Bittensor에는 거래와 밀접한 관련이 있는 두 개의 서브넷이 있습니다. Subnet 8 Propriety Trading Network와 Subnet 28 Foundry S&P 500 Oracle입니다. 현재 전자의 TAO 배출량 비율은 약 3.82%이고 후자의 경우 약 1.79%입니다. 그렇다면 현재 출력과 인센티브가 일치합니까? 그리고 앞으로 어떤 영역을 최적화할 수 있습니까?
서브넷 8 Propriety Trading Network（PTN）
배출량：3.82%（2024–07–15）
Github: https://github.com/taoshidev/proprietary-trading-network/tree/main
Subnet 8은 외환, 암호 자산(현재는 비트코인(BTC) 와 이더리움(ETH) 만 해당) 및 지수를 포함한 거래 가능한 자산을 제공하는 시뮬레이션 거래 시스템을 제공합니다. 거래자는 이러한 자산을 사전 정의된 규칙에 따라 거래하고 포트폴리오를 구축할 수 있습니다. 구체적인 규칙은 공식 문서 를 참조하세요.
채굴자 트레이더 역할을 하며 네트워크 내에서 롱/ 숏 거래 주문을 제출합니다. 검증자는 이러한 주문을 처리하고, 각 광부의 포트폴리오 성과를 실시간으로 추적하고, 채점 시스템에 따라 채굴자 순위를 매기는 일을 담당합니다. 처벌을 받지 않는 상위 25명의 채굴자 만이 TAO 배출 인센티브를 받습니다.
채점 및 페널티 메커니즘은 어떻게 작동하나요?
점수는 마이너 포트폴리오의 수익률, 오메가 비율, 소르티노 비율의 가중 조합을 기반으로 계산됩니다. 각 마이너가 받는 TAO 배출량의 비율은 점수 비율에 따라 결정됩니다.
그러나 광부가 높은 복합 점수를 가지고 있더라도 페널티를 받으면 인센티브를 받을 수 없습니다. 다음 상황 중 하나가 발생하면 채굴자 페널티를 받게 됩니다.
일관성 페널티 : 채굴자 연속 30일 동안 비교적 안정적인 거래 실적을 유지하지 못하면 페널티를 받게 됩니다. 안정적인 거래 실적에는 두 가지 측면이 포함됩니다.
- 채굴자 30일 중 최소 18일 이상 거래를 해야 합니다.
- 채굴자 포트폴리오의 순 가치는 과도한 단기 변동성( 6시간 이내에 표준 편차의 30배를 초과하는 변동 )을 보여서는 안 됩니다.
인출 패널티 : 최대 인출 범위는 0.25%~5%로 제한됩니다. 채굴자의 최대 인출이 0.25% 미만으로 떨어지거나 5%를 초과하면 패널티를 받게 됩니다. 이 인출 평가는 30일 성과 창뿐만 아니라 전체 거래 내역을 고려합니다.
예를 들어, Miner-5GhRddUNcwWSaaa8o5ipcYr4HLCYMg1WwH3rUWdF6RHgE581은 가장 높은 수익률 순위를 차지했지만 최대 인출률이 16%를 초과하여 페널티를 받았으며, 이로 인해 인센티브 할당이 거의 이루어지지 않았습니다. 이는 PTN이 안정적이고 비교적 보수적인 투자 전략을 장려한다는 것을 분명히 보여줍니다.
첫째, PTN은 스코어링 메커니즘에서 수익률만을 고려하는 것이 아니라 꼬리 위험과 하락 위험에 초점을 맞춘 오메가 비율과 소르티노 비율을 참조하기로 했습니다 . 또한, 다각화 개념은 PTN의 장기 목표에 구체화되어 있습니다. PTN은 단순히 특정 거래 모델을 훈련하는 것이 아니라 여러 뛰어난 거래 모델을 선택할 수 있는 매우 경쟁력 있는 시뮬레이션 거래 리더보드를 유지하는 것을 목표로 합니다. PTN은 이러한 상위 순위 모델의 포트폴리오를 순위에 따라 평균화하여 단일 모델에 대한 의존 위험을 줄이는 복합 포트폴리오를 도출합니다.
이 시뮬레이션 시스템은 모델이 낮은 하락률을 유지하는 동시에 특정 수준의 수익을 보장해야 하기 때문에 경쟁이 매우 치열해 보이지만, 우승한 모델을 대규모 실제 거래에 실제로 적용할 수 있을까요?
안타깝게도 시뮬레이션 시스템의 설계 결함으로 인해 우승한 모델이 시뮬레이션에서만큼 실제 거래에서는 좋은 성과를 거두지 못할 수도 있습니다.
시뮬레이션 시스템의 거래 규칙 설계에는 여러 가지 불합리한 측면이 있습니다.
1. 시장 유동성과 슬리피지 무시 : 모든 거래 주문은 실제 시장 상황을 반영하지 않는 지연이나 가격 변화 없이 시뮬레이션 시스템에 표시된 가격으로 완전히 실행됩니다.
2. 증거금 콜 가능성 무시 : 시뮬레이션 시스템은 증거금이 부족하거나 강제 청산 메커니즘이 없는 상황을 고려하지 않습니다.
3. 자본 활용 과장 : 각 거래 쌍의 최대 레버리지는 제한되어 있지만, 채굴자 의 전체 포지션에 대한 합리적인 레버리지 한도는 없습니다. 또한 모든 포지션이 마진을 공유할 수 있다고 가정하는데, 이는 실제 거래 시스템과 상당히 다릅니다.
4. 고정 차입 및 보유 비용 : 실제로 이러한 거래 비용은 시장 변동에 따라 달라집니다. 고정 금리는 이러한 비용을 과소평가하여 투자 수익률을 과장할 수 있습니다.
5. 제한된 주문 유형 : 시뮬레이션 시스템은 기본적으로 완전히 실행되는 시장 주문만 허용하며, 손절매나 이익실현과 같은 가장 기본적인 주문 유형도 지원하지 않아 전략의 유연성이 제한됩니다.
6. 지나치게 제한적인 거래 빈도 및 보유 기간 : 거래 빈도는 가장 빠른 경우에도 10초에 한 주문으로 제한되고, 가장 짧은 보유 기간도 15분 이상이어야 하며, 이로 인해 전략적 유연성도 제한됩니다.
시뮬레이션 시스템의 본질적인 결함은 실제 시장에 적용 시 승리하는 모델이 직면하는 문제를 더욱 심화시킵니다.
- 라이브 트레이딩에서 시장에 미치는 영향과 경쟁 압력 무시 : 시뮬레이션 시스템에서 트레이드를 실행할 수 있는지 여부는 동일한 실제 주문이 현실에서 채워질지 여부를 고려하지 않습니다. 또한 이러한 트레이드가 시장에 미치는 영향과 트레이딩의 반사성을 무시합니다.
- 승리하는 채굴자 꼬리 위험 과소평가 : 점수 매기기 메커니즘에는 꼬리 위험과 하락 위험에 대한 지표가 포함되어 있지만, 거래 규칙 설계의 결함으로 인해 실제 거래 비용이 과소평가되고 자본 활용이 과대평가될 수 있습니다. 이는 모델의 수익률을 과대평가하여 이러한 지표가 잠재적으로 부정확해질 수 있습니다.
실제로 채굴자 전략을 시장 거래에 사용하고 있는 사람이 있나요? 그리고 그 전략은 어떤 성과를 보이고 있나요?
이러한 전략을 따르는 제품이 시장에 출시되어 있기는 하지만, 실제 성과에 대해 확실한 결론을 도출하는 것은 여전히 어렵습니다.
Dale은 PTN에서 9위의 Miner인 Tarvis가 제공하는 신호를 기반으로 작동하는 트레이딩 봇입니다. 바이비트(Bybit) 에서 45일 동안 트레이딩을 해왔으며, 현재 168명의 사용자가 트레이드를 팔로우하고 있으며, 운영자산(AUM) 은 400,000 테더 USDT(USDT) 초과하고 총 수익은 20,000 테더 USDT(USDT) 에 가깝습니다.
Bittensor에게 Dale은 사용자가 Bittensor의 출력에서 혜택을 얻는 실제 응용 프로그램을 나타내므로 칭찬할 만한 시도입니다. 출시 이후 총 838명의 사용자가 Dale의 거래를 따랐습니다. 그 중 217명의 사용자가 수익을 냈고, 305명의 사용자가 손익분기점에 도달했으며, 316명의 사용자가 손실을 입었습니다. 가장 많은 수익을 올린 사용자는 130,556 테더 USDT(USDT) 사용하여 33일 동안 거래를 따랐고, 3,871 테더 USDT(USDT) 벌어 2.96%의 수익률을 달성했습니다. 반대로 가장 많은 손실을 본 사용자는 135,755 테더 USDT(USDT) 사용하여 7일 동안 거래를 따랐고, 7,503 테더 USDT(USDT) 잃었으며, 수익률은 -5.52%였습니다.
하지만 Tarvis의 전략에는 많은 외환 거래가 포함되어 있고, Dale은 Tarvis의 비트코인(BTC) 와 이더리움(ETH) 거래를 Tarvis의 포지션 크기 의 2배, 거래소 레버리지의 5배로만 복제하기 때문에 Tarvis의 실제 성과를 부분적으로만 반영할 수 있습니다.
게다가 수익률 +25.98%, 거래 승률 72%라는 인상적인 성과에도 불구하고, 전체 활동 기간이 불과 45일이고 대부분의 거래 수익이 6월 11일에서 6월 18일 사이의 주에 집중되었다는 점을 고려하면 이를 PTN이 홍보하는 안정적이고 지속적으로 수익성 있는 전략으로 평가하기는 어렵습니다.
또한, 거의 20,000 테더 USDT(USDT) 수익은 Dale과 봇 자체를 따르는 모든 사용자의 총 수익을 나타내며, 단순히 SN 8의 수익으로 해석되어서는 안 된다는 점을 명확히 해야 합니다. 심지어 최고의 검증자조차도 이 점을 오해할 수 있습니다.
검증자는 서브넷에 가중치를 할당하는 방법을 고려할 때 더 심각한 접근 방식을 취해야 합니다. 수익 창출이 유일한 척도가 되어서는 안 됩니다. 현재 출력과 미래 잠재력도 현재 인센티브 비율을 정당화해야 합니다. 배출량의 11.83%를 유지한다는 것은 SN 8에 매일 851.76 $TAO이 할당된다는 것을 의미하며, 이는 인센티브로 250,000달러 이상에 해당합니다. 총 거래 수익 20,000달러에 일일 릴리스 250,000달러를 보상하는 것은 분명히 좋은 거래가 아닙니다.
다시 말해, 현재 배출량이 3.82%이더라도 SN 8에 매일 275.04 $TAO가 할당된다는 의미입니다. 이렇게 큰 인센티브가 있으면 SN 8도 더 나은 성과를 낼 것입니다.
서브넷 28 파운드리 S&P 500 오라클
배출량：1.79%（2024–07–15）
Github: https://github.com/foundryservices/snpOracle
SN28은 S&P 500 지수 가격을 예측하는 네트워크를 구축합니다. 검증자는 미래의 타임스탬프를 채굴자 에게 보내고, 마이너는 타임스탬프 이후 5분 간격의 다음 6개에 대한 S&P 500 가격을 제공합니다. 검증자는 이러한 예측을 기록하고 예측이 실제 결과에 얼마나 가까운지에 따라 채굴자 점수를 매깁니다.
채점 메커니즘은 어떻게 작동하나요?
SN28은 두 가지 지표, 즉 제곱 평균 오차(RMSE)와 방향 정확도를 사용하여 채굴자 평가하며, 각 지표의 가중치는 50%입니다.
- 제곱 평균 오차(RMSE) : RMSE는 예측 값과 실제 값의 제곱 차이의 평균의 제곱근입니다. RMSE의 구체적인 공식은 다음과 같습니다.
RMSE 값이 작을수록 모델의 예측값이 실제 값에 가까워지며, 이는 모델의 예측 정확도가 높다는 것을 나타냅니다.
2. 방향 정확도 : 채굴자 정확한 값을 예측할 수 없더라도 예측된 변화 방향(상승 또는 하락)이 정확한 한 방향적으로 올바른 것으로 간주됩니다.
그렇다면 SN 28 채굴자 들이 내린 예측은 얼마나 정확할까?
지난 30일 동안의 백테스트 데이터를 기준으로 볼 때, 결과는 실망스럽습니다. 녹색 선은 실제 S&P 500 추세를 나타내는 반면, 다른 선은 채굴자 예측을 나타냅니다. 시각적으로 예측된 값과 실제 값 사이에 상당한 차이가 있으며, 방향 정확도가 항상 정확하지는 않다는 것을 분명히 보여줍니다.
더 나쁜 점은 SN 28이 경쟁적인 인센티브 서브넷으로 적합하지 않다는 것입니다. 다른 채굴자 간의 인센티브 차이는 미미하며, 어느 것도 두드러지지 않습니다. 현재 네트워크에는 312명의 채굴자 있으며, 최고 광부는 인센티브의 0.485%만 받고, 234명의 채굴자 각각 0.4% 이상을 받습니다. 이는 대부분 채굴자 의 예측 정확도가 매우 유사하며, 어느 것도 매우 정확하다고 볼 수 없음을 나타냅니다.
SN 28의 현재 성능을 고려하면 이러한 결과는 실질적인 가치가 거의 없습니다.
이 두 서브넷의 실제 작동을 이해한 후에는 다음과 같은 초기 질문에 답할 수 있습니다.
현재 생산량을 고려할 때, 인센티브가 과대평가된 것은 아닐까?
SN 8과 SN 28은 둘 다 현재의 인센티브를 정당화할 만큼 더 나은 성과를 보여야 합니다.
SN 8의 경우, TAO Emissions Top 5 Subnet으로서 수많은 결함이 있는 시뮬레이션 거래 시스템에만 의존하는 것은 설득력이 없을 가능성이 큽니다. 이러한 결함으로 인해 시뮬레이션에서 승리하는 전략이 실제 애플리케이션에서 제대로 작동하지 않을 수 있습니다. 시뮬레이션 시스템은 거래 비용을 과소평가하고 거래가 시장에 미치는 영향을 무시하여 일부 객관적인 지표가 채굴자 의 실제 성과를 정확하게 평가하지 못할 수 있습니다. PTN에서 성공하는 모델은 라이브 거래에 광범위하게 적용할 수 없습니다.
SN 28의 경우, 비연속적이고 부정확한 가격 예측은 실제 적용과는 더욱 거리가 멉니다. 채굴자 간의 효과적인 경쟁을 자극할 메커니즘이 부족하기 때문에, 최고 순위의 채굴자 예측조차도 신뢰할 수 없어서 거래 결정을 안내하는 데 적합하지 않습니다.
미래 최적화를 위한 영역
SN 8의 경우: 시뮬레이션 시스템의 결함을 수정하는 것 외에도 모델의 실제 성능을 스코어링 메트릭에 통합하는 것이 중요합니다. 시뮬레이션 시스템과 실제 시장 간에는 피할 수 없는 차이가 있기 때문에 사소한 차이조차도 시뮬레이션 성능과 실제 성능 간에 상당한 차이를 초래할 수 있습니다. 또한 실제 성능을 고려하면 채굴자 Dale과 유사한 제품을 더 많이 개발하도록 장려하여 Bittensor 출력이 실제 사용자에게 널리 사용되는 프로세스를 가속화할 수 있습니다.
SN 28의 경우: 즉각적인 우선순위는 채굴자 간의 효과적인 경쟁을 장려하고 예측의 정확도를 개선하기 위한 보다 포괄적인 채점 메커니즘을 확립하는 것입니다. 나아가 채굴자 산출물에 대한 실용적인 적용을 찾는 것이 필수적입니다. 예측이 순전히 예측을 위해 이루어진다면, 채굴자 간의 "복권 게임"에 TAO 배출량을 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. 바이비트(Bybit)
- https://github.com/foundryservices/snpOracle
- https://bittensor.foundrydigital.com/
- https://x.com/fish_datura/status/1806801342645583960?s=46&t=sfxHJI4f3g5nVyB50vFXPw
