[NMR] 뉴메레르 (Numeraire Coin & Numerai) 코인 관련 정보 및 2018년 호재

뉴메레르(Numeraire Coin) 코인은 데이터 전문가들로 구성된 네트워크에서 만들어진 새로운 종류의 헤지펀드(A new kind of hedge fund) 코인입니다. 뉴메레르(Numeraire Coin) 코인은 시가총액은 약 300억원 정도로 잘 알려져있지 않은 코인인데요. 업비트 BTC 마켓과 비트렉스 거래소에서 구매할 수 있는 코인입니다. 해당 코인 기업은 샌프란시스코, 캘리포니아 주에 있습니다.

주식 시장은 기계 학습의 새로운 발전과 관련하여 매우 비효율적으로 동작하고 있습니다. 세계 데이터 과학자 중 일부만 데이터와 관련한 정보에 접근할 수 있습니다. 뉴메레르(Numerai) 코인은 이러한 체계의 문제점을 바꾸기를 원하고 있는 코인입니다.

뉴메레르(Numerai)는 추상화된 재무 데이터로 인해 데이터 과학자들은 데이터가 나타내는 정보가 무엇인지 정확하게 파악하기 어렵다고 말합니다.

뉴메레르(Numerai) 코인은 효율적인 시장을 위한 암호화 된 데이터를 다루고 있습니다. 뉴메레르(Numerai) 코인은 주식 시장 효율성 문제에 공개적으로 참여할 수 있도록 구조 보존 암호화의 발전을 어떻게 활용하고 있을까요?

지난 몇 년 동안 컴퓨터 학습 알고리즘은 컴퓨터 발전과 비전의 큰 이슈를 해결했습니다. 그러한 핵심 이슈 중 하나는 MNIST 데이터 세트에서 손으로 쓴 자릿수를 인식하는 방법을 배우는 알고리즘을 얻는 것이 었습니다. 모든 사용자가 숫자를 다르게 쓰므로 컴퓨터가 파악하기 어려운 문제였습니다.

데이터 세트가 1998 년에 처음 사용 가능 해지자 컴퓨터 비전을 위한 기계 학습 알고리즘은 그다지 정확하지 않았습니다. 게다가, 당시에 컴퓨터 하드웨어는 오늘날과 비교해 크게 뒤떨어져있었습니다. 그러나 천천히 세계의 연구자들이 연구를 진행하고, 진전을 이루었습니다. 2012년까지 연구원은 손으로 쓴 자릿수 인식에 가까운 성능을 나타내는 기계 학습 알고리즘을 발표했습니다.

MNIST 문제에 대한 진전은 다음과 같습니다 :

- 새로운 하드웨어 (빠른 GPU)

- 새로운 기계 학습 알고리즘 (convolutional neural networks - convolutional 신경 네트워크)

- 공개 참여 (무료 데이터 세트)

MNIST를 사용하면 누구나 데이터 세트를 다운로드하고 진행 과정에 참여할 수 있으므로 전세계 사람들이 작업을 수행하는데에 있어 많은 도움을 주었습니다. 많은 사람들의 참여로 인해 연구에 있어서 컴퓨터는 알고리즘을 훈련하고 새로운 아이디어를 실험하는 데 필요한 데이터를 가지고있었습니다. 대중들의 공개 참여가 없다면 컴퓨터는 여전히 손으로 쓴 자릿수를 인식하지 못할 수도 있습니다. 즉, 기계 학습을 하기 위해서는 데이터 축적이 매우 중요하며, 이를 위해서 많은 사람들의 참여가 중요합니다. 실제로 기계 학습의 가장 어려운 핵심 이슈가 데이터 축적입니다. 비용도 가장 많이 드는 원인 중 하나이고요.

주식 시장의 효율성은 추상적인 것이 아닙니다. 정량화될 수 있는 문제로 비효율적인 것은 사회적으로 부정적인 영향을 미칩니다. 자본이 올바르게 할당되면 온 세상에 도움이 된다는 것이 뉴메레르 코인이 주장하는 바입니다. 그러나, 그러한 것은 매우 중요하지만 어려운 문제입니다. 왜냐하면 주식은 사람들에 의해서 굴러가고 이러한 데이터는 일부에게만 한정되어 있으니까요.

자산 관리자와 헤지 펀드는 기계 학습 기술을 가진 사람들을 고용 할 수 있으며 점차 증가하고 있습니다. 또한, 자산관리자와 헤지펀드는 GPU를 구입할 여력이 있습니다. 그러나 주식 시장에서 누락 된 것은 공개 참여입니다.

개인이 이전보다 더 많은 시장 데이터에 액세스 할 수있는 것처럼 보일 수 있습니다. Yahoo!와 같은 많은 무료 데이터 소스가 있습니다. 재원. 그러나 놀랍게도 대부분의 주식 시장 데이터는 공개적으로 이용 가능하지 않습니다. 야후! 모델을 구축하기위한 재무 데이터는 이미지에서 하나의 픽셀 만 사용하여 손으로 쓴 자릿수를 인식하는 것과 같습니다.

고품질의 주식 시장 데이터는 데이터 독점 및 헤지 펀드에 의해 보호됩니다. 독점 기업은 그만큼 즐거워하며, 정보를 제공하는 헤지 펀드는 정보제공 참여와 관련해서 호응하지 않을 것입니다. 주식 관련 정보의 높은 품질의 데이터 세트는 시간이 지남에 따라 더욱 비쌉니다. 따라서 MNIST 컴퓨터 비전 문제와는 달리 주식 시장을 해결하는 것은 명백한 일이 아닙니다. 주식 시장의 경우 기계 학습을위한 무료 고품질의 공개 데이터 세트가 없습니다.

알고리즘에 대한 교육 데이터가 없다면 월 스트리트에서 근무하지 않는 데이터 과학자는보다 효율적인 시장으로의 진출에 참여할 수있는 방법이 없습니다. 이러한 상황은 데이터 과학 분야가 Theano 및 TensorFlow와 같은 무료 도구, 값싼 클라우드 컴퓨팅 리소스, 통계 학습의 요소와 같은 무료 도서, Kaggle과 같은 기계 학습 커뮤니티 및 MOOC와 같은 무료로 제공되는 도구를 통해 점점 더 발전하지만, 데이터를 얻을 수 있는 방법이 없습니다. 

정리해서 말하자면, 글로벌 기계 학습 인력 중 극히 일부만 데이터에 액세스 할 수 있기 때문에 주식 시장은 기계 학습의 새로운 발전과 관련하여 다소 비효율적입니다.

값 비싼 시장 데이터를 자유롭게 이용할 수있는 방법이 있다면 어떨까요? 과연 데이터를 공개하지 않는 것이 안전할까요?

암호화는 데이터를 보호하는 방법입니다. 일반적으로 데이터를 암호화하면 데이터 과학자는 쓸모 없게됩니다. 그러나 암호학의 새로운 발전으로 인해 데이터 과학자들에게 유용성을 손상시키지 않으면 서 안전하게 데이터 세트를 공유 할 수있게되었습니다. 구조 보존 형 암호화 체계를 사용하면 기계 학습 알고리즘이 원시 데이터를 보지 못하더라도 사물을 학습 할 수 있습니다.

대수 링(algebraic ring)에서 고차 다항식 암호문에 대해 더하기 및 곱셈 연산을 수행 할 수있게 해주는 팬 및 Vercauteren 체계와 같은 실용적인 동형 암호화 체계가 있습니다. 만약 곱셈과 덧셈이 보존된다면 구조도 마찬가지입니다. 기계 학습 알고리즘은 구조에만 신경을 써야하기 때문에이 획기적인 기술은 암호화 된 데이터에서 기계 학습 알고리즘을 실행할 수 있음을 의미합니다.

주문 보존 대칭 암호화와 같은 간단한 구성은 특정 설정에서 보안을 제공합니다. 신경 암호화의 새로운 방법을 사용하여 혼자만으로도 이제 기계 학습 도구로 사용하기 쉬운 데이터를 암호화 할 수 있습니다. 획기적인 암호화 기술을 사용하여 기계 학습 전문가에게 유용하면서도 주식 시장 데이터를 암호화 할 수 있습니다.

지난 2년 반 동안 뉴메레스 코인 개발팀은 150억 달러 규모의 자산 관리 회사에서 여러 소스의 값 비싼 재무 데이터로 작업하면서 작은 데이터 세그먼트를 다루기 쉬운 이진 분류 문제로 전환하는 방법을 생각해 냈습니다. 그리고 이 데이터에 대한 알고리즘 학습 기계를 만들고 훈련 할 수있었습니다.

뉴메레스(Numeraire Coin) 개발팀은 모델을 사용하여 1년 이상 약 5천만 달러를 투자했으며 시장을 선도했다고 주장하고 있씁니다. 이로써, 기계 학습 알고리즘을 측정하는 방법으로 뉴메레스(Numeraire Coin) 개발팀이 얀 르쿤 (Yann LeCun)이 MNIST를 해결하는 데 도움이 되지 않는 사실을 깨달았다고 합니다. 왜냐면 어느 누구나 금융 작동모델, 금융 작동 관련 기술, 데이터 수집 기술 방법을 모두 숨길 수 있지만, 사실 가장 중요한 것은 데이터를 숨기는 것이기 때문입니다. 즉, 데이터에 대한 비밀 유지가 가장 어려운 작업이었기 때문이라고 합니다.

그래서 뉴메레스(Numeraire Coin) 개발팀은 최초의 헤지 펀드로, 구조 보존 용 암호화로 데이터를 무료로 제공하고 전 세계의 데이터 과학자들이 공개적으로 참여할 수 있게했습니다.

뉴메레스(Numeraire Coin) 개발팀은 2015 년 12월 1일에 이 과정을 진행했다고 합니다. Elon Musk와 Sam Altman의 10억 달러 상당의 OpenAI 프로젝트를 진행하며 머신러닝의 기술을 극대화로 끌어올렸다고 하네요. 

이어, 폴란드 사용자가 뉴메레스(Numeraire)에 대한 블로그 게시물을 게시하고 Google 플랫폼을 시작하기위한 무료 코드를 공유했습니다. 그 이후 뉴메레스(Numeraire Coin) 개발팀은 Stanford, Harvard, Carnegie Mellon, UC Berkeley, Indian Institute of Technology 및 케이프 타운 대학의 교수 및 학생을 모델에 대한 모델을 만들었습니다. 월스트리트에서 애널리스트로 일하는 사용자도 있었다고 하네요. 또한 뉴메레스(Numeraire Coin) 개발팀은 유명한 양적 헤지 펀드에서 일하는 사용자도 있었다고 합니다.

뉴메레스 모델은 엄청나게 많이 사용되었습니다. Google, Machine Intelligence Research Institute의 사용자 지원 벡터 머신, XGBoost 및 심층 학습 알고리즘을 사용하는 사용자, Kaggle Masters를 보유한 사용자 및 103개국의 사용자가 있다고 합니다.

이어 뉴메레르 (Numeraire) 모델의 사용자는 10,292 개의 예측 세트를 업로드했으며, 200,098,002 개의 주가 예측 데이터를 수집하게 되었습니다. 

Numerai는 데이터를 수집하는데에 있어 매우 성공적으로 진행했습니다.

그 이후로 사용자가 새로운 아이디어를 실험하고 새로운 기술을 발견함에 따라 오류율은 계속 감소했다고 합니다. 이번 달에  뉴메레스 모델 참여자 중 가장 높은 순위에 오른 사용자 중 하나는 몬트리올에서 열린 올해 신경 정보 처리 시스템 컨퍼런스에서 배운 최첨단 연구를 사용하고 있다고 알려져있습니다.

Numerai는 현재 헤지 펀드 인 Numerai Fund 1, LP에서 사용자가 예측 한 것을 거래하고 있습니다.

Numerai는 데이터 과학자들이 주식 시장 기계 학습 문제를 해결하는 데 참여할 수 있도록 암호화에 획기적인 기술을 사용하고 있습니다.

"Numerai는 재무 데이터를 추상화하기 때문에

 데이터 과학자들은 데이터가 나타내는 것과 

 인간 편견과 과장이 극복된 것을 알지 못합니다."

Numerai는 미국 헤지 펀드의 자본을 지휘하기 위해 기계 지능을 종합하고 있습니다.

90년대 후반과 2000 년대 초반에 AdaBoost 및 Random Forests와 같은 새로운 알고리즘이 기계 학습에서 혁신을 일으켰습니다. 이러한 각 알고리즘의 기본 원리는 매우 간단합니다. 즉, 서로 다른 것을 배울 수있는 많은 의사 결정 트리 모델을 작성한 다음 이들 모두를 평균하여 앙상블 모델을 작성합니다.

이 알고리즘은 믿을 수 없을 정도로 잘 작동했습니다. 이해하기 쉽고 계산상 효율적입니다. 의사 결정 트리 앙상블은 매우 효과적이어서 많은 경우에 기계 학습 벤치 마크에서 복잡한 신경 네트워크를 능가 할 수있었습니다. 이와 경쟁하기 위해 신경 네트워크 연구자는 자신의 힘을 활용할 수있는 방법, 즉 여러 모델을 결합하는 힘을 찾아야했습니다.

2013 년에 토론토 대학의 Geoffrey Hinton 팀은 'Dropout'이라는 신경망을위한 기계 학습 기술을 제안했습니다. 이는 다른 신경 네트워크의 지능로써 앙상블을 능가할 정도로 새로운 효율적인 방법이었고 효과적이었습니다. Hinton 팀은 여러 다른 신경망의 지능을 결합하기 위해 드롭 아웃을 사용하여 비전, 음성 인식, 문서 분류 및 컴퓨터 생물학에서 감독 된 학습 과제에 대한 최첨단 성능을 달성했습니다.

"보이지 않는 손"

Numerai는 전 세계 수천 명의 데이터 과학자들로부터 기계 정보를 수집하여 주식 시장 예측 정확도를 획기적으로 향상시키고 있습니다.

Numerai의 모든 데이터 과학자는 동일한 기본 기능을 사용하여 동일한 문제를 해결하고 있습니다. 그러나 모든 데이터 과학자는 자신의 고유 한 방식으로 문제에 접근합니다. 동일한 문제에 대한 여러 가지 솔루션을 통해 Numerai는 임의의 포리스트가 의사 결정 트리를 포리스트로 결합하는 것처럼 각 모델을 메타 모델로 결합 할 수 있습니다.

Numerai에있는 어떤 데이터 과학자도 다른 모든 모델보다 더 나은 기계 학습 모델을 가지고 있지 않습니다. Numerai는 '최고의'모델을 찾는 것이 아닙니다. 그것은 많은 다른 특성을 가진 많은 다른 모델을 종합하는 플랫폼입니다. 데이터 과학자들이 순위표에서 경쟁하기는하지만 경쟁은 모델을 수집하도록 설계되었습니다. Numerai는 실제로 경쟁이 아닙니다. 메타 모델을 구축하는 것은 보이지 않는 공동 작업입니다.

메타 모델의 이점은 단순한 수익 증가 이상으로 확장됩니다. 많은 다른 모델을 결합하는 것은 또한 포트폴리오 이론에서 효과적인 결과를 가져오는 이점이 있습니다.

Numerai의 모든 모델은 편향된 동전이라고 생각하라고 언급합니다. 헤지 펀드에 단지 하나의 모델을 기반으로 자본을 할당하는 것은 하나의 편향된 동전에 전체 포트폴리오를 베팅하는 것과 유사합니다. 리스크 관점에서 많은 동전을 걸고 많이 시도를 해야 승률이 향상됩니다. 충분한 베팅을하면 편향된 동전의 가장자리가 실현 될 가능성이 커집니다. 이것은 2 항 누적 분포 함수의 기울기로 설명됩니다.

100 개의 동시 동전 뒤집기로 40 미만의 성공 확률은 미미합니다.

Numerai의 메타 모델은 모든 모델에 동시에 노출되어 헤지 펀드가 단 하나의 모델로 구축 된 포트폴리오보다 더 많은 독립적 인 베팅을 보유한다는 것을 의미합니다. 모델의 다양성은 포트폴리오의 다각화로 이어져 위험을 감소시킵니다.

결과적으로 위험이 낮으면 더 높은 수익률을 얻게됩니다. 동전 뒤집기보기에서 각 동전 뒤집기의 독립성은 Kelly 기준에서 더 큰 배팅 크기를 의미합니다. 포트폴리오 이론에서 위험도가 낮은 포트폴리오는 합리적으로 더 많은 영향력을 행사할 수 있습니다. 에지 직교 벡터가 많기 때문에 변동성이 적은 높은 수익률을 얻을 수있을뿐만 아니라 합리적으로 더 많은 노출을 취할 수 있습니다.

첫 번째 원칙에서 앙상블 이론은 기계 학습 및 포트폴리오 관리 모두에서 수학적 기반을 가지고 있습니다. 다양한 모델을 통합함으로써 기계 학습의 오류율을 낮추고 개별 거래 수익을 높이고 포트폴리오 변동성을 줄이며 포트폴리오 노출을 늘릴 수 있습니다. 이들 각각은 Numerai에 대한 강력한 첫 번째 원칙 인수를 형성합니다.

뉴메레르 (Numeraire Coin & Numerai) 코인 개발팀은

 세계에서 가장 큰 주식 시장 기계 학습 모델 앙상블을 구축하고 있습니다.

뉴메레르 코인 개발팀은 이더리움(Ethereum) 블록 체인 기반의 암호화 코인인 뉴메레르 코인(NMR Coin)으로 인공 지능 헤지 펀드를 건설 할 것을 목표로 하고 있습니다.

Numerai는 2017년 2월에 전 세계의 데이터 과학자들에게 우리의 헤지 펀드 (Forbes, Wired, Smith + Crown 참조)에 인공 지능을 제공하기위한 인센티브를 제공하는 암호 토큰 Numeraire를 발표했습니다. 이전에 Numeraire SMART CONTRACT는  Ethereum에 배포되었으며 전 세계적으로 1 만 2,000 개 이상의 토큰이 1 만 9000 명의 데이터 과학자에게 보내졌습니다.

엄밀히 따지면, [NMR] 뉴메레르 (Numeraire Coin)은 AI를위한 프로토콜이라고 정의할 수 있습니다. 또한 Numerai는 뉴메레르 코인의 이론이라고 정리하시면 되고요. 위에서 혼동되도록 썼는데, 사실 단어만 다를 뿐 의미는 비슷하게 사용되고 있기 때문에 공통적으로 사용했습니다. 

Numerai는 컴퓨터 인텔리전스를 주식 시장에 연결하기위한 프로토콜을 구축하고 있으며이를 기반으로 시스템을 구축하고자합니다.

Numerai는 코인 사용자에게 200,000 달러 이상을 비트코인으로 지불했습니다. 비트 코인의 문제점은 Numeraire 토큰과는 다른 블록 체인에 존재한다는 것입니다. 이는 Numerai에 기반한 분산 응용 프로그램을 자동화하고 막을 수없는 범위로 제한합니다.이말은 뉴메레르는 비트코인과는 전혀 상관없고 이더리움과 상관있다는 것이 되겠습니다.

스테이킹 메커니즘은 Numerai에서 최고의 기계 학습 모델을 구축 할 수있는 강력한 새로운 인센티브를 제공합니다. 수천명의 사람들을 대상으로 Numeraire를 계기로 자신의 삶에서 Ethereum과 SMART CONTRACT를 맺었다고 주장하고 있습니다. 키를 관리하거나 Ethereum 클라이언트를 사용하지 않고도 Numerai의 웹 사이트에서 모든 작업을 수행 할 수 있습니다. 

현재 Numeraire 지분을 보유 할 수 있으며 Ethereum 거래는 Numerai 헤지 펀드의 과정에 영향을 미칩니다.

Numerai는 이미 Union Square Ventures, Joey Krug (Augur), Juan Benet (FileCoin), Fred Ehrsam (Coinbase) 및 Olaf Carlson-Wee (Polychain)의 전통적인 벤처 캐피탈에서 750 만 달러를 모금했습니다. 

Numeraire 코인은 "crowdsale"또는 "ICO"로 판매되지 않습니다.

Numeraire의 소지자는 Numerai를 설립하는 것에 가장 도움이 되는 데이터 과학자입니다. 따라서 Numerai의 토너먼트에서의 과거 실적을 토대로 Numeraire를 무료로 데이터 과학자들에게 배포했습니다. Numeraire는 Numerai의 데이터 사이언스 토너먼트에서 경쟁 할 때 획득 할 수 있습니다. 또한 거래소에서 구매하는 방법과 STAKING 으로 획득 하는 방법이 있겠습니다. Numeraire 토큰은 Numerai에서 기계 학습 모델의 지능을 입증 한 보상이라고 불릴 수 있겠습니다.

투자자와 고문은 대단한 것 같습니다. 코인베이스 거래소의 공동 설립자가 있고, 프로토콜 랩스 설립자가 있습니다. 어거 코인을 만든 사람도 있네요. AI전문가와 금융 투자 기관 설립자들도 있습니다. 많은 사람들이 이 코인에 대해 투자를 하고 고문으로 코인 개발에 진행하는데에 있어 도움을 주고 있습니다.

뉴메레르 코인 NMR의 백서는 "컴퓨터를 조정하기위한 암호 토큰 지능과 과잉 방지"라는 주제로 진행을 합니다. 코인에 대한 정보보다는 뉴메레르 이론의 알고리즘 논리에 대한 설명이 기본이며, 논문같이 작성이 되어있네요. 주 내용은 위에 언급내용과 같다고 보시면 되겠습니다.

뉴메레르 코인(NMR)과 관련해서 스테이킹이 잘작동되고 있으며, 보상금을 증가시킨다는 호재가 있습니다. 아까 NMR 코인을 얻는 방법에 대해 3가지를 말씀드렸는데, 2018년 2월 10일부터는 NMR 코인을 얻는 방법은 스테이킹 밖에 없음을 공식 트위터로 밝혔습니다. 뉴메레르 코인의 스테이킹 보상은 한달에 약 1억5천만원이며, 이는 스테이킹을 돌리는 사람들에게 코인이 분배되어질 것입니다. 스테이크 보상이 5배가 늘었으니, 2018년 호재가 확실한 것으로 보여지네요.

뉴메레르(NMR) 코인과 관련해서 포스팅을 해드렸었는데요. 뉴메레르 코인은 헤지펀드이며, AI 프로토콜을 가진 코인임이라고 정리할 수 있습니다. 데이터 과학자들을 위한 코인으로써 뉴메레르는 현재 활용 영역을 넓히려고 노력하는 모습을 볼 수 있습니다. 개발에 관한 사항은 1월에 플랫폼을 확장하기 위한 API를 공개 릴리즈 했고요. 아직 2018년 로드맵은 나오지 않았습니다.

Follow @DDongGle_Coin

페이스북과 트위터가 추가 됐는데요. 좋아요나 팔로우하기를 누르시면 실시간으로 업데이트 됐을 때 받아보실 수 있습니다.

공식 홈페이지 : https://numer.ai/

백서 : https://numer.ai/whitepaper.pdf

공식 트위터 : https://twitter.com/numerai?lang=ko