内容简介:原标题:Numeraire(NMR):基于区块链技术的基金投资机器学习Numeraire(NMR)是Numerai的代币,Numerai 是一家由定量交易员 Richard Craib 建立的人工智能程式化投资基金。该公司通过建模用户与数据双匿名的方式,把加密数据开放给用户,让用户贡献模型,搭建人工智能模型,从而进行投资。Numerai 利用这些匿名用户提供的模型进行投资,然后根据模型的成功率给模型贡献者提供报酬。这些模型都采用机器学习的方式,允许算法随着时间的推移整合并适应新的信息。Numerai 还开
原标题:Numeraire(NMR):基于区块链技术的基金投资机器学习
Numeraire是什么
Numeraire(NMR)是Numerai的代币,Numerai 是一家由定量交易员 Richard Craib 建立的人工智能程式化投资基金。该公司通过建模用户与数据双匿名的方式,把加密数据开放给用户,让用户贡献模型,搭建人工智能模型,从而进行投资。Numerai 利用这些匿名用户提供的模型进行投资,然后根据模型的成功率给模型贡献者提供报酬。这些模型都采用机器学习的方式,允许算法随着时间的推移整合并适应新的信息。Numerai 还开发了自己的数字货币 Numeraire,数据科学家可以在提交结果的时候用 Numeraire 下注,最终根据实盘结果决定 Numeraire 筹码的增减。
Numeraire的使用
Numerai上的每个用户都有机会将NMR的token放在他们的预测上,以表达他们对模型的信心。 如果他们的预测是好的,他们会赚钱,他们的NMR会返回。 如果他们的预测很差,他们的NMR将被销毁。
对用户来说,最重要的使用指标是NMR的最大收获者是否也是最大的持有者,即鲸鱼是用户。 这正是Numerai正在发生的事情。
如果你进入Numerai的排行榜,并根据NMR的职业收入排序,你可以看到,排名前15的NMR收获人员中,有7人当前持有NMR。 因此,拥有最大NMR数量的参与者中有将近一半的人每周都会增持。 我不知道会有哪个单一的加密货币项目,其中token被其最大的持有者如此广泛而频繁地使用。
Numeraire效应
Numerai之所以要求数据科学家将NMR押注在他们的模型上,是因为只有好的模型才会获益并增持。 这也正在发生。
当Numerai用户提交预测时,他们还会对测试集提交预测。 用户在这个测试集上没有得到他们的性能反馈,他们甚至不知道我们的数据代表什么; 这确保了这个测试集的测试结果是严格的。
Numerai基于测试集的反向测试分析了未持有模型与已持有模型的夏普比率。 这是表现:
未持有的模型的夏普比率:1.66
持有NMR的模型的夏普比率:2.09
Numerai的后验有很多参数,例如如何将模型组合在一起,如何优化投资组合,以及如何估算交易成本。 通过上述夏普比率,假设对模型的权重相等,不承担交易成本,也不做任何优化。
夏普中的这种差异意味着持有者的模型可以获得更多的回报,同时回测中的波动率更低。 例如,对于相同的10%波动率,持有者的模型将获得20.9%,而未持有者模型只能获得16.6% - 对于对冲基金来说是一个很大的差异。
NMR是一个实用token的巨大成功案例。 它被广泛持有并被持有人使用。 NMR达到了Numerai一年前发表的白皮书的确切预期结果。 它设计精确的行为并提高Numerai模型的性能。
BB财经原创,作者:华尔街之狼,转载请注明出处:http://www.bbcaijing.cn/news/23762.html
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 今日推荐 | 加密投资基金Dragonfly:Libra标志数字货币迈入主流的时刻
- 火星一线 | 加密投资基金Dragonfly:Libra的意义就像1995年微软推出IE浏览器
- 区块链技术+区块链怎么赚钱?
- 区块链技术入门:区块链是什么
- 阿里申请可“行政干预”区块链专利,区块链变味?
- 中国区块链商学院:区块链基础知识
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Python科学计算(第2版)
张若愚 / 清华大学出版社 / 2016-4-29 / 118
本书介绍如何用 Python 开发科学计算的应用程序,除了介绍数值计算之外,还着重介绍了如何制作交互式二维、三维图像,如何设计精巧的程序界面,如何与 C 语言编写的高速计算程序结合,如何编写声音、图像处理算法等内容。本书采用 IPython notebook 编写,所有的程序均能在本书提供的运行环境中正常运行,书中所印刷的图表以及程序输出为均为自动运行的结果,保证了书中所有程序的正确性以及可读性。......一起来看看 《Python科学计算(第2版)》 这本书的介绍吧!