交易类Subnets如何能够做得更好？

07-20

Bittensor中，有两个与交易强相关的Subnets，一个是Subnet 8 Propriety Trading Network，另一个是Subnet 28 Foundry S&P 500 Oracle。如今，前者TAO Emissions的比例约为3.82%，后者约为1.79%。那么，他们目前的产出与激励是否匹配，未来还有哪些能够优化的地方？

Subnet 8 Propriety Trading Network（PTN）

Emission：3.82%（2024–07–15）

Github：https://github.com/taoshidev/proprietary-trading-network/tree/main

Staked $TAO amount by Root Network validators on SN 8 (Amount = Validator’s total staked * Validator’s weight on SN 8)

SN8提供了一个模拟交易系统，可供交易的标的包括外汇、加密资产（目前仅包括BTC和ETH）和指数。Traders能够按既定规则交易这些标的，构建投资组合。具体的规则可以参考：官方文档。

Miners扮演着Traders的角色，在网络中提交Long/Short交易指令；Validators负责处理这些指令，并实时追踪每个Miner投资组合的表现，根据一套评分标准给Miners排位，只有评分排名前25且未受到惩罚的Miners才会获得TAO Emissions激励。

评分机制和惩罚机制是如何运行的？

评分依据Miner投资组合的回报率、Omega比率和Sortino比率加权计算得出。每个Miner获得TAO Emissions的比例按得分所占比例决定。

不过，即使综合评分靠前，受到惩罚的Miners无法获得激励。如果发生了以下两种情况，Miners将受到惩罚。

第一，连贯性惩罚（consistency penalty），如果Miners无法在连续的30天内保持相对稳定的交易业绩，他将被惩罚。稳定的交易业绩包含两个方面：首先，Miners必须保持活跃，30天内至少有18天都进行过交易；其次，Miners的投资组合净值不能在短时间内有太高的波动（6小时内的波动高于30倍的标准）。

第二，回撤惩罚（drawdown penalty），最大回撤的范围被限制在 0.25% 到 5%，如果Miners的最大回撤低于 0.25% 或高于 5%，他将被惩罚。并且，最大回撤参考全部的历史情况，不受限于30天的业绩窗口期。

https://dashboard.taoshi.io/miner/5GhRddUNcwWSaaa8o5ipcYr4HLCYMg1WwH3rUWdF6RHgE581

例如，Miner-5GhRddUNcwWSaaa8o5ipcYr4HLCYMg1WwH3rUWdF6RHgE581，拥有排名第一的回报率，但是他的最大回撤超过16%，受到了回撤惩罚，导致几乎不被分配激励。

显而易见，PTN鼓励稳健、相对保守的投资策略。

首先，在评分机制上，选择参考Omega比率和Sortino比率这两个关注尾部风险和下行风险的指标，而不仅仅考虑回报率。此外，分散投资的理念也体现在PTN的长远目标上。PTN并不仅仅是为了训练出某个特定交易模型，而是希望通过维持一个高度竞争的模拟交易排位赛，从中筛选出若干个表现优异的交易模型。按照排名加权平均这些模型的投资组合，得出一个汇总后的投资组合，从而减轻依赖一个模型的风险。

这样的模拟系统看似竞争激烈，模型不仅要保证一定的收益率，还要保持较低的回撤，但从中胜出的模型能够真正被投入到大规模的实际交易中吗？

很遗憾，由于模拟系统设计的缺陷，胜出的模型未必能在实盘中有模拟盘中同样好的表现。

交易规则设计存在诸多不合理之处：

忽略了市场流动性和交易过程中的滑点：所有的交易指令都能按照模拟系统中的报价完全成交，不存在交易延迟和实际成交价格的变化，这与真实市场显然不符。
忽略了穿仓的可能性：模拟系统中没有考虑保证金不足的情况，没有强制清算的机制。
夸大了资金利用率：尽管限制了每个交易对的最大杠杆倍数，但没有给Miners的整体仓位设置合理的杠杆倍数限制；并且，同时假设了所有仓位能够共享保证金，与现实中的交易系统存在显著差异。
固定的借款利率和持仓资金费率不符合实际：现实中，这些交易成本都是随市场波动而变化的；固定的费率可能会低估这些成本，从而夸大投资回报率。
支持的订单类型过于有限：模拟系统本质上只接受市价完全成交类型的订单，并不支持包括最基本的Stop-loss或Take-profit类型的订单，这限制了策略的灵活性。
过度限制了交易频率和持仓期限：交易的最快频率被限制在每10秒一单，最短持仓周期也必须在15分钟以上，同样限制了策略的灵活性。

模拟系统本身固有的缺陷也会加剧胜出模型在真实市场的水土不服：

忽略了交易对市场的影响和实盘中的竞争压力：模拟系统中的交易是否能够成交并不参考现实中是否有相同的真实订单成交，也不考虑这些交易对市场造成的影响，忽略了交易的反身性。
胜出的Miners包含的尾部风险可能被低估：尽管在评分机制中包含了衡量尾部风险和下行风险的指标，但交易规则设计的缺陷可能低估了实际的交易成本、高估了资金利用率，从而导致模型的回报率被高估，这些指标未必准确。

那么，究竟有没有人在依据Miners的策略指导实盘交易呢？实际表现又如何呢？

尽管市场中已经有一款这样的产品，但依然很难给这些策略的实际表现下结论。

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

Dale是一款基于Tarvis（PTN中综合排名第九的Miner）给出的信号进行交易的机器人。它已经在Bybit上交易过45天，目前拥有168个用户跟单交易，AUM超过400,000 USDT，总盈利接近20,000 USDT。

对于Bittensor来说，Dale是一次值得肯定的尝试，它是真实用户享受到 Bittensor产出的实例。自上线以来，累计有838个用户跟单，其中有217个用户盈利，305个用户盈亏平衡，316个用户亏损。盈利最高的用户使用130,556 USDT，跟单33天，赚取了3,871 USDT，回报率2.96%；亏损最高的用户使用135,755 USDT，跟单7天，亏损了7,503 USDT，回报率-5.52%。

然而，由于Tarvis的策略包含许多外汇交易，而Dale只会用10倍杠杆复制Tarvis关于BTC和ETH的交易，只能够片面地反映Tarvis的实盘表现。

并且，尽管从收益率（+25.98%）和交易胜率（72%）来看表现不错，但考虑到整体上线时间只有45天，并且绝大多数的交易利润都来自6月11日到6月18日这一周，很难评价这是一个像PTN所宣传的，稳健且持续盈利的策略。

另外，需要澄清的是，接近20,000 USDT的利润是所有跟单用户和Dale的总盈利，并不能简单理解为是SN 8的收入。即使是头部的Validator也可能会混淆这一点。

https://x.com/fish_datura/status/1806801342645583960?s=46&t=sfxHJI4f3g5nVyB50vFXPw

Validators应该更严肃地考虑如何给Subnets分配Weight。是否产生收入不应该是唯一的指标，也应当考虑目前的产出和未来潜力能发配得上当前的激励比例。如果保持11.83%的Emissions，意味着每天有851.76枚 $TAO分配给SN 8，这相当于超过$250,000的激励。用每天$250,000的释放来奖励总计$20,000的交易利润，显然不是一笔划算的账。

退一步说，即使按如今约3.82%的Emissions，也意味着每天有275.04枚$TAO分配给SN 8。拥有如此多的激励，sn8同样应当做得更好。

Subnet 28 Foundry S&P 500 Oracle

Emission：1.79%（2024–07–15）

Github: https://github.com/foundryservices/snpOracle

Staked $TAO amount by Root Network validators on SN 28 (Amount = Validator’s total staked * Validator’s weight on SN 28)

SN28构建了一个预测S&P 500指数价格的网络。Validators负责发送未来的时间戳给Miners，Miners则要给出时间戳后连续6个5分钟的S&P 500的价格，Validators记录这些预测，并根据预测与实际结果的接近程度给Miners评分。

评分机制是如何运作的？

SN 28使用均方根误差和方向准确性来评价Miners，两者的权重是50–50。

均方根误差：Miners每次预测值与实际值之间差异的平方和的均值的平方根。具体公式如下：

RMSE 的数值越小，表示模型的预测值越接近实际值，模型的预测精度越高。

2. 方向准确性：即使Miners没有能准确预测具体数值，只要预测的变化方向（上涨或下跌）是正确的，就被认为是方向性正确。

那么，SN 28上Miners预测的准确性如何？

https://bittensor.foundrydigital.com/history?startDate=2024-06-15T16%3A00%3A00.000Z&endDate=2024-07-16T15%3A59%3A59.999Z

从近30天的回测数据看，是差强人意的。其中，绿色的线代表S&P 500实际走势，其余的线代表Miners的预测。从图中可以直观地看出，预测值与实际值的差距不小，并且方向性也不总是正确的。

更糟糕的是，SN 28很难称得上是一个激励竞争的子网。

不同Miners获得激励的差距很小，表现都不突出。目前，网络中共有312个Miners，排名第一的Miner分配到激励的比例是0.485%，而共有234个Miners的比例在0.4%以上。这反映了大部分Miners的预测准确性是接近的，都不称不上精准。

就SN 28目前的表现而言，这样的结果看不到有何实际用途。

了解完这两个Subnets的实际运行情况后，再来回答开头提出的问题。

考虑到目前的产出，激励是否被高估？

无论SN 8还是SN 28，都应当做得更好才能配得上当前的激励。

对于SN 8，作为TAO Emissions Top 5的Subnets，仅依靠一个仍有诸多缺陷的模拟交易系统是难以服众的。这些缺陷可能导致模拟中胜出的策略在实际应用中水土不服。模拟系统中，可能低估了交易的成本、忽略了交易对市场的影响，使得一些客观指标并不能准确评价Miners的实际表现，从PTN胜出的模型未必能够被广泛运用到实盘交易中。

对于SN 28，非连续、精度欠佳的价格预测距离实际应用则更加遥远。由于缺乏刺激Miners有效竞争的机制，即使是排名靠前的Miners给出的预测也是不可靠的，更不必提用来指导交易。

未来有哪些能够优化的地方？

对于SN 8，除了修复模拟系统的漏洞外，更应当考虑将模型的实盘表现纳入评分指标中。因为模拟系统与真实市场的差异是难以避免的，即使是微小的差异，也可能导致实际表现与模拟的结果相去甚远。并且，考虑实盘表现也将促使Miners开发出更多类似Dale的产品，加速Bittensor产出被真实用户广泛使用的进程。

对于SN 28，当务之急是制定更完备的评分机制，鼓励Miners有效竞争，提升预测结果的精度。除此之外，还应当为Miners的产出寻找实际应用的场景。如果只是为了预测而预测，没有必要将TAO Emissions浪费在Miners间的“彩票游戏”上。

Reference