Hey Brüder, guten Abend. Ende letzten Jahres habe ich eine Datenzeile hochgeladen, die über "drei Warnsignale vor der Entkopplung von Stablecoins" handelt. Ich fand das damals ziemlich nützlich, also habe ich es einfach hochgeladen, ohne zu ahnen, dass es mein bestes Beispiel für die Beobachtung dieses Systems werden würde. Heute möchte ich die Ertragskurve dieser Daten über die letzten sechs Monate aufzeigen und diskutieren – es gab Auf- und Abschwünge sowie Wendepunkte, viel spannender als nur Kandelaber zu analysieren.

Diese Daten umfassen insgesamt weniger als vierhundert Wörter. Das erste Signal ist "Curve 3pool fällt tief unter einen bestimmten Schwellenwert", das zweite ist "die Ausleihzinsen für Stablecoins eines bestimmten Kreditprotokolls steigen sprunghaft", das dritte ist "die Abflussmenge von Stablecoins über Brücken ist abnormal". Jedes Signal hat spezifische numerische Schwellenwerte. Die ersten zwei Monate waren die Erträge eher durchschnittlich, etwa fünf bis sechs $OPEN pro Monat. Wirklich durchgestartet ist es im dritten Monat, als der Markt einen kleinen Entkopplungspanik hatte, und meine Daten wurden von verschiedenen Risikomanagement-Robotern wild abgerufen, die monatlichen Erträge schossen auf über dreißig$OPEN .

Aber ab dem vierten Monat sind die Erträge gesunken. Im vierten Monat waren es etwas über zwanzig, im fünften Monat zwölf und im sechsten Monat, also letzten Monat, nur noch sieben. Ich habe die Abrufaufzeichnungen durchgesehen und zwei Gründe gefunden. Erstens sind einige Schwellenwerte meiner Warnsignale bereits veraltet, zum Beispiel hat sich die Basislinie für die Tiefe des Curve-Pools geändert, und das ursprüngliche 'unter einer Million Dollar' ist jetzt 'unter zwei Millionen' zu betrachten, um als gefährlich zu gelten. Zweitens sind mehrere Wettbewerber aufgetaucht, die ähnliche Warn-Daten hochgeladen haben, einige sogar detaillierter als ich, wodurch das Abrufgewicht verteilt wurde.

Dieser Abnahmeprozess hat mir die versteckte Regel der Attribution von OpenLedger klar gemacht. Daten sind kein einmaliger Vermögenswert, sie altert und entwertet sich wie physische Güter. Selbst wenn du letztes Jahr großartige Dinge geschrieben hast, musst du dich anpassen, wenn sich der Markt in diesem Jahr verändert. Die Datenanbieter, die letzten Monat noch ein paar Dutzend einnahmen, vermute ich, pflegen und aktualisieren kontinuierlich im Hintergrund. Faule Leute haben in diesem System nicht lange überlebt.

Also habe ich zwei Dinge gemacht. Erstens habe ich die alte Datenreihe heruntergenommen und neu bearbeitet, indem ich die Werte der drei Warnsignale auf die neuesten statistischen Maßstäbe dieses Jahres aktualisiert habe. Zweitens habe ich mit ModelFactory ein kleines Modell feinjustiert, um speziell die Frage zu beantworten: 'Gibt es aktuell ein Risiko für einen Abgleichverlust?' Die Trainingsdaten stammen aus den fünfzig Szenarien, die ich aus meinen drei Signalen abgeleitet habe. Das Modell ist seit zwei Wochen online und die Abrufzahlen haben bereits siebzig Prozent des Spitzenwerts der alten Daten erreicht. Der Vorteil des Modells ist, dass es Echtzeitdaten von Nutzern zur Entscheidungsfindung akzeptieren kann, was flexibler ist als statische Datensätze.

Das RLHF-Modul, das im Whitepaper beschrieben ist, habe ich diesmal auch ausprobiert. Das feinjustierte Modell hat anfangs zu konservativ entschieden und normale Schwankungen fälschlicherweise als Risiken eingestuft. Ich habe ihm über zwanzig Mal manuell Feedback gegeben mit 'Das zählt nicht als Abgleichverlust', und das Modell hat sich langsam kalibriert. Nach der Kalibrierung sind die Abrufzahlen deutlich gestiegen, da die Nutzer das Gefühl hatten, es sei nicht mehr so panisch. Diese Feedback-Mechanik bedeutet einfach, menschliche Urteile zur Korrektur der Maschine zu nutzen, was viel effektiver ist als nur Parameter zu stapeln.

Risiken müssen auf den Tisch. Derzeit gibt es auf OpenLedger nur wenige hochwertige dynamische Daten, der Großteil besteht aus statischen Einträgen. Das bedeutet, dass die ersten, die eintreten, einen Vorteil haben, aber das Fenster für diese Vorteile wird mit zunehmendem Wettbewerb kleiner. Der Ausbruch meiner Daten im dritten Monat hatte tatsächlich einen Glücksfaktor, da er genau mit der Markpanik zusammenfiel. Wenn du erwartest, dass es jeden Monat einen Ausbruch gibt, wirst du enttäuscht sein. Meine Strategie ist es, gleichzeitig sieben oder acht verschiedene Datensätze in unterschiedliche Richtungen zu pflegen, um das Risiko zu streuen. Wenn eine veraltet, können die anderen einspringen.

Mein aktueller Einsatz liegt immer noch bei etwa drei Prozent des Gesamtkapitals, ich habe nicht impulsiv aufgestockt wegen des Ausbruchs dieser Daten. Denn ich weiß, dass Abnahme unvermeidlich ist; entscheidend ist, ob das gesamte Abrufvolumen der Plattform steigt. In den letzten sechs Monaten ist das tägliche Abrufvolumen auf der OpenLedger-Chain von ein paar Hundert auf über zweitausend gestiegen, dieser Trend ist wichtiger als die Schwankungen meiner persönlichen Daten.

Bitcoin hat zehn Jahre gebraucht, um die Leute von dieser Erzählung des digitalen Goldes zu überzeugen, Ethereum hat fünf bis sechs Jahre gebraucht, um Smart Contracts in den Mainstream zu bringen. Ob das OpenLedger-Modell für On-Chain-Datenbuchhaltung funktioniert, wird sich in den nächsten zwei Jahren zeigen. Ich habe mich entschieden, ein bisschen Spielgeld zu investieren und damit zu zocken, indem ich ständig die Daten, die ich hochgeladen habe, validiere, um zu sehen, ob dieses Ledger wirklich korrekt ist. Bisher sieht es so aus, als wäre das Ledger sauber, die Abnahme ist real und die Updates bringen Erträge. Das reicht mir.#OpenLedger