在交易和投资领域，最强大的金融分析通常是少数人的储备。TradeRiser希望通过将财务数据分析民主化并将其提供给大众来破坏这一点。 研究交易思路和探索金融市场是一个缓慢的过程。 所需要的是单一的事实来源，可以提供即时答案，大规模交易问题。具体而言，新闻和事件如何影响全球的资产价格。
TradeRiser是一个人工智能的研究助理，可以回答简单和复杂的交易问题。 为了训练人工智能,我们将利用区块链建立一个 激励系统，该系统将由来自大量定量分析师和研究人员的数据支持和提供。将引入一种名为XTI的基于令牌的经济，以激励研究人员，他们的数据和对平台的贡献。
在此之后，将围绕研究市场创建第二个经济体，其中量化模型开发者和内容制作者将能够接触生态系统内的消费者。社区的参与将有助于实现民主化和简化财务数据分析的目标。
改善研究过程
TradeRiser专注于使研究过程更快，并提供更好的用户体验。这是通过自然语言查询完成的。
由于TradeRiser的功能研究，消费者将能够测试更多的交易想法。TradeRiser提供了一个替代和补充的研究平台，可以与现有系统携手合作。
1.机会——第一阶段
算法交易和机器学习被证明是投资管理的颠覆性趋势。 这种交易需要技术知识，虽然进入门槛逐渐被消除，但仍然没有被主流采用。交易和研究有一个很强的用例，它不是基于算法驱动的，而是基于自然语言处理。想象一下，不必学习编程来开发复杂的策略，而是可以用自然的人类语言来表达它。
随着对加密货币和传统资产的需求不断增长，我们认为存在巨大的机会:自然语言驱动的加密资产和传统资产研究。
2.研究助理-用例第一阶段
TradeRiser专注于使研究过程更快，并提供更好的用户体验。这是通过自然语言查询完成的。
用例1
詹姆斯是投资加密资产的投资者。由于近年来密码资产的突然爆发，技术供应商仍在追赶。非结构化数据与这些资产之间的相关性尚未得到利用。他转向使用传统I具来分析市场，但他们还不够,他分析这些资产的正常方法是研究图表。詹姆斯希望他可以编码， 以便他可以使用算法手段进行研究和投资，但他不能。 由于几个国家宣布禁止加密货币，而公众人士谴责这些禁令,詹姆斯想知道‘在禁令或谴责之后,加密货币平均上涨了4个小时?”
这将要求詹姆斯在Excel电子表格中执行大量数据收集和运行模型，或者更糟糕的是购买应用程序终端以导入和执行计算。
用例2
伊恩经营自己的加密资产对冲基金，他有自己想要探索的投资理念清单。他列出了他想调查的20个问题，但由于资源和时间有限，无法快速调查这些投资策略。lan不是开发人 员，也不想将工作外包出去。目前的状态意味着他将不得不依赖与他合作的一位定量分析师来完成这些可能需要长达2周的时间。
伊恩希望有一个应用程序编程接口(API) ，他可以调用或提交他的问题电子表格并获得答案。
用例3
Jackie是一位加密交易员，她注意到加密市场似乎已经下跌并且交易处于负面。Jackie希望在这个季节里最大化她的利润，她很快想知道”在熊市期间哪些部门]的加密货币表现得非常好?”。
这种分析要求Jackie在熊市情况下手动检查所有加密货币的历史性能，并创建自己的索引和加密扇区数据。这不容易做到并且非常耗费时间。
用例4
Thomas是其中一家大型金融机构的初级分析师，他对纽约异常温暖的夏季有一个交易想法。因此，他有一个问题或假设，即”哪种公司在股价中对这些异常温暖的事件实际上是价格敏感的?”。
为实现这一目标， 他或她必须将数据集从Bloomberg等数据提供程序导出为Excel格式，然后标准化数据，清理数据，将数据导入R或Stata,
评估数据，最后创建报告。即使是命名工具也没有 真正提供最大的灵活性，整个过程需要太多步骤并且非常耗时。
用例5
彼得既是加密交易者又是股票交易员，他想知道”目前哪种加密货币稳定?”,他还想知道”在即将加息后一周内哪些股票可能有高位交易?”。
所有这些问题都需要一种形式的数据科学和分析，以便建立适当的答案。彼得没有资源也没有时间去研究。
3.研究市场-用例第二阶段
用例6
MiFID ll是-项欧盟立法，规范向与”金融工具”(股票，债券， 集体投资计划和衍生工具中的单位)相关联的客户提供服务的公司，以及交易这些工具的场所。立法要求提供这些服务的公司将交易佣金与研究成本分开(” 分拆”)。
安娜是英国一家投资管理公司的分析师，她每天接受近1000封电子邮件研究——所有这些都是非结构化的，而且大部分都是无关紧要的。她希望她有一个单一的平台，这使她能够对所有独立研究人员所研究的研究进行审计。她经常不知道她使用过哪些研究提供者以及支付谁。
技术
1.区块链
被称为区块链的网络软件，通过计算机网络存储信息，使它们不仅分散而且分散。 这意味着没有中央机构拥有该系统。信息的存储和网络上的协作基于通常称为智能合约的规则。以太坊网络是一个平台，可以基于智能合约创建对等应用程序。这允许开发 人员创建可加密的可执行关系。 因此，XTI将使用智能合约来提供其所需的网络基础设施，即激励金融分析师，内容制作者和研究消费者通过使用令牌在我们的环境中进行交互。
2.自然语言处理
自然语言处理(NLP)被定义为人类语言的自动或半自动处理。NLP本质上是多学科的:它与语言学密切相关。它还与认知科学, 心理学,哲学和数学研究有关。在计算机科学中， 它涉及形式语言理论，编译技术，定理证明，机器学习和人机交互。如今它通常被认为是人工智能和机器学习的重要组成部分。我们的研究助理在很大程度 上依赖于NLP来解决财务数据问题以及组织和分类新闻事件数据。
3.由分散系统培训底下的人工智能
人工智能系统依靠数据来构建模型以提供功能。数据质量越高，模型越好。世界各地的许多金融专业人士和独立交易者拥有丰富的知识和数据，其中大部分都是私人或未经授权的。如前所述，由于进入壁垒，许多交易想法没有被探索。 从分散式专业知识网络中获取数据的模型有望通过为更智能的应用程序提供动力来大大提高可用性。
4.财务数据的提问和答疑系统
我们的研究助理的核心是一个 提问和回答系统。提问和回答是NLP的另一个方面，它的名字表明它是提问和获得答案的过程。今天的大多数提问和应答系统都类似于信息检索和提取系统。这些系统试图从一组文档中找到特定问题的具体答案，或至少包含答案的一小段文本。
例1
法国的首都是什么?
几个世纪以来，巴黎一直是法国首都。
另一方面，TradeRiser不关注文档，而是关注财务数据。搜索引擎或传统信息检索系统无法回答的问题。
例2
1.当有最初的硬币禁令时，加密货币的历史平均表现如何?
2.标准普尔500指数公司在飓风季节和非农就业数据发布时表现如何?
3.英国退欧投票对gbp/ usd, eur / usd和btc / usd有何影响?
4.在他们的ico之后3个月，大多数基于令牌的加密货币的波动性是什么?
5.在接下来的3天内哪些密码可能具有最高的波动性?
这些问题本质上是以数据为中心的，需要专注于解决领域的技术。这些问题是基于新闻和事件的，并关注这些问题如何影响有关资产，它是关于理解事件和资产价格之间的相关性。这些问题的答案是系统的和经验性的，需要现场情绪和历史数据来回答。
5.今日人工智能
目前机器学习的工作表明，较大的模型可以显着提高整体性能。随着深度学习的出现，该领域正在迅速扩大。由于 数据是机器学习众包的核心，因此通过基于令牌的网络培训模型和激励参与所需的问题和答案将确保更大的模型。
6.参加者
生态系统可以看作如下:
财务分析师:将开发或提出问题。他们还可以提供用于情绪分析的市场观点。
对冲基金:将能够购买企业版本，并将被要求在XTI支付每月访问费用，用于为生态系统池提供燃料。
用户:所有用户都必须拥有XTI才能使用社区版本。用户需要拥有一定数量的XTI才能访问社区版中的不同功能，例如直接交易功能。
数据提供者: 提供者是提供来自各种来源的公开可用数据以在生态系统中使用的个体。
经纪人和交易所:所有经纪人和交易所都可以加入我们的生态系统以获得更多客户。客户将能够直接从研究助理进行交易。
虚拟助手:我们将与Alexa, Cortana, Siri和Google Home合作。定量和分析公司: 作为我们持续扩展和价值创造的一部分，我们将与研究和分析组织合作。我们将激励他们加入生态系统，为社区提供一些最佳的分析功能。
阶段1
参与XTI生态系统第一阶段的各方定义如下:
1.财务分析师-有兴趣提交问题数据和执行数据验证的各方等。
2.用户-这些是将利用该平台进行消费的参与者。其中包括金融机构，金融专业人士和独立分析师用户。
阶段2
1.财务分析师-有兴趣提交问题数据和执行数据验证的各方等。
2.内容制作者-有兴趣使用TradeRiser平台的分析来创建文章和报告的参与者。
3.用户-这些是将利用该平台进行消费的参与者。其中包括金融机构，金融专业人士和独立分析师用户。
7.平台功能
1. 社区版: 这包含社区可用的许多功能。 它们如下, 研究助理由社区数据馈送，ICO评级，市场条件分析，ICO尽职调查，投资者投资组合分析，直接交易，网络和移动应用程序提供支持。
2.研究市场：可访问令牌持有者
3.企业版:这个独立版本可供金融机构,对冲基金或公司使用。这包括我们的API。
8.独立定量研究分析师第一阶段的贡献
阶段1
财务分析师将自愿提供问题数据，进行健全性检查等，以培训我们的机器学习研究助理。这种定期的贡献将使该平台变得智能和智能。
我们在全球范围内的金融分析师社区基本上可与众多投资银行的股票研究团队竞争。我们吸引的庞大人才库将有助于巩固我们作为金融技术提供商的信誉，以及我们研究助理在这一领域的整体地位。
9.问题数据制作
阶段1
我们的研究助理将接受培训，以突出可能对其用户具有重要意义的新市场事件和有影响力的新闻趋势，同时根据过去的个人用户行为提出主题建议。这有助于在具有较高相关性的单个用户级别基础，上确定某些查询主题的优先级。这些功能将特别被金融分析师社区用作起点，以指导他们使用其他形式的问题数据来培训TradeRiser。
流程:
1.财务分析师通过培训门户提交问题数据。这可以是批量问题或单个问题。
2.然后公布提交的数据并进行审核。生态系统中除原始工作人员/财务分析员之外的任何成员都可以查看数据。在XTI区 块链系统中使用智能合约，数据由多个评审员(最好是2个)进行检查，只有他们都是一致的数据，才能补偿工作链中的所有成员。
3.完成审核流程后，第二批财务分析师可以检查审核后的问题，以确认提交的工作。然后，提交的作品将自动提供给我们的AI模型。
4.每位财务分析师都将对他们完成的工作进行补偿。审查的不同阶段和审查类型在XTI中有不同的补偿。查找数据中的不一致性比图形界面错误报告具有更高的补偿。金融分析师的概况，如行业经验,将成为薪酬的倍增因素。
补偿:
只需查看商定的数据项，就可以在区块链上进行共识检查:
每当后台应用程序调用智能合约时，还会检查每个工作项的审阅者数量，当满足多个条件时，将触发资金释放。因此， 工人,审稿人1和审稿人2的工作链中的所有参与者都得到了补偿。
例如:
默认情况下，审核工作会使审核者获得5 XTI的基本工资。每个批准的问题，工人获得1 XTI的报酬。
审稿人1和审稿人2在达成共识的每个问题上获得1XTI的报酬。
10.独立分析师研究生产者的贡献
第二阶段:
生态系统的第二阶段侧重于包含内容制作者。内容制作者将使用TradeRiser内置的分析为平台内的“研究市场’部分创建自己的报告和评论。 研究消费者可以选择订阅此功能，并根据他们消费的内容向XTI收取可变费用。
对于内容制作者，我们将创建一个投票评分系统，该评分将确定为“研究市场’部分提供的每个报告所获得的XTI数量。这种投票评分系统将由研究消费者推动，他们将能够评估每个内容制作者及其工作的有效性和受欢迎程度。
当前平台:市场合适
TradeRiser已经建立了研究助理的alpha /私有测试版，可以根据要求访问或在traderiser官网上注册。alpha /私有测试版专注于外汇，商品和指数，并允许用户提出有关经济日历事件，技术分析，相关性和表现等问题。该版本主要用于演示和数据捕获。
我们的目的是将其转变为强大的完全成熟的研究助理，该助理将伴随着交易和投资领域的各个角落。到目前为止，主要投资银行和技术供应商已经看到它，并收到了很多积极的反馈。
1.数据来源
我们的研究助理使用机器学习和自然语言处理(NLP) 进行提问和回答。它还用于数据收集，分类，分析和检索。TradeRiser将 提供以下来源的数据:
·经济日历
·FDA药品批准日历
·收入日历
·经济数据
·新闻事件数据
·新闻发布数据
·相关社交媒体数据
·价格行动数据: – 股票，指数，外汇，商品和加密货币
·分析师评论
2.研究助理和生态系统发展
研究助理和XTI生态系统的发展需要大量投资。我们已经通过引导资助了研究助理平台早期阶段的开发。我们的平台和XTI的用户将来自大量混合投资者。
关于更多TradeRiser信息：https://www.traderiser.com/
