一文了解 Bumper 利用人工智能助力DeFi风险管理

47 0 2024-06-14
作者:revelointel 来源:substack 翻译:善欧巴,本站AI是目前加密货币领域最强大的叙事之一,如果不是最强大的话;而且它在短期内不会消失。就在昨天,苹果宣布与OpenAI进行重大整合,将生成性AI应用带到用户手中。NVDA(英伟达)继续飙升,引起了希望更多接触行业的加密货币原生人士的兴趣。虽然加密货币中确实有对邻近资产的需求,但实际上将AI纳入运营的项目并不多...在本文中,我们将重点关注Bumper。Bumper以保护下行风险为初始前提,正在将AI引向一个新方向。Bumper

作者:revelointel 来源:substack 翻译:善欧巴,本站

AI是目前加密货币领域最强大的叙事之一,如果不是最强大的话;而且它在短期内不会消失。就在昨天,苹果宣布与OpenAI进行重大整合,将生成性AI应用带到用户手中。NVDA(英伟达)继续飙升,引起了希望更多接触行业的加密货币原生人士的兴趣。虽然加密货币中确实有对邻近资产的需求,但实际上将AI纳入运营的项目并不多...

在本文中,我们将重点关注Bumper。Bumper以保护下行风险为初始前提,正在将AI引向一个新方向。Bumper是一个新颖的DeFi协议,通过提供一种简单、公平且去中心化的对冲价格风险的方法,来增强传统衍生品市场。该协议利用一种损失预防工具,提供针对市场崩溃和下行波动的价格保护。Bumper的理念围绕在风险市场中建立公平的收益和损失分配程序。与传统的对抗性市场(通常有赢家和输家)不同,Bumper的动机是创建一个促进公平和资源正当分配的系统。Bumper的目的是提供一个互助价格风险设施,优先考虑最小化个人损失而不是最大化个人利润。通过关注风险管理和保护,Bumper旨在为DeFi生态系统中的参与者创造一个更安全和可靠的环境。

如你所知,加密货币本质上是波动性的;在有效保留上行潜力的同时限制下行风险可能很困难。这是Bumper的AI整合大放异彩的领域;团队利用AI帮助预测价格走势,从而为用户提供更高的收益、更低的保费、提高效率和偿付能力。

Bumper背景

Bumper是一个典型的致力于通过AI改进其现有协议的项目。正如预期的那样,Bumper的AI整合策略围绕三个关键的AI技术栈,每个技术栈旨在解决特定挑战并增强协议的能力:

  • 价格预测

  • 情绪分析

  • 技术分析

为了验证其预测模型的准确性和有效性,Bumper采用了一种专有的基于代理建模(ABM)方法。ABM是一种计算技术,通过模拟自主代理(如个人、群体或实体)的动作和交互来评估它们对整体系统的影响。这些代理遵循预定义的规则,并可以根据其经验和交互进行学习、适应和进化。

代理很重要,因为Bumper作为一个双边市场的做市商和接受者运作:一方的用户通过锁定底价来对冲风险并支付保费,另一方的用户存入稳定币流动性以赚取收益。为了满足市场双方的需求,需要优化保费成本的定价:如果太贵,接受者不会参与;如果太便宜,则对做市商来说不具有吸引力,因为他们需要承担风险。随着价格波动和波动性的变化,找到一个平衡点变得更加复杂。这就是为什么Bumper的ABM工具如此重要,因为它可以根据实时波动性动态调整保费价格,吸收LLMs(大型语言模型)的信号,预见市场趋势并主动重新平衡。

通过这种支持AI整合策略的ABM方法,Bumper预测其协议效率将经济性提高5-25%,有效平衡更低保费、更高收益和偿付能力强度的三难困境。

价格预测

第一个AI技术栈与价格预测相关,利用一个700亿参数的大型语言模型(LLM)。Bumper用金融数据训练了这个LLM,包括比特币价格数据集的价格(开盘价、最高价、最低价、收盘价)和成交量指标。LLM使用人类反馈的强化学习(RLHF)进行微调,奖励那些与实际价格数据相匹配的预测模型。下图展示了使用Bumper的700亿参数LLM对比特币进行价格预测的可视化表示。

yqcRRA2Si0r5J8uQo4dhdFS85OeqZ1wkzQhJVnRw.png

最初基于每日开盘价/收盘价进行训练,后来改为每小时数据,最终目标是纳入tick数据以获得更高的精度。由于$BTC tick数据包含数百TB的数据量,因此它使用检索增强生成(RAG)将关系数据库信息转换为数据向量。RAG技术不仅提高了LLM性能,还促进了多种实时资产价格数据流的集成,这是RLHF在现有LLM上下文窗口内的关键。

情绪分析

第二个AI技术栈专注于情绪分析。通过利用一个预训练的80亿参数的大型语言模型(LLM),Bumper能够分析大量的金融自然语言处理(NLP)数据,以前所未有的粒度把握市场情绪。通过微调和高级NLP技术,Bumper获得了关于投机者态度的宝贵见解,从而更深入地了解市场动态和趋势。

Bumper的预训练LLM摄取了广泛的金融NLP数据,将情绪分类成详细的评分和分布,以提供对市场情绪的细致理解。该模型使用双向编码器表示(BERT)进行微调,以标记意见、态度和情感,并通过专门的NLP培训来识别特定的金融词汇。

BERT是一种由谷歌开发的最先进的自然语言处理(NLP)模型。它通过同时考虑目标词前后的词来理解句子中词的上下文,而不仅仅是前面的词。这种双向方法使BERT能够捕捉到一个词的完整上下文,从而更准确地解释其含义。

LLM配备了注意力机制,使模型在确定上下文和基于变压器的结构时能够权衡句子中不同词的重要性,从而有效地辨别市场情绪和投资者行为,预测未来的市场趋势。

WdwXFOXVNQjt8E92UfjahTSxi9Clf7cq7yn2xNGl.png

技术分析

第三个AI技术栈专注于技术分析。Bumper正在开发一种新方法,通过训练一个大型语言和视觉助手(LLAVA),将基于视觉的价格图像分析与NLP驱动的技术指标解释相结合。这种集成使Bumper能够基于历史价格数据和市场趋势做出明智的决策。

该过程包括将历史比特币价格数据转换为图表图像。这些图像会标注技术标记,如支撑/阻力位、相对强弱指数(RSI)和移动平均收敛背离(MACD)。LLAVA模型处理这些视觉数据点和相关的NLP技术指标。

BcGXQm3kMoZiyJlvsm6HoglAivng6sz62fn1WaoD.png

这种端到端的多模态模型将视觉编码器与大型语言模型(LLM)连接起来,使系统能够分析和解释复杂的市场数据。此外,该模型结合了长短期记忆(LSTM)用于历史时间序列预测,增强了根据过去趋势预测未来市场走势的能力。

总结

Bumper项目通过将AI整合到其DeFi协议中,致力于在加密货币市场中提供更有效的风险管理解决方案。该项目利用价格预测、情绪分析和技术分析三大AI技术栈,结合基于代理建模(ABM)的方法,动态调整保费定价以适应实时市场波动。通过这种创新方法,Bumper不仅提高了协议的经济效率,还为参与者创造了一个更公平、安全和可靠的环境。这些技术的综合应用预计将使Bumper的协议效率提升5-25%,有效解决了降低保费、提高收益和增强偿付能力之间的平衡问题。

发表评论:

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。