#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。
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。
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。
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。
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