傳統(tǒng)金融行業(yè)過去 20 年在 IT 基礎設置、中心化數(shù)據(jù)存儲及互聯(lián)網(wǎng)生態(tài)推動下，脫離初期人工記賬和電話交易，成為影響全球經(jīng)濟發(fā)展的最重要行業(yè)之一，催生 Bloomberg等基礎數(shù)據(jù)服務提供商；數(shù)字貨幣金融時代，由區(qū)塊鏈、大數(shù)據(jù)和人工智能相關技術共同推動：如何從大數(shù)據(jù)中實時發(fā)現(xiàn)投資機會點、通過人工智能量化分析決策作為商業(yè)決策輔助、利用神經(jīng)網(wǎng)絡和深度學習進行市場預測及風險預警，將會成為未來行業(yè)趨勢。

項目背景及定位

目前全球數(shù)字貨幣超 3781 種，每天都形成新的區(qū)塊鏈生態(tài)組成部分。數(shù)字貨幣的區(qū)塊 鏈本身包含 17 種類型數(shù)據(jù)，如：發(fā)行總量、挖礦難度、損耗量、流通鎖定量、區(qū)塊交 易數(shù)據(jù)、礦工費等。

目前全球數(shù)字交易平臺有超 467 個，數(shù)字貨幣超 3781 種，其中超 1765 種可在交易平 臺中交易，形成 3183 交易對，數(shù)字仍不斷快速增加。全球交易平臺產(chǎn)生實時交易價格， 實時掛單與交易量等，每秒數(shù)據(jù)產(chǎn)生大量變化。不同交易所間交易價格平均最大差值 9.73%，二八法則長尾交易量平均分布平臺 382 個，但仍約有 63.9%的交易在 OTC 或 其他方式進行。除此之外，還有 OTC 數(shù)據(jù)、非交易數(shù)據(jù)、期貨衍生品數(shù)據(jù)等，相關標的 信息 69 類。

在區(qū)塊鏈完全去中心化和匿名技術模型下，數(shù)字貨幣在眾多獨立分布式交易中心交易， 與傳統(tǒng)金額行業(yè)相比，98.9%的常規(guī)分析數(shù)據(jù)無法獲取。最關鍵的價和量數(shù)據(jù)，僅有 12.9% 能實時覆蓋，且分布在 73 個數(shù)據(jù)源中。并且，目前 98%的交易所只提供交易實時數(shù)據(jù) （76.9%的數(shù)據(jù)僅為當前時間戳數(shù)據(jù)），完全沒有歷史數(shù)據(jù)作為投資決策參考。

過去一年統(tǒng)計，區(qū)塊鏈和數(shù)字貨幣日均產(chǎn)生 17875 條新聞資訊、537819 條 UGC 信息， 日均 555694 條輿情信息中，包括市場的利空利好以及投資者的看多看空，這些不確定 性信息一定程度致使數(shù)字貨幣價格平均每小時波動 5.5%，且 24 小時不停盤。

如何從眾多區(qū)塊、獨立分布式交易所、繁雜輿情信息中抓取海量數(shù)據(jù)，并對日均 5.6017T （目前）結構化化處理、積累，形成目前全球唯一區(qū)塊鏈市場結構式數(shù)據(jù)中心；在此基礎上分析規(guī)律、洞察本質、捕捉機會點、智能化進行市場預測和風險預警、給商業(yè)決策 帶來價值，最終形成行業(yè)基礎和行業(yè)標準，全面公開共享，并提供智能量化分析引擎， 是 QUBE 的定位。

據(jù) 2018 年 1 月 1 日數(shù)據(jù)測算，全球證券交易市場市值 100 萬億美元，區(qū)塊鏈數(shù)字貨 幣總市值 7552.7 億美元，僅占傳統(tǒng)證券市場市值的 0.76%。傳統(tǒng)證券交易二級市場中 量化輔助交易占比已達 19.6%，QUBE 率先定位細分數(shù)字貨幣市場，未來有極強的發(fā)展 空間和預期。

QUBE 服務于：

? 3000 萬數(shù)字貨幣投資者 （10%為收費 VIP 用戶） - 計劃為個人投資者推出以幣種為單位的量化策略機器人

? 10000 家專業(yè)金融機構 （全部為收費用戶）

? 500 家專業(yè)數(shù)字資產(chǎn)基金 （全部為收費用戶）

解決方案及模型

QUBE 智能量化分析引擎，解決方案基于數(shù)據(jù)大規(guī)模處理和深度學習算法的數(shù)據(jù)降維、噪點去除、特征提取、模型訓練等過程，在神經(jīng)網(wǎng)絡量化因子優(yōu)化歸一后，形成最終結果輸出。其核心是對日均 5.6017T（目前）海量數(shù)據(jù)進行處理，包括區(qū)塊鏈數(shù)據(jù)、各類交易平臺數(shù)據(jù)，網(wǎng)絡信息輿情數(shù)據(jù)等，通過人工智能技術體系下的一系列算法模型訓練，最終對數(shù)字貨幣市場各類博弈行為進行模型預測和數(shù)據(jù)量化。

解決方案概述

1） 數(shù)據(jù)獲取

我們通過全球 276 個節(jié)點來獲取數(shù)據(jù)，通過 WebSocket、API 接口，配合爬蟲實時抓 取 467 個交易平臺數(shù)據(jù)中 1765 個數(shù)字貨幣的 3183 交易對價格、實時掛單與交易量等信息，覆蓋 95%以上幣種，90%以上交易平臺，平均 3.9 秒鐘刷新更新數(shù)據(jù)。 通過爬蟲技術抓取影響區(qū)塊鏈市場投資的文字信息，分類為資訊類信息和 UGC 信息， 共 6786 個信息源，日均 876 萬未結構化數(shù)據(jù)；通過對區(qū)塊鏈節(jié)點數(shù)據(jù)的監(jiān)聽挖掘，獲 取區(qū)塊鏈隱藏信息，并結構化存儲 17 類數(shù)據(jù)。QUBE 引擎目前每分鐘平均獲取原始數(shù) 據(jù) 3.91GB，處理后存儲數(shù)據(jù)倉庫。

2） 數(shù)據(jù)量化

全球 26 個數(shù)據(jù)中心進行數(shù)據(jù)處理，去除噪點，輸入模型量化，形成交易數(shù)據(jù)的中心結 構化數(shù)據(jù)庫；通過語義分析對輿情原始數(shù)據(jù)進行處理，切詞標簽化，深度學習量化成市 場多空影響因子與情緒因子一系列指標；對區(qū)塊鏈數(shù)據(jù)進行技術處理后，形成實時數(shù)據(jù) 源。

通過 AI 人工智能對數(shù)據(jù)進行量化處理，在 983 個維度上進行深度建模分析，形成 28919 中間因子機器學習，最終形成 397 類直接量化數(shù)據(jù)的價值輸出結果。眾所周知，數(shù)據(jù)建 模處理和人工智能訓練需要大規(guī)模計算量，我們利用區(qū)塊鏈技術招募合作伙伴，進行分 布式計算來解決算力問題，推動相關技術落地時間比傳統(tǒng)模式 ROI 提高 87%。

3） 智能策略

日均產(chǎn)生的 5.6017T 數(shù)據(jù)中，包括大量有價值信息，通過機器學習和深度學習算法，在 最小時間戳為 1 分鐘維度上進行迭代結果導入訓練，優(yōu)選最佳的數(shù)字貨幣投資策略。

QUBE 引擎從 2017 年 7 月份開始啟動運行，到目前共 5 個月算法和模型訓練時間，AI 人工智能投資策略啟動后，與比特幣單一幣種的同期收益相比提高 27.9%。且月環(huán)比引 擎本身提高 11.6%，呈現(xiàn)環(huán)比率增加。QUBE 引擎的目標是在 2018 年推出 60 類智能 量化策略并產(chǎn)品化。

引擎核心模型

QUBE 引擎的核心為以深度學習算法為基礎的模型，旨在利用各類區(qū)塊鏈貨幣的海量歷 史數(shù)據(jù)，結合自動獲取的每日交易數(shù)據(jù)和區(qū)塊鏈生態(tài)相關數(shù)據(jù)（如交易各類信息量化、 輿情數(shù)據(jù)、區(qū)塊數(shù)據(jù)、貨幣匯率等），作為模型輸入樣本數(shù)據(jù)，通過大量運算訓練并迭代 優(yōu)化 AI 模型，最終實現(xiàn)能夠發(fā)現(xiàn)一定時間范圍內或特定場景下區(qū)塊價格的動態(tài)變化風 險規(guī)律。

模型的原始數(shù)據(jù)主要分交易數(shù)據(jù)和輿情數(shù)據(jù)等。其中，交易數(shù)據(jù)為定量數(shù)據(jù)，包含各大 交易平臺的交易數(shù)據(jù)、行情數(shù)據(jù)、OTC 場外交易數(shù)據(jù)記錄、以及各類貨幣的實時交易匯 率。輿情數(shù)據(jù)為定性數(shù)據(jù)，包括與區(qū)塊鏈相關的各類新聞、資訊、公告、用戶 UGC 信息等等，輿情數(shù)據(jù)最終被量化為對某個時間段的影響因子，與交易數(shù)據(jù)一并作為 AI 模 型的數(shù)據(jù)源。

通過定義市場趨勢的指標，將市場背景按照多、空、震蕩等 27 個因子劃分成若干情形， 按幣種發(fā)行時間，將幣種劃分為新幣、短期、長期等 36 個類型；按幣種價格，將幣種 劃分為微額、小額、中額、大額等 45 種類型；按照輿情指數(shù)，將市場情緒劃分為買入、 賣出、觀望等 13 個類型。按上述方法，將整個區(qū)塊鏈市場的 N 個特征進行提取和分類， 即 N 維市場，若每個維度有 M 個分類，則市場被量化成 NxM 的矩陣，將 NxM 個組 合情形下的價格、短期走勢、中長期走勢進行抽象，即特征向量化。

按照上述分類，將任意時間點歷史數(shù)據(jù)以及每日更新的數(shù)據(jù)快速分解為各類特征的描述， 可快速作為輸入數(shù)據(jù)納入最終模型中，并利用機器學習算法訓練出能夠快速對市場進行 判讀和走勢預測的 AI 模型。這是引擎的核心模型。

模型為監(jiān)督學習和無監(jiān)督學習的結合，初始特征的分類和輸入，幫助模型快速解讀市場， 隨著數(shù)據(jù)量的增多和特征的明顯，模型可自動發(fā)現(xiàn)市場中存在的隱含特征，同時也可將 持續(xù)超出臨界置信的特征自動篩除。AI 模型的最終輸出結果為對當前時段價格、成交 量、市場情緒的短期趨勢和長期趨勢的概率分布，最終形成 397 類直接量化數(shù)據(jù)的價值 輸出結果。

引擎核心算法

QUBE 引擎的核心算法包括輿情分析、時序預測、回歸分析和機器學習模型等，我們團 隊成員不僅在人工智能方向有充分的技術儲備，同時具備豐富的量化金融建模經(jīng)驗。人 工智能的關鍵是算法和對應的巨型數(shù)據(jù)量訓練，我們公開部分引擎基礎算法，供行業(yè)監(jiān) 督反饋和驗證。

產(chǎn)品結構及計劃

產(chǎn)品結構介紹

產(chǎn)品功能舉例

主頁全部功能模塊：

QUBE 引擎實時更新四大關鍵模塊（原始數(shù)據(jù)獲取系統(tǒng)、數(shù)據(jù)處理結構化系統(tǒng)、特征 提取與量化系統(tǒng)、AI 深度學習模型系統(tǒng)）的運營狀態(tài)指標。QUBE 引擎的 8 大類別、 48 個功能模塊，將按計劃逐步上線。

功能模塊示例：（海量數(shù)據(jù)平臺/全部幣種）

目前 QUBE Beta V0.1 版已開通“All Token”功能模塊，支持 1385 個幣種的 376 個 交易平臺價格、實時掛單、交易量等交易數(shù)據(jù)，每 3.6 分鐘之內輪回更新周期，其中 176 個幣種數(shù)據(jù)在 3.9 秒內更新。

功能模塊示例：（輿情信息量化指標：［-10，+10］ ）

QUBE Beta V0.1 版已開通輿情量化模塊的輿情分析功能，QUBE 抓取全球共 6786 個 信息源，日均 876 萬未結構化數(shù)據(jù)。通過語義分析智能識別量化，最終產(chǎn)生 3 大量化 指數(shù) （網(wǎng)絡輿情指數(shù)、市場多空指數(shù)和投資情緒指數(shù)） ，從-10 到+10，已支持 1 小時 /24 小時維度，數(shù)據(jù) 5 分鐘內更新。QUBE Beta V0.1 版已支持中、英文信息量化指數(shù)， 以 5 個月為周期上線新語言的信息量化指數(shù)。