比特发发发

Ich habe festgestellt, dass meine Stop-Loss-Vorlage nachts einmal einen „falschen Trigger“ hatte. Ursache war, dass der Feed-Preis kurzzeitig wie mit einem Stecknadelstich unterbrochen wurde; der Agent hat dann direkt zum Marktpreis verkauft. Obwohl es am Ende durch ein schnelles Wiederanspringen des Marktes zu keinem echten Schaden kam, war das Gefühl, mitten in der Nacht aufzuwachen und die On-Chain-Aufzeichnungen zu prüfen, trotzdem die Sorte Panik, die jeder kennt, der das schon einmal erlebt hat.$BTC
Ich habe dann die Parameter in der Vorlage zurück nachgeschaut: Der Stop-Loss-Trigger-Preis und der Feed-Preis, der tatsächlich für die Ausführung verwendet wurde, sind beide derselbe Daten-Source. Das heißt: Sobald es auf der Kette für kurze Zeit zu starken Preisschwankungen kommt – selbst nur für ein oder zwei Blöcke Anomalie – behandelt der Agent das direkt als echten Break. Dieses Design hat keinerlei Fehlertoleranz und lässt sich nicht um so etwas wie „erst nach N aufeinanderfolgenden Bestätigungen auslösen“ ergänzen.@NewtonProtocol
Das ist bei hochvolatilen Assets geradezu ein tödlicher Konstruktionsfehler. Im Kryptomarkt sind Exchange-Orderbook-„Stiche“, kurzfristige Abweichungen der Oracle-Quotes und Preisverzögerungen über Cross-Chain-Bridges keine seltenen Ausnahmen, sondern Normalität. Wenn jeder einzelne Stich vom Agent als echtes Stop-Loss-Signal behandelt werden muss, dann ist das sogenannte „intelligente Stop-Loss“ im Kern im Grunde eine automatische Stich-Ernte-Maschine$NEWT
Noch surrealer: Bei normalen CEX-Stop-Loss-Orders kannst du nach dem Trigger eine nachgelagerte Order platzieren lassen – teils sogar mit Iceberg-Order, um Slippage zu reduzieren. Newton macht jetzt aber mit einer kompromisslosen Market-Execution einen Schnitt: Damit wird der Stop-Loss zu einem paradoxen Werkzeug, das nur im schlechtesten Fall auslöst, dann aber trotzdem im schlechtesten Moment. Das läuft dem ursprünglichen Ziel des Risikomanagements zuwider.#Newt
Ich denke wirklich, dass die Stop-Loss-Vorlage sofort um zwei Optimierungen ergänzt werden muss: Erstens soll der Nutzer wählen können, dass nur ausgelöst wird, wenn der Preis „für N aufeinanderfolgende Blöcke“ unter der Schwelle liegt. Zweitens muss die Unterstützung für das Platzieren einer Limit-Order nach dem Trigger statt eines bedingungslosen Market-Abverkaufs erfolgen. Diese beiden Punkte brauchen keine grundlegende Architekturänderung – man muss nur vor der Strategieausführung einen leichten On-Chain-Entscheider hinzufügen. Wenn man das nicht tut, wird die Stop-Loss-Funktion in den extremen Volatilitäten bei Wechsel von Bullen- und Bärenmarkt eher zur Zeitzünder-Falle, die Positionen sprengt.

Ich wollte schon immer ein Grid handeln, aber die Latenz klassischer DEXs hat mich bislang abgeschreckt. Diesmal habe ich es versucht, indem ich über die GRVT-API meine eigenen kleinen Skripte angebunden habe – und unerwartet war das Erlebnis viel flüssiger als erwartet. Meine Strategie ist ganz einfach: Ich setze den BTC-Volatilitätsbereich auf 7000 Punkte, teile ihn in 10 Stufen und hänge pro Stufe Orders im Wert von 500 U auf. Alle Orders sind Maker-Orders, damit ich die Rebates komplett mitnehme.

Nach einer Woche habe ich insgesamt 93 Trades abgeschlossen. Der Großteil wurden jedoch von Taker-Orders „weggefressen“. Der durchschnittliche Gewinn pro Trade lag bei 0,8–1,2 U; mit den Maker-Rebates summierte sich der Bruttogewinn auf 128 U. In der Phase mit dem größten Slippage-Problemen war die Liquidität in den frühen Morgenstunden etwas dünner: Zweimal wurden Orders nicht vollständig ausgeführt, weil der Preis nach oben/unten gesprungen ist, wodurch das Grid seine Position durcheinanderbrachte. Am Ende musste ich das Grid einmal manuell nachjustieren. Insgesamt aber gut beherrschbar: Kein Liquidation-Risiko (keine Cross-/Margin-Explosion) und keine „Geister“-Orders.

Nach diesem Lauf macht mir die GRVT-API definitiv einen besseren Eindruck. Die Dokumentation ist sehr klar strukturiert, sowohl REST als auch WebSocket sind ausreichend, und die Rückmeldezeit war in Tests in weniger gefragten Zeitfenstern im Wesentlichen sekunden-schnell. Einzig zu beachten ist: Wenn man in kurzer Zeit sehr viele Änderungen am Orderbook vornimmt, wird man wahrscheinlich gedrosselt. Deshalb muss man Grid-Dichte und Refresh-Frequenz im Design abwägen – man kann nicht so aggressiv wie bei zentralisierten Börsen alle paar Dutzend Millisekunden eine Runde durchziehen. $BTC

Man spürt deutlich, dass diese Plattform versucht, ein CEX-ähnliches Handelserlebnis auf die Kette zu übertragen. Es gibt zwar noch Ecken und Kanten, aber für Leute wie mich, die Volumen mit Self-Custody/selbst gehosteten Tools quantifizieren und automatisiert handeln wollen, ist es bereits eine sehr lohnenswerte Phase zum Ausprobieren. #grvt @grvt_io

Ich habe immer gedacht, dass nicht das Formulieren einer Strategie am schwierigsten ist, sondern sie so aufzuschreiben, dass andere sie verstehen können und sie sich nicht einfach verfälschen lässt. Früher haben wir im Team einmal einen kleinen Schatz verwaltet: Zu zweit überwachten wir jeweils unterschiedliche Kennzahlen und hatten vereinbart, dass wir uns gegenseitig nicht einmischen. Aber einmal, als bei mir eine Kennzahl anzeigte, dass wir reduzieren sollten, hielt er das bei sich für einen Fehlsignal-Trigger und hat meine Trades kurzerhand manuell „weggekickt“. Am Ende ist zum Glück nichts Großes passiert, aber die Rissstelle im Vertrauen lässt sich nur schwer wieder schließen. Das Problem liegt nicht an den Menschen, sondern am Mechanismus: Wir hatten keine vorab vereinbarten Entscheidungsregeln, die eindeutig festgelegt und automatisch ausgeführt werden können.
Später habe ich versucht, die Beurteilungskriterien beider Personen in die Strategie-Constraints von @NewtonProtocol zu schreiben: Wenn meine Kennzahl den Schwellenwert A erreicht und seine Kennzahl keine Sperr-/Veto-Bedingung B auslöst, dann darf der Agent eine Reduzierung durchführen. Nachdem diese Logik in simulatePolicy durchgelaufen war, brauchen wir beide nicht mehr manuell einzugreifen. Man muss niemanden mehr überzeugen—die Strategie führt die Regeln aus, und die Ergebnisse sind sofort klar ersichtlich.
Im Alltag ist das, was bei der Zusammenarbeit am meisten Energie kostet, immer wieder zu prüfen, ob die andere Partei sich wirklich an die Abmachungen hält. Der Newton-Ansatz, Kooperationsregeln in eine verifizierbare Policy zu „gießen“, hat den größten Teil dieser inneren Reibung in einem Schlag eliminiert. Ich finde, das ist nicht nur im Asset-Management nützlich, sondern wird in DAO-Schatzverwaltung, bei Multi-Sig-Rechteverteilungen und ähnlichen Szenarien noch deutlich wertvoller. Man muss nicht auf Menschen schauen, sondern nur auf die Constraints. $BTC
Als nächsten Schritt plane ich, auch Ausgaben-Limits und eine Whitelist der Protokolle in die Strategie einzubauen, und nach und nach alles, was man an den Code delegieren kann, zu delegieren—Menschen behalten nur noch das letzte Vetorecht.
#NEWT $NEWT @NewtonProtocol

Das größte Unbehagen, wenn man Derivate „on-chain“ handelt, ist oft nicht der Slippage, sondern dass man am Ende selbst zum „lebenden Zielscheibe“ für andere wird. Auf einigen vergangenen dezentralen Plattformen waren große Orders, die Verteilung der Bestände und sogar die Closing-Records nahezu vollständig transparent. Mit etwas Erfahrung konnten Verfolger daraus deine Geldströme und Handelsgewohnheiten rekonstruieren – gerade bei institutionellem Trading ist das besonders verpönt. Ich habe GRVT eine Zeit lang simuliert und dabei festgestellt, dass es an der Grenze zur Privatsphäre eine sehr interessante Linie zieht.
Weil die zugrunde liegende Validium-Architektur auf Zero-Knowledge-Proofs basiert, veröffentlicht GRVT nicht die Details jeder einzelnen Transaktion auf der öffentlichen Kette. Ob eine Transaktion wirklich stattfindet und ob die Statusupdates regelkonform sind, wird durch Gültigkeitsnachweise bestätigt – ohne dass man Käufer und Verkäufer, den Ausführungspreis oder Änderungen der Positionen vollständig offenlegen muss. Das entspricht gewissermaßen einem Handel in einem geschlossenen Raum, der jedoch fair überprüfbar ist: Außerhalb des Raums kann man nur bestätigen, „dass das, was hier passiert ist, den Regeln entspricht“, aber nicht erkennen, was du im Detail tust.
Für gewöhnliche Nutzer liegt der unmittelbare Vorteil darin, das Risiko zu senken, dass Strategien verfolgt und ausgelesen werden. Die Tools, die früher darauf ausgelegt waren, große Adressen im Blick zu behalten und deren Einstiegspunkte zu tracken, funktionieren hier nahezu nicht mehr. Für Market Maker und institutionelle Gelder bedeutet das, dass sie in größerem Umfang Liquidität bereitstellen können, ohne ihre eigenen Risk-Management-Frameworks zu offenbaren. Gleichzeitig heißt das nicht, dass alles vollkommen anonym wäre – solange du über dieselbe Adresse öffentlich Auszahlungstransaktionen machst, lässt sich auf der Kette weiterhin nachvollziehen, wohin die Gelder am Ende fließen. Noch treffender wäre daher die Beschreibung „verifizierbare Privatsphäre“ statt „Blackbox“.$BTC
Natürlich steht der Schutz der Privatsphäre oft in langem Spannungsverhältnis zum Regulierungsbedarf: Ob die Architektur in Zukunft eine selektive Offenlegung von Informationen ermöglicht, ob sie ein Compliance-View einführt, bleibt abzuwarten. Aber rein aus technischer Sicht sorgt GRVT dafür, dass Trader nicht länger zwischen „Dezentralisierung“ und „dem Verbergen der Handelsabsicht“ Kompromisse machen müssen. Für erfahrene Marktteilnehmer könnte dieser Wert möglicherweise deutlich größer sein als die paar gesparten Gas-Kosten. #grvt @grvt_io

Wusstet ihr, dass N ewtons Funktion zum Teilen von Strategien einen unsichtbaren sozialen Charme hat? Richtlinien (Policies), die Nutzer selbst geschrieben haben, können veröffentlicht werden, sodass andere sie aufrufen können. Das klingt wie das Teilen eines Drehbuchs, ist in Wahrheit aber eher wie „ein eigenes KI-Team anheuern“.
Allerdings habe ich sofort ein konkretes Problem im Kopf: Ob der Autor einer geteilten Strategie damit Geld verdient oder nicht, ist erst mal nebensächlich—aber muss er tatsächlich für die Performance der Strategie verantwortlich gemacht werden? @NewtonProtocol betont derzeit zwar verifizierbare Ausführung, aber die eigentliche „Qualität“ der Strategie liegt nicht innerhalb dieses Verifikationsbereichs. Eine Strategie, die auf den ersten Blick perfekt logisch ist, kann in einer bestimmten Marktstruktur trotzdem zu einer stabilen Verlustmaschine werden.
Das bringt die echte Sorge hinter $NEWT auf den Punkt: Wenn ich eine Strategie eines anderen verwende und dadurch Verluste mache—soll dann ich mich dafür verantwortlich machen, oder der Autor? In der On-Chain-Welt gibt es keine Verbraucherschutz-Hotline. Newton bräuchte möglicherweise einen Satz leichter Haftungs- bzw. Disclaimer-Mechanismen—oder zumindest die Anzeige von Simulationsergebnissen der Strategiehistorie (auch wenn es nicht mit echtem Kapital ist), damit Nutzer vor dem Einsatz ein vages Gefühl dafür bekommen, was sie erwartet.
$BTC
Denk es einmal anders: Das könnte sogar dazu führen, dass eine neue Rolle entsteht—„Strategie-Auditoren“, die sich darauf spezialisieren, die Logik beliebter Policies sowie extreme Szenarien zu analysieren. In Zukunft müssen nicht nur Codes geprüft werden, sondern auch Strategien. Genau darin liegt das Spannende im Zeitalter von KI-Agenten: Vertrauen bleibt nicht mehr nur auf der Ebene von Verträgen, sondern breitet sich zunehmend bis in die Strategieideen selbst aus.
#Newt $NEWT @NewtonProtocol

朋友刚玩@grvt_io 时问我：为什么他账户里明明显示有大额U，可提现到钱包却一直提示可用余额不足。我让他检查了一下，果然是把统一余额里还在生息计算期内的凭证当作可动用资金了.这个 Problem trifft Neulinge direkt bei ihrem ersten Schritt.
GRVT muss für die Aufrechterhaltung der Effizienz des Gesamtkapitals bei einigen vermögensbezogenen, zinstragend gesperrten Assets eine implizite Abrechnungs-„Fenster“-Phase vorhalten. Besonders im Prozess der Daten-Endgültigkeitsbestätigung mit Validium gibt es von der Schließung der Position bis zur möglichen Auszahlung eine kurze, scheinbar geräuschlose, aber tatsächlich vorhandene Verifikations-Kühlzeit. Auf den ersten Blick wirkt es so, als wäre dein Guthaben da, in Wirklichkeit muss aber gewartet werden, bis die Zero-Knowledge-Proofs der zugrunde liegenden Daten die finale Prüfung abgeschlossen haben. Erst dann kann das Kapital wirklich an deine selbstverwaltete Adresse umgebucht werden. Hochgeschwindigkeits-Matching und schnelles Auszahlen lassen sich im hybriden System derzeit nicht gleichzeitig ideal abbilden.$BTC
Meine eigene „Lebensretter“-Regel lautet: Ich lasse immer mindestens 20% nacktes U dauerhaft in meinem GRVT-Konto, ohne in irgendeiner Form Zinsen zu verdienen. Diese Tranche verfolgt nicht das Ziel, auch nur einen Cent Zinsen zu erwirtschaften, sondern dient ausschließlich zur Absicherung bei plötzlichen Zwangsliquidationen und für dringende Auszahlungen. Alles, was Zinsen bringt, behandle ich wie Fleisch, das im Kühlschrank eingefroren ist—es zählt vor dem Eröffnen eines Trades nicht als tägliches Liquiditätskapital. So kann ich bei einer Needle-the-Charting-Phase schnell zusätzliches Margin nachschießen, ohne wegen des eingefrorenen Fensters tatenlos zugucken zu müssen, wie es „weggehoben“ wird. In einer hybriden Börse ist die Feinheit des Liquiditätsmanagements um ein Vielfaches wichtiger als die Zinsrendite.
#grvt @grvt_io

Newton的TEE架构一直强调“信任芯片而非人”，但这句口号藏着一个巨大的逻辑漏洞：芯片也是人设计的，芯片供应链也能被污染。Intel SGX在过去几年的漏洞列表，拉出来比许多DeFi协议的事故清单还长。从Spectre、Foreshadow到近年的ÆPIC Leak，每个击穿enclave隔离的攻击都在提醒我们，所谓的“可信硬件”更像是一扇锁着但撬棍就能打开的玻璃门。一旦enclave内存被读取，所有的attestation证明都化为废纸，政策引擎的验证就是一场过家家。@NewtonProtocol
更微妙的是，Newton的验证者们对外宣称运行SGX环境，但对于其具体的硬件固件版本、是否应用了最新的微码补丁，没有任何链上可验证的方法。$BTC
用户只能再一次选择相信。把信任从人转移到芯片，却没让这个芯片变得真正可审计，那只是换了个说法继续信人——信Intel的工程师,信数据中心的运维，信没有黑客发现新侧信道. Diese Sicherheitsmodell liegt „ohne Vertrauen“ noch zig Kilometer entfernt. Falls eines Tages Intel die Wartung einer bestimmten SGX-Version einstellt, was bleibt von dem Sicherheitsfundament von Newton dann noch übrig? Das ist eine Frage, die sich jeder Inhaber stellen sollte. #NEWT $NEWT @NewtonProtocol

Legt man die Handelsdetails beiseite und spricht stattdessen auf der Ebene des Sektor- und Narrativs über GRVT: Dieses Jahr ist der Bereich für dezentrale Derivate ziemlich hart umkämpft. Die meisten Projekte „optimieren“ in Richtung „komplexere synthetische Assets“ und „höheres Leverage“ – dabei wird jedoch ein entscheidender Fundament-Faktor, der wirklich große Gelder beruhigt zum Einstieg bewegt, eher vernachlässigt: klare Eigentumsverhältnisse und eine gestufte Berechtigungsstruktur.
GRVT geht hier offensichtlich einen anderen Weg. Im Kern baut es eine selbstverwaltete, institutionelle Vertrags-Handels- und Abwicklungsschicht. Die Vermögenswerte der Nutzer bleiben durchgehend in selbst gehaltenen Adressen; die Börse kommt nicht an das Geld. Gleichzeitig löst es die innerinstitutionellen Aufgaben durch eine zweistufige Kontostruktur: der Chef verwaltet die Gelder, der Trader die Strategien, das Risk-Management die Limits – alles wird im Code über Smart Contracts verbindlich festgeschrieben. Dieses Narrativ ähnelt mehr dem traditionellen Broker-/Primary-Broker-Geschäft als einem simplen On-Chain-Vertrag, der nur einen Setzgefecht-/Wettkampf-Charakter hat.$BTC
Technisch basiert es auf ZK Validium. Der Vorteil dieser Lösung besteht darin, dass sie sowohl die Performance des Off-Chain-Matchings bewahrt als auch die entscheidenden Clearing- und Liquidationsprozesse per ZK-Proofs an die Sicherheit des Ethereum-Mainnets anbindet. Im Vergleich zu einem reinen Optimistic Rollup wird die Challenge-Period eingespart – das ist für Finanzszenarien passend. Und gegenüber einem rein On-Chain-Matching ist die Nutzererfahrung deutlich besser.
Derzeit ist der größte Schmerzpunkt im gesamten Web3: Institutionelles Kapital möchte einsteigen, aber es fehlen regulatorisch konforme und On-Chain-auditierbare Basissysteme. Wenn GRVT die Off-Chain-Engine multi-node-fähig macht und zugleich die regulatorischen Einstiegspunkte sauber anbindet, könnte es nicht nur DEX-Nutzer erreichen, sondern auch traditionelle Fonds, Family Offices und Handelsteams, die ihre Assets On-Chain verwalten wollen.
Natürlich sollte man die Bewertungs-Erwartungen derzeit nicht zu hoch ansetzen: Das Produkt befindet sich noch im Testnet, und das Ökosystem-Token-Modell sowie die Details zu Node-Incentives wurden noch nicht veröffentlicht. Aber Seed-User, die jetzt einsteigen und den gesamten Prozess durchdringen, befinden sich typischerweise in einem klassischen „Early Discovery, Early Binding“-Zeitfenster. Denn wenn man erst wartet, bis die Mainnet-Daten richtig abheben, sind die Kosten einfach nicht mehr dieselben.
#grvt @grvt_io

Wie glanzvoll hat Newtons Whitepaper die Worte „Neue Paradigmen-Ökonomie“ übermalt—du musst nur eine Sache tun: Öffne das Token-Zuteilungsformular, addiere die Anteile von Team, Stiftung und Early-Private-Sales, und vergleiche dann das angebliche „Community-Freigabe-Kurven“-Szenario. Ich bin mit der allerdümmsten Methode an die Sache herangegangen: Ich habe die Genesis-Adresse on-chain und die Abbildungen der einzelnen linearen Freigaben komplett abgeräumt. Heraus kam nicht die Web3-Idylle auf dem Land, sondern eine präzise von einem Systemuhrwerk gesteuerte Auszahlungsmaschine. Die Sperrfristen für die Team-Anteile sind oberflächlich betrachtet wasserdicht, aber der Entsperr-Rhythmus passt ausgerechnet bei jedem einzelnen Markt-Hotspot millimetergenau. Bei der letzten Domain-Auktion wurde die Community mit voller Wucht angeheizt—und genau da hat eine Stiftung-Adresse, die zwei Jahre geschlafen hatte, in einer Hochphase acht Millionen $BTC NEWT in ein Market-Maker-Wallet überwiesen. Sagst du, das sei Zufall? Dann kommt der nächste Zufall: In jeder Runde, innerhalb von vierunddreißig Stunden nach der erfolgreichen offiziellen Governance-Abstimmung, läuft immer eine Verbindungs—äh—ein Early-Seed-Round-Adresse betreffendes Staking exakt zum Ablauf aus. Nach dem Ausstieg nimmt sie weder am Konsens teil noch wird sie zurück in einen Eco-Pool gerollt, sondern fließt still entlang einer festen Cross-Chain-Route in irgendeine heiß laufende Wallet „A“. Betrag ist klein genug, um keine größeren On-Chain-Warnungen auszulösen, aber groß genug, um genau an die Untergrenze zu passen, bei der eben noch keine Alarmglocken schrillen. So etwas nennt man im Wortsinne natürlich nicht „Dumping“—es heißt „legitimes Unlocking für den Ökologie-Aufbau“. Aber das Ding mit den vier Worten „für den Ökologie-Aufbau“ zeigt sich konkret so, dass deine Coins immer schwerer in der Hand liegen und ihre Adressen immer leichter werden. Das Raffiniertere daran: Diese Ausschüttungen werden auf über ein Dutzend scheinbar voneinander unabhängige Relay-Adressen verteilt. Selbst wenn du Nansen verwendest, wirkt es auf den ersten Blick wie normale Transfers zwischen Nutzern. Aber wenn du die Zeitreihen all dieser Relay-Adressen mit dem Pearson-Koeffizienten gegeneinander ziehst, wirst du feststellen, dass sich ihr Transfer-Timing erstaunlich perfekt mit demselben Poisson-Prozess modellieren lässt—und wenn das keine Steuerung durch exakt dieselbe Automationsskript-Logik ist, dann schlucke ich dir das Whitepaper persönlich runter. Newton verkauft dir sein Token-Ökonomie-Modell—im Kern ist es eine chronische Entwässerung der Liquidität: Die jährliche Rendite, die sie dir versprechen, ist eine verlockende Zahl, doch das, was sie entsperren, sind ganz real harte Währungen. Dieses schicke APY ist nie eine Wohltat gegen Inflation, sondern nur Äther, der deine Schmerz-Nerven betäubt.
#Newt $NEWT @NewtonProtocol

Ich habe einen ganzen Nachmittag damit verbracht, die 24-Stunden-Transaktionsvolumina von GRVT zu durchforsten, und dabei einen leicht zu übersehenden, schleichenden Verschleißpunkt entdeckt. Alle starren auf die offensichtlichen Maker- und Taker-Gebührensätze, aber nur wenige rechnen aus, wie viel „Tail Slippage“ (Tail-End-Rutsch) wirklich kostet, wenn Aufträge in einem Pool mit gemischter Liquidität auf die AMM-Kurve treffen.
Ich habe einen Replay-Vergleich mit BTC-PERP gemacht. Für dieselbe Marktorder über 0,5 BTC: In Phasen mit guter Tiefe (während der asiatischen Hauptzeiten) läuft fast alles über das Orderbuch, die Slippage liegt bei ungefähr 0,02%. Aber in weniger liquiden Phasen – zum Beispiel mittags in Europa oder in der „Vacuum“-Zeit kurz vor Börsenstart in den USA – durchschlägt dieselbe Order zuerst die oberflächlichen Orders im Orderbuch und greift dann direkt die AMM-Kurve an. Die aggregierte Slippage springt dabei auf rund 0,17%. Dieser Unterschied ist ein Mehrfaches der reinen (offensichtlichen) Gebühr, wird aber auf der Bestätigungsseite der Order nur als „Price Impact“ eingeordnet und nicht separat aufgeschlüsselt.
Viele glauben, dass sich GRVTs „niedrige Gebühren“ nutzen lassen, um sich mit High-Frequency-Trading Punkte abzugreifen. Wenn du deine Orders aber aufsplitterst und in dünner Liquidität häufig einsteigst, kann die kumulierte Slippage-Abnutzung am Ende höher ausfallen als die VIP3-Gebühren einer zentralisierten Börse.$BTC
Ich sage nicht, dass das Modell von GRVT grundsätzlich „falsch“ ist. Gemischte Liquidität bietet in extremen Marktphasen tatsächlich eine Art Sicherheitsnetz und verhindert, dass Aufträge wie bei einem reinen Orderbuch direkt mit „nicht ausführbar“ abgewiesen werden. Aber wenn du es gewohnt bist, große Orders in Phasen mit schwacher Orderbuch-Tiefe zu platzieren, wird dieser versteckte Kostenblock zu einem dauerhaften „Blutverlust“-Faktor.
Mein erster Eindruck: In der aktuellen Phase ist GRVT am besten für die Teilnahme mit Limit-Orders in den Hauptzeiten geeignet, während reine Market-Order-High-Frequency-Strategien selbst erst historische Orderbuch-Snapshots ziehen müssen, um das Modell sauber durchlaufen lassen zu können. Gestern habe ich bereits begonnen, API-Daten zu greifen und Slippage im Minutenraster zu sampeln; danach werde ich die vollständige Tabelle teilen.
#grvt @grvt_io

In Newtons Token-Ökonomie-Modell für das Protokoll gibt es eine äußerst „clevere“ Gestaltung: Du hinterlegst $NEWT beim Betreiber, und wenn der Betreiber gut performt, erhaltet ihr gemeinsam Inflations-Belohnungen. Das wird als „positiver Kreislauf der Wertschöpfung“ verpackt. Doch ich rate dir, diesen Kreislauf einmal auseinanderzunehmen: Vielleicht ist es nur ein Triebwerk, das für die Selbstüberzeugung dient. $BTC
Der Kern des Problems liegt in der Fehlanordnung von Anreizen. In diesem Modell ist dein eingezahltes $NEWT selbst deine einzige Beitragleistung; und die größte „Performance“ des Betreibers besteht nicht darin, korrekte Daten zu liefern, sondern sicherzustellen, dass er „nicht wie ein Fehler aussieht“—stabil jeden Monat die Inflations-Belohnungen abzuschöpfen. So entsteht stillschweigend eine unausgesprochene Übereinkunft: Der Betreiber wählt immer die Median-Datenquelle—ohne danach zu streben, dass es wirklich gut ist, sondern nur, dass es nicht schiefgeht. Die Staker sehen, dass die Belohnungen zuverlässig ausgezahlt werden, und sind dadurch zufrieden genug, um weiter einzuschließen. So verfällt das gesamte System in eine wirtschaftswissenschaftliche „Scheinfröhlichkeit“: Der Token-Preis wird durch Staking und Lock-ups gestützt, die Belohnungen werden durch Inflation „gegossen“, aber im Geschäft entsteht keinerlei echter, zwingend On-Chain zu lösenders Wertbedarf.
Noch schlimmer ist das sogenannte „Sanktionsmechanismus“. Das Whitepaper sagt, man werde die Staking-Einlagen schlechter Betreiber einziehen. Aber in einem System, das sich auf Konsens über den Median stützt—wie wird „schlecht“ definiert? Solange ich und die Mehrheit der Mitspieler übereinstimmen, sind wir „gut“. Der ehrliche Node, der wegen Netzwerk-Latenz abweichende Daten meldet, wird dagegen als „schlecht“ eingestuft und bestraft. Das ist keine Bestrafung von Fehlverhalten, sondern die Bestrafung der Minderheit. Auf Dauer werden alle Betreiber zu Sprachrohren, die identische Daten einspeisen; und der angebliche „dezentralisierte Oracle“ des Systems wird zu einem teuren und selbsttäuschenden Wiederholgerät. Ist das NEWT, das du in der Hand hältst, vielleicht auch dabei, dieses systematische Fehlverhalten zu belohnen? #NEWT @NewtonProtocol

Viele Strategieführer starren auf Rendite, Trefferquote und Drawdown – doch fast niemand achtet auf eine entscheidende Kennzahl: „Quote-Durchdringungsrate“. Das ist ein Begriff von mir und meint, wie tief der endgültige Ausführungspreis die Orderbücher durchbricht. Ich habe mit den historischen Ausführungsdaten in Newton ein kleines Tool gebaut, das die erwartete Preisdifferenz bei jeder Transaktion mit der tatsächlichen Ausführungspreisdifferenz vergleicht. Das Ergebnis: Manche Strategien sind zwar auf dem Papier profitabel, aber ihre durchschnittliche Durchdringungstiefe ist so hoch, dass sie erschreckend wirkt – als würdest du pro Trade zusätzlich eine versteckte „Schmiergebühr“ zahlen. @NewtonProtocol
Diese Kosten werden nicht vom Protokoll eingezogen, sondern von den geheimen Arbitrageuren und Market Makern im Mempool „aufgefressen“. Die Logik der Strategie an sich ist nicht das Problem – sie hängt nur zu sehr am kurzfristigen Liquiditätszugang: Sie wischt das Orderbuch stets mit Market-Orders ab. Dadurch schiebt sie den Preis bei jeder Entry nach oben und beim Exit erneut. Besonders wenn Newton die DEX-Routen automatisch auswählt und man den System-Default komplett durchlaufen lässt, priorisiert es oft die Pfadgeschwindigkeit und weniger die Liquiditätsdicke entlang der Route. Wenn eine Strategie einen dünnen Pool fortlaufend „zusammenprügelt“, saugt sie im Grunde dem gesamten Ökosystem Blut ab – am Ende ist der Blutvorrat leer und die Strategie stirbt.
$BTC
Nachdem ich einige öffentliche Strategien mit einer Filterbedingung für eine „maximale Durchdringungstiefe“ ergänzt habe, stiegen die annualisierten Renditen tatsächlich um 0,4% bis 0,9%. $ETH
Das zeigt: Oft liegt es nicht daran, dass die Strategie nicht funktioniert – sondern dass der Verschleiß in den Ausführungsdetails ganz still die Lebensenergie auffrisst, während nur sehr wenige Dashboards dir solche Verluste überhaupt ausrechnen.
#NEWT $NEWT @NewtonProtocol