Состоятельность модели ICO как альтернативного канала привлечения инвестиций в международном бизнесе

Выводы по главе 2

В течение последних лет рынок криптовалют претерпел множество изменений. Рост популярности крипто-активов и появление новых игроков позволили достичь общего пика рыночной капитализации. Однако высокая волатильность и доминирование Биткойна в удельном весе криптовалют говорят об относительной незрелости рынка. Процесс ICO способствует появлению новых игроков и общему развитию данного рынка.

Современное состояние рынка ICO характеризуется широкой страновой специализацией проектов. Выбор страны зависит от уровня развития экономического климата и особенностей законодательства. Процесс ICO сопряжен со множествами рисками как для инвесторов, так и для компаний, привлекающих средства. Подходы к регулированию ICO в разных странах продолжают совершенствоваться. Развитие законодательной базы позволит снизить риски, связанные с ICO, и усовершенствовать модель в целом.

3. Выявление факторов, влияющих на успех ICO

3.1 Разведочный анализ данных

Для определения внутренней состоятельности модели ICO необходимо проанализировать факторы, влияющие на её успешность в плане количества собранных средств. Для решения этой задачи была создана выборка на основе данных одного из крупнейших статистический порталов в сфере ICO: ICObench ICObench. URL: https://icobench.com/icos?. Выборка состоит из данных о кампаниях, взятых за период с 1 января 2018 года по 1 января 2020 года. Заданный временной промежуток обусловлен относительной стабильностью сферы криптовалют и большим объемом кампаний ICO. Описательная статистика и построение моделей производились с помощью Microsoft Excel 2016 и Stata 15.

Всего были собраны данные по 201 компании, которые содержат 13 параметров:

компания (Company), которая проводит ICO;

блокчейн-платформа (Platform), на которой компания реализует ICO;

минимальный порог средств (Minimum) в долларах США, необходимый для успешной реализации ICO;

фактически собранный объем средств (Collected);

параметр, показывающий насколько объем собранных средств превысил минимальный порог (Success);

параметр, показывающий достиг ли объем собранных средств максимально возможного значения (Hard_cup, дамми-переменная);

количество человек в команде-разработчиков (Team);

наличие White Paper (White_Paper, дамми-переменная);

возможность вкладываться в ICO фиатными валютами (Fiat, дамми-переменная);

Ethereum (Eth, дамми-переменная);

Bitcoin (BTC, дамми-переменная);

общее количество криптовалют, которыми можно было вкладываться в ICO (n_curr);

наличие бонуса для инвесторов при вкладывании в ICO (bonus, дамми-переменная).

Полная выборка представлена в приложении 2.

1. Платформы для реализации ICO.

Основная масса компаний реализует свои ICO на базе платформы Ethereum, что связано с большим количеством существующих проектов на базе Ethereum, а также высокой гибкостью кода Ethereum для разработки новых финтех продуктов. Распределение по платформам показано на рисунке 6.

Минимальный порог средств показывает количество средств в долларах США, которое необходимо для запуска проекта. Данная переменная является целочисленной и находится в диапазоне от 55 000 до 100 000 000. В таблице 11 представлены основные характеристики данной переменной.

Таблица 11 -- Минимальный порог средств

Источник: составлено автором

Для построения регрессионной модели, в частности линейной, одним из необходимых условий является нормальность распределения данных. В данной работе будет использоваться два способа проверки данных на нормальность: графический (построение гистограммы) и формальный (тест Шапиро-Уилка). Результаты графического способа представлены на рисунке 7.

Рисунок 7 -- Гистограмма распределения значений минимального порога средств

Источник: составлено автором

Как видно из графика, распределение является отличным от нормального. Убедимся в верности данного вывода формальным способом с помощью теста Шапиро-Уилка (см. таблица 12):

H0: значения минимального порога средств распределены нормально

H1: распределение значений минимального порога средств отличается от нормального

Таблица 12 -- Результаты теста Шапиро-Уилка для значений минимального порога средств

Источник: составлено автором

Так как параметр «Prob>z» меньше стандартных уровней значимости (0,01; 0,05 и 0,1), то мы отклоняем нулевую гипотезу о нормальности выборки и принимаем противоположную.

Для того чтобы попытаться нормировать данные, их необходимо логарифмировать. Построим гистограмму логарифмированных данных, результаты которых представлены на рисунке 8.

Рисунок 8 -- Гистограмма распределения логарифмов значений минимального порога средств

Источник: составлено автором

Графически данное распределение стало больше похоже на нормальное, но необходимо подтвердить данную гипотезу тестом Шапиро-Уилка (см. таблица 13):

Н0: логарифмы значений минимального порога средств распределены нормально

H1: распределение логарифмов значений минимального порога средств отличается от нормального

Таблица 13 -- Результаты теста Шапиро-Уилка для логарифмов значений минимального порога средств

Источник: составлено автором

Результаты данного теста не позволяют принять нулевую гипотезу о нормальности распределения выборки, в связи с чем принимается противоположная. Однако небольшое приближение к нормальности имеется, поэтому для дальнейшего регрессивного анализа необходимо составить логарифмы значений.

3. Фактический объем собранных средств (Collected)

Данная переменная показывает объем средств, который удалось привлечь компании для ICO, причем объем средств может быть как больше минимального порога средств, так и меньше. Основные характеристики данной переменной представлены в таблице 14.

Таблица 14 -- Фактически собранный объем средств

Источник: составлено автором

Данную выборку также необходимо графически и формально проверить на нормальность. Построенная гистограмма распределения значений фактически собранного объема средств представлена на рисунке 9.

Рисунок 9 -- Гистограмма распределения значений фактически собранного объема средств

Источник: составлено автором

Результаты построения указывают на распределение, отличное от нормального. Убедимся в этом формально (см. таблица 15):

H0: значения фактически собранного объема средств распределены нормально

H1: распределение значений фактически собранного объема средств отличается от нормального

Таблица 15 -- Результаты теста Шапиро-Уилка для значений фактически собранного объема средств

Источник: составлено автором

Результаты теста указывают на отказ от нулевой гипотезы и принятие противоположной о распределении данных, отличным от нормального.

Для нормализации данных прологарифмируем их и также построим гистограмму и проведем тест Шапиро-Уилка (см. рисунок 10).

Рисунок 10 -- Гистограмма распределения логарифмов значений фактически собранного объема средств

Источник: составлено автором

Результаты графического анализа указывает на нормализацию распределения данных. Подтвердим данный вывод формально (см. таблица 16):

Н0: логарифмы значений фактически собранного объема средств распределены нормально

H1: распределение логарифмов значений фактически собранного объема средств отличается от нормального

Таблица 16 -- Результаты теста Шапиро--Уилка для логарифмов значений фактически собранного объема средств

Источник: составлено автором

Значение параметра Prob>z указывает на то, что даже на уровне значимости в 0,1 мы не можем отклонить нулевую гипотезу о нормальности распределения данных, в связи с чем в дальнейшем эконометрическом анализе будут использоваться логарифмы значений фактически собранного объема средств.

4. Отличие фактического объема собранных средств от необходимого минимального порога (Success)

Данная переменная показывает, насколько фактически объем собранных средств отличается от минимального порога. Отрицательное значение указывает на то, что фактически собранного объема средств не хватает для преодоления минимального порога. Основные характеристики выборки представлены в таблице 17.

Таблица 17 -- Характеристики переменной Success

Источник: составлено автором

Так как данная переменная также является количественной, необходимо проверить распределение ее значений на нормальность. Гистограмма распределения значений представлена на рисунке 11.

Рисунок 11 -- Гистограмма распределения значений переменной Success

Источник: составлено автором

Данная гистограмма указывает на распределение, отличное от нормального. Подтвердим это формально с помощью теста Шапиро-Уилка (см. таблица 18):

H0: значения переменной Success распределены нормально

H1: распределение значений переменной Success отличается от нормального

Таблица 18 -- Результаты теста Шапиро-Уилка для значений переменной Success

Источник: составлено автором

Результаты теста подтверждают предположения о распределении значений переменной Success, отличного от нормального.

Прологарифмируем значения переменной Success и построим на основе их диаграмму (см. рисунок 12).

Рисунок 12 -- Гистограмма распределения логарифмов значений переменной Success

Источник: составлено автором

Распределение немного стало больше похоже на нормальное, но далеко от него, в чем можно убедиться с помощью формального теста (см. таблица 19).

Н0: логарифмы переменной Success распределены нормально

H1: распределение логарифмов значений переменной Success отличается от нормального

Таблица 19 -- Результаты теста Шапиро-Уилка для логарифмов значений переменной Success

Источник: составлено автором

Даже в результате логарифмирования значений переменной Success распределение не стало более похоже на нормальное. Учитывая, что данная переменная измеряется в процентах, то лучше будет оставить ее линейный вид.

5. Факт достижения максимального объема средств

Данный параметр представляет собой дамми-переменную, где 1 - это достижение потолка объема средств, собираемых для ICO, а 0 - его недостижение. Количественное распределение значений представлено на рисунке 13.

6. Численность команды разработчиков (Team)

Данный параметр является числовым и указывает на количество человек в команде, которые разрабатывали проект для ICO. Основные характеристики данного параметра представлены в таблице 20.

Таблица 20 -- Характеристики переменной Team

Источник: составлено автором

Так как данная переменная является числовой, то ее необходимо проверить на нормальность распределения. Гистограмма распределения значений представлена на рисунке 14.



Рисунок 14 -- Гистограмма распределения значений переменной Team

Источник: составлено автором

Внешний вид распределения отличается от нормального. Подтвердим данное предположение формально (см. таблица 21).

H0: значения переменной Team распределены нормально

H1: распределение значений переменной Team отличается от нормального

Таблица 21 -- Результаты теста Шапиро-Уилка для значений переменной Team

Источник: составлено автором

Результат теста отклоняет нулевую гипотезу о нормальности распределения, поэтому принимаем противоположную гипотезу, то есть распределение значений переменной Team отлично от нормального.

Прологарифмируем значения данной переменной для того, чтобы приблизить распределение к нормальному.

Гистограмма распределения логарифмов значений представлена на рисунке 15.

Рисунок 15 -- Гистограмма распределения логарифмов значений переменной Team

Источник: составлено автором

Распределение стало ближе к нормальному, однако необходимо провести формальный тест (см. таблица 22).

H0: логарифмы значений переменной Team распределены нормально

H1: распределение логарифмов значений переменной Team отличается от нормального

Таблица 22 -- Результаты теста Шапиро--Уилка для логарифмов значений переменной Team

Источник: составлено автором

По результатам теста мы можем принять нулевую гипотезу о нормальном распределении логарифмов значений переменной Team, то есть для дальнейшего регрессионного анализа будем использовать логарифмы значений переменной Team.

7. Наличие технического документа (White_Paper)

Переменная White_Paper указывает на наличие у разработчиков документа, описывающего технические особенности разработанного проекта. Эта переменная является дамми, где 0 - это отсутствие документа, 1 - его наличие. Какое количество проектов имеют white paper представлено на рисунке 16.

8. Фиатные валюты (Fiat)

Данная дамми-переменная указывает на то, принимала компания в качестве инвестиций для ICO фиатные валюты: 0 - не принимала, 1 - принимала. Соотношение таких компаний можно увидеть на рисунке 17.

9. Ethereum (Eth)

Дамми-переменная, показывающая, принимала ли компания в качестве инвестиций Ethereum: 0 - не принимала, 1 - принимала. Из 201 компании не принимала Ethereum только 1 компания.

10. Bitcoin (BTC)

Дамми-переменная, показывающая, принимала ли компания в качестве инвестиций Bitcoin: 0 - не принимала, 1 - принимала. Соотношение таких компаний представлено на рисунке 18.

11. Количество криптовалют, принимаемых во время ICO (n_curr)

Числовая переменная n_curr, характеризующая, какое количество криптовалют принимала компания в ходе ICO кампании. Основные ее характеристики представлены в таблице 23.

Таблица 23 -- Характеристика переменной n_curr

Источник: составлено автором

Так как переменная является целочисленной, то распределение ее значений необходимо проверить на нормальность. Гистограмма распределения значений представлена на рисунке 19.

Рисунок 19 -- Гистограмма распределения значений переменной n_curr

Источник: составлено автором

Графически распределение отличается от нормального, в чем также можно убедиться с помощью формального теста (см. таблица 24).

H0: значения переменной n_curr распределены нормально

H1: распределение значений переменной n_curr отличается от нормального

Таблица 24 -- Результаты теста Шапиро-Уилка для значений переменной n_curr

Источник: составлено автором

Результат теста подтверждает предположение о распределение значений переменной n_curr, отличного от нормального.

Прологарифмируем значения переменной n_curr и построим гистограмму их распределения (см. рисунок 20).

Рисунок 20 -- Гистограмма распределения логарифмов значений переменной n_curr

Источник: составлено автором

Распределение графически отличается от нормального. Проведем формальный тест, чтобы проверить, приблизилось ли распределение к нормальному после логарифмирования (см. таблица 25):

H0: логарифмы значения переменной n_curr распределены нормально

H1: распределение логарифмов значений переменной n_curr отличается от нормального

Таблица 25 -- Результаты теста Шапиро--Уилка для логарифмов значений переменной n_curr

Источник: составлено автором

Распределение стало немного ближе к нормальному, согласно результатам теста. Вместе с тем, мы не можем принять нулевую гипотезу о нормальности распределения на любом из стандартных значений уровня значимости (0,01; 0,05; 0,1). Однако для регрессионного анализа оставим логарифмические значения переменной n_curr.

12. Наличие бонусной программы (bonus)

Дамми-переменная, показывающая, была ли у компании бонусная программа во время привлечения средств для ICO: 0 - бонусной программы не было, 1 - бонусная программа была. Соотношение таких компаний представлено на рисунке 21.

Рисунок 21 -- Наличие бонусной программы

3.2 Построение регрессионной модели

Для начала объясним объем собранных средств имеющимися данными. В ходе разведочного анализа было установлено, что нормальное распределение имеется у логарифмов значений объема собранных средств, который и будет являться зависимой переменной.

Независимые переменные представлены в таблице 26.

Таблица 26 -- Независимые переменные

Переменная	Описание
min	Минимальный установленный порог средств в долларах США, необходимый для успешной реализации ICO
success	Параметр, показывающий насколько объем собранных средств превысил минимальный установленный порог
hard_cup (дамми-переменная)	Параметр, показывающий достиг ли объем собранных средств максимально возможного значения (
team	количество человек в команде-разработчиков
white_paper (дамми-переменная)	Наличие White Paper
fiat (дамми-переменная)	Возможность вкладываться в ICO фиатными валютами
eth (дамми-переменная)	Возможность инвестирования при помощи Ethereum
btc (дамми-переменная)	Возможность инвестирования при помощи Bitcoin
n_curr (дамми-переменная)	Общее количество криптовалют, которыми можно было вкладываться в ICO
bonus (дамми-переменная)	Наличие бонуса для инвесторов при инвестировании в ICO

Источник: составлено автором

Перед построением модели сформулируем несколько гипотез.

Гипотеза 1

Минимальный установленный порог объема средств необходимых для реализации проекта, влияет на фактический объем собранных средств, привлеченных во время ICO

Гипотеза 2

Установленный порог максимального объема собранных средств влияет на фактический объем собранных средств, привлеченных во время ICO

Гипотеза 3

Численность команды разработчиков влияет на фактический объем собранных средств

Гипотеза 4

Наличие технического документа влияет на фактический объем собранных средств

Гипотеза 5

Принятие фиатных валют для инвестирования влияет на фактический объем собранных средств

Гипотеза 6

Принятие Ethereum для инвестирования влияет на фактический объем собранных средств

Гипотеза 7

Принятие Bitcoin для инвестирования влияет на фактический объем собранных средств

Гипотеза 8

Количество принимаемых криптовалют для инвестирования влияет на фактический объем собранных средств

Гипотеза 9

Наличие бонусной программы в ходе кампании ICO влияет на фактический объем собранных средств

Для проверки этих гипотез была построена модель со следующим уравнением регрессии:

ln(coll)=0,73ln(min)+0,001success+0,74hard_cup+0,11ln(team)-0,05white_paper+0,19fiat-0,002eth+0,44btc-0,28ln(curr)-0,09bonus

Результаты данной модели можно увидеть в таблице 27.

Таблица 27 -- Модель для объяснения объема собранных средств

Источник: составлено автором

Как видно из результатов модели, статистически значимыми регрессорами на уровне значимости в 1% оказались только минимальный необходимый порог объема средств, успешность кампании, достижение максимального объема собираемых средств и константа, на уровне значимости в 5% -- учет Bitcoin для инвестирования в ICO проект.

Несмотря на относительно высокую объясняющую силу модели, данная модель, на наш взгляд, является неудовлетворительной, так как переменная Success является нелинейной комбинацией переменных Minimum и Collected ().

Следовательно, для построения более корректной модели необходимо исключить параметр Success из модели с зависимой переменной log_coll (логарифм значений фактически собранных средств). В результате получается следующее уравнение:

ln(coll)=0,5ln(min)+1,62hard_cup+0,18ln(team)-0,04white_paper+0,29fiat-0,07eth+0,45btc-0,12ln(curr)-0,001bonus

Результаты данной модели можно увидеть в таблице 28.

Таблица 28 -- Скорректированная модель для объяснения объема собранных средств

Источник: составлено автором

Видно, что объясняющая сила модели снизилась практически в два раза (с 0,62 до 0,39), однако на уровне значимости в 10% стали значимы два параметра - количество криптовалют, которые принимались для инвестирования в ходе ICO кампании, и учет биткоина в качестве актива для инвестирования. Также хотелось бы отметить, что близок к значимости на 10% уровне параметр, отражающий учет фиатных активов для инвестирования.

Выводы по главе 3

На основе проведенного регрессионного анализа можно сделать следующие выводы:

параметры численность команды разработчиков, наличие технического документа и бонусной программы статистически не значимы на стандартных уровнях значимости (0,01; 0,05 и 0,1), а потому не влияют на объем собранных средств во время ICO.

учет Ethereum в качестве актива для инвестирования оказался незначимым в силу того, что он был использован всеми компаниями, которые есть в выборке, а использование других криптовалют (Биткоина), их количество, а также возможность использовать фиатные валюты для инвестирования - статистически значимы на 10%. К примеру, учет Биткоина в качестве актива для инвестирования увеличивает объем собираемых средств на 45,13%, а учет фиатных валют - на 29,04%. Вместе с тем, увеличение количества криптовалют, которые можно использовать для инвестирования в ICO кампанию негативно влияет на объем собранных средств - каждая новая криптовалюта, принимаемая для привлечения инвестиций, снижает объем привлеченных средств на 12,3%;

увеличение минимального порога объема собираемых средств на 1% ведет к увеличению объема собранных средств на 0,005%, что говорит, несмотря на статистическую значимость параметра, о его незначительном влиянии на зависимую переменную;

достижение установленного порога максимального объема собираемых средств приводит к увеличению объема фактически собранных средств в среднем на 162%, то есть можно предположить, что в среднем у компаний, которые достигли ими же установленного потолка по объему собранных средств, в 1,62 раза больше средств, чем у других компаний, преодолевших свой минимальный порог. Это позволяет нам сделать предположение о том, что те компании, которые достигли своего максимума по объему собранных средств, имеют небольшую разницу между минимальной и максимальной установленной планкой сбора.

Подводя итоги результатов проведенного исследования, можно сделать вывод, что на объем фактически собранных средств в ходе ICO кампании наибольшее влияние имеет возможность инвестирования с помощью Bitcoin или фиатных валют, так как наибольшее число потенциальных инвесторов имеют возможность инвестировать с помощью данных активов. Вместе с тем, увеличение количества криптовалют, с помощью которых можно инвестировать в проекты, негативно сказывается на объеме привлекаемых средств, что, вероятно, указывает на недоверие со стороны инвесторов к проектам с большим спектром активов для вложения. Следовательно, можно предположить, что на данном этапе развития финансовых и блокчейн технологий инвестор характеризуется как относительно консервативный, так как доверяет проверенным временем активам для инвестирования (фиатные валюты и Биткоин).

Таким образом, компании, участвующей в привлечение инвестиций при помощи модели ICO, необходимо привлекать средства через фиатные валюты или Биткоин, чтобы увеличить вероятность успешного завершения данной кампании.

Заключение

В ходе работы были выявлены основные особенности модели ICO, которые заключаются в простоте привлечения инвестиций, отсутствие законодательных барьеров, низких издержках, относительной анонимности инвесторов. Возможность создания смарт-контрактов и использование технологии блокчейн позволяет компаниям определять порог привлекаемых средств, цену выпускаемых токенов, размер эмиссии и временные рамки процесса. Модель ICO включает в себя определенные стадии, каждая из которых представляет собой процесс подготовки и выхода на ICO. По мере прохождения стадий компания разрабатывает собственную стратегию и подходы к её реализации. Процесс ICO может проходить в несколько этапов, каждый из которых имеет свои особенности как для компании, так и для инвесторов.

Рост популярности криптовалют и спрос на новые проекты стали основными предпосылками появления модели ICO. ICO является сопутствующим продуктом криптовалюты, который служит источником появления новых аналогов на рынке. Новые криптовалюты способствуют улучшению существующей технической базы и функционала крипто-активов.

Сравнительный анализ ICO с традиционными каналами привлечения инвестиций показал, что механизмы данных каналов в определенной степени были заимствованы в модели ICO. Однако данный способ привлечения инвестиций позволяет привлечь финансирование на уровне идеи с минимальным количеством начального капитала. Неограниченное число инвесторов без гарантии доли в собственности, перспективный рынок и широкий выбор валюты делают данную модель особенно привлекательной для стартапов.

С точки зрения инвесторов, вложения в проекты ICO являются высоко рискованными, а рынок имеет высокую асимметрию информации в виде отсутствия общепринятых правил. Однако высокая ликвидность, повышенный уровень конфиденциальности и отсутствие порога инвестируемых средств являются конкурентными преимуществами данного способа и заслуживают особого внимания инвесторов.

Современное состояние рынка ICO в определенной степени зависит от состояния рынка криптовалют. Высокая волатильность и доминирование Биткойна в удельном весе криптовалют говорят об относительной незрелости рынка. Новые криптовалюты, появившиеся в результате ICO, еще не достигли максимума своей капитализации и не могут конкурировать по цене с Биткойном.

Рынок ICO характеризуется высокой страновой специализацией. Выбор страны зависит от уровня развития экономического климата и особенностей законодательства. В целом, компании привлекают средства для проектов, связанных со сферой услуг. Однако большинство выпускаемых в итоге продуктов связано с криптовалютой.

Модель ICO связана с определенными рисками как для компаний эмитентов токенов, так и для инвесторов. Основным риском является отсутствие общепринятого устоявшегося регулирования. Подходы к регулированию ICO в разных странах продолжают совершенствоваться. Большинство стран склонны к включению ICO в существующие регулятивные рамки либо созданию новых законодательных норм. Однако некоторые из них являются сторонниками строгого запрета ICO и операций, связанных с криптовалютой.

В ходе регрессионного анализа факторов, влияющих на успех ICO, было выявлено, что на объем фактически собранных средств в ходе ICO кампании наибольшее влияние оказывает возможность инвестирования с помощью Биткойна или фиатных валют. Благодаря чему можно предположить, что на данном этапе развития рынка ICO инвестор характеризуется как относительно консервативный, так как доверяет проверенным временем активам для инвестирования.

Подводя итог данного исследования, можно сделать вывод о состоятельности модели ICO как альтернативного канала привлечения инвестиций в международном бизнесе. Модель ICO является перспективным источником привлечения инвестиций, в особенности для стартапов. Ясность в нормативно-правовой базе и подходе к регулированию ICO может являться ключевым шагом для дальнейшего развития данной модели.

Список литературы

1. Корнилов Д., Зайцев Д., Корнилова Е. Современные формы краудфандинга и краудселинга, аналитика рынка ICO. // ИТпортал. 2017. №3 (15). URL: http://itportal.ru/science/economy/sovremennye-formykraudfandinga-i-k/

2. Alharby M., Aldweesh A., Moorsel A. Blockchain-based Smart Contracts: A Systematic Mapping Study of Academic Research. // ResearchGate. 2018. P. 2 URL: https://www.researchgate.net/publication/333748177_Blockchain-based_Smart_Contracts_A_Systematic_Mapping_Study_of_Academic_Research_2018

3. Alsuwaidi H. Venture Capital Research Paper. // ResearchGate. 2019. P. 4 URL: https://www.researchgate.net/publication/318673054_Venture_Capital_Research_Paper

4. Boreiko D., Sahdev N. To ICO or not to ICO - Empirical analysis of Initial Coin Offerings and Token Sales. // ResearchGate. 2018. P. 11 URL: https://www.researchgate.net/publication/326756824_To_ICO_or_not_to_ICO_-_Empirical_analysis_of_Initial_Coin_Offerings_and_Token_Sales

5. Chanson M., Gjoen J., Risius M., Wortmann F. Initial coin offerings (ICOs): The role of social media for organizational legitimacy and underpricing. // ResearchGate. 2018. P 1-2. URL: https://www.researchgate.net/publication/328064803_Initial_Coin_Offerings_ICOs_The_role_of_Social_Media_for_Organizational_Legitimacy_and_Underpricing

6. De Vauplane H. OVERVIEW OF ICO REGULATIONS AROUND THE WORLD. // Kramer Levin. 2018. URL: https://www.kramerlevin.com/images/content/4/6/v2/46184/181115-presentation-ICO.pdf

7. EY research: initial coin offerings (ICOs). // EY. 2017. URL: https://www.ey.com/Publication/vwLUAssets/ey-research-initial-coin-offerings-icos/$File/ey-research-initial-coin-offerings-icos.pdf

8. Fenu G., Marchesi L., Marchesi M., Tonelli R. The ICO phenomenon and its relationships with ethereum smart contract environment. // ResearchGate. 2018. URL: https://www.researchgate.net/publication/324099008_The_ICO_phenomenon_and_its_relationships_with_ethereum_smart_contract_environment

9. Framework for “Investment Contract” Analysis of Digital Assets. // SEC. URL: https://www.sec.gov/corpfin/framework-investment-contract-analysis-digital-assets

10. France Approves First ICO. // Bitcoin.com. URL: https://news.bitcoin.com/france-approves-first-ico/

11. ICO Market Monthly Analysis November 2019. // ICObench. 2019. URL: https://icobench.com/reports/ICObench_ICO_Market_Analysis_November_2019.pdf

12. ICO Market Weekly Review. // ICObench. 21.01.2020. URL: https://icobench.com/reports/ICO_Market_Weekly_Review-03_2020.pdf

13. Initial Coin Offerings (ICOs) for SME Financing. // OECD. 2019. URL: http://www.oecd.org/finance/ICOs-for-SME-Financing.pdf

14. Initial coin offerings. // PWC. URL: https://www.pwc.ch/en/industry-sectors/financial-services/fs-regulations/ico.html

15. Making sense of bitcoin, cryptocurrency and blockchain. // PWC. URL: https://www.pwc.com/us/en/industries/financial-services/fintech/bitcoin-blockchain-cryptocurrency.html

16. Masiak C., Block J., Masiak T., Neuenkirch M., Pielen K. Initial coin offerings (ICOs): market cycles and relationship with bitcoin and ether // Springer. 2019. URL: https://link.springer.com/article/10.1007/s11187-019-00176-3

17. Mendelson M. From Initial Coin Offerings to Security Tokens: A U.S. Federal Securities Law Analysis. // STANFORD TECHNOLOGY LAW REVIEW. 2019. Vol. 22:1. URL: https://law.stanford.edu/wp-content/uploads/2019/01/Mendelson_20180129.pdf

18. Myaloa A., Glukhov N. Factors of Success of Initial Coin Offering. Empirical Evidence from 2016-2019. // Finance: Theory and Practice. 2019;23(5):30-49.

19. Payment Tokens. // Medium. URL: https://medium.com/coinbundle/for-beginners-payment-tokens-2caae2fcc1d8

20. Perkins D. Cryptocurrency: The Economics of Money and Selected Policy Issues. // Congressional Research Service. 2020. Volume 3. URL: https://fas.org/sgp/crs/misc/R45427.pdf

21. The 3 Types of Tokens and Why They're Worth So Much. // Medium. URL: https://medium.com/block-16/the-3-types-of-tokens-and-why-theyre-worth-so-much-86e65703e320

22. Top 5 biggest scam projects in crypto history. // Medium. URL: https://medium.com/coinbundle/top-5-biggest-scam-projects-in-crypto-history-ef5ce879ded9

23. Zetsche D., Buckley R., Arner D., Fohr L. The ICO Gold Rush: It's a Scam, It's a Bubble, It's a Super Challenge for Regulators. // ResearchGate. 2018. URL: https://www.researchgate.net/publication/321381542_The_ICO_Gold_Rush_It's_a_Scam_It's_a_Bubble_It's_a_Super_Challenge_for_Regulators

Приложение 1

Сравнение платформ для проведения ICO

Платформа	Преимущества	Недостатки
Ethereum	Бесплатная установка Стандарт токена ERC?20 Собственный язык программирования Четкие рекомендации для разработчиков Доступность сопровождающей литературы Популярность	Перегрузка сети Трудность масштабирования Дороже аналогов Проблемы безопасности Уязвимость для хакеров
Waves	Простота создания собственных токенов Высокая скорость операций Разнообразный функционал	Перебои в системе Проблемы безопасности Небольшая база пользователей
Hyperledger fabric	Бесплатное использование Открытый исходный код Поддержка IBM Разнообразный функционал Возможность использования нескольких языков программирования	Невозможность создания собственных токенов
Stellar	Простота в использование Высокая производительность Низкие издержки использования	Не подходит для более сложных смарт-контрактов Недоработанное программное обеспечение
NEM	Простота в использовании (основан на языке Java) Масштабируемость Высокая производительность Высокий уровень безопасности	Небольшая база пользователей Небольшой набор инструментов Менее децентрализованный

Источник: Myaloa A., Glukhov N. Factors of Success of Initial Coin Offering. Empirical Evidence from 2016-2019. // Finance: Theory and Practice. 2019;23(5):30-49. P. 32

Приложение 2

Выборка ICO

компания	платформа	мин. сумма сбора (USD)	cобранно (USD)	success %	hard cup	кол-во чел в комаде	white paper	fiat	eth	btc	n_curr	bonus
Tixl	Separate bl.	1 000 000,00	1 250 000,00	25	0	8	1	1	1	1	5	1
Cryptoindex	Ethereum	3 000 000,00	11 037 891,00	267,9297	0	10	1	0	1	1	5	1
ETERBASE	Ethereum	1 600 000,00	7 200 000,00	350	0	5	1	0	1	1	2	1
2local	stellar	150 000,00	650 000,00	333,33333	0	18	0	1	1	1	5	1
JOYS	Ethereum	5 000 000,00	279 850,00	-94,403	0	22	0	0	1	1	4	1
Aenco	Ethereum	15 000 000,00	16 456 000,00	9,7066667	0	15	1	0	1	1	2	1
Max Crowdfund	Separate bl.	500 000,00	750 000,00	50	0	7	1	1	1	1	8	1
Minter	Separate bl.	1 900 000,00	6 336 000,00	233,47368	1	8	0	0	1	1	3	0
MyTVchain	Ethereum	1 000 000,00	2 000 000,00	100	0	10	1	1	1	1	6	1
Sylo	Ethereum	25 000 000,00	10 600 000,00	-57,6	0	21	1	0	1	0	1	0
TriipMiles	Ethereum	250 000,00	700 000,00	180	0	10	1	1	1	1	4	1
Verasity	Ethereum	4 000 000,00	4 000 000,00	0	0	15	1	0	1	1	2	0
Cryptocean	Ethereum	25 000 000,00	2 796 880,00	-88,81248	0	12	1	1	1	1	7	1
Lition	Ethereum	2 000 000,00	4 900 000,00	145	0	14	1	0	1	1	2	0
Ojooo	Ethereum	1 500 000,00	7 500 000,00	400	0	22	1	1	1	1	3	1
Phoneum	Ethereum	1 000 000,00	2 400 000,00	140	0	13	1	0	1	1	4	1
QuarkChain	Ethereum	4 000 000,00	4 000 000,00	0	1	7	1	0	1	0	1	1
Smart Valor	Ethereum	3 000 000,00	5 882 520,00	96,084	0	14	0	1	1	1	3	1
Azbit	Ethereum	6 500 000,00	9 000 000,00	38,461538	0	11	1	1	1	1	6	0
Bytus	Ethereum	8 000 000,00	21 000 000,00	162,5	1	15	1	0	1	1	3	1
Consentium	Ethereum	10 000 000,00	42 000 000,00	320	1	6	0	1	1	0	2	1
Contentos	Ethereum	20 000 000,00	31 230 000,00	56,15	1	5	1	0	1	0	1	0
ELIGMA	Separate bl.	3 000 000,00	11 377 277,00	279,24257	0	27	0	0	1	0	1	1
InnovaMinex	Separate bl.	10 000 000,00	4 000 000,00	-60	0	19	0	0	1	1	8	1
MoneyToken	Ethereum	3 000 000,00	37 189 195,00	1139,6398	1	7	0	0	1	1	4	1
Roobee	Ethereum	4 500 000,00	4 500 000,00	0	0	18	1	0	1	0	1	1
Solve.Care	Ethereum	3 000 000,00	20 000 000,00	566,66667	1	2	0	0	1	1	2	1
Spiking	Ethereum	2 000 000,00	32 230 000,00	1511,5	1	7	1	0	1	0	1	1
Unibright	Ethereum	2 200 000,00	12 604 551,00	472,93414	0	8	1	0	1	1	2	1
Volentix	eos	3 000 000,00	15 489 322,00	416,31073	0	10	1	0	1	1	4	1
aXpire	Ethereum	3 000 000,00	20 000 000,00	566,66667	1	13	1	0	1	1	2	0
BQT	Ethereum	2 000 000,00	37 000 000,00	1750	0	19	0	0	1	0	1	1
Cura Network	Ethereum	5 000 000,00	500 000,00	-90	0	6	1	0	1	1	4	1
DeStream	stratis	5 500 000,00	5 600 000,00	1,8181818	0	21	1	0	1	1	6	1
Holo	Ethereum	1 000 000,00	19 389 382,00	1838,9382	0	10	1	0	1	0	1	0
moolyacoin	Ethereum	3 000 000,00	25 000 000,00	733,33333	1	12	1	1	1	0	2	1
qiibee	Ethereum	3 000 000,00	8 460 000,00	182	0	18	1	1	1	1	10	1
Unibright	Ethereum	2 200 000,00	12 604 551,00	472,93414	0	8	1	0	1	1	2	1
V-ID	Ethereum	1 000 000,00	3 400 000,00	240	0	13	1	1	1	1	3	1
Vertex	Ethereum	3 000 000,00	3 000 000,00	0	0	12	1	0	1	1	2	0
WPP	Ethereum	5 000 000,00	59 780 000,00	1095,6	1	15	1	0	1	1	3	1
DreamTeam	Ethereum	2 000 000,00	10 106 035,00	405,30175	0	13	0	0	1	1	2	1
iOWN Token	Ethereum	1 200 000,00	1 500 000,00	25	0	12	1	0	1	0	1	1
LOLTOKEN	Ethereum	10 000 000,00	3 000 000,00	-70	0	21	1	0	1	0	1	0
Root Blockchain	Ethereum	1 000 000,00	1 000 000,00	0	0	5	0	0	1	0	1	1
Stacktical	Ethereum	1 000 000,00	1 170 000,00	17	0	5	1	0	1	0	1	1
Swipecrypto	Ethereum	480 000,00	1 800 000,00	275	1	15	0	0	1	1	5	0
TEMCO	rsk	5 000 000,00	19 000 000,00	280	1	12	0	0	1	1	3	0
Adab Solutions	Ethereum	2 500 000,00	7 251 100,00	190,044	0	11	0	0	1	1	2	1
aQuest	Ethereum	1 000 000,00	3 200 000,00	220	0	10	1	1	1	1	4	1
ARROUND	Ethereum	5 000 000,00	30 000 000,00	500	1	9	0	0	1	1	5	0
Auctus	Ethereum	1 634 000,00	3 770 005,00	130,72246	1	12	1	0	1	0	1	1
Bidooh	Ethereum	5 000 000,00	3 245 118,00	-35,09764	0	19	1	0	1	1	3	0
BitOrb	tomo	1 000 000,00	1 515 650,00	51,565	0	12	0	0	1	1	2	1
Brain Space	Ethereum	14 526 000,00	20 140 000,00	38,647942	0	4	1	0	1	1	2	0
BuratinoBS	Ethereum	3 000 000,00	10 150 000,00	238,33333	0	9	1	0	1	1	6	1
CargoCoin	Ethereum	5 000 000,00	5 000 000,00	0	0	15	1	1	1	1	4	1
Coupon Chain	Ethereum	4 000 000,00	2 000 000,00	-50	0	9	1	0	1	0	1	1
Crypt ON	Ethereum	4 000 000,00	3 750 450,00	-6,23875	0	12	0	0	1	1	7	1
Crypto Market Ads	Ethereum	70 000,00	100 000,00	42,857143	0	9	0	0	1	0	1	1
Cryptoprofile	Ethereum	1 162 556,00	1 397 988,00	20,25124	0	7	0	0	1	0	1	0
DexAge	Ethereum	5 000 000,00	6 068 720,00	21,3744	0	11	1	0	1	1	2	1
ECOMI	Ethereum	5 750 000,00	22 125 000,00	284,78261	0	15	0	1	1	0	2	1
Excolony	x11	1 000 000,00	1 128 000,00	12,8	0	9	0	0	1	0	1	1
Fanfare	Ethereum	4 000 000,00	9 000 000,00	125	0	7	0	0	1	0	1	1
Fidelity House	Ethereum	50 000 000,00	3 000 000,00	-94	0	24	1	0	1	0	1	1
Fiii	custom	15 000 000,00	10 708 813,00	-28,60791	0	24	0	0	0	1	2	1
FoodNation	Ethereum	1 200 000,00	150 000,00	-87,5	0	6	0	0	1	0	1	1
Fortem Capital	Ethereum	2 000 000,00	5 124 000,00	156,2	0	15	0	0	1	1	2	0
FortFC	Ethereum	2 000 000,00	785 876,00	-60,7062	0	33	0	1	1	1	3	1
FRELDO	Ethereum	500 000,00	20 172 828,00	3934,5656	1	15	1	1	1	1	3	1
Gastery	Ethereum	1 000 000,00	1 764 397,00	76,4397	0	7	0	0	1	1	4	1
Geeba	Ethereum	3 200 000,00	3 600 000,00	12,5	0	13	0	1	1	1	4	1
GigTricks	Ethereum	2 500 000,00	2 800 000,00	12	0	13	0	1	1	1	3	1
HighBank	Ethereum	5 000 000,00	5 000 000,00	0	0	15	1	0	1	1	3	0
HubrisOne	Ethereum	100 000,00	500 000,00	400	0	4	1	0	1	0	1	1
Humancoin	Ethereum	6 000 000,00	6 607 055,00	10,117583	0	4	0	0	1	0	1	1
IGT	Ethereum	1 000 000,00	1 664 444,00	66,4444	0	11	1	0	1	1	4	0
imusify	neo	1 000 000,00	1 607 008,00	60,7008	0	19	1	0	1	1	7	1
iOWN Token	Ethereum	1 200 000,00	1 500 000,00	25	0	12	1	0	1	0	1	1
Liker	Ethereum	1 400 000,00	14 000 000,00	900	1	22	1	0	1	0	1	1
Lynked.World	Ethereum	5 000 000,00	6 215 494,00	24,30988	0	21	1	0	1	1	2	1
Nagricoin	Ethereum	500 000,00	1 718 000,00	243,6	0	13	1	0	1	0	1	1
Neironix	Ethereum	1 000 000,00	3 003 664,00	200,3664	0	19	1	0	1	1	2	1
Okschain	Ethereum	4 725 000,00	9 765 266,00	106,6723	0	5	1	1	1	1	4	1
OPP Open WiFi	Ethereum	4 000 000,00	4 462 120,00	11,553	0	12	1	1	1	1	3	1
Opu Labs	Ethereum	2 000 000,00	2 000 000,00	0	0	24	0	0	1	1	2	1
Peculium	Ethereum	7 000 000,00	9 917 634,00	41,680486	0	35	0	0	1	0	1	1
Peoplewave	Ethereum	2 000 000,00	591 600,00	-70,42	0	19	0	1	1	1	3	1
Securix	Ethereum	3 000 000,00	5 000 000,00	66,666667	0	11	0	1	1	1	4	1
Snapparazzi	Ethereum	10 000 000,00	10 000 000,00	0	0	8	1	1	1	1	3	0
Solarex	Ethereum	5 000 000,00	2 100 000,00	-58	0	18	1	0	1	1	6	1
Stacktical	Ethereum	1 000 000,00	1 170 000,00	17	0	5	1	0	1	0	1	1
Swinca	pivx	10 000 000,00	5 325 000,00	-46,75	0	12	0	0	1	1	2	1
TEMCO	rsk	5 000 000,00	19 000 000,00	280	1	12	0	0	1	1	3	0
Terawatt	Ethereum	2 000 000,00	10 852 570,00	442,6285	0	5	1	0	1	1	2	1
TerraGreen	Separate bl.	5 000 000,00	6 724 000,00	34,48	0	13	1	0	1	1	5	1
Tokeneo	Ethereum	3 000 000,00	505 723,00	-83,14257	0	11	1	0	1	1	4	1
WatermelonBlock	nem	3 500 000,00	3 500 000,00	0	0	18	1	0	1	1	3	0
Winnest	Ethereum	3 500 000,00	4 776 404,00	36,468686	0	16	0	1	1	1	4	1
Zichain	Ethereum	3 000 000,00	3 300 000,00	10	0	21	0	0	1	1	3	1
Acorn Collective	Ethereum	7 000 000,00	15 000 000,00	114,28571	0	29	0	0	1	0	1	1
Aerum	Ethereum	3 000 000,00	5 123 054,00	70,768467	0	11	0	0	1	1	6	1
AgentMile	Ethereum	1 000 000,00	18 544 627,00	1754,4627	0	9	0	0	1	0	1	1
AllSesame	Ethereum	1 500 000,00	700 000,00	-53,33333	0	21	0	0	1	1	2	1
Alt.Estate	Ethereum	1 000 000,00	4 593 121,00	359,3121	0	13	1	0	1	1	2	1
ARAW	Ethereum	2 000 000,00	2 500 000,00	25	0	11	0	0	1	0	1	1
Beaxy Exchange	Ethereum	4 200 000,00	3 000 000,00	-28,57143	0	18	0	0	1	0	1	0
BitCanna	Separate blockchain	3 000 000,00	16 000 000,00	433,33333	0	19	1	1	1	1	3	0
Boomstarter.Network	Ethereum	3 000 000,00	3 480 368,00	16,012267	0	11	0	0	1	1	2	1
CEEK	Ethereum	10 000 000,00	17 344 575,00	73,44575	0	7	0	0	1	1	2	1
CryptoHIT	Ethereum	5 000 000,00	1 080 412,00	-78,39176	0	8	0	1	1	1	3	1
CYBR	Ethereum	2 000 000,00	2 000 000,00	0	0	7	1	0	1	0	1	0
Dacxi	Ethereum	3 000 000,00	3 000 000,00	0	0	13	0	0	1	1	2	0
Datareum	Ethereum	500 000,00	5 144 571,00	928,9142	0	9	0	0	1	0	1	1
DatEat	Ethereum	3 000 000,00	18 000 000,00	500	0	19	0	0	1	0	1	1
DateCoin	Ethereum	4 000 000,00	19 000 000,00	375	0	9	0	0	1	1	2	1
Donocle	Ethereum	10 000 000,00	10 000 000,00	0	0	14	1	0	1	1	2	1
EarthCycle	Waves	12 000 000,00	16 400 000,00	36,666667	0	4	1	0	1	1	2	1
Elysian	Ethereum	3 000 000,00	7 000 000,00	133,33333	1	12	0	0	1	0	1	1
Eternal Trusts	EOS	7 000 000,00	6 195 576,00	-11,49177	0	9	0	0	1	1	2	1
Etheal	Ethereum	4 800 000,00	820 000,00	-82,91667	0	7	1	0	1	0	1	0
Exolover	Ethereum	500 000,00	2 317 600,00	363,52	0	8	1	0	1	0	1	0
EXTRADECOIN	Ethereum	5 000 000,00	1 739 528,00	-65,20944	0	6	0	0	1	0	1	1
FinanceX	Ethereum	3 000 000,00	7 000 000,00	133,33333	0	16	0	0	1	1	2	1
Finlocale	Ethereum	2 000 000,00	2 520 000,00	26	0	5		0	1	1	2	1
Fluzcoin	Ethereum	10 000 000,00	10 000 000,00	0	0	7	0	0	1	1	2	0
GAMB	Ethereum	5 000 000,00	8 200 000,00	64	0	31	1	0	1	0	1	1
Grapevine	Ethereum	4 500 000,00	26 799 000,00	495,53333	0	7	1	0	1	1	4	1
Gric	Ethereum	1 000 000,00	17 114 775,00	1611,4775	0	8	1	0	1	1	4	1
Inmediate	Zilliqa	4 000 000,00	5 000 000,00	25	0	14	0	0	1	1	2	0
IronX	Ethereum	18 000 000,00	26 319 447,00	46,21915	0	21	1	1	1	1	3	1
Jibbit	Ethereum	1 000 000,00	920 000,00	-8	0	23	0	0	1	0	1	1
Jury.Online	Ethereum	3 000 000,00	3 927 409,00	30,913633	0	3	0	0	1	1	5	0
Kepler Token	Ethereum	5 000 000,00	13 700 000,00	174	0	12	0	0	1	1	2	1
Litenett	Ethereum	1 500 000,00	2 450 500,00	63,366667	0	9	0	1	1	0	2	1
Membrana	Ethereum	1 000 000,00	600 000,00	-40	0	11	0	1	1	1	5	1
Multiversum	Ethereum	5 000 000,00	21 403 270,00	328,0654	0	14	0	0	1	1	5	1
MyCryptoBank	EOS	3 000 000,00	3 000 000,00	0	0	16	0	0	1	1	6	1
Omnitude	Hyperledger	10 000 000,00	8 000 000,00	-20	0	12	1	0	1	1	3	0
Onam	Ethereum	2 500 000,00	2 000 000,00	-20	0	13	0	0	1	1	2	1
Online	Ethereum	5 000 000,00	50 000 000,00	900	1	11	0	0	1	1	2	1
Paymon	Ethereum	500 000,00	1 092 514,00	118,5028	0	12	0	0	1	1	2	1
Ponder	Ethereum	1 500 000,00	3 500 000,00	133,33333	0	13	0	0	1	0	1	1
PROOF OF TOSS	Ethereum	2 420 000,00	1 702 799,00	-29,6364	0	13	1	0	1	0	1	1
SKYFchain	Ethereum	5 000 000,00	6 200 000,00	24	0	14	1	0	1	1	2	1
SportsFix	NEM	2 000 000,00	2 000 000,00	0	0	10	0	0	1	0	1	1
Stips	EOS	4 400 000,00	1 400 000,00	-68,18182	0	11	1	0	1	1	6	1
Streamity	Ethereum	500 000,00	4 200 000,00	740	0	19	1	1	1	1	5	0
Swachhcoin	Ethereum	5 000 000,00	11 000 000,00	120	0	14	0	0	1	1	4	0
The 4th Pillar	Ethereum	2 320 000,00	1 000 000,00	-56,89655	0	36	1	0	1	0	1	1
Treon	Ethereum	4 000 000,00	1 137 000,00	-71,575	0	7	0	0	1	1	2	1
Vectorium Plus	Separate blockchain	1 500 000,00	626 152,00	-58,25653	0	15	1	1	1	1	9	1
VegaWallet	Ethereum	3 500 000,00	6 294 962,00	79,856057	0	13	0	1	1	1	4	0
VISO	Waves	3 000 000,00	1 000 000,00	-66,66667	0	6	0	0	1	1	3	1
WhenHub	Ethereum	35 000 000,00	4 000 000,00	-88,57143	0	9	1	0	1	0	3	1
Xriba	Ethereum	10 000 000,00	12 600 000,00	26	0	9	0	0	1	0	1	0
Yanu	Ethereum	1 000 000,00	1 130 500,00	13,05	0	15	0	0	1	1	5	1
YOUnited	Graphene	2 400 000,00	600 000,00	-75	0	20	1	0	1	1	3	1
Yumerium	Ethereum	3 000 000,00	3 000 001,00	3,333E-05	0	12	0	0	1	1	2	1
BASIS NEURO	Ethereum	5 000 000,00	9 000 000,00	80	0	12	0	0	1	0	1	0
BCNEX	Ethereum	2 000 000,00	1 000 000,00	-50	0	8	0	0	1	1	4	0
Biogen	Ethereum	3 000 000,00	750 000,00	-75	0	8	1	0	1	0	1	0
Bitozz	Ethereum	4 000 000,00	5 100 000,00	27,5	0	9	1	0	1	1	2	0
Crypto Circle eXchange	Ethereum	5 000 000,00	1 515 000,00	-69,7	0	13	1	0	1	0	1	1
Cryptoxygen	Ethereum	3 500 000,00	400 000,00	-88,57143	0	7	1	0	1	1	3	1
ELAD Network	Ethereum	55 000,00	502 563,00	813,75091	0	13	1	0	1	1	4	1
Enkidu	Ethereum	5 000 000,00	373 000,00	-92,54	0	4	0	0	1	1	2	1
Fox Trading	Ethereum	500 000,00	300 000,00	-40	0	8	1	0	1	1	2	1
GSC Platform	Ethereum	1 000 000,00	1 322 490,00	32,249	0	18	1	1	1	1	5	1
HetaChain	Ethereum	100 000 000,00	4 401 316,00	-95,59868	0	11	0	0	1	1	3	1
iLink2Music	Ethereum	3 500 000,00	1 006 359,00	-71,24689	0	15	1	1	1	1	12	1
Lucre	Ethereum	1 600 000,00	11 160 000,00	597,5	1	7	1	1	1	0	2	1
Memority	Ethereum	5 000 000,00	4 816 000,00	-3,68	0	16	1	1	1	1	5	1
MEvU	Ethereum	2 000 000,00	380 000,00	-81	0	9	0	0	1	0	1	1
MUST Protocol	Ethereum	6 700 000,00	4 760 000,00	-28,95522	0	10	0	1	1	1	3	1
NHCT	Ethereum	1 000 000,00	2 600 000,00	160	0	11	1	0	1	1	2	1
PBET	Ethereum	2 000 000,00	250 000,00	-87,5	0	14	0	0	1	1	3	0
Sidera	Ethereum	1 500 000,00	3 300 000,00	120	0	24	0	1	1	0	2	1
Spotcoin	NEO	5 000 000,00	14 500 000,00	190	0	22	1	1	1	1	6	1
Sword Coin	Ethereum	1 000 000,00	20 660 000,00	1966	0	9	0	1	1	1	3	1
The Sun Exchange	Ethereum	5 400 000,00	1 068 205,00	-80,21843	0	9	1	1	1	1	3	1
Tradingene	Waves	4 000 000,00	1 428 166,00	-64,29585	0	12	1	0	1	1	5	1
AdHive	Ethereum	2 000 000,00	12 000 000,00	500	1	10	1	1	1	1	3	1
Alive Casino	Ethereum	1 000 000,00	162 000,00	-83,8	0	8	1	0	1	0	1	0
Amon	Ethereum	3 000 000,00	1 332 600,00	-55,58	0	8	0	0	1	1	2	1
Auditchain	Ethereum	200 000,00	2 500 000,00	1150	0	8	1	0	1	1	4	1
Auricoin	Ethereum	40 000 000,00	80 000 000,00	100	1	25	1	1	1	1	8	1
Bitenny	Ethereum	3 000 000,00	378 716,00	-87,37613	0	9	1	0	1	0	1	0
BitRewards	Ethereum	3 000 000,00	6 583 400,00	119,44667	0	19	1	0	1	1	2	0
Block-Chain.com	Ethereum	100 000,00	1 047 028,00	947,028	0	9	1	0	1	1	4	0
BoatPilot	Ethereum	3 920 000,00	5 025 224,00	28,19449	0	6	0	0	1	1	4	0
Buzcoin	Ethereum	8 000 000,00	227 000,00	-97,1625	0	9	1	0	1	1	5	1
EMX	Ethereum	5 000 000,00	5 000 000,00	0	0	10	1	0	1	1	3	1
ENDO Protocol	EOS	5 000 000,00	5 000 000,00	0	0	20	0	1	1	1	4	0
ETHernitymining	Ethereum	2 500 000,00	2 500 000,00	0	0	5	1	0	1	0	1	1
FLOGmall	Ethereum	8 000 000,00	23 212 696,00	190,1587	0	23	0	0	1	1	3	1
GlitzKoin	Stellar	10 000 000,00	18 000 000,00	80	0	6	1	0	1	1	3	1
Global Funeral Care	Ethereum	200 000,00	200 000,00	0	0	3	1	0	1	1	4	1
Global REIT	Ethereum	5 000 000,00	12 450 870,00	149,0174	0	6	1	1	1	1	3	0
Hawk Network	Ethereum	10 000 000,00	10 000 000,00	0	0	6	1	0	1	0	1	1

Источник: составлено автором по данным ICObench URL: https://icobench.com/icos?

Размещено на Allbest.ru