Devo dirti qualcosa che ha veramente cambiato il mio modo di fare trading. So come suona. Nel crypto, ogni progetto dice che cambierà tutto e poi ti dà solo un PDF figo.
Gestisco bot di trading da anni e ho acquistato un sacco di strumenti che promettevano di rendere i miei modelli più intelligenti e i miei profitti più grandi.
Quasi tutti si sono rivelati solo uno schermo carino che nascondeva i dati rotti di qualcun altro.
Quindi, quando ho sentito parlare per la prima volta di OpenLedger—una blockchain costruita appositamente per dati, modelli AI e bot di trading—quasi scoppiavo a ridere.
Ciò che alla fine mi ha fatto prestare attenzione non è stata una presentazione di vendita. È stato un errore costoso.
Circa otto mesi fa, un feed di sentiment sui social media che stavo usando in uno dei miei bot di trading ha iniziato a darmi spazzatura. Non lo sapevo all'epoca. I numeri sembravano normali, il mio bot continuava a funzionare e tutto sembrava a posto. Poi, in due giorni, ho perso una quantità dolorosa di denaro.
I dati 'di alta qualità' per cui pagavo erano stati silenziosamente dirottati da un'inondazione di attività di bot falsi. Le etichette erano senza valore, le persone che presumibilmente le controllavano non esistevano, e nessuno—non il mio venditore di dati, non il loro fornitore—poteva dirmi da dove provenisse effettivamente tutto. Stavo facendo trading alla cieca, e avevo pagato per il privilegio.
Quella notte, fissando le mie perdite, ho deciso che avevo finito con i dati a scatola misteriosa. Dovevo sapere esattamente da dove provenisse la mia informazione, e avevo bisogno di prove reali, non promesse.
Questa è la frustrazione che portavo quando ho iniziato a scavare seriamente in @OpenLedger .
La prima idea che mi è venuta in mente è stata qualcosa chiamato Data Capsules. Te lo spiego come lo uso io, non come lo fa un white paper. Pensalo come un contenitore digitale sigillato per qualsiasi dataset.
Prendi un foglio di calcolo di snapshot puliti del libro ordini, un sacco di tweet etichettati, immagini satellitari per indovinare i raccolti—qualunque cosa.
Lo metti nel contenitore. I file reali sono memorizzati su una rete dispersa come IPFS, ma il contenitore lascia un'impronta digitale unica sulla blockchain: un codice che prova che i dati sono esattamente ciò che dici che siano, più un record di chi l'ha creato, quando e sotto quali regole. All'improvviso, la cosa che chiedevo ai venditori di dati da anni—la prova che questi dati fossero reali e invariati—era lì, bloccata su un registro pubblico che nessuno poteva alterare.
Ho preso un dataset dei prezzi delle opzioni Ethereum che avevo trascorso sei mesi a pulire a mano, l'ho avvolto in una capsule, ho impostato una piccola tassa in token OPL per chiunque volesse usarlo, e l'ho trasformato in un asset digitale unico. Sembrava irreale. Poche cliccate e avevo il tipo di prova per cui avevo speso decine di migliaia di dollari e non avevo mai ricevuto da presunte aziende di dati professionali.
Il secondo momento di illuminazione è avvenuto quando un gruppo di trader di dati ha notato la mia capsule. Questo gruppo era focalizzato sulle oscillazioni di mercato, e avevano i propri dataset che mescolavano e vendevano. Hanno preso i miei dati sulle opzioni, li hanno mescolati con i loro e creato una nuova capsule condivisa. Il sistema ha automaticamente mantenuto una storia pubblica di dove provenisse tutto, puntando direttamente al mio lavoro originale. Ogni volta che qualcuno usava quel dataset combinato, un piccolo flusso di token OPL si riversava nel mio wallet. Non era denaro per la pensione, ma non era quello il punto. Per la prima volta, i miei dati venivano utilizzati da altri, e venivo pagato senza un singolo contratto, fattura o messaggio di 'fidati di me'. La traccia del credito era incorporata, automatica e completamente visibile.
Ora, conoscere la storia dei tuoi dati è fantastico, ma un modello di trading addestrato su dati sporchi è comunque un modello sporco. Il prossimo pezzo che mi ha davvero sorpreso è stata l'idea di addestramento verificabile. Prima, affittavo un computer potente da qualche servizio cloud, prendevo i dati che trovavo, eseguivo uno script di addestramento e speravo di ricordare quale versione dei dati avevo effettivamente usato. Spoiler: quasi mai lo facevo. Con OpenLedger, puoi affittare potenza di calcolo da un fornitore che utilizza un'area sicura e protetta. Indirizzi il lavoro a specifiche Data Capsules—provate dalle loro impronte blockchain—e il tuo codice di addestramento. Dopo che è stato eseguito, ricevi una prova che dice: questi esatti pesi del modello provengono da questi esatti dataset, utilizzando questo esatto codice. Quella prova viene permanentemente stampata sulla blockchain, legata al modello. Così più tardi, quando ho creato un modello di previsione della volatilità e l'ho messo sul mercato con una piccola tassa per utilizzo, chiunque lo usasse poteva controllare la sua intera storia di origine. Non stavo vendendo una previsione misteriosa; stavo vendendo un modello con una storia completamente tracciabile. Per il mio trading, questo significava che finalmente potevo fidarmi dei miei modelli settimane dopo averli costruiti, perché potevo vedere esattamente cosa ci fosse dentro.
Poi è arrivata la parte che sembrava davvero futuristica, in modo silenzioso e pratico. Ho costruito un bot di trading autonomo all'interno del sistema di OpenLedger.
L'ho chiamato Vega. Vega ha il suo wallet sulla blockchain, che detiene token USDC e OPL.
L'ho collegato a tre modelli diversi: il mio indovino della volatilità, uno strumento di sentiment costruito da qualcun altro e un rilevatore di gap di prezzo tra exchange. Ho dato a Vega una semplice regola: se i segnali combinati mostrano un mismatch di prezzo abbastanza grande, calcola una posizione sicura, paga ai modelli le loro piccole commissioni, piazza il trade su un exchange decentralizzato e esci entro quindici minuti. Vega ha iniziato a girare, e io stavo lì a guardare con un caffè che si è raffreddato perché non potevo distogliere lo sguardo.
Ciò che mi ha colpito non è stato che i trade facessero soldi, anche se molti lo facevano. Era che ogni singola decisione presa da Vega lasciava una traccia pubblica, immutabile.
Potevo guardare un trade perdente e seguirlo attraverso le chiamate ai modelli, fino alla prova di addestramento del modello, fino alle specifiche Data Capsules che fornivano le informazioni grezze. Potevo vedere se lo strumento di sentiment aveva puntato troppo su un'etichetta di bassa qualità, o se i dati del libro ordini erano leggermente obsoleti. Non si tratta solo di risolvere bug. È un modo completamente diverso di gestire il rischio. Nella mia vecchia configurazione, un trade perdente era un mistero oscuro. Ora, un trade perdente è un problema specifico da qualche parte in una catena chiara che posso effettivamente ispezionare.
Qualcos'altro è successo che non mi aspettavo: Vega ha iniziato a costruire una reputazione. Poiché ogni trade e chiamata al modello sono verificabili, la rete può dare a un bot un punteggio basato sulle prestazioni reali e su quanto rispetti i limiti di rischio. Un bot che fa costantemente bene e si comporta in modo sicuro potrebbe, in teoria, prendere in prestito denaro da un pool di prestiti o avere accesso a capsule di dati più veloci ed esclusive che non sono aperte a bot sconosciuti. È come una storia creditizia, ma per codice autonomo. Questa è una nuova idea nella finanza decentralizzata, e cambia quello che un trading bot può diventare. Vega non è solo uno script che esegue comandi; è una creatura digitale con un'identità duratura, il suo bankroll, e una reputazione che deve mantenere. Sembra un po' come gestire un trader junior che è fatto di codice.
Tutto è perfetto? No. A volte sulla rete di test, gli spazi di calcolo sicuri si sono occupati e una chiamata al modello ha impiegato più di un secondo invece di un millisecondo, il che ha ucciso un paio di occasioni di trading prima che Vega potesse agire. Il team sta costruendo uno strato secondario più veloce per raggruppare e risolvere queste prove in batch, il che dovrebbe risolvere il ritardo per strategie ad alta velocità. Per i miei setup a velocità media, però, la velocità attuale è già completamente utilizzabile. Ho spostato un bel po' dei miei soldi in strategie che girano su questo sistema, e dormo meglio sapendo che quando qualcosa si rompe, posso effettivamente scoprire perché.
Quello a cui torno non è solo una caratteristica interessante. È l'intero cerchio economico. I fornitori di dati guadagnano token quando i modelli usano le loro capsule. I costruttori di modelli guadagnano token quando i bot chiedono previsioni. I bot creano attività e domanda per il token. Tutto è collegato da prove pubbliche e verificabili, non da sistemi di reputazione che dipendono dalla buona volontà di qualche azienda. Ho visto token che affermano di mettere l'IA sulla blockchain avvolgendo un'API chiusa e chiamandola decentralizzata. OpenLedger capovolge completamente il concetto. La blockchain non è un'etichetta di marketing; è la spina dorsale. Non ho bisogno di fidarmi di un team o di una promessa. Controllo semplicemente l'impronta, verifico la prova e faccio trading.
Non sto scrivendo questo perché ho un bag di token o perché qualcuno me lo ha chiesto. Lo scrivo perché ho passato anni furioso per pipeline di dati poco chiare e modelli a scatola nera, e trovare qualcosa che risolva effettivamente quella rabbia a livello più profondo sembrava meritasse di essere discusso in modo chiaro.
Mi unisco a un gruppo di dati per il sentiment di mercato il mese prossimo. Bloccherò un po' di OPL per eseguire un nodo di controllo leggero. Il mio prossimo bot è già mappato: un fornitore di liquidità su un exchange di futures che dimensiona le sue scommesse interamente da modelli la cui storia completa posso ispezionare e fidarmi. Quella frase sarebbe sembrata nonsense per me due anni fa. Oggi, è proprio ciò che sto costruendo, con una calma fiducia che non avevo quando mi fidavo dei venditori invece di controllare le prove. OpenLedger mi ha dato questo, e onestamente, penso sia la prima cosa in molto tempo che ha effettivamente risolto il problema che prometteva di risolvere.