我這幾天一直在使用 Markowitz AlphaSense 的工作流程，讓我印象深刻的部分是其底層數學的古老程度，與其周圍的驗證層相比，實在是新得多....
這裡的機制是，OpenGradient 的 Markowitz AlphaSense 執行均值-方差優化，以生成最佳的投資組合位置。這個數學模型本身已有幾十年的歷史，是現代投資組合理論，平衡預期收益與方差。OpenGradient 添加的不是一種新的優化技術，而是一個圍繞已知技術的可驗證執行層 - + TEE 或 ZKML 證明優化確實是基於它所聲稱的輸入運行的....
舊的數學.新的保證.... $BTW
我認為這個區別對於一個自主做出配置決策的代理人來說，為什麼重要是被忽略了。如果一個投資組合代理聲稱它執行了均值-方差優化並產生了特定的配置，通常沒有辦法驗證它沒有隨便編造輸出。OpenGradient 首先針對這個比較成熟的技術填補了這個特定的空白，而不是試著驗證一些奇特且未經證實的東西....$RE
我其實很喜歡它們選擇了一個無聊、值得信賴的算法來驗證，而不是一些花俏的東西。驗證每個人都已經信任的數學，能增強對驗證層本身的信心....
但我不會假裝均值-方差優化即使在可驗證執行的情況下是無懈可擊的。這個技術對其輸入假設非常敏感——在不良輸入上的經過驗證的優化仍然會產生不良配置....
曾經相信一個舊的投資組合再平衡工具，結果它在我不知情的情況下默默使用陳舊的協方差數據幾個月....
我仍然無法解決的問題是，OpenGradient 的 Markowitz AlphaSense 是否讓你驗證供應給優化的輸入數據，還是僅僅驗證優化本身在所提供的任何輸入上正確執行？?
@OpenGradient $OPG
#OPG
這裡的機制是，OpenGradient 的 Markowitz AlphaSense 執行均值-方差優化，以生成最佳的投資組合位置。這個數學模型本身已有幾十年的歷史，是現代投資組合理論，平衡預期收益與方差。OpenGradient 添加的不是一種新的優化技術，而是一個圍繞已知技術的可驗證執行層 - + TEE 或 ZKML 證明優化確實是基於它所聲稱的輸入運行的....
舊的數學.新的保證.... $BTW
我認為這個區別對於一個自主做出配置決策的代理人來說，為什麼重要是被忽略了。如果一個投資組合代理聲稱它執行了均值-方差優化並產生了特定的配置，通常沒有辦法驗證它沒有隨便編造輸出。OpenGradient 首先針對這個比較成熟的技術填補了這個特定的空白，而不是試著驗證一些奇特且未經證實的東西....$RE
我其實很喜歡它們選擇了一個無聊、值得信賴的算法來驗證，而不是一些花俏的東西。驗證每個人都已經信任的數學，能增強對驗證層本身的信心....
但我不會假裝均值-方差優化即使在可驗證執行的情況下是無懈可擊的。這個技術對其輸入假設非常敏感——在不良輸入上的經過驗證的優化仍然會產生不良配置....
曾經相信一個舊的投資組合再平衡工具，結果它在我不知情的情況下默默使用陳舊的協方差數據幾個月....
我仍然無法解決的問題是，OpenGradient 的 Markowitz AlphaSense 是否讓你驗證供應給優化的輸入數據，還是僅僅驗證優化本身在所提供的任何輸入上正確執行？?
@OpenGradient $OPG
#OPG