Ein schülerorientiertes Modell für die Kryptoanalyse
Caja Inversora AI wendet stochastische Modellierung auf Preis- und Volumendaten an und veröffentlicht dann die resultierenden Signale, bevor ihre Ergebnisse bekannt sind. Die Schüler können die Begründung lesen, nicht nur das Ergebnis.
Jedes Signal wird mit einem Zeitstempel versehen und in der öffentlichen Aufzeichnung gespeichert, bevor sich die Märkte bewegen, sodass das Protokoll im Nachhinein nicht mehr bearbeitet werden kann.
Methodik
Das System basiert auf einer kleinen Anzahl von Ideen aus dem quantitativen Finanzwesen, die für Studierende ohne Statistikkenntnisse in einfache Sprache übersetzt wurden.
Kryptopreise bewegen sich teils zufällig, teils nach Mustern. Die stochastische Modellierung behandelt diese Zufälligkeit explizit und beschreibt nicht einen vorhergesagten Preis, sondern eine Reihe plausibler Ergebnisse und wie wahrscheinlich jedes einzelne davon ist.
Die Vorhersagevarianz ist ein Maß dafür, wie groß diese Bandbreite an Ergebnissen ist. Ein enger Bereich bedeutet, dass das Modell relativ sicher ist; Eine breite bedeutet, dass die Bedingungen instabil sind und jede Position entsprechend dimensioniert werden sollte.
Bei einem asymmetrischen Setup wird der potenzielle Verlust einer Position bewusst kleiner gehalten als der potenzielle Gewinn. Das Modell versucht nicht, die Richtung perfekt vorherzusagen; Es versucht, Einträge so zu strukturieren, dass es weniger kostet, wenn man falsch liegt, als wenn man richtig liegt.
Auftragsbuch, Volumen und Preisverlauf werden von mehreren Börsen abgerufen und auf einen gemeinsamen Zeitrahmen normalisiert.
Die Rohserie wird in Indikatoren umgewandelt, die das Modell über verschiedene Vermögenswerte hinweg vergleichen kann, wie z. B. Volatilitätscluster und Volumenverschiebungen.
Das Modell generiert eine Verteilung wahrscheinlicher Ergebnisse anstelle eines einzelnen Preisziels und schätzt die Varianz um dieses herum.
Eine Positionsgröße und ein Einstiegsbereich werden so berechnet, dass der Abwärtstrend im Verhältnis zum modellierten Aufwärtstrend begrenzt bleibt.
Von der Community verifizierte Ergebnisse
Signale werden aufgezeichnet, bevor ihr Ergebnis bekannt ist, und anschließend von anderen Benutzern auf der Plattform überprüft. Verlierersignale bleiben neben Gewinnsignalen im Protokoll.
| Datum der Protokollierung | Modellsignal | Realisiertes Ergebnis | Varianzband | Überprüfung |
|---|---|---|---|---|
| Illustrative Reihe | Reduziertes Engagement, Vermögenswert A | Innerhalb des modellierten Bereichs | Schmal | Bestätigt |
| Illustrative Reihe | Erhöhte Exposition, Vermögenswert B | Außerhalb des modellierten Bereichs | Breit | Wird überprüft |
| Illustrative Reihe | Keine Position, Vermögenswert C | Nicht zutreffend | Breit | Bestätigt |
Anschauliches Layout des historischen Leistungsdiagramms. Sobald ein öffentlicher Signalstapel ausgereift ist, wird diese Ansicht mit der entsprechenden realisierten Varianz für jeden Eintrag gefüllt.
Ein Signal wird als „Bestätigt“ markiert, sobald mindestens zwei unabhängige Community-Prüfer den protokollierten Eintrag, den Zeitstempel und das Ergebnis mit den rohen Austauschdaten verglichen und keine Diskrepanz festgestellt haben.
Jeder Eintrag trägt einen Zeitstempel, den zu diesem Zeitpunkt verwendeten Eingangsdaten-Snapshot und das resultierende Signal. Nachträgliche Bearbeitungen sind nicht möglich; Korrekturen werden als neue, gesondert datierte Einträge angehängt.
Risikomanagement
Kapitalbeschränkungen ändern, was „angemessenes Risiko“ bedeutet. Das Modell berücksichtigt dies direkt, anstatt von einem großen, diversifizierten Portfolio auszugehen.
Anstatt die erwartete Rendite zu maximieren, minimiert die Standardkonfiguration die Kosten, die ein einzelnes falsch eingeschätztes Signal verursachen kann. Die Bestimmung der Positionsgröße hängt von der modellierten Varianz ab: Wenn die Spanne wahrscheinlicher Ergebnisse größer wird, verringert sich die vorgeschlagene Exposition automatisch, anstatt gleich zu bleiben.
Dadurch wird das Risiko der Kryptomärkte, die von Natur aus volatil bleiben, nicht beseitigt. Es verändert die Lage dieses Risikos und hält jeden einzelnen Eintrag so klein, dass eine falsche Entscheidung keinen übergroßen Gewinn erfordert, um sich davon zu erholen.
Zuordnungsprofil
Der konservative Modus begrenzt die vorgeschlagene Positionsgröße und erweitert den erforderlichen Varianzschwellenwert, bevor ein Signal protokolliert wird. Dies ist die Standardeinstellung für neue Studentenkonten.
Kollektive Rezension
Der zentrale Anspruch der Plattform, dass ihre Protokolle korrekt sind, wird von den Nutzern überprüft und nicht als Glaubensgrund angenommen.
Das Modell generiert ein Signal und schreibt es mit Zeitstempel und Varianzband in das öffentliche Protokoll, bevor das Marktergebnis bekannt ist.
Sobald das Ergebnis verfügbar ist, kann jeder registrierte Benutzer den protokollierten Eintrag mit Rohdaten des Austauschs vergleichen und Inkonsistenzen kennzeichnen.
Einträge ohne Flags nach unabhängiger Prüfung werden als bestätigt markiert; Umstrittene Einträge bleiben mit dem angehängten Überprüfungsstatus sichtbar.
Zugang für Studierende
Der Beta-Zugang richtet sich an Universitätsstudenten, die die Argumentation eines Modells lesen möchten, bevor sie entscheiden, ob sie ihm folgen möchten.
Zu diesem Zeitpunkt wird keine Zahlung verlangt. Der Zugang wird eingeschriebenen Studierenden fortlaufend gewährt.