J’ai un frère qui travaille dans une compagnie d’assurance comme actuaire modélisateur. En temps normal, il fixe les prix des risques de catastrophes naturelles. Je lui ai expliqué la logique de confiscation de @BabylonLabs_io et j’aimerais qu’il me donne un ordre de grandeur de référence du point de vue probabiliste : par exemple, quelle est environ la probabilité qu’un nœud soit soumis à une confiscation sur une année ?
Il n’a pas répondu directement après m’avoir écouté, et il m’a demandé : « Pour cet événement de confiscation, vous utilisez quelle loi de probabilité ? Une loi de Poisson ou une loi de Weibull ? Avez-vous mesuré la présence d’une queue épaisse ? » Je me suis trouvé pris au dépourvu. Il a dit que, dans le domaine de la tarification en finance-assurance, pour évaluer n’importe quel risque événementiel, il faut d’abord en définir le type de distribution, puis calibrer les paramètres à partir des fréquences historiques. Mais, pour les événements de confiscation dans le milieu crypto, d’une part, il n’y a pas assez de données historiques longues pour estimer correctement les distributions ; d’autre part, le déclenchement des confiscations n’est souvent pas un événement aléatoire indépendant : des facteurs comme les bugs du logiciel de nœud, l’encombrement du réseau Bitcoin, ou les retards de timestamp sont très corrélés. Dans les cas extrêmes, ces événements peuvent se regrouper et exploser en grappes.
Il a expliqué que ce type de risque, en actuariat, s’appelle un « risque de modélisation insuffisante ». Le plus dangereux n’est pas que la probabilité soit élevée, mais que la probabilité elle-même soit inexacte. Face à ce genre de risque, les compagnies d’assurance refusent généralement de couvrir directement, ou bien appliquent une prime exorbitante, parce que l’incertitude en elle-même constitue le coût le plus élevé. Sur Babylon, les validateurs fonctionnent actuellement en quelque sorte à nu face à ce risque de confiscation, sans véritable modèle actuariel. Si tout le monde pense que « ça ne craint rien », ce n’est pas parce que le risque est faible, mais parce que l’échantillon est trop petit et n’a pas encore été confronté au problème.
#baby $BABY
Il n’a pas répondu directement après m’avoir écouté, et il m’a demandé : « Pour cet événement de confiscation, vous utilisez quelle loi de probabilité ? Une loi de Poisson ou une loi de Weibull ? Avez-vous mesuré la présence d’une queue épaisse ? » Je me suis trouvé pris au dépourvu. Il a dit que, dans le domaine de la tarification en finance-assurance, pour évaluer n’importe quel risque événementiel, il faut d’abord en définir le type de distribution, puis calibrer les paramètres à partir des fréquences historiques. Mais, pour les événements de confiscation dans le milieu crypto, d’une part, il n’y a pas assez de données historiques longues pour estimer correctement les distributions ; d’autre part, le déclenchement des confiscations n’est souvent pas un événement aléatoire indépendant : des facteurs comme les bugs du logiciel de nœud, l’encombrement du réseau Bitcoin, ou les retards de timestamp sont très corrélés. Dans les cas extrêmes, ces événements peuvent se regrouper et exploser en grappes.
Il a expliqué que ce type de risque, en actuariat, s’appelle un « risque de modélisation insuffisante ». Le plus dangereux n’est pas que la probabilité soit élevée, mais que la probabilité elle-même soit inexacte. Face à ce genre de risque, les compagnies d’assurance refusent généralement de couvrir directement, ou bien appliquent une prime exorbitante, parce que l’incertitude en elle-même constitue le coût le plus élevé. Sur Babylon, les validateurs fonctionnent actuellement en quelque sorte à nu face à ce risque de confiscation, sans véritable modèle actuariel. Si tout le monde pense que « ça ne craint rien », ce n’est pas parce que le risque est faible, mais parce que l’échantillon est trop petit et n’a pas encore été confronté au problème.
#baby $BABY