交易類Subnets如何能夠做得更好？

07-20

Bittensor中，有兩個與交易強相關的Subnets，一個是Subnet 8 Propriety Trading Network，另一個是Subnet 28 Foundry S&P 500 Oracle。如今，前者TAO Emissions的比例約為3.82%，後者約為1.79%。那麼，他們目前的產出與激勵是否匹配，未來還有哪些能夠優化的地方？

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提供了一個模擬交易系統，可供交易的標的包括外匯、加密資產（目前僅包括BTC和ETH）和指數。Traders能夠按既定規則交易這些標的，構建投資組合。具體的規則可以參考：官方文檔。

Miners扮演著Traders的角色，在網絡中提交Long/Short交易指令；Validators負責處理這些指令，並實時追蹤每個Miner投資組合的表現，根據一套評分標準給Miners排位，只有評分排名前25且未受到懲罰的Miners才會獲得TAO Emissions激勵。

評分機制和懲罰機制是如何運行的？

評分依據Miner投資組合的回報率、Omega比率和Sortino比率加權計算得出。每個Miner獲得TAO Emissions的比例按得分所佔比例決定。

不過，即使綜合評分靠前，受到懲罰的Miners無法獲得激勵。如果發生了以下兩種情況，Miners將受到懲罰。

第一，連貫性懲罰（consistency penalty），如果Miners無法在連續的30天內保持相對穩定的交易業績，他將被懲罰。穩定的交易業績包含兩個方面：首先，Miners必須保持活躍，30天內至少有18天都進行過交易；其次，Miners的投資組合淨值不能在短時間內有太高的波動（6小時內的波動高於30倍的標準）。

第二，回撤懲罰（drawdown penalty），最大回撤的範圍被限制在 0.25% 到 5%，如果Miners的最大回撤低於 0.25% 或高於 5%，他將被懲罰。並且，最大回撤參考全部的歷史情況，不受限於30天的業績窗口期。

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

例如，Miner-5GhRddUNcwWSaaa8o5ipcYr4HLCYMg1WwH3rUWdF6RHgE581，擁有排名第一的回報率，但是他的最大回撤超過16%，受到了回撤懲罰，導致幾乎不被分配激勵。

顯而易見，PTN鼓勵穩健、相對保守的投資策略。

首先，在評分機制上，選擇參考Omega比率和Sortino比率這兩個關注尾部風險和下行風險的指標，而不僅僅考慮回報率。此外，分散投資的理念也體現在PTN的長遠目標上。PTN並不僅僅是為了訓練出某個特定交易模型，而是希望通過維持一個高度競爭的模擬交易排位賽，從中篩選出若干個表現優異的交易模型。按照排名加權平均這些模型的投資組合，得出一個彙總後的投資組合，從而減輕依賴一個模型的風險。

這樣的模擬系統看似競爭激烈，模型不僅要保證一定的收益率，還要保持較低的回撤，但從中勝出的模型能夠真正被投入到大規模的實際交易中嗎？

很遺憾，由於模擬系統設計的缺陷，勝出的模型未必能在實盤中有模擬盤中同樣好的表現。

交易規則設計存在諸多不合理之處：

忽略了市場流動性和交易過程中的滑點：所有的交易指令都能按照模擬系統中的報價完全成交，不存在交易延遲和實際成交價格的變化，這與真實市場顯然不符。
忽略了穿倉的可能性：模擬系統中沒有考慮保證金不足的情況，沒有強制清算的機制。
誇大了資金利用率：儘管限制了每個交易對的最大槓桿倍數，但沒有給Miners的整體倉位設置合理的槓桿倍數限制；並且，同時假設了所有倉位能夠共享保證金，與現實中的交易系統存在顯著差異。
固定的借款利率和持倉資金費率不符合實際：現實中，這些交易成本都是隨市場波動而變化的；固定的費率可能會低估這些成本，從而誇大投資回報率。
支持的訂單類型過於有限：模擬系統本質上只接受市價完全成交類型的訂單，並不支持包括最基本的Stop-loss或Take-profit類型的訂單，這限制了策略的靈活性。
過度限制了交易頻率和持倉期限：交易的最快頻率被限制在每10秒一單，最短持倉週期也必須在15分鐘以上，同樣限制了策略的靈活性。

模擬系統本身固有的缺陷也會加劇勝出模型在真實市場的水土不服：

忽略了交易對市場的影響和實盤中的競爭壓力：模擬系統中的交易是否能夠成交併不參考現實中是否有相同的真實訂單成交，也不考慮這些交易對市場造成的影響，忽略了交易的反身性。
勝出的Miners包含的尾部風險可能被低估：儘管在評分機制中包含了衡量尾部風險和下行風險的指標，但交易規則設計的缺陷可能低估了實際的交易成本、高估了資金利用率，從而導致模型的回報率被高估，這些指標未必準確。

那麼，究竟有沒有人在依據Miners的策略指導實盤交易呢？實際表現又如何呢？

儘管市場中已經有一款這樣的產品，但依然很難給這些策略的實際表現下結論。

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是一款基於Tarvis（PTN中綜合排名第九的Miner）給出的信號進行交易的機器人。它已經在Bybit上交易過45天，目前擁有168個用戶跟單交易，AUM超過400,000 USDT，總盈利接近20,000 USDT。

對於Bittensor來說，Dale是一次值得肯定的嘗試，它是真實用戶享受到 Bittensor產出的實例。自上線以來，累計有838個用戶跟單，其中有217個用戶盈利，305個用戶盈虧平衡，316個用戶虧損。盈利最高的用戶使用130,556 USDT，跟單33天，賺取了3,871 USDT，回報率2.96%；虧損最高的用戶使用135,755 USDT，跟單7天，虧損了7,503 USDT，回報率-5.52%。

然而，由於Tarvis的策略包含許多外匯交易，而Dale只會用10倍槓桿複製Tarvis關於BTC和ETH的交易，只能夠片面地反映Tarvis的實盤表現。

並且，儘管從收益率（+25.98%）和交易勝率（72%）來看錶現不錯，但考慮到整體上線時間只有45天，並且絕大多數的交易利潤都來自6月11日到6月18日這一週，很難評價這是一個像PTN所宣傳的，穩健且持續盈利的策略。

另外，需要澄清的是，接近20,000 USDT的利潤是所有跟單用戶和Dale的總盈利，並不能簡單理解為是SN 8的收入。即使是頭部的Validator也可能會混淆這一點。

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

Validators應該更嚴肅地考慮如何給Subnets分配Weight。是否產生收入不應該是唯一的指標，也應當考慮目前的產出和未來潛力能發配得上當前的激勵比例。如果保持11.83%的Emissions，意味著每天有851.76枚 $TAO分配給SN 8，這相當於超過$250,000的激勵。用每天$250,000的釋放來獎勵總計$20,000的交易利潤，顯然不是一筆劃算的賬。

退一步說，即使按如今約3.82%的Emissions，也意味著每天有275.04枚$TAO分配給SN 8。擁有如此多的激勵，sn8同樣應當做得更好。

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構建了一個預測S&P 500指數價格的網絡。Validators負責發送未來的時間戳給Miners，Miners則要給出時間戳後連續6個5分鐘的S&P 500的價格，Validators記錄這些預測，並根據預測與實際結果的接近程度給Miners評分。

評分機制是如何運作的？

SN 28使用均方根誤差和方向準確性來評價Miners，兩者的權重是50–50。

均方根誤差：Miners每次預測值與實際值之間差異的平方和的均值的平方根。具體公式如下：

RMSE 的數值越小，表示模型的預測值越接近實際值，模型的預測精度越高。

2. 方向準確性：即使Miners沒有能準確預測具體數值，只要預測的變化方向（上漲或下跌）是正確的，就被認為是方向性正確。

那麼，SN 28上Miners預測的準確性如何？

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

從近30天的回測數據看，是差強人意的。其中，綠色的線代表S&P 500實際走勢，其餘的線代表Miners的預測。從圖中可以直觀地看出，預測值與實際值的差距不小，並且方向性也不總是正確的。

更糟糕的是，SN 28很難稱得上是一個激勵競爭的子網。

不同Miners獲得激勵的差距很小，表現都不突出。目前，網絡中共有312個Miners，排名第一的Miner分配到激勵的比例是0.485%，而共有234個Miners的比例在0.4%以上。這反映了大部分Miners的預測準確性是接近的，都不稱不上精準。

就SN 28目前的表現而言，這樣的結果看不到有何實際用途。

瞭解完這兩個Subnets的實際運行情況後，再來回答開頭提出的問題。

考慮到目前的產出，激勵是否被高估？

無論SN 8還是SN 28，都應當做得更好才能配得上當前的激勵。

對於SN 8，作為TAO Emissions Top 5的Subnets，僅依靠一個仍有諸多缺陷的模擬交易系統是難以服眾的。這些缺陷可能導致模擬中勝出的策略在實際應用中水土不服。模擬系統中，可能低估了交易的成本、忽略了交易對市場的影響，使得一些客觀指標並不能準確評價Miners的實際表現，從PTN勝出的模型未必能夠被廣泛運用到實盤交易中。

對於SN 28，非連續、精度欠佳的價格預測距離實際應用則更加遙遠。由於缺乏刺激Miners有效競爭的機制，即使是排名靠前的Miners給出的預測也是不可靠的，更不必提用來指導交易。

未來有哪些能夠優化的地方？

對於SN 8，除了修復模擬系統的漏洞外，更應當考慮將模型的實盤表現納入評分指標中。因為模擬系統與真實市場的差異是難以避免的，即使是微小的差異，也可能導致實際表現與模擬的結果相去甚遠。並且，考慮實盤表現也將促使Miners開發出更多類似Dale的產品，加速Bittensor產出被真實用戶廣泛使用的進程。

對於SN 28，當務之急是制定更完備的評分機制，鼓勵Miners有效競爭，提升預測結果的精度。除此之外，還應當為Miners的產出尋找實際應用的場景。如果只是為了預測而預測，沒有必要將TAO Emissions浪費在Miners間的“彩票遊戲”上。

Reference