TL;DR

Almanak 使量化交易变得更加平民化，帮助用户创建自己的交易策略或利用他人的策略在 DeFi 中获取收益。

这个平台专为创建盈利交易代理而设计，简化了区块链模拟，并大幅缩短了识别和捕捉盈利策略的时间。

Almanak 的核心在于其模拟器，它结合了基于代理的建模和区块链驱动的蒙特卡罗模拟，为金融策略提供了高精准度的预测环境。Almanak 通过代币激励生态参与者，尤其是策略贡献者，他们是平台的核心。

在未来几年，区块链活动将大幅依赖代理，而 Almanak 将处于这个新生态的中心。

回想 DeFi 夏季的辉煌时刻，那时每天都像是在 Uniswap 上进行寻宝，寻找新发布的代币和收益极高的“食物币”。那段时光既混乱又刺激，令人怀念，可能再也不会重现。

当时，市场竞争环境几乎是公平的。散户和投机者利用新协议的机会，率先获得高收益，而大型玩家却未曾察觉。事情发展的速度很快，但只要你保持关注，就能更快地把握机会。然而，天堂并不长久。大型机构投资者很快就进入了市场，他们拥有深厚的资金和复杂的交易策略，像 MEV 套利者、算法做市商和流动性提供者等。他们看到了相同的机会，并将机构级的工具带入 DeFi 领域，使得像我这样的散户交易者几乎没有生存空间。

国际清算银行（BIS）的一项研究表明，今天的 DeFi 中，散户流动性提供者常常被少数复杂的机构参与者所击败，这些机构控制着 80% 的总锁定价值（TVL）。在大多数情况下，散户在 Uniswap v3 上提供流动性时往往处于亏损状态。如果我们面临这样的劣势，小型交易者如何能够再次赢得胜利？

Almanak 的愿景

Almanak 的愿景明确而雄心勃勃：让每个人都能轻松创建赚钱的 AI 代理。他们正在让机构级的交易技术变得更加普及，相信 AI 驱动的金融策略应该向所有人开放。为了实现这一愿景，Almanak 构建了一个平台，帮助用户创建、测试、优化、部署和监控加密货币中的金融代理。这些代理将不遗余力地为你进行交易、产生收益和管理风险。

在实际操作中，Almanak 将先进的量化交易工具带给更多人——无论是构建自己的策略，还是利用他人的策略来获取收益。

量化交易=大生意

量化（或算法）交易在传统金融界早已为人所知。在传统金融中，60-75% 的交易是算法驱动的，利用复杂的算法分析大量数据，以发现模式和预测趋势。这种交易方式摒弃了情感，完全依赖逻辑。然而，成功实现这一点并不简单。首先，你需要大量的数据。其次，你需要强大的硬件来训练机器学习模型，从而生成预测。最后，你还需要聪明的数学家和工程师来设计盈利的算法。

大多数人并没有这样的资源。说实话——如果你有这些资源，你可能已经在经营一家对冲基金，赚取数百万，而不是在阅读这些内容。（我们只是开玩笑……大部分情况下。）

奖牌基金：量化交易的典范

如果说有哪个名字能代表这种交易风格的成功，那就是由詹姆斯·西蒙斯（James Simons）创立的奖牌基金——也被称为“量化之王”。奖牌基金拥有90多位数学、物理和计算机科学的博士团队，利用统计模型和大量市场数据识别隐藏的交易模式。他们的业绩令人瞩目，三十年来年均回报率达66%（扣除费用后为39%），历史上仅有一年出现负收益。奖牌基金始终超越巴菲特、索罗斯和林奇等知名投资者。

想象一下，如果你在家穿着内裤，也能享受到这些博士的智慧。

量化交易的普及

多年来，量化交易一直是资金雄厚的精英对冲基金的专属领域，但这种情况正在改变。量化交易正逐渐走向主流。在 Web 2 时代，像 QuantConnect 这样的平台使量化交易变得更加可及。自2012年推出以来，QuantConnect 赋能交易者和工程师使用机构级工具。其统计数据令人瞩目：全球超过315,000名用户，每月产生2,500个新算法和100万行代码。

QuantConnect 的云优先基础设施让用户能够接触到数TB的金融、基础和替代数据，整合了回测和实时交易等功能，而按需付费的定价模式消除了高昂的前期成本。QuantConnect 95%的收入来自云服务费用和不断增长的数据市场，为个人和小型公司提供了公平竞争的环境。

在加密货币领域，参与者同样多样化，包括像 Gauntlet、Quant Matter 和 GSR Markets 这样的专门加密量化公司；像 Jump Trading 和 Citadel Securities 这样的传统金融巨头跨入 Web3；还有独立的量化交易者和小团队，他们在地下室编写策略。我们是否会看到类似的算法策略在加密领域的普及和扩展？我们相信这是不可避免的。

优化量化交易流程

Almanak 于2022年推出，花了两年时间悄然构建下一代 DeFi 基础设施的蓝图——一个区块链上代理数量超过真实人类的世界。

这个想法非常合理，因为：

AI 只是一段代码，而代码通过智能合约自然存在于区块链上。

在区块链上，AI 和人类之间没有本质区别。

Almanak 在早期阶段起步较小，最初构建一个优化 DeFi 收益的模拟器。但随着时间的推移，这一努力扩展为一个更大的项目：一个为 DeFi 定制的通用代理中心基础设施。快进两年，该平台已经运行了一些实时策略，并投入了真实的资本。

以下是典型量化交易对冲基金的操作流程：

分析市场：利用数据分析和市场信号识别高潜力机会。

构建策略：为特定机会设计交易策略原型。

测试和优化：通过模拟评估和优化策略在不同市场情景下的表现。

部署到市场：在实际金融市场中执行策略。

监控和调整：持续跟踪策略表现，并进行调整以保持盈利。

对冲基金通常会处理数千种策略，持续测试以适应市场变化，找出最盈利的策略。这个过程是动态的，策略实时监控和调整。Almanak 旨在利用机器学习和 AI 简化和自动化这些过程。这对较小的加密量化团队和个人交易者来说是一个重大改变，简化了繁琐的 DevOps 过程，消除了如高昂的设置成本和技术复杂性等传统障碍。

该平台的基础由两个重要组件构成：模拟器和执行引擎。Almanak 的核心在于其模拟器，它结合了基于代理的建模和区块链驱动的蒙特卡罗模拟。其端到端基础设施让你能够以最小的开销构建、测试、部署和监控交易代理。这两者结合创造了一个高度精准的金融策略预测环境，几乎就像在看水晶球。因此，量化交易者可以专注于策略，而不必浪费时间在 DevOps 或跨链和交易平台的集成上。这将设置时间缩短了多达50%，让小团队在使用工具上获得优势，这些工具通常需要几个月的开发时间，现在只需几次点击即可完成。

#1: Almanak 模拟器

假设你擅长发现市场机会，Almanak 可以轻松将你的想法转化为可行的策略。这可能包括：

• 根据特定条件在 Uniswap V3 上提供流动性。

• 在像 Hyperliquid 这样的永久去中心化交易所进行空头，以对冲市场波动。

虽然设计 Uniswap V3 策略看似简单，但会面临一些关键问题：你何时需要调整？波动性会如何影响收益？如果协议更改了参数，会发生什么？仅凭直觉并不足够，特别是当涉及真实资金时。市场变化无常，即使是看似可行的策略，如果没有经过严格测试，也可能会失败。

这就是 Almanak 模拟器的作用所在。

它是一个数字沙盒，旨在精确模拟现实世界中的区块链环境。与传统模拟器仅依赖价格数据不同，Almanak 模拟器深入模拟区块链的状态机、核心应用逻辑，甚至用户行为。

Almanak 模拟器基于定制的以太坊虚拟机（EVM），能够反映区块链环境，同时整合实时市场数据。这为交易者提供了一个快速、可扩展且高度真实的环境，以便他们优化自己的交易策略。

设置 Almanak 模拟器

用户可以定义参数，如持续时间、参与的代理和市场条件。模拟器会在不同市场动态中模拟代理行为，提供策略在多种情境下表现的详细视图。

你的策略是否盈利？风险和收益的比例如何？你应该进行再平衡还是改变策略方向？模拟器提供清晰且可操作的见解，以帮助用户优化策略，提升盈利能力并降低风险。

模拟器的主要用户是经验丰富的量化交易者，类似于 Dune 的顶尖用户，以及一些技术水平较低的用户，他们可以根据自己的需求调整预构建的策略。

基于代理的建模

Almanak 模拟器的核心是代理大脑，采用基于代理建模（ABM）技术。

ABM 模型关注个体行为者——如人类交易者、套利者和机器人——及其相互作用。可以将其视为实时观察 DeFi 市场的生动表现。

ABM 并不是新概念，它已在城市规划和流行病学中被广泛应用于模拟复杂系统。其基本思想是：代理遵循一定规则，适应、互动并响应周围环境。个体行为如何汇聚成更大模式的过程，就是 ABM 的魅力所在。

有趣的是，新加坡利用 ABM 优化城市规划。通过模拟成千上万的代理（如汽车、行人、公交车和火车）的行为，规划者可以预测交通模式，识别拥堵点，从而在问题发生之前解决它们。如果你曾参与 Token 2049，可能会注意到活动进行得非常顺利，这就是 ABM 的应用效果。

在 DeFi 中，ABM 同样具有强大的功能。每个动作，无论是交易还是协议更新，都可能引发连锁反应，影响市场的稳定。传统的回测方法无法捕捉这些复杂性，而 ABM 则能够很好地应对这种混乱。它能够捕捉像 MEV 机器人和协议参数（如资金利用率）等因素的影响，而这些是历史数据无法预测的。

ABM 在处理边缘案例和意外链式反应（如清算级联和脱钩）时也表现出色。

问题在于：ABM 对数据的需求很高。幸运的是，区块链提供了大量的交易记录，可以用来模拟用户行为和系统动态，这在传统金融中是无法实现的。

目的地：蒙特卡洛

为了增强 ABM 的效果，模拟器还利用蒙特卡罗模拟，运行各种“如果”的场景，以预测策略在不同市场走势中的表现。这种方法对策略进行压力测试，以应对市场波动，确保其在现实条件下的稳健性。

蒙特卡罗是摩纳哥的著名赌场城市，以豪华汽车、美丽的名人和偶然性而闻名。该方法源于曼哈顿计划，科学家们受到计算纸牌游戏胜率的启发，将其应用于解决核反应等复杂问题。

Almanak 蒙特卡罗模拟的示例结果

在 Almanak 的模拟器中，蒙特卡罗模拟会在现实的区块链环境中生成随机的价格波动和市场条件。每个场景代表一个可能的未来。通过分析这些场景，系统能够识别出统计上最优的策略，同时突显出潜在的脆弱性。

其工作原理如下：你设置参数——策略持续时间、参与的代理和模拟条件。模拟器会建模代理行为和市场动态，提供多个场景下策略表现的全面视图。

#2：Almanak 执行引擎

策略模板简化了测试和执行过程

像我一样，你可能会问：如果你不是数学天才或策略设计师怎么办？

Almanak 的执行层让代理的部署变得简单，无需编码或深厚的技术知识。你可以从共享策略库中选择，Almanak 会处理繁重的工作。

每个代理都基于预定义的策略运行，这些策略由机器学习模型或规则逻辑驱动。例如，一个交易代理可能会分析市场波动，以决定何时买入或卖出，而另一个代理则专注于流动性提供或使用预设参数进行再平衡。

Almanak 的代理在链外操作，这意味着策略和代码都是保密的，避免了逆向工程的风险。当需要执行时，代理会安全地与链上环境互动，确保每笔交易的顺利和安全。

该平台与可信的多签名钱包（如 Eulith 和 Gnosis Safe）集成。代理使用 Almanak 的智能合约钱包，并在严格的预批准权限下操作。例如，负责管理 Uniswap 流动性池策略的代理不会突然在 Hyperliquid 上进行交易。用户的资产保持锁定，完全由他们控制，这符合开放的非托管系统。

执行层的设计考虑了灵活性。用户可以通过友好的界面访问它，或者使用软件开发工具包（SDK）进行更深入的自定义。预构建的代理和策略库节省了时间，让用户轻松上手。

金融 AI 代理——是否使用大型语言模型（LLMs）？

传统的机器学习模型擅长处理数字，但像 GPT-4、Claude 和 Llama-3 这样的 LLMs 带来了新的能力：处理非结构化数据。它们能够解析白皮书、推文和项目博客，并将这些信息整合成交易策略。它们可以扫描更广泛的市场环境，提供可操作的见解，并将机会与用户的风险偏好相匹配。

不过，目前 Almanak 的 AI 代理并不使用 LLMs。在平台的测试版启动期间，策略由非生成性 AI 驱动，这是有充分理由的：幻觉。LLMs 可能会犯错或表现不稳定，而当管理数百万美元时，即使是小错误也可能导致严重后果。我们可不想看到这种情况，对吧？

Almanak 的方法是经过深思熟虑的。他们首先建立一个坚实的基础，使用非生成性 AI 简化和加速量化交易过程的每个步骤。随后将谨慎地整合 LLMs，增强工作流程的每个阶段，同时确保其模型的性能准确率达到99.x%。

最终目标是实现一个未来，让 LLMs 处理繁重的任务——开发和执行量化策略。这将传统机器学习的精确性与 LLMs 的上下文智能相结合，从而做出更明智的交易决策。

2025 年路线图

Almanak 的未来充满希望。计划是从高价值量化交易工具开始，逐步扩展到技术水平较低的用户和零售市场，释放 DeFi 的全部潜力。

首先，一个预流动性代币社区启动活动刚刚通过 Legion 启动。分配是在4500万美元的完全稀释估值下进行的，30% 在代币生成事件（TGE）时解锁，24 个月线性归属/6 个月悬崖期。Legion 是一个新的 ICO 风格平台，由 Delphi Digital 支持，旨在通过基于声誉的评分系统使早期投资的获取变得民主化。这标志着为 Almanak 生态系统建立动力的重要一步。

Legion 的投资者还将提前访问 Almanak 平台，预计将在2025年第一季度上线。为了推动采用，团队将提供初始的代理和策略供应，专注于适合零售的储蓄和投资金融产品。为了确保在推出期间的稳定，策略的总锁定价值（TVL）最初将限制在2500万美元，同时平台进行开发和优化。

代币生成事件预计在2025年上半年进行。一旦代币上线，它将作为推动新策略和流动性进入 Almanak 生态系统的重要激励机制。

之后，事情将变得更加令人兴奋。在2025年，重点将转向为 AI 驱动的量化交易做准备，这些量化交易能够自主分析市场并设计策略。

这意味着要建立与先进 AI 模型（如 LLMs）集成的基础设施，并为未来用户提供即插即用的功能。策略市场也在筹备中，提供基于金库的策略——用户可以在不透露策略细节的情况下进行投资——以及可购买或租赁的参数化骨架策略。

团队与融资

Almanak 由一个在技术、金融和运营领域具有多样化专业知识的团队领导。

首席执行官 Michael 拥有数学硕士学位，具有去中心化金融背景，曾与 Delphi Digital Risk、Layer Zero、Stargate 和 Bancor 等项目合作。他在风险管理和区块链技术方面的经验为 Almanak 专注于构建强大交易工具提供了坚实基础。

首席技术官 Lars 拥有计算机科学学士学位，并有技术领导的经历。他曾是 Delphi Digital 的首席工程师和 Deeploy 的软件工程师，带来了开发可扩展和可靠软件基础设施的宝贵经验。

在运营方面，首席运营官 Lukas 结合了法律和增长的专业知识。Lukas 拥有法律硕士学位，并曾是一名证券律师，还在 UBER 和 Founders Institute 担任过增长职位，为团队增添了强大的运营和战略组成部分。

团队迄今已筹集到670万美元的资金：2022年预种子轮120万美元，2023年种子轮550万美元。

代币经济学

让我们问一些尖锐的问题：

如果我是一个聪明的量化交易者，拥有盈利策略，为什么要分享它们？为什么不自己榨取收益？

Almanak 代币旨在直接应对这个存在性问题。它的设计受到 Bittensor 和 Curve 的启发。Almanak 的生态系统在三个不同角色之间对齐激励，以确保高质量的贡献和可持续的增长。

首先，让我们看看生态系统中的参与者。

策略贡献者是指那些使用 Almanak 平台和模拟器创建盈利策略的量化交易者和开发者。这些策略的代码可以是私有的、私有但共享（他人可以使用）或公开的（代码是开放的）。

代理管理者则专注于优化代理的部署和策略选择，他们会将代理分配给最有利可图的策略，以平衡风险和时间框架。

流动性提供者则是将资本投入生态系统，旨在通过资助代理和策略来获得有竞争力的回报。

供给侧

在供给方方面，Almanak 通过代币发行来激励生态系统参与者，特别是策略贡献者，因为他们是 Almanak 的核心力量。策略贡献者将获得 75% 的代币，代理管理者获得 5%，流动性提供者获得 20%。

策略贡献者获得的代币比例取决于他们策略的盈利情况。表现优秀的策略能吸引更多代理使用，从而为其创造者带来更多的代币收益。这可以看作是一种去中心化、基于业绩的收费模式。

这种安排对那些缺乏资本的量化交易者非常有利。他们不必再坐拥未利用的潜在收益，而是可以通过分享策略和获得代币奖励来实现收益，类似于对冲基金的业绩收费模式。

流动性提供者在策略驱动的收益上还可以获得代币发行，进一步激励他们参与并增强整个生态系统的流动性。

需求侧

在需求方方面，代币持有者拥有治理权，包括管理项目资金和协议参数（如发行和费用）。

Almanak 通过三个主要收入来源来产生收入，这些收入都流入项目资金：

交易费用：代理在每次操作中支付交易金额的 0.01% 至 0.05% 作为费用。

业绩利润：对代理产生的利润收取 1% 至 10% 的费用。

云计算利润：Almanak 对用于运行模拟和优化策略的计算成本收取 1% 至 10% 的费用。

现在我们来逐一分析这些收入来源，并用简单的方法估算需求规模。

交易费用

交易费用方面，我们可以从链上交易总量入手。根据 Coingecko 在 11 月 29 日的数据，去中心化交易所（包括现货和永久合约）的日交易量约为 160 亿美元。尽管这个数字会受到市场周期的波动影响，但它为我们提供了一个可靠的基准。

如果 Almanak 的代理能够捕获 5% 的链上交易量，并收取 0.05% 的费用，收入潜力将如下：

捕获的日交易量：8 亿美元（160 亿美元的 5%）

日收入：40 万美元（8 亿美元 x 0.05%）

年化收入：1.46 亿美元

这可能有些乐观，但实际上，Almanak 增加交易费用收入的能力将取决于三个关键因素：

总加密交易量的增长

更广泛的加密货币采用和市场情绪将至关重要。在牛市中，总交易量可能会显著上升。

链上交易与链下交易

从集中交易所转向去中心化交易所（DEX）将发挥重要作用。像 Hyperliquid 这样用户体验良好的平台将加速这一转变，提升 DEX 的交易量。

Almanak 的市场份额

扩大 Almanak 代理管理的总锁定价值（TVL）和增加策略的采用将推动平台在链上交易市场中占据更大份额。

业绩利润

业绩利润直接与 Almanak 生态系统内管理的 TVL 和策略的盈利能力相关。假设 TVL 为 10 亿美元，策略的平均年收益率（APY）为 10%。这与 Ethena 上的 sUSDe 等例子一致，后者在 2024 年 10 月实现了大约 10% 的中性收益交易的平均年收益率。如果 Almanak 对利润收取 5% 的费用，那么年化收入将为 500 万美元。这个数字在 TVL 更高或策略盈利能力提高时可能会显著增长。

云计算利润

与其他收入来源不同，它与用户的活动相关，而不是 TVL 或盈利能力。运行蒙特卡罗模拟和基于代理的模型需要大量计算能力，用户为此支付费用来训练代理、优化策略和运行模拟。Almanak 可能会从 AWS 或去中心化 GPU 市场获取计算资源，并在成本上加收 1% 至 10% 的利润。

例如，如果每次模拟运行的成本为 50 美元，每个用户平均每月运行 10 次模拟，那么在 5000 名用户的情况下，总计算成本将达到每月 250 万美元。如果 Almanak 收取 5% 的费用，将产生每月 12.5 万美元的收入。

尽管云计算利润是重要的，但它在重要性上不太可能超过基于业绩的费用或交易费用。全球计算成本呈下降趋势，降低了整体收入潜力。然而，作为与用户活动相关的收入来源，云计算利润提供了稳定可靠的贡献。

其他需求驱动因素：协议激励

另一个重要的需求驱动因素来自 DeFi 协议本身。这些协议可以购买和质押 Almanak 代币，从而增加利用其平台的策略的代币发行量。这种做法类似于 Curve Wars 的机制，协议通过影响代币发行来争夺流动性。

通过这种方式，它们建立了一种激励机制，吸引代理流量并推动总锁定价值（TVL）的增长。这一机制在不同协议之间形成了竞争动态，争夺代理流量。在我看来，这是一个非常有趣的解决方案，适应了新兴的 AI 代理趋势。

对于那些希望在竞争激烈的市场中启动流动性并获得关注的新协议来说，这无疑是一个非常有效的策略。

我们的看法

关注利润，而非娱乐

Almanak 的代理有一个明确的使命：赚钱。我对此表示赞赏。

与每天在 X 平台上出现的追逐网络热梗和名声的 AI 代理不同，这些代理不会兼职做娱乐者或影响者。这个平台的设计是为了培养盈利的交易者，简化区块链模拟，缩短识别和捕捉盈利策略所需的时间。模拟器是 Almanak 的秘密武器。

生死攸关的策略贡献者

开放的策略市场潜力远大于封闭市场。想象一下，一个来自印度的聪明开发者创造了一个优秀的策略，但缺乏资金来实现它。Almanak 就是弥补这一缺口的桥梁，连接创作者与资本。

但这里有一个关键问题：如果激励机制合理，顶级策略创作者愿意在平台上分享他们的最佳想法吗？如果设计得当，答案可能是肯定的。但时间会证明一切。如果没有源源不断的高质量策略，生态系统将无法繁荣。

激励难题

设计一个平衡的激励系统并不容易——参与者总是希望最大化自己的收益。Bittensor 和 Curve 在其代币模型中都遇到过挑战，这些经验教训值得借鉴。我们看到，在 Bittensor 的子网中，有效的激励设计往往需要大量的努力和反复调整。

团队必须预测并解决代币激励上线时可能出现的游戏策略。例如，鲸鱼可能会将资金停留在自己的策略中，同时进行外部对冲，利用代币发行而不提供真实的价值。这种漏洞可能会扭曲关键指标，使得不盈利或过于冒险的策略获得不成比例的奖励。

迈向代理未来

Almanak 正在重新定义 DeFi 的规则。

在未来几年内，80-90% 的区块链活动可能将由代理驱动。在这样的未来，Almanak 处于有利位置。它正在将曾经被对冲基金巨头垄断的工具变得可供普通交易者和小团队使用。

关键问题是，它能否成功执行这一计划。如果成功，Almanak 将为 AI 驱动的金融制定新的规则。这是高风险的，但也充满了巨大的潜力。

声明：本网站所有相关资料如有侵权请联系站长删除，资料仅供用户学习及研究之用，不构成任何投资建议！