DAOrayaki DAO研究獎金池：
資助地址:0xCd7da526f5C943126fa9E6f63b7774fA89E88d71
投票進展：DAO Committee 3/7通過
賞金總量：100USDC
二級標題
DAOrayaki DAO研究獎金池：
資助地址:0xCd7da526f5C943126fa9E6f63b7774fA89E88d71
投票進展：DAO Committee 3/7通過
賞金總量：100USDC
原文作者: BlockScience
DAOrayaki DAO研究獎金池：
原文:Introducing Automated Regression Markets (ARMs): A New Price Discovery Mechanism for Semi-Fungible Assets
資助地址:0xCd7da526f5C943126fa9E6f63b7774fA89E88d71
賞金總量：100USDC
二級標題
DAOrayaki DAO研究獎金池：
資助地址:0xCd7da526f5C943126fa9E6f63b7774fA89E88d71
投票進展：DAO Committee 3/7通過
賞金總量：100USDC
原文作者: BlockScience
貢獻者： Natalie, DAOctor @DAOrayaki
原文:Introducing Automated Regression Markets (ARMs): A New Price Discovery Mechanism for Semi-Fungible Assets
BlockScience 正在研究和開發一種用於高維、半可替代資產的新型價格發現機制。這種被稱為自動回歸市場(ARM) 的機制在各種市場中具有多種潛在應用；我們的第一次探索將深入探討可持續價值能源市場的用例，例如可再生能源信用(REC) 和碳抵消/清除信用(CORC)市場。
與Hedera Hashgraph和HBAR 基金會的DLT 行業領導者合作，我們正在開展一項研究項目，以對能源信用ARM 進行建模和模擬。我們將研究初級做市商的價格發現潛力，以及具有多種屬性的資產的供需行為。這是該聯合研發工作系列文章中的第一篇。
二級標題
二級標題
ARM 擴展到AMM 之外，允許在主要市場ARM 上買賣半可替代資產，例如包含不同屬性的能源信用或碳抵消/清除。這為高度複雜的屬性安排提供了有效的價格發現，例如（對於能源信用）能源生產類型、地理位置等。
這項工作中最重要的觀察結果之一是，兩個項目的可替代性取決於所提供的這些項目的屬性以及評估這些項目的語境。這一觀察有助於我們更好地理解由非商品（或“部分可替代”，參見下文）商品組成的市場的供需關係。
商品屬性表徵供應方，如果商品具有不同的屬性，我們就說它們是可區分的。評估項目屬性的語境表徵了需求方。如果商品屬性的差異不影響他們的評價，從而不影響對這些商品的需求，我們就說商品在特定的需求環境中是可替代的。部分可替代商品的可替代性隨需求環境而變化。例如，如果一家企業想要購買在美國太平洋西北部生產的太陽能信貸，買方想要的資產將不能替代在亞洲生產的信貸。通過生產地點或生產類型等屬性識別資產的能力不僅對許多購買者來說是必需的，而且可能對這些資產的估值產生巨大影響。
半同質價格發現的現有案例
二級標題
二級標題
乍一看，能夠買賣部分可替代的非商品的市場的自動化似乎有些牽強。然而，在工業界和學術界2，市場和ML 之間的融合是有優先權的。住房市場相對自然地適合半同質商品這一分類。房屋都是可區分的，但是當它們的屬性足夠相似時，它們可能被認為是可替代的（在購買之前-所有權會影響可替代性）。由於這些原因，在線房地產市場提供商Zillow 有可能越來越依賴其AI 應用程序“ Zestimate ”來推動購買決策。
Zestimate 可能是最早的混合智能示例之一，它既可以從市場活動中學習，也可以創建市場活動，但觀察該模型的執行性質非常重要。 Zillow 已開始基於其Zestimate提供房屋報價，這自然會影響市場。但是，Zestimate 不僅僅估算房屋的價格，它還通過影響買賣雙方對房屋價值的信念來創造價格。通過這種方式，Zestimate 一直在充當做市商，甚至在Zillow 根據其估計進入購買房屋的業務之前。
雖然這些技術的創新潛力巨大，但在將機器學習動態引入市場時，考慮可能的系統性和二階效應以及潛在的意外後果始終很重要。在這個問題的學術方面，領先的AI 研究員Michael I. Jordan 為我們描繪了推薦引擎和市場之間協同作用的圖景。他特別指出了天真地將推薦引擎應用於稀缺資源所造成的危害。例如，向許多購物者推薦有限供應的商品會人為地誇大相對於某些買家而言可能具有替代性甚至優越性的商品的需求。同樣，為許多司機推薦低帶寬快捷方式的導航應用程序可能會造成嚴重的擁堵。
AI 算法的本質是將豐富的信息壓縮成簡潔的形式，但市場反而是豐富信息的生成器，因為它利用了廣泛買家群的異質性。如果允許AI 算法主導系統，它將變得陳舊，因為強硬的推薦引擎會降低產品的多樣性，而消費者選擇的喪失又會降低市場從消費者那裡獲取偏好信息的能力。我們可以在工程過程中通過嚴格的測試和設計驗證來創建更好的系統。
二級標題
隨著我們繼續研究ARM 模型，我們需要明確我們的目標。我們的目標是平衡機器學習的壓縮能力和市場的發現能力，以促進新形式的高維能源市場（以及其他用例）。正如我們在可替代性論文中提到的，最好在在線學習的背景下正式理解這一點。我們將經濟博弈作為估計器和將常數函數做市商(CFMM)作為預言機的工作表明，某些類型的智能算法定價模型可以被解釋為信號處理操作，它學習市場如何為商品和服務定價（在這些情況下為商品） ——“語境商品”。
ARM 研發的前進道路要求我們將其視為一個“類”，其中各個“實例”適合其特定領域。在機器學習中，這包括模型選擇、特徵工程、元參數優化、集成和數據科學家應用的其他定制，以將特定模型適合特定問題域。對於AMM，這包括選擇特定的設計模式，例如Uniswap、Balancer、Curve 等。這些不同的CFMM 具有不同的基礎數學不變量的特徵。但即使在選擇了一類AMM 之後，仍有一些獨特的實例具有自己的資產和其他元參數，例如費用和權重。
必須承認這種類/實例關係是ARM 研究的前沿擴展。由於其與ML 的相似性，我們理解開發和維護ARM 的難度可能會有很大差異，具體取決於模型要綜合的信息。 BlockScience 正在與Hedera Hashgraph 和HBAR 基金會的可持續發展計劃合作，專門為能源信用市場設計一個ARM 實例，因為能源信用資產為具有多種屬性的項目提供了一個很好的用例，並且價值會受到上下文的極大影響。
二級標題
二級標題
為什麼能源和碳市場是ARM 的絕佳用例
目前，批量購買和出售無法區分的能源信用額度，幾乎沒有透明度和可審計性。可再生能源市場也是高度人工化的，經紀人交易的碳抵消/清除信用和可再生能源信用可能具有非常不同的背景。雖然這些資產被當作商品（可替代）進行交易，但實際上，由於能源的生產地點和方式、生產手段、所用設備的數量和質量，它們在市場上的價值可能大不相同，以及它們屬性的其他方面以及如何在不同的上下文中評估這些屬性。
確保CORC 或REC 是獨一無二的，並在鏈上代表碳抵消/去除或鏈下創建的能源資產，是這一市場創新的一個非常重要的方面。 Hedera 生態系統和HBAR 基金會可持續發展計劃的核心部分是Guardian ，這是一個完全可審計的解決方案，可以驗證能源資產的屬性。 Guardian3 為鏈下數據提供質量證明，包括去中心化身份、政策驅動的行動和公平的交易順序。這些屬性提供了消除公認的數據質量問題（例如資產重複計算）的方法，這些問題會混淆供需，並將成為使用ARM 實現CORC 和REC 自動化的研究和開發的核心。
參考
ARMing 能源市場的潛在收益和全球影響
二級標題
//www.youtube.com/watch?v=842acSWmBC4&t=1093s
然而，與任何技術或創新一樣，還有許多尚未探索的連鎖反應——任何新領域都會帶來潛在的意外後果和新市場機制的系統性影響。如前所述，我們的目標是在ML 的壓縮能力和市場的發現能力之間取得平衡。作為工程師，總是有設計權衡。這就是建模和仿真工作極其重要的原因，也是我們使用cadCAD 來優化複雜系統設計的原因。
2. Oladunni,二級標題
Shorish,參考
3. https://github.com/hashgraph/guardian
