamente que ele desviou recursos de clientes “acima de US$ 8 bilhões”. A ordem final da CFTC de agosto de 2024 [19] determinou que a FTX pagasse US$ 12,7 bilhões em reparação monetária a clientes e vítimas, incluindo US$ 8,7 bilhões em restituição, com o tribunal emitindo adicionalmente uma ordem de perdimento “acima de US$ 11 bilhões”.

O teorema da estatística suficiente de Holmström [5] fornece outra verificação por contraposição: se os usuários pudessem observar o sinal “os ativos dos clientes estão genuinamente segregados das contas da Alameda”, esse sinal — dado o produto “a plataforma opera normalmente” — ainda forneceria informação adicional sobre o comportamento real do agente (se houve desvio). Portanto, pela teoria de Holmström, esse sinal deveria ser incorporado a um contrato principal-agente razoável. Mas a arquitetura da FTX nunca ofereceu essa observabilidade aos usuários. Isso não foi uma “omissão” posterior, mas uma predefinição em nível de código — a existência do “allow negative flag” significava que a não segregação de ativos era uma premissa embutida na operação da FTX, e não um resultado acidental.

De BitConnect a FTX, a estrutura do colapso de agência evoluiu de “Ponzi explícito” a “conflito triplo implícito”, mas compartilhou um modelo invariante.

3.6 O modelo comum dos quatro casos

Os parâmetros de estrutura de agência dos quatro casos podem ser postos em comparação paralela. Na dimensão do tipo de agência, a BitConnect era Ponzi puro (o agente nunca executou a tarefa delegada); a 3AC era do tipo gestão de fundos (o agente executou investimentos, mas seu apetite por risco excedia em muito a tolerância dos principais); a Celsius era do tipo depósito e empréstimo (o agente absorveu ativos sob uma narrativa de “poupança” e depois os alocou em atividades de alto risco); a FTX era um tipo de conflito triplo combinando custódia + negociação proprietária + market making (três papéis com interesses institucionalmente conflitantes sob um único controlador). Na dimensão da assimetria de informação crítica, o inobservável central da BitConnect era “o trading bot existia”; o da 3AC, “as posições totais junto a todos os credores”; o da Celsius, “o caminho efetivo de alocação dos ativos dos clientes”; o da FTX, “os ativos dos clientes estavam genuinamente segregados da conta de negociação proprietária”. Na dimensão do choque externo, o gatilho da BitConnect foi uma ordem regulatória de cessação; o da 3AC, o colapso da Terra/Luna; o da Celsius, o contágio do colapso da 3AC; o da FTX, a exposição pela imprensa do balanço da Alameda somada ao anúncio de venda de FTT por CZ. Na dimensão da escala real exposta, de US$ 2,4 bilhões da BitConnect a US$ 3,5 bilhões da 3AC, a US$ 5,5 bilhões da Celsius e a US$ 12,7 bilhões da FTX — uma ordem de grandeza inteira de aumento em seis anos.

Este relatório propõe que os quatro casos compartilham um percurso em três estágios:

Estágio um: condições iniciais de desalinhamento de incentivos. O agente detém informação privada sobre suas próprias ações + o principal carece de mecanismos exequíveis de monitoramento + a estrutura de incentivos do agente o predispõe à assunção excessiva de risco ou ao desvio direto. A duração desse estágio variou de semanas (as operações iniciais da BitConnect) a anos (a FTX operou por mais de três anos).

Estágio dois: período de acumulação de risco inobservável. O agente acumula exposição ao risco muito além de seus compromissos sem que o principal saiba. A duração desse estágio depende de dois fatores: a direção do mercado (um mercado em alta mascara as perdas) e a velocidade do fluxo de capital novo (o capital entrante pode cobrir os compromissos existentes). A BitConnect durou aproximadamente dois anos; a alavancagem da 3AC já excedia as margens de segurança no início de 2022, mas foi sustentada por meses por um mercado em alta; o descasamento entre ativo e passivo da Celsius já se havia formado em 2021; o desvio da FTX estava embutido no código desde a criação da Alameda.

Estágio três: um choque externo deflagra a exposição da escala. Algum evento exógeno (ação regulatória, colapso de mercado, exposição pela imprensa) rompe a assimetria de informação e o comportamento real do agente fica exposto. Os principais recuam coletivamente (congelamento de saques, chamadas de margem, denúncias às autoridades), e o colapso de agência se completa em dias a semanas.

A escalada de escala de US$ 2,4 bilhões para US$ 12,7 bilhões não é coincidência. Ela reflete a progressão da “narrativa de institucionalização” do mercado cripto — à medida que o mercado tentava entrar no mainstream, a complexidade da estrutura de agência e a escala dos ativos geridos cresceram em paralelo, mas a velocidade de evolução dos mecanismos de monitoramento ficou muito atrás da velocidade de expansão das estruturas de agência. O “whitepaper

- promoção no YouTube” da era BitConnect bastava para mobilizar bilhões de dólares; o “endosso de VC + patrocínio esportivo + lobby no Congresso” da era FTX conseguia mobilizar confiança na casa das centenas de bilhões. A estrutura de agência de cada era era mais complexa, mais difícil de monitorar e maior em escala do que a de sua predecessora — enquanto o arcabouço regulatório estava sempre correndo atrás, nunca à frente.

Capítulo 4 · Desenho de algoritmos e engenharia de incentivos: a falha na camada do mecanismo

4.1 Abertura · Das pessoas aos mecanismos

Os quatro casos do capítulo 3 — BitConnect, Three Arrows Capital, Celsius, FTX — podem ser atribuídos às escolhas comportamentais de agentes específicos: Kumbhani nunca operou o trading bot alegado; Zhu e Davies empurraram a alavancagem muito além da tolerância dos principais; Mashinsky fez declarações falsas sabendo que a plataforma enfrentava dificuldades; Bankman-Fried predefiniu canais de desvio no nível do código. Embora as condições estruturais tenham tornado esses colapsos possíveis, os gatilhos finais eram rastreáveis até indivíduos específicos.

Este capítulo entra numa questão mais profunda: quando o conflito de agência não é a escolha de um indivíduo, mas uma característica de desenho do próprio mecanismo, a natureza da falha de mercado sofre uma mudança fundamental — ela deixa de ser um “evento incidental” corrigível pela punição de atores individuais e passa a ser uma “característica estrutural” que exige o redesenho do mecanismo. Este capítulo demonstra essa transição por meio de três conjuntos de casos: o mecanismo de stablecoin algorítmica da Terra/Luna (o desenho do algoritmo embutiu uma espiral da morte), a estrutura de senhoriagem da tokenomics (as regras de emissão de tokens institucionalizaram o conflito de agência) e o MEV (o direito de ordenar transações na camada do protocolo tornou-se um problema estrutural de agência). Sua característica comum: mesmo que todos os participantes sejam racionais e bem-intencionados, o próprio mecanismo produz distribuição assimétrica de valor.

4.2 Terra/Luna · A espiral da morte do desenho do algoritmo

Antes de seu colapso em maio de 2022, a Terra era o terceiro maior ecossistema cripto, depois do Bitcoin e do Ethereum. O mecanismo de cunhagem e queima entre sua stablecoin algorítmica UST e o token irmão LUNA funcionava assim: quando o preço do UST superava US$ 1, os usuários podiam queimar US$ 1 em LUNA para cunhar 1 UST, embolsando a diferença e reduzindo a oferta de LUNA; quando o preço do UST caía abaixo de US$ 1, os usuários podiam queimar 1 UST para cunhar US$ 1 em LUNA, embolsando a diferença e aumentando a oferta de LUNA. Esse mecanismo bidirecional de arbitragem, em tese, mantinha a paridade do UST com o dólar.

Sua falha crítica estava no ciclo de realimentação descendente. Quando a oferta circulante de UST superava em muito a capacidade da capitalização de mercado do LUNA de sustentar os resgates, a pressão vendedora de LUNA criada pelos resgates em massa de UST empurrava o preço do LUNA ainda mais para baixo, e o preço em queda do LUNA fazia com que resgatar a mesma quantidade de UST exigisse cunhar mais LUNA, aumentando ainda mais a pressão vendedora — uma espiral da morte autorreforçada. Liu, Makarov e Schoar [11], em seu artigo do NBER Anatomy of a Run: The Terra Luna Crash, conduziram uma análise empírica desse colapso com base em dados on-chain completos. Sua constatação central: o colapso não foi causado por manipulação dirigida de terceiros, mas teve origem na preocupação crescente dos participantes do mercado com a sustentabilidade do sistema. Esse juízo desloca o colapso da Terra/Luna da narrativa de “atores maliciosos individuais” para a categoria analítica da falha de desenho de mecanismo.[¹¹]

[¹¹]: O fundador da Terraform Labs, Do Kwon, passou a responder posteriormente a processos criminais e civis em múltiplas jurisdições. O foco analítico deste capítulo, porém, está nas falhas estruturais do mecanismo algorítmico, não na conduta pessoal de Do Kwon.

Lyons e Viswanath-Natraj [12], em sua pesquisa publicada no Journal of International Money and Finance, forneceram um arcabouço comparativo para a fragilidade das stablecoins algorítmicas. Seus achados empíricos demonstraram que a estabilidade da paridade das stablecoins lastreadas em moeda fiduciária (como a Tether) deriva principalmente de forças de arbitragem do lado da demanda, e não de intervenção do emissor — quando a Tether migrou do Omni para o Ethereum, a barreira de entrada menor para investidores arbitradores estreitou o spread de arbitragem de 70 pontos-base para 30 pontos-base. As stablecoins algorítmicas careciam desse tipo de âncora externa; sua paridade dependia inteiramente de uma precificação circular entre tokens. Quando a precondição da precificação circular (a capitalização de mercado do LUNA ser suficiente para cobrir os resgates de UST) foi rompida, nenhuma força externa pôde atuar como emprestador de última instância.

O amplificador do colapso foi o Anchor Protocol — um protocolo de empréstimo que prometia rendimento anual de aproximadamente 19,5% sobre depósitos em UST. Os dados de Liu et al. [11] mostraram que, em abril de 2022, o subsídio diário necessário para manter esse rendimento havia chegado a US$ 6 milhões. A fonte do subsídio era a inflação do LUNA e os aportes da Terraform Labs (TFL) — em fevereiro de 2022, a Luna Foundation Guard (LFG) injetou 510 milhões de UST nas reservas de rendimento do Anchor. O conceito de “senhoriagem” de Cong, Li e Wang [6] em seu modelo de finanças de plataforma tokenizada encontrou aqui uma instância extrema: a TFL, ao controlar a emissão de UST e os subsídios de juros do Anchor, exercia essencialmente um poder de senhoriagem — atraindo usuários no curto prazo enquanto acumulava risco sistêmico no longo prazo. A taxa de subsídio do Anchor manifestamente não satisfazia a condição de “consistência temporal” do modelo de Cong et al. [6]: os participantes da governança enfrentavam um conflito de interesses — reduzir a taxa de subsídio provocaria saída de usuários e queda do valor do token, de modo que os incentivos de curto prazo apontavam consistentemente para manter rendimentos altos e insustentáveis.

Em 7 de maio de 2022, um pequeno número de grandes detentores de UST começou a se reposicionar — Liu et al. [11] documentaram dois grandes endereços retirando 375 milhões de UST do Anchor naquele dia. Outros grandes traders seguiram. A tecnologia blockchain permitia aos investidores monitorar em tempo real as ações uns dos outros, amplificando a velocidade da corrida. Na noite de 9 de maio, a capitalização de mercado do LUNA cruzou para baixo da oferta circulante do UST — o ponto crítico da espiral da morte — e o preço do UST caiu para US$ 0,75. Nos três dias seguintes, aproximadamente US$ 50 bilhões em valor de mercado evaporaram. A oferta de LUNA inflou mais de 20.000 vezes durante o colapso.

Um achado subestimado de Liu et al. [11]: investidores mais ricos e mais sofisticados saíram primeiro e perderam menos; investidores mais pobres e menos sofisticados saíram depois e perderam mais. Uma parcela significativa destes últimos chegou a tentar “comprar na queda” durante o colapso. Isso não ocorreu porque os últimos fossem “menos racionais”, mas porque os primeiros dispunham de melhores ferramentas de monitoramento on-chain e de menor atrito de saída. A assimetria de informação aqui não se manifestou como “saber contra não saber”, mas como “desigualdade de velocidade de saída”. Isso difere de modo decisivo dos colapsos de agência do capítulo 3: o Bankman-Fried da FTX sabia o que estava fazendo; mas o problema da Terra/Luna era mais profundo — as características de risco do mecanismo excediam a capacidade cognitiva de qualquer participante isolado, inclusive de seus projetistas.

4.3 Falha da tokenomics · A institucionalização da senhoriagem

Tokenomics não é a questão técnica de “como as equipes de projeto distribuem tokens”, mas a questão de desenho de como o conflito de agência é institucionalizado nas regras de emissão de tokens. Quando as equipes de projeto controlam a cadência de emissão, os cronogramas de desbloqueio e os termos de empréstimo a market makers, elas exercem substantivamente o poder de “senhoriagem” descrito por Cong, Li e Wang [6] — e os detentores, como reclamantes residuais, praticamente não dispõem de ferramentas de monitoramento à altura desse espaço de decisão.

Esse poder de senhoriagem é institucionalizado por pelo menos três caminhos.

Caminho um: emissão com float baixo + FDV alto. Como citado no capítulo 1, a Worldcoin (World Foundation) [20], em seu lançamento de julho de 2023, alocou 25% dos 10 bilhões de WLD a insiders, com 75% nominalmente designados à “comunidade”; no entanto, a oferta circulante máxima no lançamento era de apenas cerca de 143 milhões de tokens (1,43% da oferta total), com aproximadamente 70% emprestados a market makers de fora dos EUA. O “preço” que os investidores de varejo enfrentam no mercado secundário corresponde a um equilíbrio sob float extremamente baixo; quando os insiders liberam gradualmente tokens conforme os cronogramas de desbloqueio, o deslocamento da curva de oferta necessariamente exerce pressão de baixa sobre os preços do mercado secundário. Esse spread não é “volatilidade de mercado” — é assimetria de informação embutida por desenho na estrutura de emissão.

Caminho dois: opacidade dos termos de empréstimo a market makers. As equipes de projeto normalmente emprestam de 5% a 15% da oferta total a market makers como contrapartida pela provisão de liquidez. Os termos do empréstimo não são divulgados aos detentores de tokens. Em cenários extremos, os market makers podem vender os tokens tomados emprestados (por exemplo, após um desbloqueio ou sob estresse de mercado); a pressão vendedora resultante é suportada pelos detentores de tokens, enquanto os benefícios dos termos do empréstimo são repartidos entre a equipe do projeto e o market maker. Essa é uma assimetria de informação em nível contratual — os detentores não sabem nem quantos tokens foram emprestados nem sob que condições eles poderiam ser vendidos.

Caminho três: engenharia de incentivos de airdrop. Como o capítulo 2 analisou pela perspectiva da cascata informacional, o poder de desenho das regras de airdrop está com a equipe do projeto. Do ponto de vista do desenho de mecanismos, a estrutura de incentivos dos airdrops contém um conflito de agência inerente: a estratégia ótima da equipe do projeto (maximizar métricas de atividade de curto prazo para sustentar a avaliação e as captações seguintes) e a estratégia ótima dos detentores de tokens (crescimento de valor no longo prazo) estão em tensão estrutural. Quando as regras de airdrop recompensam métricas quantificáveis como “contagem de interações” ou “volume de bridge”, a equipe do projeto está essencialmente usando tokens para comprar métricas de crescimento reportáveis a investidores — e esse custo de compra acaba transferido aos detentores de tokens por meio da diluição.

O modelo dos limões de Akerlof [4] fornece aqui uma previsão em nível de tokenomics: quando “projetos de alta qualidade” e “projetos de baixa qualidade” no mercado de tokens compartilham estruturas de emissão formalmente semelhantes (ambos com float baixo

- FDV alto + lockup de VC), os compradores não conseguem distingui-los ex ante e só podem oferecer o preço da expectativa de qualidade média. Esse preço médio é insuficiente para cobrir o valor real dos projetos de alta qualidade, enfraquecendo seus incentivos de emissão — a qualidade média do mercado afunda. Essa é a “seleção adversa que leva ao colapso endógeno da qualidade do mercado” de Akerlof mapeada diretamente para o mercado de emissão de tokens.

A distinção decisiva entre o conflito de agência da tokenomics e o do capítulo 3: remover atores individuais não resolve o problema. Mesmo que a equipe do projeto seja completamente honesta, a estrutura de emissão com float baixo + FDV alto continua colocando os investidores de varejo em desvantagem estatística — isso é estrutural, não moral. O conflito de agência não está concentrado em nenhum indivíduo, mas disperso pelas regras de emissão, pelos cronogramas de desbloqueio, pelos termos com market makers e pelos critérios de airdrop. O poder de desenho desses parâmetros está com a equipe do projeto, e os detentores de tokens praticamente não têm via de participação nem de supervisão.

4.4 MEV · O problema de agência na camada do protocolo

Maximal Extractable Value (MEV) refere-se ao valor extraível pelo controle da ordenação das transações dentro de um bloco — reordenando, inserindo ou excluindo transações. Daian et al. [13], em seu artigo Flash Boys 2.0 apresentado no IEEE S&P, deram a contribuição fundacional de identificar o MEV como uma característica estrutural dos mecanismos de consenso de blockchain, e não como “abuso” de participantes individuais — enquanto existir o poder de ordenar transações, existirá MEV.

Nas finanças tradicionais, os corretores têm perante seus clientes uma obrigação de “melhor execução” — uma restrição central ao comportamento do agente. Nas exchanges descentralizadas (DEXs) do mercado cripto, o poder de ordenar transações pertence a validadores e construtores de blocos. As transações enviadas pelos usuários podem ser reordenadas, ensanduichadas entre outras transações (ataques sanduíche) ou adiadas para blocos seguintes antes de serem confirmadas. As três estratégias de MEV mais comuns são: arbitragem (explorar diferenças de preço entre DEXs ou pools), liquidação (disparar posições subcolateralizadas em protocolos de empréstimo para receber recompensas) e ataques sanduíche (inserir uma transação antes e outra depois da transação de um usuário para lucrar com o slippage de preço).

A escala do MEV já não é desprezível. Os dados de 2025 [39a][39b] mostram que os ataques sanduíche responderam por 51,56% do volume total de transações de MEV, aproximadamente US$ 290 milhões, representando mais da metade do total de US$ 562 milhões em MEV. Isso significa que mais da metade da extração de MEV prejudica diretamente os preços de execução das operações dos usuários comuns — os usuários pagam custos mais altos do que o preço justo, com a diferença capturada por searchers de MEV e construtores de blocos. No Ethereum, mais de 81% dos validadores estão registrados no MEV-Boost (o relay de construção de blocos da Flashbots), com os blocos produzidos via MEV-Boost respondendo por 89% nos últimos 14 dias. Na Solana, mais de 92% dos validadores rodam o software relacionado a MEV da Jito, com concentração de MEV ainda mais extrema.

Makarov e Schoar [7] observaram em sua pesquisa sobre os limites da arbitragem no mercado cripto que os mecanismos de correção de preço desse mercado são restringidos por atritos não mercadológicos. O MEV fornece uma extensão dessa conclusão à camada do protocolo: os searchers de MEV conseguem ver as transações pendentes no mempool; os usuários comuns, não — essa é uma assimetria de informação embutida na camada do protocolo. Os usuários não conseguem evitar a extração de MEV por meio de “estratégias de negociação mais inteligentes”, porque a lacuna informacional não está na estratégia, mas na visibilidade das transações pendentes. Ferramentas como o Flashbots Protect tentam mitigar isso enviando transações privadas que contornam o mempool público, mas o MEV em si não pode ser inteiramente eliminado — ele é um subproduto inevitável da existência do poder de ordenar transações.

O MEV é a forma mais pura de “problema de agência na camada do mecanismo”: sem fraudadores, sem estruturas Ponzi, apenas extração assimétrica de valor criada pelas próprias regras do protocolo. Em maio de 2024, promotores federais dos EUA apresentaram acusações criminais [41] contra Anton Peraire-Bueno e James Peraire-Bueno por explorar uma vulnerabilidade de um relay do MEV-Boost para extrair aproximadamente US$ 25 milhões da ordenação de transações do Ethereum em 12 segundos — o primeiro caso de MEV a entrar no sistema de justiça criminal, demonstrando também que, quando a exploração de “características estruturais” atinge certa escala, o sistema jurídico começa a intervir, mas enfrenta dificuldades de classificação.

4.5 Características comuns do conflito de agência na camada do mecanismo

Os três conjuntos de casos — a espiral da morte algorítmica da Terra/Luna, a senhoriagem institucionalizada da tokenomics e a extração de valor na camada do protocolo pelo MEV — pertencem superficialmente a camadas diferentes (desenho de algoritmo / emissão de tokens / execução de operações), mas compartilham uma característica estrutural central: mesmo que todos os participantes sejam racionais e bem-intencionados, o próprio mecanismo produz distribuição assimétrica de valor. A espiral da morte da Terra/Luna não exigiu um manipulador — o caminho de colapso por realimentação positiva estava embutido desde o desenho. A senhoriagem da tokenomics não exigiu um fraudador — a estrutura de emissão com float baixo + FDV alto coloca estatisticamente os investidores de varejo em desvantagem. O MEV não exigiu um ator malicioso — a própria existência do poder de ordenar transações cria valor extraível.

Isso forma um contraste claro com os “colapsos de agência individuais” do capítulo 3: o problema do capítulo 3 é “remover atores individuais poderia evitar o colapso”; o problema do capítulo 4 é “remover atores individuais não resolve o problema — o próprio mecanismo precisa ser redesenhado”. Essa distinção carrega implicações de governança — a atuação punitiva (persecução posterior de indivíduos) é eficaz para o capítulo 3, mas ineficaz para o capítulo 4; o capítulo 4 exige redesenho em nível de mecanismo.

Voltando ao arcabouço de três camadas do capítulo 1, este capítulo fecha um ciclo. A assimetria de informação (seção 1.4) manifestou-se na camada do mecanismo: o risco da Terra/Luna era inobservável para a maioria dos participantes — Liu et al. [11] notaram explicitamente que “a complexidade do sistema tornava difícil até para os insiders compreender a acumulação de risco”; a verdadeira curva de oferta da tokenomics é inobservável para os investidores de varejo; a visibilidade do mempool pelos searchers de MEV, comparada à dos usuários comuns, representa uma lacuna informacional estrutural. O conflito principal-agente (seção 1.3) manifestou-se na camada do mecanismo: designers de tokens e projetistas de protocolos, na condição de construtores de mecanismos, dispõem de espaços de decisão que excedem em muito a capacidade de monitoramento de detentores de tokens e usuários — o arcabouço de custo de agência de Jensen e Meckling [3] é validado no nível do desenho de mecanismos. As cascatas informacionais (seção 1.2) encontraram uma instância extrema na camada do mecanismo: a transparência on-chain da Terra/Luna, na verdade, acelerou a corrida — uma manifestação contraintuitiva do modelo de cascata de Bikhchandani et al. [1] em um ambiente on-chain: mais informação pública não desacelerou a cascata, mas aumentou sua velocidade de propagação em uma ordem de grandeza.

O arcabouço de três camadas, neste capítulo, completa uma transição funcional de “explicar casos históricos” para “prever falhas de desenho de mecanismos”: qualquer novo mecanismo de token ou desenho de protocolo que satisfaça a tríplice condição de “assimetria de informação na camada de base + assimetria de poder de agência na camada intermediária + propagação de sinal em alta velocidade na camada superior” possui a possibilidade estrutural de produzir transferência sistêmica de valor. Esse juízo não prevê que um evento futuro específico ocorrerá, mas antes identifica um conjunto testável de precondições — os caminhos de governança do capítulo 5 são construídos sobre a correção sequencial de cada precondição.

Este capítulo demonstrou como o conflito de agência escala do nível do comportamento individual para o nível do desenho de mecanismos — mesmo sem fraudadores, o desenho de algoritmos, a tokenomics e as regras de protocolo podem, por si sós, produzir transferência sistêmica de valor. O capítulo 5 propõe caminhos de diagnóstico e institucionais sobre essa base: se o conflito de agência está embutido nos mecanismos, os caminhos de correção também precisam estar no nível do mecanismo — uma arquitetura de governança tridimensional composta por arcabouço regulatório, desenho de protocolo e autorregulação das plataformas.

Capítulo 5 · Diagnóstico e caminhos institucionais: onde estão as saídas?

5.1 Diagnóstico · A corrigibilidade das precondições de três camadas

O capítulo 4 concluiu que qualquer mecanismo de token ou desenho de protocolo que satisfaça a tríplice precondição de “assimetria de informação na camada de base

- assimetria de poder de agência na camada intermediária + propagação de sinal em alta velocidade na camada superior” possui a possibilidade estrutural de produzir transferência sistêmica de valor. Esta seção avalia camada por camada a corrigibilidade de cada precondição — quais podem ser enfraquecidas por melhoria institucional e quais são características embutidas do mercado cripto.

Camada de base · Assimetria de informação. As assimetrias de informação identificadas nos capítulos 1 a 4 caem em pelo menos duas categorias. A primeira é corrigível por divulgação obrigatória: tabelas de alocação de tokens (como no caso Worldcoin do capítulo 1, com sua alocação de 25%/75% entre insiders e comunidade), cronogramas de desbloqueio das equipes e termos de empréstimo a market makers — essa informação é tecnicamente padronizável e exigível em divulgação pública; o problema não é se a divulgação é possível, mas se existem instituições que a exijam. A segunda é estruturalmente inobservável: a verdadeira exposição ao risco dos contratos inteligentes (como o mecanismo da espiral da morte da Terra/Luna, do capítulo 4, cuja complexidade excedeu a capacidade cognitiva da maioria dos participantes, inclusive a dos projetistas) e a vantagem de visibilidade dos searchers de MEV sobre o mempool — essas não podem ser resolvidas por “mais divulgação”, porque, mesmo quando a informação é tornada pública, o próprio limiar de compreensão constitui uma assimetria de informação de fato. As tentativas de correção existentes incluem auditorias on-chain (por exemplo, as empresas de auditoria de segurança Certik e Trail of Bits) e a Prova de Reservas (após a FTX, várias exchanges adotaram verificação de reservas por Merkle Tree). Com base na análise dos capítulos 1 a 4, a avaliação deste relatório é: essas ferramentas reduzem parte da assimetria de informação, mas estão longe de eliminá-la — as auditorias cobrem a segurança do código, não o risco de desenho do mecanismo econômico; a Prova de Reservas cobre a situação dos ativos em um único momento, não o comportamento do agente entre duas provas.

Camada intermediária · Assimetria de poder de agência. Divide-se igualmente em duas categorias. A primeira é extensível a partir de precedentes regulatórios existentes: a segregação de ativos de clientes nas exchanges (a falha central do caso FTX, do capítulo 3) é coberta pelas regras da SEC para corretoras-distribuidoras registradas nas finanças tradicionais; a transparência das reservas dos emissores de stablecoins já é exigida em algumas jurisdições (por exemplo, a regulação do NYDFS sobre a Circle, emissora do USDC). A segunda é difícil de restringir com eficácia sob os arcabouços institucionais atuais: o poder de senhoriagem dos designers de tokens (a análise de tokenomics do capítulo 4) poderia, em tese, ser limitado por governança de DAO, mas, na prática, as taxas de participação em votações de governança de DAO são geralmente baixas (observações do setor comumente citam números abaixo de 10%), grandes detentores dominam as decisões e a própria governança se torna mais um problema de agência. As tentativas de correção existentes incluem o arcabouço MiCA da UE, o regime de licenciamento VASP de Hong Kong e o sistema de registro de exchanges do Japão como regimes de admissão prévia, além de melhorias em curso nas estruturas de governança de DAO. A avaliação deste relatório é: os regimes de admissão prévia são a ferramenta isolada mais eficaz para reduzir a probabilidade de colapsos de agência do tipo do capítulo 3, mas sua eficácia depende de coordenação entre jurisdições — uma regulação estrita em uma única jurisdição é minada pela arbitragem regulatória quando falta coordenação global.

Camada superior · Propagação de sinal em alta velocidade. Esta é a camada de menor corrigibilidade. A transparência dos dados on-chain e a velocidade de propagação das redes sociais são características embutidas do mercado cripto — o caso Terra/Luna do capítulo 4 demonstrou como a transparência on-chain de fato acelerou a corrida. Essas características não podem e não devem ser “restringidas”. No entanto, a qualidade do sinal pode ser melhorada: exigir que KOLs divulguem promoções pagas (como no caso da penalidade de US$ 1,26 milhão da SEC contra Kim Kardashian, no capítulo 1), exigir que as equipes de projeto divulguem todos os parâmetros das regras de airdrop (casos de airdrop do capítulo 2). Os casos de atuação existentes (processos da SEC e da FCA contra promoção paga, caso a caso) têm efeito dissuasório, mas não formaram um regime sistemático. A avaliação deste relatório é: a velocidade de propagação do sinal não é corrigível, mas o conteúdo informacional do sinal pode ser melhorado gradualmente por exigências de divulgação — desde que tais exigências possam ser aplicadas entre jurisdições.

5.2 Arquitetura de governança tridimensional

Com base no diagnóstico anterior, esta seção propõe caminhos de correção em três dimensões. Cada caminho remonta a falhas de mecanismo específicas identificadas nos capítulos 1 a 4.

Dimensão um · Arcabouço regulatório: da persecução posterior à admissão prévia

As evidências reunidas nos capítulos 1 a 4 apontam coletivamente para um fato: o modo regulatório predominante do mercado cripto até hoje tem sido a “persecução posterior” — a SEC, o DOJ e a CFTC apresentaram acusações depois dos colapsos, e os tribunais proferiram decisões depois de concluída a liquidação. A BitConnect operou de 2016 até seu colapso em 2018; a SEC só ajuizou ação em 2021. A FTX operou de 2019 até seu colapso em 2022; o DOJ só concluiu a sentença em 2023. O efeito dissuasório da persecução posterior existe (como o capítulo 3 mostrou — os US$ 17 milhões de restituição de Arcaro, a pena de 25 anos de Bankman-Fried), mas ele não consegue evitar colapsos — apenas atribuir responsabilidade depois do fato.

Os regimes de admissão prévia exigem que exchanges, emissores de stablecoins e emissores de tokens cumpram um conjunto de padrões (requisitos de capital, segregação de ativos de clientes, obrigações de divulgação) antes de operar — prática padrão nos mercados financeiros tradicionais. Makarov e Schoar [14], em seu levantamento publicado no Brookings Papers on Economic Activity, notaram explicitamente que o volume de negociação em CEX do mercado cripto está concentrado principalmente em exchanges offshore “sujeitas a pouca ou nenhuma supervisão regulatória”. O MiCA da UE (aprovado em 2023, com implementação faseada a partir de 2024), o regime de licenciamento VASP de Hong Kong (implementado em 2023) e o sistema de registro de exchanges da FSA do Japão (desde 2017) são atualmente os três arcabouços de admissão prévia mais completos.

A avaliação deste relatório: a admissão prévia é a ferramenta isolada mais eficaz para reduzir os colapsos de agência do tipo do capítulo 3 (desvio em exchanges, má alocação de risco em plataformas de empréstimo). Sua eficácia, porém, enfrenta uma restrição estrutural — a arbitragem regulatória. Enquanto existirem jurisdições que não apliquem padrões equivalentes de admissão, capital e usuários fluirão para os mercados menos regulados, minando a eficácia institucional das jurisdições de regulação estrita. Isso não é exclusivo do mercado cripto, mas as características técnicas “sem fronteiras” do mercado cripto tornam a arbitragem regulatória mais fácil de realizar do que nas finanças tradicionais.

Dimensão dois · Desenho de protocolo: de “confiar no agente” a “verificar o mecanismo”

Os três conjuntos de casos do capítulo 4 demonstraram que os próprios mecanismos podem embutir conflito de agência — os caminhos de correção precisam, portanto, estar no nível do desenho do mecanismo, e não apenas no nível regulatório.

As tentativas de correção existentes dividem-se em quatro categorias. Prova de Reservas: após a FTX, várias exchanges adotaram verificação de reservas baseada em Merkle Tree, permitindo aos usuários verificar se a exchange detém ativos de reserva suficientes sem confiar em um terceiro. Esse é um exemplo direto da mudança de “confiar no agente” para “verificar o mecanismo”. Mitigação de MEV: como discutido no capítulo 4, o Flashbots Protect envia transações privadas que contornam o mempool público, e o MEV-Share devolve uma parcela do MEV aos usuários — essas soluções tentam redistribuir o MEV, e não eliminá-lo. Melhorias no desenho de stablecoins: a pesquisa de Lyons e Viswanath-Natraj [12] citada no capítulo 4 demonstrou que a estabilidade das stablecoins lastreadas em moeda fiduciária deriva principalmente da estrutura de arbitragem, e não da intervenção do emissor — esse achado dá suporte empírico ao caminho de desenho “sobrecolateralização + auditoria em tempo real” (por exemplo, os atestados mensais da Circle para o USDC) e ao mesmo tempo traça limites para as alternativas de stablecoins algorítmicas. Transparência dos desbloqueios de tokens: alguns projetos começaram a divulgar publicamente cronogramas completos de desbloqueio e termos com market makers; embora ainda não seja padrão do setor, a direção é consistente com o diagnóstico do capítulo 4 sobre o poder de senhoriagem da tokenomics.

A avaliação deste relatório: o modelo de “confiar no agente” no mercado cripto foi sistematicamente falsificado pelos quatro casos do capítulo 3. A “verificação sem confiança” é um caminho mais promissor, mas sua aplicabilidade é restringida pela maturidade tecnológica atual — a Prova de Reservas consegue verificar que os ativos existem, mas não consegue verificar se os ativos estão simultaneamente empenhados a outras partes (como no caso do múltiplo empenho da 3AC, no capítulo 3).

Dimensão três · Autorregulação das plataformas: de “crescimento em primeiro lugar” a “compatibilidade de incentivos em primeiro lugar”

Esta dimensão é a mais controversa — sob incentivos desalinhados, a “autorregulação” é crível? A análise dos capítulos 1 a 4 fornece uma resposta condicional.

O caso do airdrop da Hyperliquid, do capítulo 2, fornece uma referência positiva: quando as regras de incentivo foram ancoradas em comportamento genuíno de negociação, difícil de automatizar, o retorno marginal das operações Sybil diminuiu, e o desempenho de preço do token após a emissão superou os casos de controle sem medidas anti-Sybil (zkSync −39% em 36 dias contra a valorização sustentada da Hyperliquid após a emissão). Isso demonstra que a compatibilidade de incentivos no nível do desenho de mecanismos pode produzir melhores resultados de mercado sem regulação externa.

A avaliação deste relatório: a autorregulação das plataformas não pode substituir a regulação — as experiências da BitConnect e da FTX demonstram que, quando os interesses dos agentes divergem severamente dos dos usuários, a autorregulação não ocorre. No entanto, a autorregulação no nível do desenho de mecanismos (compatibilidade de incentivos) pode complementar os arcabouços regulatórios. Plataformas que reduzem proativamente o conflito de agência no nível do desenho de mecanismos — por meio de alocação de tokens mais transparente, de regras de incentivo mais difíceis de explorar via Sybil e de autoauditoria mais rigorosa — podem possuir vantagens competitivas estruturais na competição de longo prazo, porque a confiança é, ela própria, um recurso escasso e disputado.

5.3 Limitações e questões em aberto

As fronteiras dos caminhos de correção precisam ser discutidas honestamente.

Limitação um: a arbitragem regulatória não pode ser eliminada. Enquanto existirem múltiplas jurisdições independentes, existirá arbitragem regulatória. A característica “sem fronteiras” do mercado cripto — os usuários podem acessar a exchange de qualquer jurisdição via VPN — torna a arbitragem regulatória mais severa do que nas finanças tradicionais. O MiCA é eficaz na UE, mas, se a maior parte do volume de negociação permanecer concentrada em plataformas offshore não sujeitas ao MiCA (como Makarov e Schoar [14] documentaram), seu impacto prático será diluído. A coordenação regulatória global é teoricamente ótima, mas carece de um mecanismo de coordenação exequível na realidade geopolítica.

Limitação dois: o MEV não pode ser eliminado. Como analisado no capítulo 4, o MEV é um subproduto inevitável do poder de ordenar transações. Soluções como as da Flashbots podem redistribuir o MEV (devolvendo parte do valor aos usuários), mas não podem eliminar a existência do MEV. Isso significa que o problema de agência na camada do protocolo é uma característica estrutural de longo prazo que pode ser administrada, mas não resolvida — enquanto as blockchains mantiverem mecanismos descentralizados de ordenação de transações, quem ordena as transações terá vantagem informacional sobre os usuários comuns.

Limitação três: as cascatas informacionais não podem ser eliminadas. A transparência dos dados on-chain e a velocidade de propagação das redes sociais são características técnicas embutidas do mercado cripto. As três ondas de cascata do capítulo 2 (ICO / Memecoin / Airdrop) demonstraram um padrão: sempre que os custos de sinal são reduzidos, as cascatas reaparecem em novas formas. A “velocidade” da cascata pode ser reduzida por períodos de resfriamento ou restrições de negociação, mas a “ocorrência” da cascata não pode ser impedida — ela é um produto estrutural da arquitetura informacional do mercado cripto.

Limitação quatro: as limitações do próprio relatório. Este relatório é um levantamento e um comentário, sem pesquisa empírica original. As citações baseiam-se em resumos de artigos publicados, descrições oficiais e verificação por reportagens da imprensa acadêmica de referência (ver a seção “Declaração”, ao final). A seleção de casos sofre inevitavelmente do “inverso do viés de sobrevivência” — este relatório analisa casos de colapso e mecanismos de falha, mas estruturas de agência que funcionam bem também existem no mercado cripto: a Coinbase opera como corretora-distribuidora registrada nos EUA, o USDC mantém transparência de auditoria mensal e o desenho de airdrop da Hyperliquid demonstra a possibilidade da compatibilidade de incentivos. O arcabouço analítico deste relatório busca identificar precondições de falha, mas não deve ser interpretado como um juízo negativo generalizado sobre o mercado cripto como um todo.

Por fim, este relatório deixa uma questão em aberto sem resposta: os conflitos de agência do mercado cripto podem ser suficientemente mitigados sem importar a arquitetura regulatória das finanças tradicionais? Ou o mercado cripto acabará precisando convergir para uma densidade regulatória semelhante à das finanças tradicionais? A resposta a essa pergunta será determinada conjuntamente pela evolução do mercado, pelo desenvolvimento tecnológico e pela prática regulatória, e está além da capacidade de resolução de qualquer relatório de pesquisa isolado.

Este relatório, partindo de três pilares teóricos, construiu um arcabouço analítico de três camadas — da assimetria de informação ao conflito de agência e às cascatas informacionais — por meio da bolha de ICOs, do Memecoin Casino e do airdrop farming como três conjuntos de casos de cascata informacional; de BitConnect, Three Arrows Capital, Celsius e FTX como quatro conjuntos de casos de colapso de agência; e de Terra/Luna, tokenomics e MEV como três conjuntos de casos de falha de desenho de mecanismo. O valor desse arcabouço não está em explicar colapsos já ocorridos, mas em identificar o conjunto de precondições que pode produzir transferência sistêmica de valor no futuro — e, para cada precondição, os possíveis caminhos de correção e suas limitações.

Declaração

Divulgação de conflito de interesses: este relatório é produzido pela Bitbase Research. A Bitbase Research é a divisão de pesquisa da exchange de derivativos Bitbase. Os mecanismos de falha de mercado discutidos neste relatório — em particular os que envolvem relações principal-agente entre exchanges e usuários — também existem no ambiente de mercado em que a plataforma Bitbase opera. A posição de pesquisa deste relatório é diagnosticar problemas estruturais para promover a evolução do setor, não a autojustificação.

Ferramentas e assistência de geração. Este relatório usou modelos de linguagem de grande porte avançados como ferramentas de apoio à pesquisa nos processos de coleta de material, verificação de fatos entre fontes, argumentação estruturada e redação de rascunhos. Todos os dados primários, documentos regulatórios, artigos acadêmicos e indicadores de mercado foram verificados por humanos, item a item, contra suas fontes originais; todas as fórmulas matemáticas, detalhes técnicos de criptografia e citações jurídicas foram revisados e mantidos ou corrigidos por humanos. Reconhecemos o risco de erro inerente às ferramentas de assistência por IA no tratamento de dados de cauda longa e reduzimos esse risco por meio de processos de checagem de fatos em várias rodadas, mas não podemos eliminá-lo por completo.

Declaração de não recomendação de investimento. Este relatório e todas as análises, dados, arcabouços e conclusões que contém destinam-se exclusivamente a pesquisa setorial e discussão acadêmica. Nada neste relatório deve ser interpretado como recomendação de compra, venda ou manutenção de qualquer ativo digital, contrato de derivativos ou plataforma específica. A leitura deste relatório não estabelece qualquer forma de relação fiduciária ou de consultoria de investimentos com os autores ou com a Bitbase. Os participantes do setor devem tomar decisões comerciais com base em sua própria diligência prévia ou na de terceiros independentes.

Retorno e correções. A Bitbase Research recebe de bom grado o envio de correções e críticas de leitores a respeito de citações de dados, afirmações factuais ou raciocínio lógico. Se forem identificados quaisquer erros factuais ou falhas de argumentação, nós os acolhemos por canais públicos e faremos a confirmação e a correção em relatórios de acompanhamento ou avisos de errata posteriores.

Referências

Leituras relacionadas

Outros artigos da Bitbase sobre este tema:

- Backtesting no trading de cripto: teste uma estratégia no passado

- Estratégias e indicadores do day trading de cripto, explicados

- Estratégias e indicadores de swing trading em cripto, explicados

Literatura acadêmica

[1] Bikhchandani, S., Hirshleifer, D., & Welch, I. (1992). A Theory of Fads, Fashion, Custom, and Cultural Change as Informational Cascades. Journal of Political Economy, 100(5), 992–1026. doi.org

[2] Kogan, S., Makarov, I., Niessner, M., & Schoar, A. (2024). Are Cryptos Different? Evidence from Retail Trading. Journal of Financial Economics, 159, 103897. doi.org

[3] Jensen, M. C., & Meckling, W. H. (1976). Theory of the Firm: Managerial Behavior, Agency Costs and Ownership Structure. Journal of Financial Economics, 3(4), 305–360. doi.org

[4] Akerlof, G. A. (1970). The Market for “Lemons”: Quality Uncertainty and the Market Mechanism. The Quarterly Journal of Economics, 84(3), 488–500. doi.org

[5] Holmström, B. (1979). Moral Hazard and Observability. The Bell Journal of Economics, 10(1), 74–91. doi.org

[6] Cong, L. W., Li, Y., & Wang, N. (2022). Token-Based Platform Finance. Journal of Financial Economics, 144(3), 972–991. doi.org

[7] Makarov, I., & Schoar, A. (2020). Trading and Arbitrage in Cryptocurrency Markets. Journal of Financial Economics, 135(2), 293–319. doi.org

[8] Shleifer, A., & Vishny, R. W. (1997). The Limits of Arbitrage. The Journal of Finance, 52(1), 35–55. doi.org

[9] Swartz, L. (2022). Theorizing the 2017 Blockchain ICO Bubble as a Network Scam. New Media & Society. doi.org

[10] Haffke, L., & Fromberger, M. (2018). ICO Market Report 2017: Performance Analysis of Initial Coin Offerings. SSRN Working Paper 3309271. papers.ssrn.com

[11] Liu, J., Makarov, I., & Schoar, A. (2023). Anatomy of a Run: The Terra Luna Crash. NBER Working Paper №31160. nber.org

[12] Lyons, R. K., & Viswanath-Natraj, G. (2023). What Keeps Stablecoins Stable? Journal of International Money and Finance, 131, 102777. nber.org

[13] Daian, P., Goldfeder, S., Kell, T., Li, Y., Zhao, X., Bentov, I., Breidenbach, L., & Juels, A. (2020). Flash Boys 2.0: Frontrunning in Decentralized Exchanges, Miner Extractable Value, and Consensus Instability. 2020 IEEE Symposium on Security and Privacy (SP), 910–927. doi.org

[14] Makarov, I., & Schoar, A. (2022). Cryptocurrencies and Decentralized Finance (DeFi). Brookings Papers on Economic Activity, Spring 2022. nber.org

Documentos regulatórios, judiciais e fontes de dados empíricos

[15] Cointelegraph / The Block / Fortune / DL News. $LIBRA event consolidated reporting, February 2025. cointelegraph.com

[16] Nansen. $LIBRA on-chain wallet analysis (114,000 wallets / $251 million in losses).

[17] Fortune / Chainalysis. “TRUMP memecoin traders lost $2 billion.” February 11, 2025. fortune.com

[18] DOJ / U.S. Attorney’s Office, S.D.N.Y., March 28, 2024. “Samuel Bankman-Fried Sentenced to 25 Years in Prison.” justice.gov

[19] CFTC Press Release 8938–24, August 7, 2024. “Federal Court Orders FTX and Alameda to Pay $12.7 Billion.” cftc.gov

[20] World Foundation, “The Circulating Supply of Worldcoin (WLD): An Explainer”; Kaiko Research, “Worldcoin Tokenomics.”

[21] SEC Press Release 2022–183, October 3, 2022. “SEC Charges Kim Kardashian.” sec.gov

[22] CFTC Press Release 8638–22, December 13, 2022. “CFTC Charges Sam Bankman-Fried, FTX Trading and Alameda with Fraud.” cftc.gov

[23] SEC Press Release 2022–234, December 21, 2022. “SEC Charges Caroline Ellison and Gary Wang.” sec.gov

[24] FTC, July 13, 2023. “FTC Reaches Settlement with Crypto Platform Celsius Network.” ftc.gov

[25] TokenData. ICO funding statistics 2017–2018. tokendata.io (original source offline; figures cross-verified via Swartz 2022 [9], Haffke & Fromberger 2018 [10], and multiple secondary sources).

[26] ICObench. ICO project count statistics 2017–2018. icobench.com (original source offline; figures cross-verified via Cointelegraph 2019–01–05 “ICO Market 2018 vs 2017”).

[27] SEC, July 25, 2017. “Report of Investigation Pursuant to Section 21(a): The DAO.” Release №81207. sec.gov

[28] DefiLlama. pump.fun cumulative DEX trading volume and revenue data. defillama.com

[29] DailyCoin. “Airdrops Under Attack: Can Sybil Farmers Be Stopped?” September 30, 2024. dailycoin.com

[30] LayerZero Labs / Chaos Labs / Nansen. Sybil identification and exclusion data, May–June 2024.

[31] Cookie3. Cross-project Sybil proportion survey (70% of eligible wallets are multi-wallet operators).

[32] DOJ, various dates. BitConnect-related criminal indictments. SEC Press Release 2021–172, September 1, 2021. sec.gov

[33] DOJ, February 25, 2022. “BitConnect Founder Indicted in Global $2.4 Billion Cryptocurrency Scheme.” justice.gov

[34] Texas State Securities Board, Cease and Desist Order, January 3, 2018.

[35] Teneo. Three Arrows Capital Liquidation Affidavits, July 7, 2022; The Block / Decrypt / Fortune, July 19, 2022. 3AC bankruptcy liquidation filings.

[36] CoinDesk, November 2, 2022. Alameda Research balance sheet reporting (FTX collapse trigger).

[37] DOJ, July 2023 / December 2024. Alex Mashinsky indictment and guilty plea.

[38] Stretto. Celsius Network Bankruptcy, Case №22–10964, S.D.N.Y. cases.stretto.com

[39a] Flashbots. MEV-Explore Dashboard & Transparency Reports. transparency.flashbots.net

[39b] EigenPhi. MEV transaction classification and statistics, 2025. eigenphi.io

[40] Cermak, Larry. ICO investor return statistical analysis, 2019. Originally published at The Block Research; data cited by Bitcoinist (2019–08–09) and multiple other sources.

[41] DOJ / U.S. Attorney’s Office, S.D.N.Y., May 15, 2024. “Two Brothers Arrested for Attacking Ethereum Blockchain.” (Anton & James Peraire-Bueno, wire fraud and money laundering conspiracy, $25M, 12-second MEV-Boost exploit). justice.gov