J'ai passé quelques jours avec le workflow Markowitz AlphaSense de Markowitz et ce qui se démarque vraiment, c'est à quel point les mathématiques sous-jacentes sont anciennes par rapport à la nouveauté de la couche de vérification qui l'entoure....
Voici le mécanisme. Le Markowitz AlphaSense d'OpenGradient utilise l'optimisation moyenne-variance pour générer des positions optimales de portefeuille. Les mathématiques elles-mêmes ont des décennies, la théorie moderne du portefeuille, équilibrant le retour attendu contre la variance. Ce qu'OpenGradient ajoute n'est pas une nouvelle technique d'optimisation, mais une couche d'exécution vérifiable enveloppée autour d'une connue -+ TEE ou attestation ZKML prouvant que l'optimisation a réellement été exécutée sur les entrées qu'elle prétend avoir utilisées....
Vieille mathématique. Nouvelle garantie.... $BTW
Ce que je pense qui est souvent négligé, c'est pourquoi cette distinction est importante pour un agent prenant des décisions d'allocation de manière autonome. Si un agent de portefeuille prétend avoir exécuté une optimisation moyenne-variance et produit une allocation spécifique, il n'y a normalement aucun moyen de vérifier qu'il n'a pas juste fabriqué la sortie. OpenGradient comble ce fossé spécifique pour cette technique bien comprise en premier, plutôt que d'essayer de vérifier quelque chose d'exotique et non prouvé....$RE
J'aime en fait qu'ils aient choisi un algorithme ennuyeux et bien fiable à vérifier plutôt que quelque chose de tape-à-l'œil. Vérifier quelque chose pour lequel tout le monde fait déjà confiance aux mathématiques renforce la confiance dans la couche de vérification elle-même....
Mais je ne vais pas prétendre que l'optimisation moyenne-variance est impeccable même lorsqu'elle est exécutée de manière vérifiable. La technique est célèbre pour sa sensibilité à ses hypothèses d'entrée - une optimisation vérifiée sur de mauvaises entrées produit toujours une mauvaise allocation....
J'ai fait confiance à un vieux outil de rééquilibrage de portefeuille qui a discrètement utilisé des données de covariance obsolètes pendant des mois sans que je ne m'en aperçoive....
Ce que je ne peux toujours pas résoudre, c'est si le Markowitz AlphaSense d'OpenGradient vous permet de vérifier les données d'entrée alimentant l'optimisation, ou vérifie seulement que l'optimisation elle-même a été exécutée correctement sur les entrées fournies ??
@OpenGradient $OPG
#OPG
Voici le mécanisme. Le Markowitz AlphaSense d'OpenGradient utilise l'optimisation moyenne-variance pour générer des positions optimales de portefeuille. Les mathématiques elles-mêmes ont des décennies, la théorie moderne du portefeuille, équilibrant le retour attendu contre la variance. Ce qu'OpenGradient ajoute n'est pas une nouvelle technique d'optimisation, mais une couche d'exécution vérifiable enveloppée autour d'une connue -+ TEE ou attestation ZKML prouvant que l'optimisation a réellement été exécutée sur les entrées qu'elle prétend avoir utilisées....
Vieille mathématique. Nouvelle garantie.... $BTW
Ce que je pense qui est souvent négligé, c'est pourquoi cette distinction est importante pour un agent prenant des décisions d'allocation de manière autonome. Si un agent de portefeuille prétend avoir exécuté une optimisation moyenne-variance et produit une allocation spécifique, il n'y a normalement aucun moyen de vérifier qu'il n'a pas juste fabriqué la sortie. OpenGradient comble ce fossé spécifique pour cette technique bien comprise en premier, plutôt que d'essayer de vérifier quelque chose d'exotique et non prouvé....$RE
J'aime en fait qu'ils aient choisi un algorithme ennuyeux et bien fiable à vérifier plutôt que quelque chose de tape-à-l'œil. Vérifier quelque chose pour lequel tout le monde fait déjà confiance aux mathématiques renforce la confiance dans la couche de vérification elle-même....
Mais je ne vais pas prétendre que l'optimisation moyenne-variance est impeccable même lorsqu'elle est exécutée de manière vérifiable. La technique est célèbre pour sa sensibilité à ses hypothèses d'entrée - une optimisation vérifiée sur de mauvaises entrées produit toujours une mauvaise allocation....
J'ai fait confiance à un vieux outil de rééquilibrage de portefeuille qui a discrètement utilisé des données de covariance obsolètes pendant des mois sans que je ne m'en aperçoive....
Ce que je ne peux toujours pas résoudre, c'est si le Markowitz AlphaSense d'OpenGradient vous permet de vérifier les données d'entrée alimentant l'optimisation, ou vérifie seulement que l'optimisation elle-même a été exécutée correctement sur les entrées fournies ??
@OpenGradient $OPG
#OPG