TraderRiser Light Paper · monitorem eventos de impacto, no entanto, há uma gama de eventos...
Transcript of TraderRiser Light Paper · monitorem eventos de impacto, no entanto, há uma gama de eventos...
TradeRiser
Um Ecossistema Descentralizado & Um Assistente de Pesquisa para Responder Perguntas de Trading
Tr a d e r i s e r. c o m V e r s ã o 1 . 3
LIGHTPAPER
ConteudosResumo
O Problema
Melhorando o Processo de Pesquisa
A Tecnologia
A equipe TradeRiser
Consultoria
Roteiro
Distribuição e Venda de Token XTI
Detalhes da CrowdSale
3
4
7
9
13
14
15
16
17
´
No mundo do trading e do investimento, a análise financeira mais poderosa está
normalmente reservada apenas para poucos. A TradeRiser está buscando mudar
isso, democratizando a análise de dados financeiros e tornando-a disponível para as
massas. Pesquisar ideias de trading e explorar os mercados financeiros é um
processo lento. O que é necessário é uma fonte única de verdade, que possa
fornecer respostas instantâneas em larga escala para as perguntas de trading.
Especificamente, uma vez que as notícias e eventos afetam os preços dos ativos em
todo o mundo.
A TradeRiser é um Assistente de Pesquisa artificialmente inteligente, que pode
responder perguntas de trading simples e complexas. Para treinar a inteligência
artificial, vamos impulsionar o blockchain para construir um sistema de incentivo,
que será apoiado e alimentado por dados de uma grande rede de analistas e
pesquisadores quantitativos. Uma economia baseada em tokens chamada XTI será
introduzida, para incentivar os pesquisadores a inserirem seus dados e
contribuições na plataforma
Em seguida, será criada uma segunda economia, em torno de um mercado de
pesquisa, na qual os desenvolvedores de modelos quantitativos e os produtores de
conteúdo poderão alcançar os consumidores dentro do ecossistema. Essa participação
da comunidade ajudará a cumprir a meta de democratizar e simplificar a análise de
dados financeiros
Resumo
3
Motivação - Simplificando a análise de dados financeirosO crescimento da world wide web levou a inovações na tecnologia dos mecanismos
de busca. Isso tornou a web mais acessível e universal. No entanto, a análise de
dados financeiros, não tem desfrutado do mesmo nível de simplicidade e
acessibilidade visto na rede mundial de computadores. O crescimento do big data não
pode ser parado, empresas financeiras e indivíduos estão em uma corrida para
encontrar oportunidades de trading. Essa tarefa só ficará mais difícil à medida que
novas opções de dados forem descobertas, e as pessoas terão dificuldades em
acompanhar. Essa desconexão na acessibilidade e universalidade apresenta uma
enorme oportunidade para sistemas que buscam democratizar a análise de dados
financeiros.
Disruptando a Pesquisa Intensiva Humana A TradeRiser está construindo um Assistente de Pesquisa baseada em IA, que pode
responder a perguntas de trading simples e complexas. Profissionais financeiros em
todo o mundo gastam muito tempo e dinheiro em pesquisas tentando responder a essas
perguntas de trading. Este tipo de pesquisa é normalmente demorado, ineficiente,
propenso a sobrecarga de informação e requer muita mão de obra. Esses problemas
são ainda mais agravados com o surgimento das criptomoedas e dos profissionais
financeiros que querem fazer trade delas, juntamente com os títulos tradicionais. A
rápida explosão das criptomoedas trouxe muitas outras tecnologias a serem
acompanhadas, e os operadores individuais precisam de uma maneira fácil de analisar
essas classes de ativos.
Poucas Ideias Foram TestadasAs plataformas atuais dependem de um alto grau de conhecimento técnico para testar
ideias de trading e, devido às barreiras de entrada, menos ideias de trading são
testadas. Todos os dias, um gerente de portfólio tem uma ideia de investimento e
precisa ir a um quant para construir o modelo. Esse é um obstáculo na maioria das
empresas de serviços financeiros e, como resultado, muito menos ideias são testadas.
O mesmo acontece com os operadores individuais que querem testar ideias, mas não
têm acesso a ferramentas suficientes.
O Problema
4
Consumo de tempoA pesquisa quantitativa pode ser um processo incrivelmente demorado, pois exige
várias etapas para ser concluída, às vezes abrangendo várias horas e dias. Outros
obstáculos incluem o processo computacional devido à quantidade de dados sendo
analisados
IneficiênciaO processo de pesquisa requer a coleta de dados, separação de dados e análise de
dados, e a etapa final é a criação de relatórios. É um processo incrivelmente
ineficiente.
Sobrecarga de InformaçõesComo os dados são o novo “petróleo” ou um recurso valioso, o trabalho dos
analistas é ainda mais difícil ao tentar processar dados. Novas opções de dados
estão constantemente surgindo, que podem potencialmente ser aproveitadas em
pesquisas financeiras, especialmente os dados não estruturados.
Notícias e Eventos - Dados não estruturadosSabe-se que as notícias e eventos mundiais têm impacto nos mercados financeiros, é
por esse motivo que ferramentas, como os calendários de relatórios econômicos e de
lucros, foram criadas. Essas ferramentas permitem que os traders acompanhem e
monitorem eventos de impacto, no entanto, há uma gama de eventos mundiais que não
foram organizados para serem incluídos em um calendário, que precisa ser
estruturado. Atualmente, os traders se esforçam para manter ou se proteger por meio
de dados de fontes como o Twitter, notícias sobre criptomoedas, dados meteorológicos
e até dados de satélite. Todo o universo de aprovações de medicamentos, relatórios
econômicos, mudanças na política monetária e eventos políticos e seu impacto em
quase todos os tipos de ativos financeiros precisam ser controlados e estruturados.
5
SoluçãoA TradeRiser resolve esses problemas através de seu Assistente de Pesquisa, que
pode responder imediatamente às questões de trading que um profissional ou investi-
dor tem sobre os mercados financeiros. O mecanismo de token da TradeRiser acom-
panhará e compensará os analistas financeiros por seus conjuntos de dados de per-
guntas, validação de dados, verificação de precisão, sugestões e exemplo de criação
de relatórios. Os analistas financeiros podem contribuir dessas maneiras para ajudar
a treinar o aprendizado de máquina do Assistente de Pesquisa, e ser compensados
de acordo. XTI é o mecanismo subjacente usado para facilitar esse ecossistema e
fornece aos detentores de XTI participação direta no avanço de nosso sistema de
pergunta e resposta de “fonte única de verdade”.
6
A TradeRiser se concentra em tornar o processo de pesquisa mais rápido e trazer
uma experiência de usuário totalmente melhor. Isso é feito por meio de consulta de
linguagem natural.
7
REUNIR DADOSDE DIVERSAS
FONTES
SELECIONAROS DADOS
CARREGAR OSDADOS NOEXCEL OUOUTRAS
FERRAMENTAS
ANALISAROS
DADOS
CRIARRELATÓRIOS
Abordagem tradicional
PERGUNTE ÀTRADERISER UMA
PERGUNTA DEPESQUISA
A TRADERISERRESPONDE ASPERGUNTAS
TRADERISER
CRIE O RELATÓRIO
Devido à pesquisa de funcionalidade da TradeRiser, os consumidores poderão testar
mais ideias de trading. A TradeRiser oferece uma plataforma de pesquisa alternativa e
complementar que pode trabalhar de mãos dadas com os sistemas habituais.
Oportunidade - Fase UmO Trading algorítmico e o aprendizado de máquina estão provando ser tendências
disruptivas no gerenciamento de investimentos. Esse tipo de trading exige know-how
técnico e, embora as barreiras à entrada sejam gradualmente removidas, elas ainda não
são adotadas de forma geral. Há um forte caso de uso para trading e pesquisa que não
é conduzido por algoritmos, mas com base no processamento de linguagem natural.
Imagine, em vez de ter que aprender programação para desenvolver estratégias
complexas, poder simplesmente expressá-la em linguagem humana natural.
Seguindo a crescente demanda por criptomoedas e ativos tradicionais, acreditamos
que há uma grande oportunidade para: pesquisa orientada por linguagem natural
sobre cripto ativos e ativos tradicionais.
Melhorando o Processo de Pesquisa
Assistente de Pesquisa - Casos de uso Fase UmA TradeRiser se concentra em tornar o processo de pesquisa mais rápido e trazer
uma experiência de usuário totalmente melhor. Isso é feito por meio de consulta de
linguagem natural.
Caso de uso 1James é um investidor que investe em cripto ativos. Devido à súbita explosão dos cripto
ativos nos últimos anos, os fornecedores de tecnologia ainda estão tentado
acompanhar. A correlação entre dados não estruturados com esses ativos ainda está
para ser aproveitada. James utiliza as ferramentas tradicionais para analisar os
mercados, mas elas são insuficientes, sua maneira normal de analisar esses ativos é
estudando os gráficos. Ele gostaria de poder codificar para então poder usar meios
algorítmicos para pesquisar e investir, mas não pode. Além disso, com vários países
anunciando a proibição das criptomoedas e figuras públicas as denunciando, James
quer saber “Em média, quanto as criptomoedas aumentam 4 horas após uma proibição
ou uma denúncia?”
Isso exigirá que James realize uma grande quantidade de coleta de dados e execute
os modelos em uma planilha do Excel ou, pior ainda, adquira um aplicativo terminal
para importar e executar os cálculos.
Caso de Uso 2Ian dirige seu próprio fundo hedge de cripto ativos e tem uma lista de ideias deinvestimento que ele quer explorar. Ele tem uma lista de 20 perguntas que querinvestigar, porém com recursos e tempo limitados, não tem como investigarrapidamente essas estratégias de investimento. Ian não é um desenvolvedor nem querterceirizar o trabalho. O estado atual das coisas significa que ele teria que confiar noúnico analista quantitativo com quem trabalha para testar idéias que podem levar atéduas semanas.
Ian queria que houvesse uma interface de programação de aplicativo (API) para a qual
ele pudesse ligar ou enviar sua planilha de perguntas e obter uma resposta.
8
BlockchainO software de rede conhecido como blockchain armazena informações em uma rede de
computadores, tornando-as não apenas descentralizadas, mas também distribuídas. Isso
significa que nenhuma autoridade central possui o sistema. Esse armazenamento de
informações e a colaboração na rede são baseados em regras geralmente conhecidas
como um contrato inteligente. A rede Ethereum [3] é uma plataforma que permite a criação
de aplicativos peer-to-peer baseados em contratos inteligentes. Isso permite que os
desenvolvedores criem relacionamentos executáveis criptograficamente. Assim, XTI usará
contratos inteligentes para fornecer a infraestrutura de rede necessária, ou seja, incentivar
os analistas financeiros, os produtores de conteúdo e os consumidores de pesquisa a
interagirem em nosso ambiente por meio do uso de um token.
Processamento de Linguagem NaturalO processamento de linguagem natural (NLP) é definido como o processamento
automático ou semi-automático da linguagem humana. [4] O NLP é essencialmente
multidisciplinar: está intimamente relacionado à linguística. Ele também tem ligações com
as pesquisas em ciência cognitiva, psicologia, filosofia e matemática. Dentro da ciência da
computação, relaciona-se à teoria formal da linguagem, técnicas de compiladores,
teoremas provados, aprendizado de máquina e interação humano-computador. Hoje em
dia, geralmente é considerado uma grande parte da AI e do aprendizado de máquina.
Nosso Assistente de Pesquisa depende muito do NLP para tratar de questões de dados
financeiros e para organizar e classificar dados de eventos de notícias.
Inteligência Artificial Treinada por um Sistema DescentralizadoSistemas de Inteligência Artificial dependem de dados para construir modelos que
forneçam uma função. Quanto mais qualidade de dados, melhor o modelo fica. Muitos
profissionais da área financeira e traders independentes em todo o mundo têm uma
riqueza de conhecimentos e dados, muitos dos quais permanecem privados ou não
aproveitados. Como explicado anteriormente, muitas ideias de trading não são exploradas
devido às barreiras de entrada. Os modelos aprendidos com dados de uma rede de
especialistas descentralizados prometem melhorar muito a usabilidade, ao potencializar
aplicativos mais inteligentes.
9
A Tecnologia
A Inteligência Artificial atualmenteOs trabalhos atuais sobre aprendizado de máquina tem mostrado que os modelos maiorespodem melhorar drasticamente o desempenho geral [5]. Com o surgimento da deeplearning, o campo está se expandindo rapidamente. Com os dados sendo o foco daaprendizagem de máquinas crowdsourcing as perguntas e respostas necessárias paratreinar modelos e incentivar a participação por meio de uma rede baseada em tokens.
Participantes da soluçãoO ecossistema pode ser visto dessa forma: -
10
ASSISTENTESVIRTUAIS
BROKERS &EXCHANGES
EQUIPETRADERISER
USUARIOS DATRADERISER
DETENTORES DE XTI
FIRMAS DEANÁLISES& QUANT
FUNDOS HEDGE,GESTÃO PATRIMONIAL,APLICATIVOS ROBO DE
CONSULTA
PROVEDORESDE DADOS
CONJUNTO DETECNNOLOGIA DO
ASSISTENTE DE PESQUISA
ECOSSISTEMA
11
Fig 1 : Visão Geral do Assistente de Pesquisa
ASSISTENTE DE PESQUISA
USUÁRIOS USUÁRIOS
USUÁRIOS
NOS GRÁFICOS SEMANAIS DE EUR/USD QUANTAS
VEZES OS PREÇOS FORAM FECHADOS FORA DAS
BANDAS DE BOLLINGERNO ANO 2015 E 2016?
RELATORIORESPOSTA
USUÁRIOS
QUANTOS LEITÕES NO MERCADO DE PORCOS DOS
EUA MORRERAM DURANTE O VÍRUS DE PED DE 2014?
QUAL É A VOLATILIDADE DA MAIORIA DOS TOKENS
BASEADOS EM CRIPTOMOEDAS 3
MESES APÓS SUA ICO?
RELATORIORESPOSTA
NOS GRÁFICOS SEMANAIS DE EUR/USD, QUANTAS VEZES OS
PREÇOS FORAM FECHADOS FORA DAS BANDAS DE
BOLLINGER NO ANO DE 2015 E 2016?
12
ConclusãoUm dos maiores desafios da TradeRiser é fazer o nosso modelo de Assistente de
Pesquisa alcançar a massa crítica. Em outras palavras, colocá-lo em um lugar, no qual
ele pode responder à maioria das perguntas de trading que os usuários terão. O sistema
precisa ser treinado em um grande universo de questões, eventos e dados de mercado.
A primeira fase aborda a maneira de adquirir o conjunto de dados das perguntas.
Isso será feito pela TradeRiser emitindo os tokens XTI como compensação pelas
contribuições contínuas para a construção da base de conhecimento, a partir da qual o
aprendizado de máquina será feito. Uma vez atingida a massa crítica, a execução da
segunda fase para atrair consumidores de pesquisa para a plataforma será fácil. Com
os consumidores de pesquisa e os produtores de conteúdo agora totalmente no
ecossistema, os consumidores de pesquisa poderão recompensar os produtores de
conteúdo por seu conteúdo premium e realizar votações. Esse ciclo contínuo criará um
efeito de cadeia, atraindo mais contribuidores para a plataforma.
Ter um ecossistema descentralizado acessível com múltiplos participantes com o
objetivo único de democratizar a análise de trading, na qual todos os membros se
alimentam de tratar questões, será uma adição importante e crítica ao trading em todo
o mundo.
A chave para tornar isso uma realidade são os seguintes ativos:
1. Edição Comunitária: - Este é composto de muitos recursos que estarão disponíveis
para a comunidade. São os seguintes, o Assistente de Pesquisa alimentado pelo feed
de dados da comunidade, classificações da ICO, análise de condição de mercado, due
diligence da ICO, análise de portfólio de investidores, trading direto, web e aplicativo
móvel.
2. Marketplace de Pesquisa - Acessível aos detentores de tokens. Parte da fase dois.
3. Edição de Empresarial: - Esta versão autônoma é acessível a instituições financeiras,
fundos de hedge ou corporações. Isso inclui nossa API.
13
Dennis Owusu-AnsahCEO & Fundador
A Equipe TradeRiser
Karianne BakkenGerente de Mídias
Sociais
Poly AprakuCTO
& Co-fundador
Rocky AsanteChefe de Engenharia &
Co-fundador
Sean O’brienGerente de
desenvolvimento denegócios
Leigh LaguismaDesigner Senior de
UX
Sukrit WongGerente da comunidade
& Quant
Daniel JiangChefe de
tecnologias deBlockchain
Sunil KumarDesenvolvedor Full Stack
14
Luca ZaccagninoCFA, Investidor, Ex-
Consultor de Negóciosno banco RBS
Consultores
Thomas WickaDiretor Administrativo
do Lloyds BankingGroup
Thomas HowellEstratégia de crescimento na Google
Jude AddoDiretor de Private Banking
do Standard CharteredBank, ex-analista do JP
Morgan
ProfessorTatiana KalganovaRevisora em sistemas
inteligentes naUniversidade de Brunel
Kirill KlinbergAssociado
na JP Morgan
David SheppardEx-Trader de
Commodities na Morgan Stanley
Roadmap
15
Teste Beta/Alpha privado comtraders e gerentes de ativos
Selecionada para o Laboratório deInovaçççããão Accenture Fintech em Londres
Finalista do Laboratório de InovaçççãããoAccenture Fintech em Londres
Redesign do UI da plataforma &melhoria da funcionalidade
Estratégia de arrecadaçççããão de fundos
Arrecadaçççããão de fundos da ICO da TradeRiser
Lançamento do portal de treino
Lançamento da ediçççãããocomunitááária da TradeRiser
Parcerias de fundo hedge einstituições financeiras
Lançççamento da versãããopadrããão da Traderiser
Marketplace de pesquisa eEdiçããão empresarial
A TradeRiser é fundada
Aumento da equipe e das parcerias defornecimento de dados de mercado
16
Venda de token XTI & Distribução
Distribuição de Tokens Distribuição de Fundos
60% Desenvolvimento de produtos
20% Marketing, RP e Vendas
8% Parcerias
4% Expansão Internacional
5% Administração geral e operações
3% Jurídico
● 50% Crowdsale
● 5% Distribuído para acomunidade para incentivar oecossistema
● 25% Fundadores, consultorese funcionários da empresa
5% Bounty e referências
5% Parcerias Estratégicas edesenvolvimento futuro
17
● Meta na crowdsale: $23 000 000● Total existente: 500 000 000 XTI ● Tipo do Token XTI : ERC20● Métodos de compra aceitos: BTC e ETH ● Baseado em blockchain Ethereum e contrato inteligente Ethereum
A distribuição de XTI dos funcionários terá um período de carência de 24 meses,
com um limite de 6 meses. A distribuição será proporcional à posse de cada
funcionário até a data da venda de token.
Tokens não vendidos serão queimados.
PRE - ICOValor da rodada
ICOValor da rodada
1 XTI = $0.07 1 XTI = $0.10
Detalhes da CrowdSale