Warum braucht DeFi Cartesi?
Die meisten DeFi-Anwendungen bilden eine vereinfachte Version des Finanzwesens ab. Entwickler gestalten ihre Lösungen so, wie die Kette sie ausführen kann, nicht so, wie das Modell sie braucht. Sie kürzen die Mathematik, oder führen sie offchain aus und verlangen dafür Vertrauen.
Contributor João Garcia hat es in einem lesenswerten Artikel aufgeschlüsselt:
→ https://x.com/joaopdgarcia/status/2018688089258865078
Quant-Teams aus dem traditionellen Finanzwesen betreiben Risiko-Engines über Tausende von Szenarien hinweg – mit NumPy, SciPy und QuantLib.
Die meisten Smart-Contract-Umgebungen bieten diese Bibliotheken nicht für echte mathematische Operationen, und auch der Zustand (State) wird teuer.
Auf Cartesi erhält jede App ihr eigenes Rollup, das Linux ausführt und auf Ethereum abgewickelt wird. Jeder ehrliche Validator kann das korrekte Ergebnis durchsetzen.
Entwickler schreiben Logik in Python, Rust oder C++ mit gängigen Bibliotheken. So kann sich eine Onchain-Bonding-Curve viel stärker einer echten quadratischen Kurve annähern.
Was das praktisch bedeutet:
- Sicherheiten, die sich mit der Volatilität bewegen
- Prediction Markets mit passender Engine und Quoten, die bei jedem Epoch aktualisiert werden
- DCA, das in winzigen kontinuierlichen Tranchen kauft, statt nur einmal am Tag
- Bonitätsbewertungen aus einem Modell, das jeder erneut ausführen kann
Entwickler müssen die schwierigen Teile weiterhin selbst entwerfen: Wie Daten hineinkommen, wie Eingaben validiert werden und wie die Ausführung koordiniert wird. Mehr Rechenleistung verlagert dabei die Komplexität. Aber wenn deine App echte Berechnung benötigt, wurde Cartesi genau dafür gebaut.
Vertiefe dich in die Doku: https://docs.cartesi.io/
Repost: https://x.com/cartesiproject/status/2102774491533488585
Die meisten DeFi-Anwendungen bilden eine vereinfachte Version des Finanzwesens ab. Entwickler gestalten ihre Lösungen so, wie die Kette sie ausführen kann, nicht so, wie das Modell sie braucht. Sie kürzen die Mathematik, oder führen sie offchain aus und verlangen dafür Vertrauen.
Contributor João Garcia hat es in einem lesenswerten Artikel aufgeschlüsselt:
→ https://x.com/joaopdgarcia/status/2018688089258865078
Quant-Teams aus dem traditionellen Finanzwesen betreiben Risiko-Engines über Tausende von Szenarien hinweg – mit NumPy, SciPy und QuantLib.
Die meisten Smart-Contract-Umgebungen bieten diese Bibliotheken nicht für echte mathematische Operationen, und auch der Zustand (State) wird teuer.
Auf Cartesi erhält jede App ihr eigenes Rollup, das Linux ausführt und auf Ethereum abgewickelt wird. Jeder ehrliche Validator kann das korrekte Ergebnis durchsetzen.
Entwickler schreiben Logik in Python, Rust oder C++ mit gängigen Bibliotheken. So kann sich eine Onchain-Bonding-Curve viel stärker einer echten quadratischen Kurve annähern.
Was das praktisch bedeutet:
- Sicherheiten, die sich mit der Volatilität bewegen
- Prediction Markets mit passender Engine und Quoten, die bei jedem Epoch aktualisiert werden
- DCA, das in winzigen kontinuierlichen Tranchen kauft, statt nur einmal am Tag
- Bonitätsbewertungen aus einem Modell, das jeder erneut ausführen kann
Entwickler müssen die schwierigen Teile weiterhin selbst entwerfen: Wie Daten hineinkommen, wie Eingaben validiert werden und wie die Ausführung koordiniert wird. Mehr Rechenleistung verlagert dabei die Komplexität. Aber wenn deine App echte Berechnung benötigt, wurde Cartesi genau dafür gebaut.
Vertiefe dich in die Doku: https://docs.cartesi.io/
Repost: https://x.com/cartesiproject/status/2102774491533488585