Bittensor에는 거래와 밀접한 관련이 있는 두 개의 서브넷이 있습니다. 하나는 Subnet 8 Propriity Trading Network이고 다른 하나는 Subnet 28 Foundry S&P 500 Oracle입니다. 현재 전자의 TAO 배출 비율은 약 3.82%이고 후자는 약 1.79%입니다. 그렇다면 현재 생산량과 인센티브가 일치하며 향후 어떤 영역을 최적화할 수 있습니까?
서브넷 8 자산 거래 네트워크(PTN)
배출량: 3.82% (2024~07~15)
Github: https://github.com/taoshidev/proprietary-trading-network/tree/main
SN8은 외환, 암호화폐 자산(현재 BTC 및 ETH만 해당) 및 지수를 포함한 거래 대상을 갖춘 모의 거래 시스템을 제공합니다. 거래자는 확립된 규칙에 따라 이러한 목표를 거래하고 투자 포트폴리오를 구축할 수 있습니다. 구체적인 규칙은 공식 문서를 참조하세요.
채굴자는 트레이더의 역할을 하며 네트워크에 롱/숏 거래 지시를 제출합니다. 검증인은 이러한 지시를 처리하고 각 채굴자의 포트폴리오 성과를 실시간으로 추적하여 일련의 점수 기준에 따라 채굴자의 순위를 매깁니다. 상위 25위 및 처벌을 받지 않은 채굴자만이 TAO 배출 인센티브를 받게 됩니다.
채점 및 처벌 메커니즘은 어떻게 작동합니까?
점수는 오메가 비율과 소르티노 비율로 가중치를 적용한 채굴자 포트폴리오의 수익률을 기준으로 계산됩니다. 각 채굴자가 획득하는 TAO 배출량의 비율은 점수 비율에 따라 결정됩니다.
그러나 종합점수가 높아도 처벌받은 채굴자는 인센티브를 받을 수 없습니다. 다음 두 가지 상황이 발생할 경우 채굴자는 처벌을 받습니다.
첫째, 일관성 페널티(Consistency Penalty) 채굴자가 30일 연속으로 비교적 안정적인 거래 실적을 유지하지 못하는 경우 처벌을 받게 됩니다. 안정적인 거래 성과에는 두 가지 측면이 포함됩니다. 첫째, 채굴자는 활성 상태를 유지하고 30일 이내에 최소 18일 동안 거래해야 합니다. 둘째, 채굴자의 포트폴리오 순 가치는 단기간에 너무 높게 변동할 수 없습니다( 6시간 이내의 변동폭은 더 높음). 30배 기준 ).
둘째, 드로우다운 페널티(drawdown Penalty) 는 최대 드로우다운 범위를 0.25%~5%로 제한하며, 채굴자의 최대 드로우다운이 0.25%보다 낮거나 5%보다 높을 경우 페널티를 받게 됩니다. 더욱이, 최대 하락폭은 모든 과거 상황을 의미하며 30일 성과 기간에 국한되지 않습니다.
예를 들어 Miner-5GhRddUNcwWSaaa8o5ipcYr4HLCYMg1WwH3rUWdF6RHgE581의 수익률은 1위지만 최대 손실률이 16%를 초과하고 손실률 페널티가 적용되어 할당 인센티브가 거의 없습니다.
분명히 PTN은 건전하고 상대적으로 보수적인 투자 전략을 장려합니다.
우선, 채점 메커니즘 측면에서 단순히 수익률만 고려하는 것이 아니라 테일 리스크 와 하향 리스크 에 초점을 맞춘 두 지표인 오메가 비율과 소르티노 비율을 참고하기로 했습니다. 또한, 분산투자의 개념은 PTN의 장기 목표에도 반영됩니다. PTN은 단지 특정 거래 모델을 훈련시키는 것이 아니라, 경쟁이 치열한 모의 거래 순위를 유지함으로써 몇 가지 뛰어난 거래 모델을 선별하는 것을 목표로 합니다. 이러한 모델 포트폴리오의 순위 가중 평균은 집계된 포트폴리오를 생성하여 하나의 모델에 의존하는 리스크 완화합니다.
이러한 시뮬레이션 시스템은 경쟁이 매우 치열한 것으로 보입니다. 모델은 일정한 수익률을 보장해야 할 뿐만 아니라 낮은 손실률을 유지해야 합니다. 그러나 승리한 모델이 실제로 대규모 실제 거래에 투입될 수 있을까요?
불행하게도 시뮬레이션 시스템 설계의 결함으로 인해 승리한 모델은 시뮬레이션 시장에서만큼 실제 시장에서도 잘 작동하지 않을 수 있습니다.
거래 규칙을 설계하는 데에는 불합리한 부분이 많이 있습니다.
- 거래 과정에서 시장 유동성과 슬리피지는 무시됩니다 . 모든 거래 지시는 시뮬레이션 시스템의 호가에 따라 완전히 실행될 수 있으며 거래 지연이나 실제 거래 가격의 변화가 없으며 이는 명백히 실제 시장과 일치하지 않습니다.
- 청산 가능성은 무시됩니다 . 시뮬레이션 시스템은 보증금 부족 상황을 고려하지 않으며 강제 청산을 위한 메커니즘도 없습니다.
- 과장된 자본 활용 : 각 거래 쌍의 최대 레버리지는 제한되어 있지만 채굴자의 전체 포지션 에 대해 합리적인 레버리지 한도가 설정되어 있지 않으며 동시에 모든 포지션 보증금 공유할 수 있다고 가정합니다. 실제 거래 시스템의 중요한 차이점.
- 고정 차입 금리와 포지션 펀딩 금리는 비현실적입니다 . 실제로 이러한 거래 비용은 시장 변동에 따라 변하며, 고정 금리는 이러한 비용을 과소평가하여 투자수익률 과장할 수 있습니다.
- 지원되는 주문 유형이 너무 제한적입니다 . 시뮬레이션 시스템은 기본적으로 전체 시장 가격 주문만 수용하며 가장 기본적인 손절매 또는 이익 실현 주문 유형을 지원하지 않으므로 전략의 유연성이 제한됩니다.
- 거래 빈도 및 포지션 기간에 대한 과도한 제한 : 가장 빠른 거래 빈도는 10초마다 1개의 주문으로 제한되며, 가장 짧은 포지션 기간은 15분 이상이어야 하며 이는 전략의 유연성도 제한합니다.
시뮬레이션 시스템 자체의 본질적인 결함으로 인해 승리한 모델이 실제 시장에 적응하는 데 실패하는 경우도 발생합니다.
- 거래가 시장에 미치는 영향과 실제 거래에서의 경쟁 압력을 무시합니다. 시뮬레이션 시스템에서의 거래가 완료될 수 있는지 여부는 동일한 실제 주문이 실제로 완료되는지 여부를 나타내지 않으며 이러한 거래가 시장에 미치는 영향을 고려하지 않습니다. , 반사성 거래를 무시합니다.
- 승리한 채굴자에 포함된 꼬리 리스크 과소평가될 수 있습니다. 채점 메커니즘에는 꼬리 리스크 과 하향 리스크 측정하는 지표가 포함되어 있지만 거래 규칙 설계의 결함으로 인해 실제 거래 비용을 과소평가하고 자본 활용률을 과대평가하여 모델 수익이 다음과 같이 나타날 수 있습니다. 과대평가되었으며 이러한 측정항목은 정확하지 않을 수 있습니다.
그렇다면 실제로 채굴자들의 전략을 바탕으로 실제 거래를 안내하는 사람이 있을까요? 실제 성능은 어떨까?
이미 시장에 그러한 제품이 하나 있지만 이러한 전략의 실제 성과에 대한 결론을 도출하는 것은 여전히 어렵습니다.
Dale은 Tarvis (PTN 전체 9번째 채굴자)가 제공한 신호를 기반으로 거래하는 로봇입니다. Bybit에서 45일 동안 거래되었으며 현재 주문 후 사용자는 168명입니다. AUM은 400,000 USDT를 초과하고 총 이익은 20,000 USDT에 가깝습니다.
Bittensor에게 있어서 Dale은 가치 있는 시도입니다. 이는 실제 사용자가 Bittensor의 결과물을 즐기는 예입니다. 출시 이후 총 838명의 사용자가 주문을 따랐으며 그 중 217명의 사용자가 이익을 얻었고 305명의 사용자가 손익분기점을 달성했으며 316명의 사용자가 손실을 입었습니다. 가장 높은 이익을 얻은 사용자는 130,556 USDT를 사용하고 33일 동안 주문을 따르고 3,871 USDT를 얻었으며 2.96%의 반품률을 기록했습니다. USDT의 수익률은 -5.52%입니다.
그러나 Tarvis의 전략에는 많은 외환 거래가 포함되어 있고 Dale은 Tarvis의 BTC 및 ETH 거래를 복사하기 위해 10배의 레버리지만 사용하므로 Tarvis의 실제 성과를 부분적으로만 반영할 수 있습니다.
더욱이, 반품률(+25.98%)과 거래 성사율(72%) 측면에서 좋은 성적을 거두고 있지만, 전체 온라인 사용 시간이 45일에 불과하고, 거래 수익의 대부분이 6월 11일부터 6월까지 발생한다는 점을 고려하면, 18 이번주에는 PTN이 추진하는 만큼 안정적이고 지속적으로 수익을 창출하는 전략이라고 평가하기는 어렵다.
또한, 20,000 USDT에 가까운 수익은 모든 카피유저와 Dale의 총 수익이며, 단순히 SN 8의 수익으로 이해될 수 없다는 점을 명확히 할 필요가 있습니다. 수석 유효성 검사기조차도 이것을 혼동할 수 있습니다.
검증자는 서브넷에 가중치를 할당하는 방법에 대해 더 진지하게 생각해야 합니다. 소득 창출 여부가 유일한 지표가 되어서는 안 되며, 현재 성과와 미래 잠재력이 현재 인센티브 비율에 합당한지 여부도 고려해야 합니다. 배출량을 11.83%로 유지한다면 매일 851.76 $TAO가 SN 8에 할당된다는 의미이며 이는 $250,000 이상의 인센티브에 해당합니다. $250,000의 일일 릴리스를 사용하여 $20,000의 총 거래 이익을 보상하는 것은 분명히 좋은 거래가 아닙니다.
한 발 뒤로 물러나 오늘날의 배출량 약 3.82%를 기준으로 해도 매일 275.04 $TAO가 SN 8에 할당된다는 의미입니다. 인센티브가 너무 많아서 sn8도 더 잘해야합니다.
서브넷 28 Foundry S&P 500 Oracle
배출량: 1.79% (2024~07~15)
Github: https://github.com/foundryservices/snpOracle
SN28은 S&P 500 지수의 가격을 예측하는 네트워크를 구축했습니다. 검증자는 채굴자에게 향후 타임스탬프를 보낼 책임이 있으며, 채굴자는 타임스탬프 이후 6회 연속 5분 기간 동안 S&P 500의 가격을 제공해야 하며 이러한 예측을 기록하고 예측이 채굴자에게 얼마나 가까운지에 따라 점수를 부여해야 합니다. 실제 결과.
채점 메커니즘은 어떻게 작동하나요?
SN 28은 제곱평균제곱근 오차와 방향 정확도를 사용하여 광부를 평가하며 둘 다 가중치는 50-50입니다.
- 평균제곱근오차(Root Mean Square Error): 채굴자들의 예측값과 실제값의 매번 차이를 제곱한 값의 평균합의 제곱근. 구체적인 공식은 다음과 같습니다.
RMSE 값이 작을수록 모델의 예측값이 실제값에 가까워지고, 모델의 예측 정확도가 높아집니다.
2. 방향 정확도: 채굴자가 특정 값을 정확히 예측하지 못하더라도 예측된 변화 방향(위 또는 아래)이 정확하다면 방향성으로 간주됩니다.
그렇다면 SN 28에 대한 광부들의 예측은 얼마나 정확합니까?
지난 30일간의 백테스트 데이터로 판단하면 만족스럽지 못한 수준이다. 그 중 녹색 선은 S&P 500의 실제 추세를 나타내고, 나머지 선은 채굴자들의 예측을 나타냅니다. 예측값과 실제값의 차이가 작지 않고, 방향성이 항상 정확하지 않다는 것을 그림을 통해 직관적으로 알 수 있습니다.
게다가 SN 28은 경쟁을 장려하는 서브넷이 아닙니다.
서로 다른 채굴자들이 받는 인센티브의 차이는 매우 작으며, 그들의 성과도 뛰어나지 않습니다. 현재 네트워크에는 312명의 채굴자가 인센티브의 0.485%를 할당받고 있으며, 총 234명의 채굴자가 0.4% 이상 할당되어 있습니다. 이는 대부분의 채굴자의 예측 정확도가 비슷하지만 정확하지는 않음을 반영합니다.
SN 28의 현재 성능에 관한 한 이러한 결과는 실제적인 용도로 사용되지 않습니다.
이 두 서브넷의 실제 작동을 이해한 후 처음에 제기된 질문에 답해 보겠습니다.
현재 생산량을 고려할 때 인센티브가 과대평가되어 있습니까?
SN 8이든 SN 28이든 현재 인센티브를 받을 자격이 있으려면 더 잘해야 합니다.
SN 8의 경우 TAO 배출량 상위 5위 안에 드는 서브넷으로서 여전히 결함이 많은 시뮬레이션 거래 시스템에만 의존하여 대중을 설득하기 어렵습니다. 이러한 단점으로 인해 시뮬레이션에서의 승리 전략이 실제 적용에는 부적절할 수 있습니다. 시뮬레이션 시스템에서는 거래 비용이 과소평가될 수 있고 거래가 시장에 미치는 영향이 무시될 수 있어 일부 객관적인 지표가 채굴자의 실제 성과를 정확하게 평가할 수 없게 되어 PTN의 승리 모델이 실제로 널리 사용되지 않을 수 있습니다. 거래.
SN 28의 경우 불연속적이고 정확도가 낮은 가격 예측은 실제 적용에서 훨씬 더 멀리 떨어져 있습니다. 채굴자들 사이의 효과적인 경쟁을 자극하는 메커니즘이 부족하기 때문에 최상위 채굴자들의 예측조차도 거래를 안내하는 데 사용되기는커녕 신뢰할 수 없습니다.
앞으로는 어떤 영역을 최적화할 수 있나요?
SN 8의 경우 시뮬레이션 시스템의 허점을 수정하는 것 외에도 모델의 실제 성능을 점수 지표에 통합하는 것도 고려해야 합니다. 시뮬레이션된 시스템과 실제 시장의 차이는 불가피하기 때문에 작은 차이라도 실제 성능은 시뮬레이션 결과와 크게 다를 수 있습니다. 또한 실시간 성능을 고려하면 채굴자들은 Dale과 유사한 더 많은 제품을 개발하게 되어 실제 사용자가 널리 사용하는 Bittensor 출력 프로세스를 가속화할 수 있습니다.
SN 28의 최우선 과제는 채굴자가 효과적으로 경쟁하고 예측 결과의 정확성을 향상시킬 수 있도록 보다 완전한 채점 메커니즘을 개발하는 것입니다. 또한, Miner의 산출물에 대한 실제 적용 시나리오를 찾아야 합니다. 예측이 단지 예측을 위한 것이라면 채굴자들 사이의 "복권 게임"에 TAO 방출을 낭비할 필요가 없습니다.
참조
- https://github.com/taoshidev/proprietary-trading-network/tree/main
- https://docs.taoshi.io/ptn/miner/overview/
- https://dashboard.taoshi.io/miner/5GhCxfBcA7Ur5iiAS343xwvrYHTUfBjBi4JimiL5LhujRT9t
- https://dashboard.taoshi.io/miner/5G3ys2356ovgUivX3endMP7f37LPEjRkzDAM3Km8CxQnErCw
- https://www.bybit.com/copyTrade/trade-center/detail?leaderMark=TwqtPCVsAiXw/1F21f1byQ==&ref=NNBM3N&inviteUuid=2NDbnUXx+LO/7FrPoz5bKm0zT3hZuoOJVO646IKNUbKB038yNU1VuPD25xgDiFnA&af_xp=custom &pid= copy_trade&is_retargeting=true&c=copy_trade-web_to_app&af_force_deeplink=true
- https://github.com/foundryservices/snpOracle
- https://bittensor.foundrydigital.com/
- https://x.com/fish_datura/status/1806801342645583960?s=46&t=sfxHJI4f3g5nVyB50vFXPw
