傳統金融行業過去 20 年在 IT 基礎設置、中心化數據存儲及互聯網生態推動下，脫離初期人工記賬和電話交易，成為影響全球經濟發展的最重要行業之一，催生 Bloomberg等基礎數據服務提供商；數字貨幣金融時代，由區塊鏈、大數據和人工智能相關技術共同推動：如何從大數據中實時發現投資機會點、通過人工智能量化分析決策作為商業決策輔助、利用神經網絡和深度學習進行市場預測及風險預警，將會成為未來行業趨勢。

項目背景及定位

目前全球數字貨幣超 3781 種，每天都形成新的區塊鏈生態組成部分。數字貨幣的區塊 鏈本身包含 17 種類型數據，如：發行總量、挖礦難度、損耗量、流通鎖定量、區塊交 易數據、礦工費等。

目前全球數字交易平臺有超 467 個，數字貨幣超 3781 種，其中超 1765 種可在交易平 臺中交易，形成 3183 交易對，數字仍不斷快速增加。全球交易平臺產生實時交易價格， 實時掛單與交易量等，每秒數據產生大量變化。不同交易所間交易價格平均最大差值 9.73%，二八法則長尾交易量平均分布平臺 382 個，但仍約有 63.9%的交易在 OTC 或 其他方式進行。除此之外，還有 OTC 數據、非交易數據、期貨衍生品數據等，相關標的 信息 69 類。

在區塊鏈完全去中心化和匿名技術模型下，數字貨幣在眾多獨立分布式交易中心交易， 與傳統金額行業相比，98.9%的常規分析數據無法獲取。最關鍵的價和量數據，僅有 12.9% 能實時覆蓋，且分布在 73 個數據源中。并且，目前 98%的交易所只提供交易實時數據 （76.9%的數據僅為當前時間戳數據），完全沒有歷史數據作為投資決策參考。

過去一年統計，區塊鏈和數字貨幣日均產生 17875 條新聞資訊、537819 條 UGC 信息， 日均 555694 條輿情信息中，包括市場的利空利好以及投資者的看多看空，這些不確定 性信息一定程度致使數字貨幣價格平均每小時波動 5.5%，且 24 小時不停盤。

如何從眾多區塊、獨立分布式交易所、繁雜輿情信息中抓取海量數據，并對日均 5.6017T （目前）結構化化處理、積累，形成目前全球唯一區塊鏈市場結構式數據中心；在此基礎上分析規律、洞察本質、捕捉機會點、智能化進行市場預測和風險預警、給商業決策 帶來價值，最終形成行業基礎和行業標準，全面公開共享，并提供智能量化分析引擎， 是 QUBE 的定位。

據 2018 年 1 月 1 日數據測算，全球證券交易市場市值 100 萬億美元，區塊鏈數字貨 幣總市值 7552.7 億美元，僅占傳統證券市場市值的 0.76%。傳統證券交易二級市場中 量化輔助交易占比已達 19.6%，QUBE 率先定位細分數字貨幣市場，未來有極強的發展 空間和預期。

QUBE 服務于：

? 3000 萬數字貨幣投資者 （10%為收費 VIP 用戶） - 計劃為個人投資者推出以幣種為單位的量化策略機器人

? 10000 家專業金融機構 （全部為收費用戶）

? 500 家專業數字資產基金 （全部為收費用戶）

解決方案及模型

QUBE 智能量化分析引擎，解決方案基于數據大規模處理和深度學習算法的數據降維、噪點去除、特征提取、模型訓練等過程，在神經網絡量化因子優化歸一后，形成最終結果輸出。其核心是對日均 5.6017T（目前）海量數據進行處理，包括區塊鏈數據、各類交易平臺數據，網絡信息輿情數據等，通過人工智能技術體系下的一系列算法模型訓練，最終對數字貨幣市場各類博弈行為進行模型預測和數據量化。

解決方案概述

1） 數據獲取

我們通過全球 276 個節點來獲取數據，通過 WebSocket、API 接口，配合爬蟲實時抓 取 467 個交易平臺數據中 1765 個數字貨幣的 3183 交易對價格、實時掛單與交易量等信息，覆蓋 95%以上幣種，90%以上交易平臺，平均 3.9 秒鐘刷新更新數據。 通過爬蟲技術抓取影響區塊鏈市場投資的文字信息，分類為資訊類信息和 UGC 信息， 共 6786 個信息源，日均 876 萬未結構化數據；通過對區塊鏈節點數據的監聽挖掘，獲 取區塊鏈隱藏信息，并結構化存儲 17 類數據。QUBE 引擎目前每分鐘平均獲取原始數 據 3.91GB，處理后存儲數據倉庫。

2） 數據量化

全球 26 個數據中心進行數據處理，去除噪點，輸入模型量化，形成交易數據的中心結 構化數據庫；通過語義分析對輿情原始數據進行處理，切詞標簽化，深度學習量化成市 場多空影響因子與情緒因子一系列指標；對區塊鏈數據進行技術處理后，形成實時數據 源。

通過 AI 人工智能對數據進行量化處理，在 983 個維度上進行深度建模分析，形成 28919 中間因子機器學習，最終形成 397 類直接量化數據的價值輸出結果。眾所周知，數據建 模處理和人工智能訓練需要大規模計算量，我們利用區塊鏈技術招募合作伙伴，進行分 布式計算來解決算力問題，推動相關技術落地時間比傳統模式 ROI 提高 87%。

3） 智能策略

日均產生的 5.6017T 數據中，包括大量有價值信息，通過機器學習和深度學習算法，在 最小時間戳為 1 分鐘維度上進行迭代結果導入訓練，優選最佳的數字貨幣投資策略。

QUBE 引擎從 2017 年 7 月份開始啟動運行，到目前共 5 個月算法和模型訓練時間，AI 人工智能投資策略啟動后，與比特幣單一幣種的同期收益相比提高 27.9%。且月環比引 擎本身提高 11.6%，呈現環比率增加。QUBE 引擎的目標是在 2018 年推出 60 類智能 量化策略并產品化。

引擎核心模型

QUBE 引擎的核心為以深度學習算法為基礎的模型，旨在利用各類區塊鏈貨幣的海量歷 史數據，結合自動獲取的每日交易數據和區塊鏈生態相關數據（如交易各類信息量化、 輿情數據、區塊數據、貨幣匯率等），作為模型輸入樣本數據，通過大量運算訓練并迭代 優化 AI 模型，最終實現能夠發現一定時間范圍內或特定場景下區塊價格的動態變化風 險規律。

模型的原始數據主要分交易數據和輿情數據等。其中，交易數據為定量數據，包含各大 交易平臺的交易數據、行情數據、OTC 場外交易數據記錄、以及各類貨幣的實時交易匯 率。輿情數據為定性數據，包括與區塊鏈相關的各類新聞、資訊、公告、用戶 UGC 信息等等，輿情數據最終被量化為對某個時間段的影響因子，與交易數據一并作為 AI 模 型的數據源。

通過定義市場趨勢的指標，將市場背景按照多、空、震蕩等 27 個因子劃分成若干情形， 按幣種發行時間，將幣種劃分為新幣、短期、長期等 36 個類型；按幣種價格，將幣種 劃分為微額、小額、中額、大額等 45 種類型；按照輿情指數，將市場情緒劃分為買入、 賣出、觀望等 13 個類型。按上述方法，將整個區塊鏈市場的 N 個特征進行提取和分類， 即 N 維市場，若每個維度有 M 個分類，則市場被量化成 NxM 的矩陣，將 NxM 個組 合情形下的價格、短期走勢、中長期走勢進行抽象，即特征向量化。

按照上述分類，將任意時間點歷史數據以及每日更新的數據快速分解為各類特征的描述， 可快速作為輸入數據納入最終模型中，并利用機器學習算法訓練出能夠快速對市場進行 判讀和走勢預測的 AI 模型。這是引擎的核心模型。

模型為監督學習和無監督學習的結合，初始特征的分類和輸入，幫助模型快速解讀市場， 隨著數據量的增多和特征的明顯，模型可自動發現市場中存在的隱含特征，同時也可將 持續超出臨界置信的特征自動篩除。AI 模型的最終輸出結果為對當前時段價格、成交 量、市場情緒的短期趨勢和長期趨勢的概率分布，最終形成 397 類直接量化數據的價值 輸出結果。

引擎核心算法

QUBE 引擎的核心算法包括輿情分析、時序預測、回歸分析和機器學習模型等，我們團 隊成員不僅在人工智能方向有充分的技術儲備，同時具備豐富的量化金融建模經驗。人 工智能的關鍵是算法和對應的巨型數據量訓練，我們公開部分引擎基礎算法，供行業監 督反饋和驗證。

產品結構及計劃

產品結構介紹

產品功能舉例

主頁全部功能模塊：

QUBE 引擎實時更新四大關鍵模塊（原始數據獲取系統、數據處理結構化系統、特征 提取與量化系統、AI 深度學習模型系統）的運營狀態指標。QUBE 引擎的 8 大類別、 48 個功能模塊，將按計劃逐步上線。

功能模塊示例：（海量數據平臺/全部幣種）

目前 QUBE Beta V0.1 版已開通“All Token”功能模塊，支持 1385 個幣種的 376 個 交易平臺價格、實時掛單、交易量等交易數據，每 3.6 分鐘之內輪回更新周期，其中 176 個幣種數據在 3.9 秒內更新。

功能模塊示例：（輿情信息量化指標：［-10，+10］ ）

QUBE Beta V0.1 版已開通輿情量化模塊的輿情分析功能，QUBE 抓取全球共 6786 個 信息源，日均 876 萬未結構化數據。通過語義分析智能識別量化，最終產生 3 大量化 指數 （網絡輿情指數、市場多空指數和投資情緒指數） ，從-10 到+10，已支持 1 小時 /24 小時維度，數據 5 分鐘內更新。QUBE Beta V0.1 版已支持中、英文信息量化指數， 以 5 個月為周期上線新語言的信息量化指數。