TL; DR wAgEr прогнозирует процентные ставки с использованием методов ML, которые помогают фермерам / трейдерам приносить прибыль. Проект намерен стать частью рынка прогнозирования и стать строительным блоком в экосистеме DeFi.

Заявление об ограничении ответственности: в этой статье предполагается, что читатель знаком с денежными рынками и DeFi. Подробное вступление можно найти здесь. Обратите внимание, что статья не должна рассматриваться как инвестиционный совет.

Основные сведения: процентная ставка - это сумма, взимаемая за использование актива, выраженная в процентах от основной суммы. Годовая процентная доходность (APY) относится к полученным процентам, включая сложные проценты. Цель фермера, занимающегося выращиванием урожая, заключается в максимальном увеличении прибыли через APY за счет определения правильного актива для инвестирования. Чтобы было ясно: вложение в токен для спекуляции цен - это не выращивание урожая; кредитование на денежном рынке, такое как Aave, с прибылью, превышающей рост цен, - это выращивание урожая.

Строительный блок DeFi: прогнозы процентных ставок

Общая стоимость, заблокированная в DeFi, по данным DeFi pulse, увеличилась с 750 миллионов в апреле 2020 года до 2,25 миллиарда на 9 июля 2020 года. Выращивание урожая стало ракетным топливом, стоящим за этим увеличением, при этом около 70% стоимости заблокировано в кредитная платформа. С недостаточным обеспечением одноранговым кредитованием, приходящим на Aave процентные ставки или рынки прогнозов в целом приобретают все большее значение.

Рынок прогнозов, как он определен в CeFi или традиционных финансах, - это совокупность людей, спекулирующих на различных событиях - средними биржевыми показателями, ценами на сырьевые товары, квартальными результатами продаж или даже такими вещами, как результаты выборов. Это рыночный механизм, управляющий спросом, блокирующий предложение и объединяющий разрозненные мнения о стоимости активов. Важным подмножеством рынка прогнозов в CeFi являются процентные ставки.

Зачем вообще предсказывать процентные ставки?

Банковская ставка является строительным блоком традиционной экономики и определяет расчет процентных ставок по активам, влияя на решения о расходах. Он устанавливается страной на основе модели прогноза и является индикатором экономического роста.

Как показано слева, различные страны пытались предсказать влияние Covid19 путем снижения или снижения процентных ставок (за исключением Швеции, которая имеет отрицательный опыт процентных ставок. Однако большинство моделей прогнозирования не лучше, чем случайные блуждания. (Публикация по экономическому исследованию). »)

Как показано на графике Банка Англии, за десять лет в банковскую ставку были внесены небольшие изменения. Имея информированный прогноз этого движения, рынки могут упреждающе адаптироваться к меняющимся условиям.

Процентные ставки DeFi

В отличие от CeFi, рынок DeFi демонстрирует высокую степень волатильности процентных ставок, о чем свидетельствует сводная годовая ставка, показанная на диаграмме. Не существует «централизованной» регулирующей банковской ставки, которая обеспечивала бы направление и необходимое сглаживание ставок.

Волатильность, демонстрируемая составными ставками активов на стабильных монетах, делает задачу фермеров по урожайности опасной и делает экономику DeFi подверженной резким скачкам, как показано на диаграмме выше. Цель этого проекта - обеспечить индикатор направления процентных ставок, и прогнозировать процентные ставки. Был рассмотрен ряд методов машинного обучения и определены методы прогнозирования для применения.

Прогнозирование процентных ставок с использованием методов машинного обучения

Некоторые вещи прогнозировать легче, чем другие. Время восхода солнца завтра утром можно предсказать точно. С другой стороны, числа завтрашних лото нельзя предсказать с какой-либо точностью.

Предсказуемость события в основном зависит от нескольких факторов:

  1. насколько хорошо мы понимаем факторы, которые этому способствуют;
  2. сколько данных доступно;
  3. могут ли прогнозы повлиять на то, что мы пытаемся спрогнозировать.

В случае прогнозов процентных ставок в DeFi эта задача усугубляется волатильностью. На этом зарождающемся этапе DeFi (1) и (2) в некоторой степени хорошо изучены, существует значительный объем исторических данных, которые можно запросить, и факторы, влияющие на него, прозрачны на большинстве денежных рынков. (3) не оказывает влияния (на данный момент, однако с массовым внедрением wAgEr или аналогичных проектов прогнозирования в будущем это предположение окажет влияние и потребует более сложной модели).

Это заметное отличие от CeFi, где прогнозирование процентных ставок не лучше, чем случайные блуждания, что подтверждается этим исследованием Европейского центрального банка, и, таким образом, представляет огромные возможности.

Метод, используемый в этом проекте, основанный на его применимости к активам DeFi, - это ARIMA. Подробное введение можно найти здесь. ARIMA означает интегрированное скользящее среднее с авторегрессией, комбинацию авторегрессии, дифференцирования и скользящего среднего. Есть две категории моделей ARIMA: сезонные и несезонные. Использование несезонного варианта, также называемого ARIMA ( p, d, q ), где p = порядок авторегрессионной части; d = вовлеченная степень первого дифференцирования; q = порядок части скользящей средней.

Наша цель - обучить модель на основе наблюдаемых данных о процентных ставках и прийти к значениям p, d, q, которые наилучшим образом соответствуют прогнозируемым данным. В идеальном случае при работе с данными, которые являются стационарными временными рядами, ниже показаны прогнозируемые значения и 95% доверительный интервал. Это может быть достигнуто путем транспонирования данных либо с задержкой по времени, либо с помощью последовательных разностей, то есть предварительной обработки для достижения стационарности.

ВАЖНАЯ ИНФОРМАЦИЯ

Приведенный выше конвейер показывает, как WAGER работает изнутри. Конвейер можно разделить на три этапа: получение данных, машинное обучение, конечная точка / информационная панель.

Получение данных. На первом этапе проекта Aave использовался в качестве поставщика процентных ставок. Исторические данные по процентным ставкам необходимы для построения и обучения модели ARIMA, описанной в предыдущем разделе. vBR, sBR, т. е. переменные и стабильные ставки по займам, запрашиваются для последних 5000 значений вместе с процентными ставками. Это выполняется с помощью GraphQL. Отличное введение в GraphQL можно найти здесь, а также есть статья Aave о том, как его использовать здесь. Это очень полезно для этого проекта, поскольку нам не нужны настраиваемые конечные точки, и это очень упрощает интеграцию. Основываясь на опыте этого проекта, легче создавать образцы запросов и экспериментировать со схемами здесь, прежде чем работать над Python или JS. Ознакомьтесь с библиотекой графена Python здесь.

Машинное обучение:

Первым шагом в конвейерной части машинного обучения является транспонирование или предварительная обработка данных. Это необходимо для очистки данных, чтобы функции стали видимыми для анализа и преобразования в модель. Как объяснялось в предыдущем разделе, процентные ставки DeFi после очистки предоставляют атрибуты, которые можно использовать для выполнения прогнозов. Первым шагом в этой очистке может быть комбинация выполнения серии дифференциаций для достижения d в модели ARIMA (p, d, q). Нормализация может быть достигнута с помощью коэффициента натурального логарифма, а математические методы подробно описаны в этой статье.

Обучение модели включает использование нормализованных данных и сравнение их с прогнозами для оценки среднеквадратичной ошибки. Как показано слева, прогнозы с использованием обученной модели ARIMA с коэффициентами дают хорошее соответствие. В этом случае обученная модель DAI сравнивалась с процентными ставками за апрель - июнь.

Последний шаг включает использование этих нормализованных прогнозов и их обратное преобразование в данные реального мира. В основном повторение шагов включает предварительную обработку данных в противоположном направлении, например, интегрирование и экспоненту значения.

В настоящее время модель все еще находится на проверке, но, как показано в результате прогноза, нормализованные значения очень близки к прогнозируемым значениям.

Конечная точка / панель управления

Конечная точка - это просто таблица со списком прогнозируемых процентных ставок ML. На данный момент модель еще не живая. Результаты будут доступны как конечная точка REST API. В настоящее время модель размещена на сервере цифрового океана, и цель состоит в том, чтобы она была доступна вместе с торговой панелью. Торговая панель находится в стадии разработки на сайте wager.fyi. Это будет онлайн в ближайшие несколько недель.