暗号通貨分析のための学生向けモデル
暗号市場の予測モデルは、盲目的に信頼されるのではなく、チェックされるように構築されています。
Caja Inversora AI は、価格と出来高のデータに確率モデリングを適用し、結果が判明する前に結果のシグナルを公開します。生徒は結果だけでなく推論も読むことができます。
すべてのシグナルにはタイムスタンプが付けられ、市場が動く前に公開記録にロックされるため、後から考えてログを編集することはできません。
暗号通貨分析のための学生向けモデル
Caja Inversora AI は、価格と出来高のデータに確率モデリングを適用し、結果が判明する前に結果のシグナルを公開します。生徒は結果だけでなく推論も読むことができます。
すべてのシグナルにはタイムスタンプが付けられ、市場が動く前に公開記録にロックされるため、後から考えてログを編集することはできません。
方法論
このシステムは、定量的金融の少数のアイデアに基づいて構築されており、統計学の知識のない学生向けに平易な言葉に翻訳されています。
仮想通貨の価格は、部分的にはランダムに、部分的にはパターン化して変動します。確率モデリングはそのランダム性を明示的に扱い、1 つの予測価格ではなく、さまざまな妥当な結果とそれぞれの可能性を記述します。
予測分散は、結果の範囲がどの程度広いかを示す尺度です。範囲が狭いということは、モデルに比較的自信があることを意味します。幅が広いということは、状況が不安定であることを意味し、それに応じてポジションのサイズを調整する必要があります。
非対称セットアップとは、ポジションの潜在的な損失が潜在的なゲインよりも意図的に小さく保たれるセットアップです。モデルは方向を完全に予測しようとするわけではありません。間違っている場合のコストが正しい場合よりも低くなるようにエントリを構造化しようとします。
注文帳、出来高、価格履歴は複数の取引所から取得され、共通の時間枠に正規化されます。
生の系列は、ボラティリティ クラスタリングや出来高シフトなど、モデルが資産全体で比較できる指標に変換されます。
このモデルは、単一の目標価格ではなく、予想される結果の分布を生成し、その周囲の分散を推定します。
ポジションサイズとエントリー範囲は、モデル化された上値に対して下値が限定されるように計算されます。
コミュニティで検証された結果
シグナルは結果が判明する前に記録され、後でプラットフォーム上の他のユーザーによってレビューされます。負けたシグナルは、勝ったシグナルと一緒にログに残ります。
| 記録された日付 | モデル信号 | 実現された成果 | 分散バンド | 検証 |
|---|---|---|---|---|
| 例示的な行 | エクスポージャーの減少、資産 A | モデル化された範囲内 | 狭い | 確認済み |
| 例示的な行 | エクスポージャーの増加、資産 B | モデル化範囲外 | ワイド | 検討中 |
| 例示的な行 | ポジションなし、資産 C | 該当なし | ワイド | 確認済み |
過去のパフォーマンスチャートのレイアウト例。シグナルの公開バッチが完成すると、このビューには各エントリの対応する実現分散が取り込まれます。
少なくとも 2 人の独立したコミュニティ レビュアーが、ログに記録されたエントリ、タイムスタンプ、および結果を生の交換データと照合し、矛盾が見つからなかった場合、シグナルは「確認済み」とマークされます。
各エントリには、タイムスタンプ、その時点で使用された入力データのスナップショット、および結果の信号が含まれます。後で編集することはできません。修正は、日付を個別に付けた新しいエントリとして追加されます。
リスク管理
資本の制約により、「合理的なリスク」の意味が変わります。このモデルは、大規模で多様なポートフォリオを想定するのではなく、それを直接考慮しています。
デフォルト設定では、期待されるリターンを最大化するのではなく、単一の誤判定信号によるコストが最小限に抑えられます。ポジションのサイジングは、モデル化された分散に関連付けられます。つまり、起こり得る結果の範囲が広がると、推奨されるエクスポージャーは固定されたままではなく、自動的に縮小します。
これは、本質的に依然として不安定な仮想通貨市場からのリスクを取り除くものではありません。それはリスクの所在を変更し、単一のエントリーを十分に小さく保ち、間違ったコールから回復するために大きな勝利を必要としないようにします。
割り当てプロファイル
保守的モードは、推奨される位置サイズを制限し、信号が記録される前に必要な分散しきい値を広げます。これは、新しい学生アカウントのデフォルトです。
総評
ログが正確であるというプラットフォームの中心的な主張は、それを信じるのではなく、プラットフォームを使用する人々によってチェックされます。
シグナルはモデルによって生成され、市場の結果が判明する前にタイムスタンプと分散バンドとともに公開ログに書き込まれます。
結果が利用可能になると、登録ユーザーはログに記録されたエントリを生の交換データと比較し、不一致にフラグを立てることができます。
独立したレビュー後にフラグのないエントリは確認済みとしてマークされます。係争中のエントリは、レビューステータスが添付された状態で表示されたままになります。
学生のアクセス
ベータ アクセスは、モデルに従うかどうかを決定する前にモデルの推論を読みたい大学生を対象としています。
この段階では支払いは要求されません。アクセスは、登録済みの学生にローリングベースで許可されます。