#newt $NEWT @NewtonProtocol
Ich habe heute etwas Zeit damit verbracht, in Newtons Policy-Paketen zu wühlen, statt an Charts zu arbeiten, und eine Design-Entscheidung hat mich nicht losgelassen.
Eine Vault-Policy wird nicht von einem einzigen Oracle oder einem einzelnen Risk-Engine getrieben. Sie ist eher wie eine Sammlung von Spezialisten. Ein Anbieter überwacht Preis-Anomalien, ein anderer verfolgt das Depeg-Risiko, ein weiterer bewertet die Gesundheit der Vault und ein anderer prüft Kontrahenten. Newton ermöglicht es dem Curator lediglich, diese Signale zu einer einzigen Policy zusammenzuführen.
Was ich daran interessant finde, ist, dass diese Anbieter nicht versuchen, zu demselben Ergebnis zu gelangen. Es sind unabhängige Systeme, die darauf ausgelegt sind, unterschiedliche Fragen mit unterschiedlichen Annahmen zu beantworten. Die finale Entscheidung wird getroffen, indem man alle diese Ausgaben miteinander verknüpft.
Das wirft eine naheliegende Frage auf: Was passiert, wenn die Signale nicht mehr zueinander passen?
Stellen wir uns vor, der Preis-Feed ist ruhig, aber das Risikomodell hat bereits angefangen, Warnungen auszugeben. Greift die Policy dann auf das konservativere Signal zurück? Erfordert sie mehrere Bestätigungen? Oder behandelt sie jede Eingabe einfach als nur ein weiteres Stück vom Durchschnitt?
Ich konnte keine klare Erklärung dazu finden.
Außerdem hat mich das an meinen eigenen Handel denken lassen. Ich habe schon öfter Indikatoren übereinander gelegt, ohne zu fragen, ob sie tatsächlich miteinander übereinstimmen – und das hat mich diese Woche zu einem soliden Einstieg gebracht, der mir am Ende teuer zu stehen kam. Unterschiedliche Tools helfen nur dann, wenn man versteht, wie sie zusammenwirken. Andernfalls sammelt man nur Meinungen und hofft, dass sie in dieselbe Richtung zeigen.
Ich bin neugierig, ob die meisten Curators diese Edge Cases aktiv testen oder ob viele Policies einfach aus Templates gebaut und dann unverändert übernommen werden.
Ich habe heute etwas Zeit damit verbracht, in Newtons Policy-Paketen zu wühlen, statt an Charts zu arbeiten, und eine Design-Entscheidung hat mich nicht losgelassen.
Eine Vault-Policy wird nicht von einem einzigen Oracle oder einem einzelnen Risk-Engine getrieben. Sie ist eher wie eine Sammlung von Spezialisten. Ein Anbieter überwacht Preis-Anomalien, ein anderer verfolgt das Depeg-Risiko, ein weiterer bewertet die Gesundheit der Vault und ein anderer prüft Kontrahenten. Newton ermöglicht es dem Curator lediglich, diese Signale zu einer einzigen Policy zusammenzuführen.
Was ich daran interessant finde, ist, dass diese Anbieter nicht versuchen, zu demselben Ergebnis zu gelangen. Es sind unabhängige Systeme, die darauf ausgelegt sind, unterschiedliche Fragen mit unterschiedlichen Annahmen zu beantworten. Die finale Entscheidung wird getroffen, indem man alle diese Ausgaben miteinander verknüpft.
Das wirft eine naheliegende Frage auf: Was passiert, wenn die Signale nicht mehr zueinander passen?
Stellen wir uns vor, der Preis-Feed ist ruhig, aber das Risikomodell hat bereits angefangen, Warnungen auszugeben. Greift die Policy dann auf das konservativere Signal zurück? Erfordert sie mehrere Bestätigungen? Oder behandelt sie jede Eingabe einfach als nur ein weiteres Stück vom Durchschnitt?
Ich konnte keine klare Erklärung dazu finden.
Außerdem hat mich das an meinen eigenen Handel denken lassen. Ich habe schon öfter Indikatoren übereinander gelegt, ohne zu fragen, ob sie tatsächlich miteinander übereinstimmen – und das hat mich diese Woche zu einem soliden Einstieg gebracht, der mir am Ende teuer zu stehen kam. Unterschiedliche Tools helfen nur dann, wenn man versteht, wie sie zusammenwirken. Andernfalls sammelt man nur Meinungen und hofft, dass sie in dieselbe Richtung zeigen.
Ich bin neugierig, ob die meisten Curators diese Edge Cases aktiv testen oder ob viele Policies einfach aus Templates gebaut und dann unverändert übernommen werden.