早期公开测试版
Tantoryn AI
面向加密货币期货市场、基于证据的 AI/ML 交易智能。
Tantoryn AI 公开地研究、测试并观察自动化交易智能。结构化的市场候选生成、独立的 ML 评估,以及专门的风险 gate 协同工作 —— 本网站上的每一项主张都由当前证据支持,而不是一句承诺。
Tantoryn AI 是什么
一个以研究为驱动的系统,而非信号服务商。
Tantoryn AI 通过一套严谨的分阶段流水线,将机器学习应用于加密货币期货市场的分析。任何结果在到达用户之前,都必须先经过结构化的市场分析、独立的 ML 评估,以及专门的风险与生命周期 gate。
该系统目前处于早期公开测试阶段:它持续观察实时市场,并端到端运行完整流水线,但每一笔交易都是虚拟的。真实资金订单执行功能已禁用。当前目标是用证据证明流水线的质量,而不是宣称已经拥有一个成熟的盈利产品。
系统的结构方式
一条四阶段决策流水线,其设计使任何单一组件都无法独立行动。
市场数据
对所跟踪品种进行多周期市场数据的持续采集,为后续每一个决策构成共同的事实基础。
候选生成器
一个专门的层从这些数据中识别出形式化的市场候选 —— 值得进一步评估的结构化条件,尚不是交易决策。
ML 决策层
机器学习模型对每个候选项进行评估。模型可以打分和排序;不能自行开仓,也不能绕过风险控制。
风险 / 生命周期引擎
在任何事物获准成为信号之前,一个独立的 gate 会应用风险检查、敞口限制和生命周期规则。
信号 / 虚拟交易观察
只有当所有阶段都通过后,一笔虚拟交易才会被记录并观察 —— 并通过 Telegram 公开发布。
为什么选择 Tantoryn
塑造每一个工程与研究决策的六项原则。
候选优先的智能
ML 从不凭空发明交易想法 —— 它评估的是一个独立、形式化的层已经生成的候选项。
ML 不控制风险
风险与生命周期管理位于一个独立的引擎中,ML 无法覆盖它。
先有证据,后有晋升
没有任何模型或方法能在缺乏文档化、可复现证据的情况下推进到 Production 状态。
研究与 Production 相互分离
研究结果默认从不被当作 Production 层面的主张;晋升是一个独立、明确做出的决定。
失败的实验也是证据
被拒绝的方法和负面结果同样会被记录并公开发布 —— 这是系统持续改进方式的一部分。
受控披露
我们公开发布流程、方法论与状态,而专有逻辑与阈值默认保持不公开。
研究诚信
金融机器学习通常悄无声息地失败 —— 大多源于数据泄漏,而非运气不好。我们的流程正是为了发现这一点而设计。
- 按时间顺序验证. 数据始终按时间顺序划分和评估;未来的任何信息都不会泄漏到训练或筛选过程中。
- 因果重构. 特征与标签的重建仅反映在决策时点本应可获得的信息。
- 泄漏控制. 诸如缩放之类的预处理仅在训练数据上拟合,并配有针对共享拟合捷径的明确检查。
- 冻结的评估规则. 评估合约在结果被看到之前就已固定,因此规则不能在事后被调整。
- 稳健性测试. 被接受的方法在获得进一步信任之前,会针对分布偏移、噪声和市场机制变化进行压力测试。
- 独立审计. 重大结果由一位未参与构建该成果的独立评审人进行核查。
工作证明
今天可验证地在运行的内容 —— 不含任何虚构的业绩数字。
实时市场运行环境
流水线针对实时市场数据持续运行。
虚拟交易执行
交易被端到端地模拟和跟踪;不会下达任何真实订单。
生命周期跟踪
持仓在整个虚拟生命周期内都会被跟踪,而不仅仅是在入场时。
Telegram 推送
被观察到的活动和报告会发送至公开的 Telegram 频道。
报告
用户可以通过 Telegram 请求虚拟交易历史记录和业绩摘要。
研究与审计工作流程
独立评审是标准做法:大多数重大模型或方法变更,在最终批准前都要经过文档化研究和单独的独立审计,仅有限的、按范围界定的例外情况除外。
真实资金订单已禁用
真实资金订单执行在运行环境层面被严格禁用。
关注 Tantoryn AI 的构建过程
本项目在设计上就是公开的。以下是关注方式。