AMM:引入自動回歸市場 (ARMs)：半同質資產的新價格發現機制-ODAILY

DAOrayakiDAO研究獎金池：

BlockScience正在研究和開發一種用于高維、半可替代資產的新型價格發現機制。這種被稱為自動回歸市場(ARM)的機制在各種市場中具有多種潛在應用；我們的第一次探索將深入探討可持續價值能源市場的用例，例如可再生能源信用(REC)和碳抵消/清除信用(CORC)市場。

與HederaHashgraph和HBAR基金會的DLT行業領導者合作，我們正在開展一項研究項目，以對能源信用ARM進行建模和模擬。我們將研究初級做市商的價格發現潛力，以及具有多種屬性的資產的供需行為。這是該聯合研發工作系列文章中的第一篇。

什么是ARM？

在我們的論文“可替代性的實用理論”中，我們介紹了自動回歸市場(ARM)的概念。ARM的想法是利用機器學習(ML)模型和自動做市商(AMM)之間的數學相似性，為非商品資產提供動態價格發現。商品是一組對象，因此影響其評估價值和需求的屬性是等價的。總之，商品是可以互換的。這個概念是現有AMM工作方式的核心——匯集可替代資產并根據其算法曲線發現價格。1

ARM擴展到AMM之外，允許在主要市場ARM上買賣半可替代資產，例如包含不同屬性的能源信用或碳抵消/清除。這為高度復雜的屬性安排提供了有效的價格發現，例如能源生產類型、地理位置等。

這項工作中最重要的觀察結果之一是，兩個項目的可替代性取決于所提供的這些項目的屬性以及評估這些項目的語境。這一觀察有助于我們更好地理解由非商品商品組成的市場的供需關系。

商品屬性表征供應方，如果商品具有不同的屬性，我們就說它們是可區分的。評估項目屬性的語境表征了需求方。如果商品屬性的差異不影響他們的評價，從而不影響對這些商品的需求，我們就說商品在特定的需求環境中是可替代的。部分可替代商品的可替代性隨需求環境而變化。例如，如果一家企業想要購買在美國太平洋西北部生產的太陽能信貸，買方想要的資產將不能替代在亞洲生產的信貸。通過生產地點或生產類型等屬性識別資產的能力不僅對許多購買者來說是必需的，而且可能對這些資產的估值產生巨大影響。

Lido Finance DAO考慮引入雙重治理模式:金色財經報道，流動性質押解決方案Lido Finance正在為其代幣經濟展開全新的布局。LidoDAO業務發展貢獻者Marin Tvrdi?表示，其成員正在“推動”雙重治理模式。如果通過，它將賦予Lido用戶，特別是質押以太坊并持有stETH的用戶，將擁有對LDO持有者批準的治理提案的否決權。

根據Dune獲取的數據，Lido目前占據整個stake市場的31.7%。Coinbase排名第二（9.6%），其次是幣安（5%）。[2023/7/26 16:00:23]

該圖表示模擬屬性的前兩個主成分分布的散點圖和直方圖。自動回歸市場利用自適應子空間檢測和遞歸回歸來動態發現哪些屬性組合是有價值的。

半同質價格發現的現有案例

乍一看，能夠買賣部分可替代的非商品的市場的自動化似乎有些牽強。然而，在工業界和學術界2，市場和ML之間的融合是有優先權的。住房市場相對自然地適合半同質商品這一分類。房屋都是可區分的，但是當它們的屬性足夠相似時，它們可能被認為是可替代的。由于這些原因，在線房地產市場提供商Zillow有可能越來越依賴其AI應用程序“Zestimate”來推動購買決策。

Zestimate可能是最早的混合智能示例之一，它既可以從市場活動中學習，也可以創建市場活動，但觀察該模型的執行性質非常重要。Zillow已開始基于其Zestimate提供房屋報價，這自然會影響市場。但是，Zestimate不僅僅估算房屋的價格，它還通過影響買賣雙方對房屋價值的信念來創造價格。通過這種方式，Zestimate一直在充當做市商，甚至在Zillow根據其估計進入購買房屋的業務之前。

澳交所稱其CHESS替代項目將引入新功能，可降低股票發行商成本:澳大利亞證券交易所（ASX）已告知在該交易所上市的公司，其被迫延遲的區塊鏈項目將引入“改進企業的行為處理程序”等新功能，有望降低股票發行商的成本。這一CHESS替代系統將允許發行方為股東創建更好的投票應用程序，或為管理層創建更好的分析引擎。（AFR）[2020/6/23]

雖然這些技術的創新潛力巨大，但在將機器學習動態引入市場時，考慮可能的系統性和二階效應以及潛在的意外后果始終很重要。在這個問題的學術方面，領先的AI研究員MichaelI.Jordan為我們描繪了推薦引擎和市場之間協同作用的圖景。他特別指出了天真地將推薦引擎應用于稀缺資源所造成的危害。例如，向許多購物者推薦有限供應的商品會人為地夸大相對于某些買家而言可能具有替代性甚至優越性的商品的需求。同樣，為許多司機推薦低帶寬快捷方式的導航應用程序可能會造成嚴重的擁堵。

AI算法的本質是將豐富的信息壓縮成簡潔的形式，但市場反而是豐富信息的生成器，因為它利用了廣泛買家群的異質性。如果允許AI算法主導系統，它將變得陳舊，因為強硬的推薦引擎會降低產品的多樣性，而消費者選擇的喪失又會降低市場從消費者那里獲取偏好信息的能力。我們可以在工程過程中通過嚴格的測試和設計驗證來創建更好的系統。

ARM的類和實例

隨著我們繼續研究ARM模型，我們需要明確我們的目標。我們的目標是平衡機器學習的壓縮能力和市場的發現能力，以促進新形式的高維能源市場。正如我們在可替代性論文中提到的，最好在在線學習的背景下正式理解這一點。我們將經濟博弈作為估計器和將常數函數做市商(CFMM)作為預言機的工作表明，某些類型的智能算法定價模型可以被解釋為信號處理操作，它學習市場如何為商品和服務定價——“語境商品”。

聲音 | 美國信諾保險集團杰·韋瑪：其私營保險公司必須要引入區塊鏈等技術構建高質量的醫療保險體系:據新浪財經消息，在中國國際跨國公司促進會主辦的第十二屆國際跨國公司領袖圓桌會上，美國信諾保險集團政府解決方案首席執行官兼全球負責人杰·韋瑪表示，考慮到我們對于私營領域的這種醫療保險產品需求，我們需要構建高質量的醫療保險體系，這樣才能夠滿足消費者的需求，所以我們的私營保險公司必須要引入新的技術，比如說區塊鏈，這樣我們還需要和所有利益相關方進行合作，細化我們的市場。據悉，美國信諾保險集團是總部設在美國的第二大國際工商保險公司，是當今世界有關保險和金融服務的主要提供者之一。[2019/11/24]

ARM研發的前進道路要求我們將其視為一個“類”，其中各個“實例”適合其特定領域。在機器學習中，這包括模型選擇、特征工程、元參數優化、集成和數據科學家應用的其他定制，以將特定模型適合特定問題域。對于AMM，這包括選擇特定的設計模式，例如Uniswap、Balancer、Curve等。這些不同的CFMM具有不同的基礎數學不變量的特征。但即使在選擇了一類AMM之后，仍有一些獨特的實例具有自己的資產和其他元參數，例如費用和權重。

必須承認這種類/實例關系是ARM研究的前沿擴展。由于其與ML的相似性，我們理解開發和維護ARM的難度可能會有很大差異，具體取決于模型要綜合的信息。BlockScience正在與HederaHashgraph和HBAR基金會的可持續發展計劃合作，專門為能源信用市場設計一個ARM實例，因為能源信用資產為具有多種屬性的項目提供了一個很好的用例，并且價值會受到上下文的極大影響。

動態 | 德國引入首臺受法律認可的比特幣ATM機:據bitcoinist報道，上個月柏林最高法院Kammergericht認定德國證券監管局BaFin沒有權力來管理數字貨幣，并稱比特幣和加密貨幣不是“錢”后，德國一家賭場從奧地利引入第一臺法律認可的比特幣ATM機。但據當地媒體報道，比特幣ATM機是否會在慕尼黑停留更長時間仍不清楚，這取決于判決能夠維持多久。而BaFin表示，雖然“尊重地承認”法院裁決，但加密貨幣是否在法律規定的可接受范圍內卻是另一回事。[2018/11/3]

按屬性進行ML數據聚類的示例。在ARM中，像這樣的集群可以代表可再生能源信用屬性，并用于促進半可替代資產的供需環境的“匹配”。

為什么能源和碳市場是ARM的絕佳用例

目前，批量購買和出售無法區分的能源信用額度，幾乎沒有透明度和可審計性。可再生能源市場也是高度人工化的，經紀人交易的碳抵消/清除信用和可再生能源信用可能具有非常不同的背景。雖然這些資產被當作商品進行交易，但實際上，由于能源的生產地點和方式、生產手段、所用設備的數量和質量，它們在市場上的價值可能大不相同，以及它們屬性的其他方面以及如何在不同的上下文中評估這些屬性。

有了ARM，這些資產可以更精細地分離，因為市場或需求方可以決定這些半同質資產的不同價格。能源資產的購買者通常基于不同司法管轄區的法律要求，需要更多的信息和供應方的可見性。參與這些市場的人們希望了解哪些屬性受到高度追捧，哪些屬性更為普遍，以便在滿足要求的同時行使購買力。

在ARM中，半可替代的商品——各種屬性的“捆綁”——根據市場條件和生產環境而具有不同的權重。這將為市場提供更好的信息，以便在供需參數之間進行匹配——換言之，更有效的市場。此外，此功能可以通過在公共分類賬本上發現能源和碳信用，并通過驗證鏈接到其可審計來源來提供價值。

韓國交易所 GOPAX 上線 MKR 并將引入去中心化穩定貨幣Dai :北京時間4月3日，韓國交易所 GOPAX 上線 MKR (Maker) 與韓元交易對。除上線 MKR 之外，GOPAX 即將引入 Maker 團隊開發的去中心化穩定貨幣 Dai 作為新的計價貨幣，Dai 由數字資產抵押擔保，和美元保持1:1錨定，1 Dai = 1 美元。[2018/4/3]

確保CORC或REC是獨一無二的，并在鏈上代表碳抵消/去除或鏈下創建的能源資產，是這一市場創新的一個非常重要的方面。Hedera生態系統和HBAR基金會可持續發展計劃的核心部分是Guardian，這是一個完全可審計的解決方案，可以驗證能源資產的屬性。Guardian3為鏈下數據提供質量證明，包括去中心化身份、政策驅動的行動和公平的交易順序。這些屬性提供了消除公認的數據質量問題的方法，這些問題會混淆供需，并將成為使用ARM實現CORC和REC自動化的研究和開發的核心。

可再生能源信貸市場供需雙方可能存在的多個屬性或參數的說明。頂部代表REC，底部代表CORC。ARM可以將私人偏好信號提取為公共價格信號，同時跟蹤潛在的信號變化。ARM可以“學習”以做出更準確的定價預測，并提供市場供需雙方的自動匹配。在市場估值的背景下，同樣的代幣對于ARM來說是半可替代的。

ARMing能源市場的潛在收益和全球影響

到2026年，全球能源即服務市場規模預計將超過1066億美元，隨著CORC和REC的重要性日益增加，這些市場的創新時機已經成熟。ARM機制可能對能源信貸市場產生巨大影響，并通過將自動化做市商的技術與鏈上代表的現實世界可變資產聯系起來，打開一個充滿可能性的新世界。

ARM可以提供自動化，允許大規模擴展和擴展能源市場和交易，加速市場發展并為期貨市場提供潛力。對于個人、較小的能源生產商或合作社來說，成本也可以降低，因為他們可以更容易地聚合分散的發電網絡，以提供抵押品或代幣化資產，以換取融資。隨著更高效和不斷擴大的市場以及對能源生產和屬性的更高可見性，將有更大的動力來改善和投資于滿足更高或更有價值的標準或市場要求的標準的基礎設施。本地化的更多可見性還可以使本地生產的價值保持在這些邊界內，而不是被提取到更大的市場。

然而，與任何技術或創新一樣，還有許多尚未探索的連鎖反應——任何新領域都會帶來潛在的意外后果和新市場機制的系統性影響。如前所述，我們的目標是在ML的壓縮能力和市場的發現能力之間取得平衡。作為工程師，總是有設計權衡。這就是建模和仿真工作極其重要的原因，也是我們使用cadCAD來優化復雜系統設計的原因。

使用機器學習可視化高維空間

使用cadCAD對ARM建模

cadCAD是一個開源建模框架，用于使用計算機研究、驗證和設計復雜系統。這有助于個人或組織就如何最好地修改復雜系統或與復雜系統交互以實現其預期目標做出明智的、經過嚴格測試的決策。

為了開始研究ARM是如何對供需相互作用進行合理預測，并允許跨初級市場的多屬性能源信用進行價格發現的，我們將開發一個對照實行的ARM算法。連同從能源信貸市場收集的數據，此對照組實施將創建市場活動模擬，以測試ARM在此類市場中的信號處理能力。具體來說，我們將：

1）證明能源信用市場對機器學習應用的適用性

2）執行會計規則，例如，以確保對手不能通過向ARM充斥無法出售的能源信用來簡單地使其破產。

與此同時，Hedera生態系統正在開發部署ARM所需的核心應用邏輯，在Hedera公共分類賬上執行業務邏輯和會計，例如他們最近開源的Guardian，用于根據現實世界的動作驗證鏈上聲明。

雖然我們將發展技術要求以支持能源信用ARM的部署，但所得的結果將推廣到廣泛的部分可替代的、兩側市場應用程序在其基礎設施上。Hedera生態系統不僅專注于部署完全自定義的ARM實例，還為其基礎架構創建了ARM應用程序設計模式。這將使應用程序能夠專注于其ARM設計的數據科學方面，并信任其市場設計對Hedera網絡的部署和實施。

未來，可以研究諸如次級效應、系統級激勵和機制的其他潛在參數等主題，以深入了解ARM如何“學習”和運行。

參考

1.在AMM中，手動做市商的訂單簿被資產池和一個不變的、保值的功能所取代，該函數將池中的每個資產與其他資產聯系起來。資產池是市場實現流動性的手段。不變函數是市場決定資產相對價值的方式。交易是一種集合資產與另一種集合資產的單獨交換。不變函數計算后一資產將被交換為前一資產的數量，從而保持不變。AMM假設給定池中的資產是可互換的。可替代資產可以完全用兩個屬性來描述，類型和數量。換句話說，在任何情況下，可替代資產的唯一屬性是其類型和數量。在AMM中，資產的類型決定了資產所屬的池。資產的數量決定了涉及整體流動性或特定交易所交易的資產數量。

Token工程研究員LisaTan講解：https:

//www.youtube.com/watch?v=842acSWmBC4&t=1093s

DeFi研究員和圖形藝術家Finematics的VisualExplainer：https://www.youtube.com/watch?v=cizLhxSKrAc

2.Oladunni,T.和S.Sharma(2016)，“HedonicHousingTheory-AMachineLearningInvestigation”，2016年第15屆IEEE機器學習和應用國際會議(ICMLA)，第522-527頁。doi：10.1109/ICMLA.2016.0092

Shorish,J.(2019)，“加密貨幣代幣的享樂定價”，數字金融卷。1，第163-189頁。doi：10.1007/s42521–019–00005-y

3.https://github.com/hashgraph/guardian

Tags：ARMAMMERAEDEARMY幣DAMMHERA價格EDE幣

XLM