FIX 위험 사이버네틱스 프로토콜 – 2018년 1월 28일.
게시 됨: 2021-08-09대중을 위한 세계 최초의 위험 관리 블록체인 프로토콜.
Finamatrix(FIX) AI 제공 – AI로 역량 강화
2018 최고의 AI 기술 기업 상.
이 기술 문서는 Finamatrix.com에서 제공되는 백서를 지원합니다.
자산의 자율적이고 즉각적인 유동성 제공을 위해 APS(Atomic Portfolio Selection) 및 MVSK 유틸리티 최적화로 구동되는 GANN(Genetic-Algorithm Neural-Network) 위험 사이버네틱스를 구현하여 자격을 갖춘 블록체인의 과잉에 통합된 분산되고 파괴 불가능한 위험 감소 프로토콜 기관 또는 개인이 운영하는 변동성 차익 거래, 델타 중립 및 델타 헤지 포트폴리오를 위한 오픈 소스 API 고주파 옵션 거래 거래소에서 FX, 암호화폐 등을 포함합니다.
Lanz Chan 박사
Finamatrix AI 설립자 겸 CEO(싱가포르)
석좌교수 Dr. Alan WK Wong, Ph.D.
대만 아시아대학교 핀테크 및 빅데이터 연구센터.
추상적 인
지난 11년 이상 동안 Finamatrix는 우리의 긴밀한 AI 기술을 대중에게 제공하라는 요청을 받았습니다. 처음으로 우리는 위험 사이버네틱스 프로토콜을 사용하여 오픈 소스 API 디지털 다중 블록체인 거래소에서 변동성 차익 거래(vol-arb) 거래 시스템을 개발합니다.
FIX 디지털 거래소에 FX, 암호화폐 등을 포함한 글로벌 자산과의 다중 연결을 제공함으로써 우리는 여러 자산에 대한 콜 및 풋 옵션 가격 책정에 대해 새롭고 신뢰할 수 있는 내재 변동성 통계 세트를 대중에게 제공합니다. FIX 암호화폐는 FIX 디지털 거래소에 전력을 공급합니다.
vol-arb를 수행하려면 거래자는 먼저 지난 x일 동안의 과거 일일 수익률을 계산하여 기초 자산의 미래 실현 변동성을 예측해야 합니다. FIX 디지털 거래소가 제공하는 내재변동성은 누구에게나 최대 75%의 이익을 얻을 수 있는 확률을 제공하여 대중에게 우위를 제공합니다.
소개
FinTech의 핵심은 태곳적부터 제도적 의사결정의 강력한 원동력이 되어온 위험 관리입니다. 블록체인 기술의 출현으로 자산 이전을 위한 거래 및 위험 관리 프로토콜 등의 자동화 개발이 가능해졌습니다.
2017년은 더 많은 기관 투자자들이 디지털 암호화 자산에 노출되기를 바라면서 암호화 시장 성장의 전환점이 되었습니다. 블록체인은 부의 원활한 이전을 위한 시스템을 제공합니다. FIX는 블록체인을 위한 최고의 위험 관리 프로토콜로 자리 잡았습니다.
FIX 디지털 교환을 개발함으로써 우리는 전 세계의 유동성 풀에 액세스하고 다중 옵션 조건으로 즉각적인 가격 책정, 결제를 제공합니다.
FIX Digital Exchange 는 다음과 같은 기능을 제공합니다.
분산된 위험 관리 인프라.
1000개 이상의 자산으로 변동성 차익거래 포트폴리오 구성.
디지털 자산 옵션 - 큰 데이터 세트 및 데이터베이스 가격 책정.
위험 감소 프로토콜에 대한 공정한 액세스.
선택 편향 문제를 해결하는 원자적(작고 파괴 불가능한) 포트폴리오 선택.
즉각적인 유동성과 즉각적인 거래.
완전한 무신뢰 자동 액체 교환.
보편적으로 사용 가능하고 매우 투명합니다.
완전한 개인 정보 보호, 분산 원장.
FIX 암호화를 사용한 인센티브 계층. 기금 예금은 법정화폐와 FIX 암호화를 모두 제공합니다.
자산 도난, DDoS 공격, Sybil 공격, 압수 또는 간섭 가능성의 위험이 없습니다.
법정화폐 또는 암호화폐로 계정에 자금을 조달하기 위한 책임 있는 KYC/AML 절차.
거래자의 최대 75%는 유동성 풀에서 이익을 얻을 것입니다.
위험 헷지 옵션 거래 플랫폼을 위한 가장 낮은 거래 수수료.
로드맵
2018년 1분기: FIX 디지털 교환 테스트
2018년 2분기: FIX Digital Exchange 출시
2018년 3분기: 모든 디지털 자산과의 오픈 소스 API 연결.
2018년 4분기: 추가 개선 사항.
FIX 위험-사이버네틱스 프로토콜
FIX 디지털 거래소의 FX, Cryptos 등을 포함한 디지털 자산 포트폴리오는 다음을 기반으로 합니다.
MVSK(Mean-Variance-Skewnes-Kurtosis) 유틸리티 최적화에 따른 원자 포트폴리오 선택(APS).
2차 유틸리티 알고리즘은 다음과 같습니다.
포트폴리오 차이:
어디 
상대 포트폴리오-Coskewness:
어디 
상대 포트폴리오 코르토시스:
어디 
최대 수익:
또는
최소화된 분산:
다음과 같은 동시 제약 조건이 적용됩니다.
다음과 같이 주어진 위험 선호 매개변수
그리고 다음과 같이 주어진 위험 회피 매개변수
FIX 디지털 교환을 위한 랜덤 매개변수 최적화 엔진은 다음과 같습니다.
GR(Golden Ratio)로 운영되는 최적화 기능,
어디, 
= | 최저 가격 - 평균 가격 |
b = | 평균 가격 – 최고 가격 |
여기서>b : 가정된 비율=1.618
여기서 b>a : 가정된 비율=0.618
GRE = GF/GR일 때 Gold Ratio Estimator(GRE)를 계산합니다.
GF는 x 제약 조건에서 0에서 1.618 사이의 유전 최적화 계수(GF) 결과입니다. 여기서 x는 유동성 풀 통계에서 얻은 매개변수 세트입니다.
결론
FIX 디지털 거래소는 기관 및 개인 거래자의 전체 포트폴리오에서 변동성 차익 거래 및 델타 헤지 옵션 포트폴리오의 증가하는 요구 사항을 충족할 것으로 예상됩니다.
참조:
Chan, Lanz, Atomic Portfolio Selection: 글로벌 부동산 증권의 MVSK 유틸리티 최적화(2004년 6월 16일). Finamatrix, 2011년 7월. SSRN에서 사용 가능: https://ssrn.com/abstract=1744802
Chan, Lanz, 위험 사이버네틱스 인공 지능 프레임워크를 사용한 우수한 수익을 위한 기계 학습 완전 자동화된 FX 거래 시스템(2015년 5월 22일). SSRN에서 사용 가능: https://ssrn.com/abstract=2609630
Chan, Lanz 및 Wong, Wing-Keung, 유전 알고리즘 신경망 위험 사이버네틱스를 사용한 자동화된 거래: FX 시장에 대한 응용 프로그램(2012년 2월 20일). Finamatrix 저널, 2012년 2월 . SSRN에서 사용 가능: https://ssrn.com/abstract=1687763
Gikhman, Ilya I., 주식, 내재, 국부 변동성 및 블랙 숄즈 가격 책정(2017년 7월 31일). SSRN에서 사용 가능: https://ssrn.com/abstract=3011435 또는 http://dx.doi.org/10.2139/ssrn.3011435
Jablecki, Juliusz 및 Kokoszczynski, Ryszard 및 Sakowski, Pawel 및 Slepaczuk, Robert 및 Wojcik, Piotr, 옵션이 전혀 없는 옵션 델타 헤징(2014년 10월 11일). 바르샤바 대학교 경제 과학 학부 작업 보고서 No. 27/2014. SSRN에서 사용 가능: https://ssrn.com/abstract=2508639 또는 http://dx.doi.org/10.2139/ssrn.2508639
Joenvaara, Juha 및 Nguyen, Lien, 위험 차익 거래의 '위험' 활용: 위험 차익 거래자의 옵션 보유 증거(2018년 1월 23일). SSRN에서 사용 가능: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3107499
https://www.research.ibm.com/ai/
https://ai.google/