1
Help us understand the problem. What are the problem?

More than 1 year has passed since last update.

posted at

Numeraiに上位20%以上のスコアがでる予測値を提出する方法

はじめに

はじめまして。
tit_BTCQASH と申します。

この記事では上位20%以上の性能が出る予測値をNumeraiにサブミットする方法を解説します。

Numeraiにステークしたいけど、毎週プログラミングなんてめんどくさい・プログラミングなんてできない、という人向けです。

Numeraiって何?という方は、私の過去記事( 日本語版 /英語版)をご参照ください。

データのダウンロードから予測の提出まで

本項ではNumeraiに予測値を提出する方法を説明します。
使用する計算モデルは公式 がGithubで頒布しているexample_model.pyです。
公式が配布しているサンプルモデルですが、下手な独自モデルよりも性能が良いです。また、Numeraiに提出する予測値を格納したCSVファイルも公式が毎週配布しています。

それでは、提出用ファイルのダウンロードと提出方法について説明いたします。

image.png
公式サイトの左側にあるDownload Dataを押し、Zipファイルを解凍すると、example_predictions.csvというファイルがあります。
image.png

example_predictions.csvを公式サイト左側にあるUpload Predictions(Download Dataの下)からアップロードすれば完了です。
(ね?簡単でしょう?)
本ファイルは毎週土曜日18:00(UTC)にダウンロードできるようになります。本ファイルを月曜日の14:30(UTC)までに提出すれば、その週から開催されるNumeraiトーナメントに参加できます。

example_model.pyの性能

example_model.pyから計算した予測値は毎週公式が提出してくれています。本モデルの性能について下図に示します。
image.png
本モデルの性能で一番見るべきところはCorr Reptationです。Corr Reptationとは20ラウンドのCorr平均値を表しており、Corr*100の値が週当たりの平均リターン[%]を表します。example_model.pyは週当たり2.83%の平均リターンがあり、年利換算で約150%とかなり高いです。
一方mmcはマイナスの値なので、他のモデルに対する優位性はありません。そのため、ステーキングをする場合はCorrのみがよいでしょう。

image.png
また、ランキングを見ると過去20ラウンドでは200-700位の間に位置することが分かります。現在4861モデルがNumeraiに存在するので、example_model.pyは上位4~15%程度の性能を持つことがわかります。
下手に独自モデルを作って予測値を提出するより、example_model.pyを出した方が高いリターンを得られるかもしれません。

さいごに

NMRのトークン価値は変動しますので、NMRトーナメントで優秀な成績を修め、NMRの枚数を増やしても、JPY建てでは損失が発生する可能性があります。

また、NMRを一度ステークすると、トーナメント期間中は引き出せないことも注意が必要です。

個人的には、下手に年利が高いDefiよりもリスクが低いと感じておりますが、リスク感度は個人個人で異なると思いますので、ご自身の判断でご参加ください。

チップ用
NMR:0x0000000000000000000000000000000000021d96

Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Sign upLogin
1
Help us understand the problem. What are the problem?