TradeRiser

Um Ecossistema Descentralizado & Um Assistente de Pesquisa para Responder Perguntas de Trading

Tr a d e r i s e r. c o m V e r s ã o 1 . 3

LIGHTPAPER

ConteudosResumo

O Problema

Melhorando o Processo de Pesquisa

A Tecnologia

A equipe TradeRiser

Consultoria

Roteiro

Distribuição e Venda de Token XTI

Detalhes da CrowdSale

3

4

7

9

13

14

15

16

17

´

No mundo do trading e do investimento, a análise financeira mais poderosa está

normalmente reservada apenas para poucos. A TradeRiser está buscando mudar

isso, democratizando a análise de dados financeiros e tornando-a disponível para as

massas. Pesquisar ideias de trading e explorar os mercados financeiros é um

processo lento. O que é necessário é uma fonte única de verdade, que possa

fornecer respostas instantâneas em larga escala para as perguntas de trading.

Especificamente, uma vez que as notícias e eventos afetam os preços dos ativos em

todo o mundo.

A TradeRiser é um Assistente de Pesquisa artificialmente inteligente, que pode

responder perguntas de trading simples e complexas. Para treinar a inteligência

artificial, vamos impulsionar o blockchain para construir um sistema de incentivo,

que será apoiado e alimentado por dados de uma grande rede de analistas e

pesquisadores quantitativos. Uma economia baseada em tokens chamada XTI será

introduzida, para incentivar os pesquisadores a inserirem seus dados e

contribuições na plataforma

Em seguida, será criada uma segunda economia, em torno de um mercado de

pesquisa, na qual os desenvolvedores de modelos quantitativos e os produtores de

conteúdo poderão alcançar os consumidores dentro do ecossistema. Essa participação

da comunidade ajudará a cumprir a meta de democratizar e simplificar a análise de

dados financeiros

Resumo

3

Motivação - Simplificando a análise de dados financeirosO crescimento da world wide web levou a inovações na tecnologia dos mecanismos

de busca. Isso tornou a web mais acessível e universal. No entanto, a análise de

dados financeiros, não tem desfrutado do mesmo nível de simplicidade e

acessibilidade visto na rede mundial de computadores. O crescimento do big data não

pode ser parado, empresas financeiras e indivíduos estão em uma corrida para

encontrar oportunidades de trading. Essa tarefa só ficará mais difícil à medida que

novas opções de dados forem descobertas, e as pessoas terão dificuldades em

acompanhar. Essa desconexão na acessibilidade e universalidade apresenta uma

enorme oportunidade para sistemas que buscam democratizar a análise de dados

financeiros.

Disruptando a Pesquisa Intensiva Humana A TradeRiser está construindo um Assistente de Pesquisa baseada em IA, que pode

responder a perguntas de trading simples e complexas. Profissionais financeiros em

todo o mundo gastam muito tempo e dinheiro em pesquisas tentando responder a essas

perguntas de trading. Este tipo de pesquisa é normalmente demorado, ineficiente,

propenso a sobrecarga de informação e requer muita mão de obra. Esses problemas

são ainda mais agravados com o surgimento das criptomoedas e dos profissionais

financeiros que querem fazer trade delas, juntamente com os títulos tradicionais. A

rápida explosão das criptomoedas trouxe muitas outras tecnologias a serem

acompanhadas, e os operadores individuais precisam de uma maneira fácil de analisar

essas classes de ativos.

Poucas Ideias Foram TestadasAs plataformas atuais dependem de um alto grau de conhecimento técnico para testar

ideias de trading e, devido às barreiras de entrada, menos ideias de trading são

testadas. Todos os dias, um gerente de portfólio tem uma ideia de investimento e

precisa ir a um quant para construir o modelo. Esse é um obstáculo na maioria das

empresas de serviços financeiros e, como resultado, muito menos ideias são testadas.

O mesmo acontece com os operadores individuais que querem testar ideias, mas não

têm acesso a ferramentas suficientes.

O Problema

4

Consumo de tempoA pesquisa quantitativa pode ser um processo incrivelmente demorado, pois exige

várias etapas para ser concluída, às vezes abrangendo várias horas e dias. Outros

obstáculos incluem o processo computacional devido à quantidade de dados sendo

analisados

IneficiênciaO processo de pesquisa requer a coleta de dados, separação de dados e análise de

dados, e a etapa final é a criação de relatórios. É um processo incrivelmente

ineficiente.

Sobrecarga de InformaçõesComo os dados são o novo “petróleo” ou um recurso valioso, o trabalho dos

analistas é ainda mais difícil ao tentar processar dados. Novas opções de dados

estão constantemente surgindo, que podem potencialmente ser aproveitadas em

pesquisas financeiras, especialmente os dados não estruturados.

Notícias e Eventos - Dados não estruturadosSabe-se que as notícias e eventos mundiais têm impacto nos mercados financeiros, é

por esse motivo que ferramentas, como os calendários de relatórios econômicos e de

lucros, foram criadas. Essas ferramentas permitem que os traders acompanhem e

monitorem eventos de impacto, no entanto, há uma gama de eventos mundiais que não

foram organizados para serem incluídos em um calendário, que precisa ser

estruturado. Atualmente, os traders se esforçam para manter ou se proteger por meio

de dados de fontes como o Twitter, notícias sobre criptomoedas, dados meteorológicos

e até dados de satélite. Todo o universo de aprovações de medicamentos, relatórios

econômicos, mudanças na política monetária e eventos políticos e seu impacto em

quase todos os tipos de ativos financeiros precisam ser controlados e estruturados.

5

SoluçãoA TradeRiser resolve esses problemas através de seu Assistente de Pesquisa, que

pode responder imediatamente às questões de trading que um profissional ou investi-

dor tem sobre os mercados financeiros. O mecanismo de token da TradeRiser acom-

panhará e compensará os analistas financeiros por seus conjuntos de dados de per-

guntas, validação de dados, verificação de precisão, sugestões e exemplo de criação

de relatórios. Os analistas financeiros podem contribuir dessas maneiras para ajudar

a treinar o aprendizado de máquina do Assistente de Pesquisa, e ser compensados

de acordo. XTI é o mecanismo subjacente usado para facilitar esse ecossistema e

fornece aos detentores de XTI participação direta no avanço de nosso sistema de

pergunta e resposta de “fonte única de verdade”.

6

A TradeRiser se concentra em tornar o processo de pesquisa mais rápido e trazer

uma experiência de usuário totalmente melhor. Isso é feito por meio de consulta de

linguagem natural.

7

REUNIR DADOSDE DIVERSAS

FONTES

SELECIONAROS DADOS

CARREGAR OSDADOS NOEXCEL OUOUTRAS

FERRAMENTAS

ANALISAROS

DADOS

CRIARRELATÓRIOS

Abordagem tradicional

PERGUNTE ÀTRADERISER UMA

PERGUNTA DEPESQUISA

A TRADERISERRESPONDE ASPERGUNTAS

TRADERISER

CRIE O RELATÓRIO

Devido à pesquisa de funcionalidade da TradeRiser, os consumidores poderão testar

mais ideias de trading. A TradeRiser oferece uma plataforma de pesquisa alternativa e

complementar que pode trabalhar de mãos dadas com os sistemas habituais.

Oportunidade - Fase UmO Trading algorítmico e o aprendizado de máquina estão provando ser tendências

disruptivas no gerenciamento de investimentos. Esse tipo de trading exige know-how

técnico e, embora as barreiras à entrada sejam gradualmente removidas, elas ainda não

são adotadas de forma geral. Há um forte caso de uso para trading e pesquisa que não

é conduzido por algoritmos, mas com base no processamento de linguagem natural.

Imagine, em vez de ter que aprender programação para desenvolver estratégias

complexas, poder simplesmente expressá-la em linguagem humana natural.

Seguindo a crescente demanda por criptomoedas e ativos tradicionais, acreditamos

que há uma grande oportunidade para: pesquisa orientada por linguagem natural

sobre cripto ativos e ativos tradicionais.

Melhorando o Processo de Pesquisa

Assistente de Pesquisa - Casos de uso Fase UmA TradeRiser se concentra em tornar o processo de pesquisa mais rápido e trazer

uma experiência de usuário totalmente melhor. Isso é feito por meio de consulta de

linguagem natural.

Caso de uso 1James é um investidor que investe em cripto ativos. Devido à súbita explosão dos cripto

ativos nos últimos anos, os fornecedores de tecnologia ainda estão tentado

acompanhar. A correlação entre dados não estruturados com esses ativos ainda está

para ser aproveitada. James utiliza as ferramentas tradicionais para analisar os

mercados, mas elas são insuficientes, sua maneira normal de analisar esses ativos é

estudando os gráficos. Ele gostaria de poder codificar para então poder usar meios

algorítmicos para pesquisar e investir, mas não pode. Além disso, com vários países

anunciando a proibição das criptomoedas e figuras públicas as denunciando, James

quer saber “Em média, quanto as criptomoedas aumentam 4 horas após uma proibição

ou uma denúncia?”

Isso exigirá que James realize uma grande quantidade de coleta de dados e execute

os modelos em uma planilha do Excel ou, pior ainda, adquira um aplicativo terminal

para importar e executar os cálculos.

Caso de Uso 2Ian dirige seu próprio fundo hedge de cripto ativos e tem uma lista de ideias deinvestimento que ele quer explorar. Ele tem uma lista de 20 perguntas que querinvestigar, porém com recursos e tempo limitados, não tem como investigarrapidamente essas estratégias de investimento. Ian não é um desenvolvedor nem querterceirizar o trabalho. O estado atual das coisas significa que ele teria que confiar noúnico analista quantitativo com quem trabalha para testar idéias que podem levar atéduas semanas.

Ian queria que houvesse uma interface de programação de aplicativo (API) para a qual

ele pudesse ligar ou enviar sua planilha de perguntas e obter uma resposta.

8

BlockchainO software de rede conhecido como blockchain armazena informações em uma rede de

computadores, tornando-as não apenas descentralizadas, mas também distribuídas. Isso

significa que nenhuma autoridade central possui o sistema. Esse armazenamento de

informações e a colaboração na rede são baseados em regras geralmente conhecidas

como um contrato inteligente. A rede Ethereum [3] é uma plataforma que permite a criação

de aplicativos peer-to-peer baseados em contratos inteligentes. Isso permite que os

desenvolvedores criem relacionamentos executáveis criptograficamente. Assim, XTI usará

contratos inteligentes para fornecer a infraestrutura de rede necessária, ou seja, incentivar

os analistas financeiros, os produtores de conteúdo e os consumidores de pesquisa a

interagirem em nosso ambiente por meio do uso de um token.

Processamento de Linguagem NaturalO processamento de linguagem natural (NLP) é definido como o processamento

automático ou semi-automático da linguagem humana. [4] O NLP é essencialmente

multidisciplinar: está intimamente relacionado à linguística. Ele também tem ligações com

as pesquisas em ciência cognitiva, psicologia, filosofia e matemática. Dentro da ciência da

computação, relaciona-se à teoria formal da linguagem, técnicas de compiladores,

teoremas provados, aprendizado de máquina e interação humano-computador. Hoje em

dia, geralmente é considerado uma grande parte da AI e do aprendizado de máquina.

Nosso Assistente de Pesquisa depende muito do NLP para tratar de questões de dados

financeiros e para organizar e classificar dados de eventos de notícias.

Inteligência Artificial Treinada por um Sistema DescentralizadoSistemas de Inteligência Artificial dependem de dados para construir modelos que

forneçam uma função. Quanto mais qualidade de dados, melhor o modelo fica. Muitos

profissionais da área financeira e traders independentes em todo o mundo têm uma

riqueza de conhecimentos e dados, muitos dos quais permanecem privados ou não

aproveitados. Como explicado anteriormente, muitas ideias de trading não são exploradas

devido às barreiras de entrada. Os modelos aprendidos com dados de uma rede de

especialistas descentralizados prometem melhorar muito a usabilidade, ao potencializar

aplicativos mais inteligentes.

9

A Tecnologia

A Inteligência Artificial atualmenteOs trabalhos atuais sobre aprendizado de máquina tem mostrado que os modelos maiorespodem melhorar drasticamente o desempenho geral [5]. Com o surgimento da deeplearning, o campo está se expandindo rapidamente. Com os dados sendo o foco daaprendizagem de máquinas crowdsourcing as perguntas e respostas necessárias paratreinar modelos e incentivar a participação por meio de uma rede baseada em tokens.

Participantes da soluçãoO ecossistema pode ser visto dessa forma: -

10

ASSISTENTESVIRTUAIS

BROKERS &EXCHANGES

EQUIPETRADERISER

USUARIOS DATRADERISER

DETENTORES DE XTI

FIRMAS DEANÁLISES& QUANT

FUNDOS HEDGE,GESTÃO PATRIMONIAL,APLICATIVOS ROBO DE

CONSULTA

PROVEDORESDE DADOS

CONJUNTO DETECNNOLOGIA DO

ASSISTENTE DE PESQUISA

ECOSSISTEMA

11

Fig 1 : Visão Geral do Assistente de Pesquisa

ASSISTENTE DE PESQUISA

USUÁRIOS USUÁRIOS

USUÁRIOS

NOS GRÁFICOS SEMANAIS DE EUR/USD QUANTAS

VEZES OS PREÇOS FORAM FECHADOS FORA DAS

BANDAS DE BOLLINGERNO ANO 2015 E 2016?

RELATORIORESPOSTA

USUÁRIOS

QUANTOS LEITÕES NO MERCADO DE PORCOS DOS

EUA MORRERAM DURANTE O VÍRUS DE PED DE 2014?

QUAL É A VOLATILIDADE DA MAIORIA DOS TOKENS

BASEADOS EM CRIPTOMOEDAS 3

MESES APÓS SUA ICO?

RELATORIORESPOSTA

NOS GRÁFICOS SEMANAIS DE EUR/USD, QUANTAS VEZES OS

PREÇOS FORAM FECHADOS FORA DAS BANDAS DE

BOLLINGER NO ANO DE 2015 E 2016?

12

ConclusãoUm dos maiores desafios da TradeRiser é fazer o nosso modelo de Assistente de

Pesquisa alcançar a massa crítica. Em outras palavras, colocá-lo em um lugar, no qual

ele pode responder à maioria das perguntas de trading que os usuários terão. O sistema

precisa ser treinado em um grande universo de questões, eventos e dados de mercado.

A primeira fase aborda a maneira de adquirir o conjunto de dados das perguntas.

Isso será feito pela TradeRiser emitindo os tokens XTI como compensação pelas

contribuições contínuas para a construção da base de conhecimento, a partir da qual o

aprendizado de máquina será feito. Uma vez atingida a massa crítica, a execução da

segunda fase para atrair consumidores de pesquisa para a plataforma será fácil. Com

os consumidores de pesquisa e os produtores de conteúdo agora totalmente no

ecossistema, os consumidores de pesquisa poderão recompensar os produtores de

conteúdo por seu conteúdo premium e realizar votações. Esse ciclo contínuo criará um

efeito de cadeia, atraindo mais contribuidores para a plataforma.

Ter um ecossistema descentralizado acessível com múltiplos participantes com o

objetivo único de democratizar a análise de trading, na qual todos os membros se

alimentam de tratar questões, será uma adição importante e crítica ao trading em todo

o mundo.

A chave para tornar isso uma realidade são os seguintes ativos:

1. Edição Comunitária: - Este é composto de muitos recursos que estarão disponíveis

para a comunidade. São os seguintes, o Assistente de Pesquisa alimentado pelo feed

de dados da comunidade, classificações da ICO, análise de condição de mercado, due

diligence da ICO, análise de portfólio de investidores, trading direto, web e aplicativo

móvel.

2. Marketplace de Pesquisa - Acessível aos detentores de tokens. Parte da fase dois.

3. Edição de Empresarial: - Esta versão autônoma é acessível a instituições financeiras,

fundos de hedge ou corporações. Isso inclui nossa API.

13

Dennis Owusu-AnsahCEO & Fundador

A Equipe TradeRiser

Karianne BakkenGerente de Mídias

Sociais

Poly AprakuCTO

& Co-fundador

Rocky AsanteChefe de Engenharia &

Co-fundador

Sean O’brienGerente de

desenvolvimento denegócios

Leigh LaguismaDesigner Senior de

UX

Sukrit WongGerente da comunidade

& Quant

Daniel JiangChefe de

tecnologias deBlockchain

Sunil KumarDesenvolvedor Full Stack

14

Luca ZaccagninoCFA, Investidor, Ex-

Consultor de Negóciosno banco RBS

Consultores

Thomas WickaDiretor Administrativo

do Lloyds BankingGroup

Thomas HowellEstratégia de crescimento na Google

Jude AddoDiretor de Private Banking

do Standard CharteredBank, ex-analista do JP

Morgan

ProfessorTatiana KalganovaRevisora em sistemas

inteligentes naUniversidade de Brunel

Kirill KlinbergAssociado

na JP Morgan

David SheppardEx-Trader de

Commodities na Morgan Stanley

Roadmap

15

Teste Beta/Alpha privado comtraders e gerentes de ativos

Selecionada para o Laboratório deInovaçççããão Accenture Fintech em Londres

Finalista do Laboratório de InovaçççãããoAccenture Fintech em Londres

Redesign do UI da plataforma &melhoria da funcionalidade

Estratégia de arrecadaçççããão de fundos

Arrecadaçççããão de fundos da ICO da TradeRiser

Lançamento do portal de treino

Lançamento da ediçççãããocomunitááária da TradeRiser

Parcerias de fundo hedge einstituições financeiras

Lançççamento da versãããopadrããão da Traderiser

Marketplace de pesquisa eEdiçããão empresarial

A TradeRiser é fundada

Aumento da equipe e das parcerias defornecimento de dados de mercado

16

Venda de token XTI & Distribução

Distribuição de Tokens Distribuição de Fundos

60% Desenvolvimento de produtos

20% Marketing, RP e Vendas

8% Parcerias

4% Expansão Internacional

5% Administração geral e operações

3% Jurídico

● 50% Crowdsale

● 5% Distribuído para acomunidade para incentivar oecossistema

● 25% Fundadores, consultorese funcionários da empresa

5% Bounty e referências

5% Parcerias Estratégicas edesenvolvimento futuro

17

● Meta na crowdsale: $23 000 000● Total existente: 500 000 000 XTI ● Tipo do Token XTI : ERC20● Métodos de compra aceitos: BTC e ETH ● Baseado em blockchain Ethereum e contrato inteligente Ethereum

A distribuição de XTI dos funcionários terá um período de carência de 24 meses,

com um limite de 6 meses. A distribuição será proporcional à posse de cada

funcionário até a data da venda de token.

Tokens não vendidos serão queimados.

PRE - ICOValor da rodada

ICOValor da rodada

1 XTI = $0.07 1 XTI = $0.10

Detalhes da CrowdSale