TradeRiser

Um Ecossistema Descentralizado & Um Assistente de Pesquisa para Responder

Perguntas de Trading

Ou tub r o d e 2 0 1 7 Tr a d e r i s e r. c o m Ve r são 4 . 3

ConteudosResumo

Notas

1. O Problema

1.1 Motivação - Simplificando a Análise de Dados Financeiros

1.2 Disruptando a Pesquisa Intensiva Humana

1.3 Poucas Ideias Foram Testadas

1.4 Consumo de Tempo

1.5 Ineficiência

1.6 Sobrecarga de Informações

1.7 Notícias e Eventos - Dados Não Estruturados

1.8 Solução

2. Melhorando o Processo de Pesquisa

2.1 Oportunidade - Fase Um

2.2 Assistente de Pesquisa - Casos de uso Fase Um

2.3 Marketplace de Pesquisa - Casos de uso Fase Dois

3. A Tecnologia

3.1 Blockchain

3.2 Processamento de Linguagem Natural

3.3 Inteligência Artificial Treinada por um Sistema Descentralizado

3.4 Sistema de Perguntas e Respostas para Dados Financeiros

3.5 A Inteligência Artificial Atualmente

3.6 Participantes

3.7 Funcionalidades da Plataforma

3.8 Contribuição para Analistas Independentes de Pesquisa QuantitativaFase Um

5

6

7

8

8

8

9

9

9

9

10

11

12

13

15

16

17

17

17

18

19

19

21

24

´

Conteudos

3.9 Produção de Dados de PerguntasFase Um

3.10 Contribuição para Produtores de Pesquisa e Analistas IndependentesFase Dois

4. Por que o Blockchain?

4.1 Um Sistema de Registros

4.2 Corte de Custos

4.3 Pesquisa Crítica em Massa

5. Por que nosso próprio XTI?

5.1 Credibilidade da Comunidade

5.2 Emissão de Pagamentos

5.3 Gerenciando o Fornecimento Monetário

6. Propósito da XTI

6.1 Consumidores de Pesquisa

6.2 Stakeholder

7. Mecanismo da XTI

7.1 Fornecimento de XTI

7.2 Reembolsos de XTI

8. Plataforma atual: Ajuste do Mercado

8.1 Fontes de Dados

8.2 Desenvolvimento do Assistente de Pesquisa e do Ecossistema

24

27

28

29

30

30

31

32

32

32

33

34

34

35

36

36

37

40

41

´

Conteudos

9. Desafios

9.1 Conteúdo Subjetivo

9.2 Análises da Equipe TradeRiser

9.3 Cálculo da Pontuação do Perfil

9.4 Plágio

9.5 Plataformas Existentes

9.5.1 Plataformas de Relatórios de Conteúdo Baseadas em Blockchain

9.5.2 Plataformas de Pesquisa Financeira

9.6 Conflitos de Interesses

9.7 Padrões Éticos

10. Riscos do XTI

10.1 Risco do Projeto

10.2 Risco da Criptomoeda

10.3 Riscos Regulatório

10.4 Beneficios do Token XTI

11. Venda e Distribuiçççããão Token XTI

12. Roteiro

13. Equipe

14. Perguntas Frequentes

15. Referêêências

42

43

43

43

44

44

44

45

45

45

46

47

47

47

49

50

54

58

63

66

´

No mundo do trading e do investimento, a análise financeira mais poderosa está

normalmente reservada apenas para poucos. A TradeRiser está buscando mudar isso,

democratizando a análise de dados financeiros e tornando-a disponível para as massas.

Pesquisar ideias de trading e explorar os mercados financeiros é um processo lento. O

que é necessário é uma fonte única de verdade, que possa fornecer respostas instan-

tâneas em larga escala para as perguntas de trading. Especificamente, como as notícias

e eventos afetam os preços dos ativos em todo o mundo.

A TradeRiser é um Assistente de Pesquisa artificialmente inteligente, que pode respoder

perguntas de trading simples e complexas. Para treinar a inteligência artificial, vamos

impulsionar o blockchain para construir um sistema de incentivo, que será apoiado e

alimentado por dados de uma grande rede de analistas e pesquisadores quantitativos.

Uma economia baseada em tokens chamada XTI será introduzida, para incentivar os

pesquisadores a inserirem seus dados e contribuições na plataforma.

Em seguida, será criada uma segunda economia, em torno de um mercado de pesquisa,

na qual os desenvolvedores de modelos quantitativos e os produtores de conteúdo

poderão alcançar os consumidores dentro do ecossistema. Essa participação da

comunidade ajudará a cumprir a meta de democratizar e simplificar a análise de dados

financeiros.

Resumo

5

Para fins deste documento, os Cientistas de Dados, Desenvolvedores Analistas

Quantitativos, serão chamados de “Analistas Financeiros”.

Analista de Pesquisa de Equidade, Analista Forex, Gerente de Portfólio, Estrategista

e Analista Financeiro serão todos referidos como Analista Produtores de Pesquisas,

“Produtores de Conteúdo”.

Investidores de varejo, investidores sofisticados, profissionais financeiros e instituições

financeiras serão chamados de “Consumidores de Pesquisa” e “Usuários”.

TradeRiser é usada para se referir à empresa e ao produto Assistente de Pesquisa

de forma intercambiável.

Notas

6

The ProblemO Problema

1.1 Motivação - Simplificando a análise de dados financeiros O crescimento da world wide web levou a inovações na tecnologia dos mecanismos

de busca. Isso tornou a web mais acessível e universal. No entanto, a análise de da-

dos financeiros, não tem desfrutado do mesmo nível de simplicidade e acessibilidade

visto na rede mundial de computadores. O crescimento do big data não pode ser

parado, empresas financeiras e indivíduos estão em uma corrida para encontrar opor-

tunidades de trading. Essa tarefa só ficará mais difícil à medida que novas opções de

dados forem descobertas, e as pessoas terão dificuldades em acompanhar. Essa

desconexão na acessibilidade e universalidade apresenta uma enorme oportunidade

para sistemas que buscam democratizar a análise de dados financeiros.

1.2 Disruptando a Pesquisa Intensiva HumanaA TradeRiser está construindo um Assistente de Pesquisa baseada em IA, que pode

responder a perguntas de trading simples e complexas. Profissionais financeiros em

todo o mundo gastam muito tempo e dinheiro em pesquisas tentando responder a es-

sas perguntas de trading. Este tipo de pesquisa é normalmente demorado, ineficiente,

propenso a sobrecarga de informação e requer muita mão de obra. Esses problemas

são ainda mais agravados com o surgimento das criptomoedas e dos profissionais fi-

nanceiros que querem fazer trade delas, juntamente com os títulos tradicionais. A rápi-

da explosão das criptomoedas trouxe muitas outras tecnologias a serem acompanhadas, e

os operadores individuais precisam de uma maneira fácil de analisar essas classes de

ativos.

1.3 Poucas Ideias Foram TestadasAs plataformas atuais dependem de um alto grau de conhecimento técnico para testar

ideias de trading e, devido às barreiras de entrada, menos ideias de trading são tes-

tadas. Todos os dias, um gerente de portfólio tem uma ideia de investimento e precisa

ir a um quant para construir o modelo. Esse é um obstáculo na maioria das empresas

de serviços financeiros e, como resultado, muito menos ideias são testadas. O mes-

mo acontece com os operadores individuais que querem testar ideias, mas não têm

acesso a ferramentas suficientes.

O Problema1.

8

1.4 Consumo de TempoA pesquisa quantitativa pode ser um processo incrivelmente demorado, pois exige

várias etapas para ser concluída, às vezes abrangendo vários dias e horas. Outros

obstáculos incluem o processo computacional devido à quantidade de dados sendo

analisados.

1.5 IneficiênciaO processo de pesquisa requer a coleta de dados, separação de dados e análise de

dados, e a etapa final é a criação de relatórios. Este é um processo incrivelmente ine-

ficiente.

1.6 Sobrecarga de InformaçõesComo os dados são o novo “petróleo” ou um recurso valioso, o trabalho dos analistas

é ainda mais difícil ao tentar processar dados. Novas opções de dados estão constan-

temente surgindo, o que pode potencialmente ser aproveitadas em pesquisas finan-

ceiras, especialmente dados não estruturados.

1.7 Notícias e Eventos - Dados Não EstruturadosSabe-se que as notícias e eventos mundiais têm impacto nos mercados financeiros, é

por esse motivo que ferramentas, como os calendários de relatórios econômicos e de

lucros, foram criadas. Essas ferramentas permitem que os traders acompanhem e mo-

nitorem eventos de impacto, no entanto, há uma gama de eventos mundiais que não

foram organizados para serem incluídos em um calendário, que precisa ser estrutura-

do. Atualmente, os traders se esforçam para manter ou se proteger mediante dados de

fontes como o Twitter, notícias sobre criptomoedas, dados meteorológicos e até dados

de satélite. Todo o universo de aprovações de medicamentos, relatórios econômicos,

mudanças na política monetária e eventos políticos e seu impacto em quase todos

os tipos de ativos financeiros precisam ser controlados e estruturados.

9

1.8 SoluçãoA TradeRiser resolve esses problemas através de seu Assistente de Pesquisa, que

pode responder imediatamente às questões de trading que um profissional ou investi-

dor tem sobre os mercados financeiros. O mecanismo de token da TradeRiser acom-

panhará e compensará os analistas financeiros por seus conjuntos de dados de per-

guntas, validação de dados, verificação de precisão, sugestões e exemplo de criação

de relatórios. Os analistas financeiros podem contribuir dessas maneiras para ajudar

a treinar o aprendizado de máquina do Assistente de Pesquisa, e ser compensados

de acordo. O XTI é o mecanismo subjacente usado para facilitar esse ecossistema e

fornece aos detentores de XTI participação direta no avanço de nosso sistema de

pergunta e resposta de “fonte única de verdade”.

10

Melhorandoo Processo de

Pesquisa

A TradeRiser se concentra em tornar o processo de pesquisa mais rápido e trazer

uma experiência de usuário totalmente melhor. Isso é feito por meio de consulta de

linguagem natural.

12

REUNIR DADOSDE DIVERSAS

FONTES

SELECIONAROS DADOS

CARREGAR OSDADOS NOEXCEL OUOUTRAS

FERRAMENTAS

ANALISAROS DADOS

CRIARRELATÓRIOS

Abordagem tradicional

PERGUNTE ÀTRADERISER

UMA PERGUNTADE PESQUISA

A TRADERISERRESPONDE ASPERGUNTAS

TRADERISER

CRIE O RELATÓRIO

Devido à pesquisa de funcionalidade da TradeRiser, os consumidores poderão testar mais

ideias de trading. A TradeRiser oferece uma plataforma de pesquisa alternativa

e complementar que pode trabalhar de mãos dadas com os sistemas habituais.

2.1 Oportunidade - Fase UmTrading algorítmico e o aprendizado de máquina estão provando ser tendências disrup-

tivas no gerenciamento de investimentos. Esse tipo de trading exige know-how técnico

e, embora as barreiras à entrada sejam gradualmente removidas, elas ainda não são

adotadas de forma geral. Há um forte caso de uso para trading e pesquisa que não é

conduzido por algoritmos, mas com base no processamento de linguagem natural.

Imagine, em vez de ter que aprender programação para desenvolver estratégias com-

plexas, poder simplesmente expressá-la em linguagem humana natural.

Seguindo a crescente demanda por criptomoedas e ativos tradicionais, acreditamos

que há uma grande oportunidade para: pesquisa orientada por linguagem natural sobre

cripto ativos e ativos tradicionais.

Melhorando o Processo de Pesquisa2.

2.2 Assistente de Pesquisa - Casos de uso Fase UmA TradeRiser se concentra em tornar o processo de pesquisa mais rápido e trazer

uma experiência de usuário totalmente melhor. Isso é feito por meio de consulta de

linguagem natural.

Caso de Uso 1James é um investidor que investe em cripto ativos. Devido à súbita explosão de crip-

to ativos nos últimos anos, os fornecedores de tecnologia ainda estão tentado acom-

panhar. A correlação entre dados não estruturados com esses ativos ainda está

para ser aproveitada. James utiliza as ferramentas tradicionais para analisar os

mercados, mas elas são insuficientes, sua maneira normal de analisar esses ativos

é estudando os gráficos. Ele gostaria de poder codificar para então poder usar meios

algorítmicos para pesquisar e investir, mas não pode. Além disso, com vários países

anunciando a proibição das criptomoedas e figuras públicas as denunciando,

James quer saber “Em média, quanto as criptomoedas aumentam 4 horas após

uma proibição ou uma denúncia?”

Isso exigirá que James realize uma grande quantidade de coleta de dados e execute

os modelos em uma planilha do Excel ou, pior ainda, adquira um aplicativo terminal

para importar e executar os cálculos.

Caso de Uso 2Ian dirige seu próprio fundo hedge de cripto ativos e tem uma lista de ideias de

investimento que ele quer explorar. Ele tem uma lista de 20 perguntas que quer inves-

tigar, porém com recursos e tempo limitados, não tem como investigar rapidamente

essas estratégias de investimento. Ian não é um desenvolvedor nem quer terceirizar o

trabalho. O estado atual das coisas significa que ele teria que confiar no único analista

quantitativo com quem trabalha para testar idéias que podem levar até duas semanas.

Ian queria que houvesse uma interface de programação de aplicativo (API) para a qual

ele pudesse ligar ou enviar sua planilha de perguntas e obter uma resposta.

13

Caso de Uso 3Jackie é uma cripto trader e ela notou que os cripto mercados parecem ter caído e es-

tão sendo negociados negativamente. Jackie quer maximizar seus lucros nessas tem-

poradas, ela rapidamente quer saber “que criptomoedas setoriais atuaram muito bem

durante o mercado em baixa?”.

Esse tipo de análise requer que Jackie verifique manualmente o desempenho histórico

de todas as criptomoedas durante as condições do mercado em baixa e também crie

seus próprios índices e dados do cripto setor. Isso não é fácil de fazer e é incrivelmente

demorado.

Caso de Uso 4Thomas é analista júnior em uma das grandes instituições financeiras e teve uma idéia

de trading em meio aos verões quentes fora do normal em Nova York. Então ele tem

uma pergunta ou uma hipótese em torno de “que tipos de empresas são realmente

sensíveis aos preços de ações para esses tipos de eventos quentes fora do normal?”

Para conseguir isso, ele teria que exportar um conjunto de dados de um provedor de

dados como o Bloomberg para um formato Excel, padronizar os dados, selecionar os

dados, importá-los para o R ou o Stata, avaliar os dados e finalmente criar um relatório.

Mesmo as ferramentas nomeadas realmente não oferecem flexibilidade máxima, todo o

processo requer muitas etapas e é demorado.

Caso de Uso 5Peter é tanto um cripto trader e um trader de ações, ele quer saber “quais

criptomoedas estão atualmente estáveis?”, e também quer saber “quais ações

provavelmente terão alta em uma semana depois da subida das taxas de juros?”.

Todas essas questões requerem uma forma de ciência e análise de dados para estabe-

lecer uma resposta apropriada. Peter não tem recursos nem tempo para pesquisar.

14

2.3 Marketplace de Pesquisa - Casos de uso Fase Dois

Caso de Uso 6A MiFID II, é uma legislação da UE que regulamenta empresas que prestam serviços a

clientes ligados a 'instrumentos financeiros' (ações, títulos, unidades em esquemas

de investimento coletivo e derivativos), e os locais onde o trade desses instrumentos

ocorrem. [1] [2]

A legislação exige que as empresas que fornecem esses serviços separem as comis-

sões de trading dos custos de pesquisa (“unbundling”).

Anna trabalha como analista em uma firma de gestão de investimentos no Reino

Unido, recebe quase 1000 e-mails por dia com pesquisas de investimento - todas sem

estrutura e, em sua maioria, irrelevantes. Ela gostaria de ter uma plataforma única, que

lhe permitisse manter uma trilha de auditoria da pesquisa que ela havia utilizado de

todos os pesquisadores independentes. Ela muitas vezes não sabe quais provedores

de pesquisa ela usou e a quem pagar.

15

A Tecnologia

3.1 BlockchainO software de rede conhecido como blockchain armazena informações em uma rede de

computadores, tornando-as não apenas descentralizadas, mas também distribuídas. Isso

significa que nenhuma autoridade central possui o sistema. Esse armazenamento de

informações e a colaboração na rede são baseados em regras geralmente conhecidas

como um contrato inteligente. A rede Ethereum [3] é uma plataforma que permite a cri-

ação de aplicativos peer-to-peer baseados em contratos inteligentes. Isso permite que os

desenvolvedores criem relacionamentos executáveis criptograficamente. Assim, XTI usará

contratos inteligentes para fornecer a infraestrutura de rede necessária, ou seja, incenti-

var os analistas financeiros, os produtores de conteúdo e os consumidores de pesquisa a

interagirem em nosso ambiente por meio do uso de um token.

3.2 Processamento de Linguagem Natural O processamento de linguagem natural (NLP) é definido como o processamento automáti-

co ou semi-automático da linguagem humana. [4] O NLP é essencialmente multidisciplinar:

está intimamente relacionada à linguística. Ele também tem ligações com as pesquisas

em ciência cognitiva, psicologia, filosofia e matemática. Dentro da ciência da computação,

relaciona-se à teoria formal da linguagem, técnicas de compiladores, teoremas provados,

aprendizado de máquina e interação humano-computador. Hoje em dia, geralmente é

considerado uma grande parte da AI e do aprendizado de máquina. Nosso Assistente de

Pesquisa depende muito do NLP para tratar de questões de dados financeiros e para or-

ganizar e classificar dados de eventos de notícias.

3.3 Inteligência Artificial Treinada por um Sistema DescentralizadoSistemas de Inteligência Artificial dependem de dados para construir modelos que forneçam

uma função. Quanto mais qualidade de dados, melhor o modelo fica. Muitos profissionais da

área financeira e traders independentes em todo o mundo têm uma riqueza de conhecimen-tos

e dados, muitos dos quais permanecem privados ou não aproveitados. Como explicado an-

teriormente, muitas ideias de trading não são exploradas devido às barreiras de entrada. Os

modelos aprendidos com dados de uma rede de especialistas descentralizados prometem

melhorar muito a usabilidade, ao potencializar aplicativos mais inteligentes.

17

A Tecnologia3.

3.4 Sistema de Perguntas e Respostas para Dados FinanceirosNa essência do nosso Assistente de Pesquisa esta um sistema de perguntas e respostas.

Perguntar e responder é outra vertente da NLP, e seu nome sugere que é o processo de

fazer perguntas e obter respostas. A maioria dos sistemas de perguntas e respostas de

hoje é semelhante aos sistemas de recuperação e extração de informações. [4] Esses

sistemas tentam encontrar respostas específicas para uma pergunta específica a partir

de um conjunto de documentos ou, pelo menos, um pequeno trecho de texto contendo

a resposta.

Exemplo 1Qual é a capital da França?

Paris é a capital francesa há muitos séculos.

A TradeRiser, por outro lado, não se concentra em documentos, mas sim em dados fi-

nanceiros. Perguntas que não podem ser respondidas por um mecanismo de pesquisa

ou por sistemas clássicos de recuperação de informações.

Exemplo 21. Como, em média, as criptomoedas atuam historicamente quando há proibições da

Oferta Inicial de Moeda?

2. Como as empresas da S&P 500 atuam durante a temporada de furacões e quandohá lançamentos negativos na folha de pagamento não-agrícola?

3. Qual impacto da votação do Brexit sobre gbp/usd, eur/usd e btc/usd?

4. Qual é a volatilidade da maioria das criptomoedas baseadas em tokens 3 mesesapós a sua ico?

5. Quais criptos provavelmente terão a maior volatilidade nos próximos 3 dias?

Essas perguntas são de natureza centrada em dados e requerem tecnologia que seja

focada no domínio a ser abordado. Essas perguntas são baseadas em notícias e even-

tos e focam em como eles afetam os ativos envolvidos, trata-se de entender a corre-

lação entre eventos e preços de ativos. As respostas a essas perguntas são sistêmicas

e empíricas por natureza e exigem sentimentos e dados históricos para responder.

18

3.5 A Inteligência Artificial atualmenteOs trabalhos atuais sobre aprendizado de máquina tem mostrado que os modelos maiores podem melhorar drasticamente o desempenho geral [5]. Com o surgimento da deep learning, o campo está se expandindo rapidamente. Com os dados sendo o foco da aprendizagem de máquinas crowdsourcing as perguntas e respostas necessárias para treinar modelos e incentivar a parti-cipação por meio de uma rede baseada em tokens.

3.6 ParticipantesO ecossistema pode ser visto dessa forma:

19

ASSISTENTES VIRTUAIS

BROKERS &EXCHANGES

EQUIPE DATRADERISER

USUÁRIOS DATRADERISER

DETENTORES DE XTI

FIRMAS DEANALISES& QUANT

FUNDOS ESPECULATIVOS,GESTÃO PATRIMONIAL,

APLICATIVOS ROBO DE CONSULTA

PROVEDORESDE DADOS

CONJUNTO DETECNNOLOGIA DO

ASSISTENTE DE PESQUISA

ECOSSISTEMA

Equipe da TradeRiser: Nós supervisionamos o projeto e desenvolvemos as análises e NLP dentro da plataforma.

Analistas Financeiros :- Irão desenvolver ou surgir com as perguntas. Eles também po-

dem fornecer uma opinião sobre o mercado que será usada na análise de sentimentos.

Fundos Especulativos :- Será capaz de comprar a versão da empresa e será obrigado a

pagar uma taxa de acesso mensal em XTI que será usada para abastecer o pool do ecos-

sistema.

Usuários :- Todos os usuários deverão ter XTI para usar a versão da comunidade. Os

usuários precisarão ter uma quantidade de XTI para acessar diferentes recursos dentro

da edição comunidade, como o recurso de trading direto.

Provedores de Dados :- Provedores são indivíduos que fornecem dados disponíveis pu-

blicamente de várias fontes para serem usados no ecossistema.

Brokers & Exchanges :- Todos os brokers e exchanges podem se inscrever em nosso

ecossistema para ganhar mais clientes. Os clientes poderão fazer trade diretamente do as-

sistente de pesquisa.

Assistentes Virtuais :- Vamos nos associar com Alexa, Cortana, Siri e Google Home.

Firmas de Análises e Quant :- Como parte de nossa contínua expansão e criação de valor,

faremos parcerias com organizações de pesquisa e análise. Vamos incentivá-los a entrar

no ecossistema para fornecer alguns de seus melhores recursos de análise à comunidade.

Fase UmAs partes envolvidas na primeira fase do ecossistema XTI são definidas da seguinte forma:

1. Analistas Financeiros - Partes interessadas em enviar dados de perguntas erealizar validação de dados e muito mais.

2. Usuários - São participantes que utilizarão a plataforma para consumo. Inclueminstituições financeiras, profissionais financeiros e usuários analistas independentes.

Fase Dois1. Analistas financeiros - Partes interessadas em enviar dados de perguntas erealizar validação de dados e mais.

2. Produtores de Conteúdo - Participantes interessados em usar análises daplataforma TradeRiser para criar artigos e relatórios.

3. Usuários - São participantes que utilizarão a plataforma para consumo.Estes incluem instituições financeiras, profissionais financeiros, usuáriosindependentes e analistas.

20

3.7 Funcionalidades da Plataforma

1. Edição Comunidade: - É composta de muitos recursos que estarão disponíveis para

a comunidade. São os seguintes, o Assistente de Pesquisa alimentado pelo feed de

dados da comunidade, classificações de ICO, análise de condição de mercado,

diligência devida de ICO, análise de portfólio de investidores, trading direto, aplicativo

web e móvel.

2. Mercado de pesquisa - Acessível para detentores de tokens.

3. Edição Empresa: - Esta versão autônoma é acessível a instituições financeiras,

fundos especulativos ou corporações. Isso inclui nossa API.

21

22

Fig 1: Visão Geral do Assistente de Pesquisa

ASSISTENTE DE PESQUISA

USUÁRIOS USUÁRIOS

USUÁRIOS

NOS GRÁFICOS SEMANAIS DE EUR/USD QUANTAS

VEZES OS PREÇOS FORAM FECHADOS FORA DAS

BANDAS DE BOLLINGER NO ANO 2015 E 2016?

RELÁTORIO DE RESPOSTA

USUÁRIOS

QUANTOS LEITÕES NO MERCADO DE PORCOS DOS EUA

MORRERAM DURANTE O VÍRUS DE PED DE

2014?

QUAL É A VOLATILIDADE DA MAIORIA DOS TOKENS

BASEADOS EM CRIPTOMOEDAS 3 MESES APÓS SUA ICO?

RELÁTORIO DE RESPOSTA

NOS GRÁFICOS SEMANAIS DE EUR/USD, QUANTAS VEZES OS

PREÇOS FORAM FECHADOSFORA DAS BANDAS DE

BOLLINGER NO ANO DE 2015 E2016?

23

Fig 2: Visão Geral do Assistente de Pesquisa e do Marketplace de pesquisa

CONSUMIDORES DE PESQUISA

USUÁRIOS

NOS GRÁFICOS SEMANAISDE EUR/USD QUANTAS

VEZES OS PREÇOS FORAMFECHADOS FORA DAS

BANDAS DE BOLLINGERNO ANO 2015 E 2016?

RELATÓRIODE

RESPOSTA

ASSISTENTE DE PESQUISA

PRODUTORES DE CONTEÚDOS

RASTREADOR DECOMPENSAÇÃO

CRIAÇÃO DORELATÓRIO DO

ANALISTAS

PRODUTOR DE CONTEÚDOS

MARKETPLACEDE PESQUISA

RELATÓRIOCRIADO NO

MARKETPLACE

COMO, EM MÉDIA, ASCRIPTOMOEDAS SE

DESEMPENHAMHISTORICAMENTE QUANDO

EXISTEM PROIBIÇÕES ÀSOFERTAS INICIAIS DE

MOEDA?

RELATÓRIODE

RESPOSTA

3.8 Contribuição para Analistas Independentes de Pesquisa Quantitativa

Fase Um

Os analistas financeiros fornecerão voluntariamente dados de perguntas, realizarão ve-

rificações de integridade e muito mais, a fim de treinar nosso assistente de pesquisa em

aprendizado de máquina. Essa contribuição regular tornará a plataforma inteligente.

Nossa comunidade contribuinte de analistas financeiros em todo o mundo competirá em

essência com as equipes de equity research encontradas em inúmeros bancos de inves-

timento. Esse imenso conjunto de talentos que utilizamos ajudará a reforçar nossa cre-

dibilidade como provedor de tecnologia financeira e a posição geral de nosso assistente

de pesquisa nesse espaço.

3.9 Produção de Dados de Perguntas

Fase Um

Nosso Assistente de Pesquisa será treinado para destacar novos eventos de mercado e

tendências de notícias impactantes que podem ser importantes para seus usuários e, ao

mesmo tempo, fazer recomendações pontuais, com base no comportamento passado do

usuário individual. Isso ajuda a priorizar determinados tópicos de consulta baseado no

nível do usuário individual que tem maior probabilidade de relevância. Essas funcionali-

dades serão especialmente usadas pela comunidade de analistas financeiros como pon-

to de partida para orientá-los sobre outras formas de dados de perguntas para treinar a

TradeRiser.

24

ANALISTASFINANCEIROS

(TRABALHADORES)

APLICATIVO DEBACKGROUND

(ORACLE)

BLOCKCHAIN

ANALISTASFINANCEIROS(REVISORES)

PORTALDE

TREINO

DADOS DETREINO

DB

MODELODE NPL

MODELOQUANTCHECAGEM

PELAMASSACRÍTICA

25

Fig 4: Analistas financeiros submentendo questões para treino

SPREADSHEETDE QUESTÕES

APLICATIVODE

TREINO

ANALISTASFINANCEIROS

(TRABALHADORES)

PORTALDE

TREINO

26

Fluxo do processo:

1. Analistas financeiros submetem perguntas de dados através de um portal de treina-

mento. Pode ser perguntas em massa ou perguntas simples.

2. Os dados enviados são então publicados e colocados para revisão. Qualquer mem-

bro do ecossistema que não seja o analista trabalhador/financeiro original pode revisar

os dados. Usando um contrato inteligente no sistema blockchain XTI, os dados são

verificados por vários revisores (de preferência 2) e apenas os dados com os quais

todos estão em consenso são os que todos os membros da cadeia de trabalho serão

compensados.

3. Depois de concluir o processo de revisão, as perguntas revisadas podem ser verifi-

cadas pelo segundo lote de analistas financeiros, para confirmar o trabalho enviado. O

trabalho submetido será então automaticamente alimentado ao nosso modelo de AI.

4. Cada analista financeiro será compensado pelo trabalho que completou. As dife-

rentes etapas da revisão e o tipo de revisão trazem uma compensação diferente em

XTI. Encontrar inconsistências nos dados carrega uma compensação maior do que o

relato de erros na interface gráfica. O perfil do analista financeiro, como a experiência

no setor, será um fator multiplicador de remuneração.

Compensação:

A verificação de consenso é realizada no blockchain, simplesmente observando quais

itens de dados foram acordados.

Toda vez que o contrato inteligente é chamado pelo aplicativo em segundo plano, o

número de revisores por item de trabalho também é verificado, quando um número de

condições é atendido, então a liberação de fundos é acionada. Portanto, todos os par-

ticipantes da cadeia de trabalho desde o Trabalhador, Revisor1 ao Revisor2 são com-

pensados.

Por exemplo:Por padrão, revisar o trabalho dá ao revisor um pagamento básico de 5 XTI. O traba-

lhador recebe 1 XTI por cada pergunta aprovada.

27

O Revisor1 e o Revisor2 recebem 1 XTI por cada questão acordada, em que o consen-

so foi alcançado.

TRABALHADOR REVISOR 1 REVISOR 2

3 XTI 5 XTI 5 XTI

3 XTI3 XTI

3.10 Contribuição para Produtores de Pesquisa e AnalistasIndependentes

Fase Dois

A segunda fase do ecossistema se concentra na inclusão de produtores de conteúdo. Os

produtores de conteúdo usarão análises integradas na TradeRiser para criar seus próprios

relatórios e comentários para a seção “Marketplace de pesquisa” dentro da plataforma.

Os consumidores de pesquisa podem optar por assinar esse recurso e será cobrado uma

taxa variável em XTI em relação ao conteúdo que consomem.

Para os produtores de conteúdo, criaremos um sistema de pontuação de votos. Essa

pontuação determinará a quantidade de XTIs ganhos para cada parte do relatório que

contribuiu para a seção “Marketplace de pesquisa”. Esse sistema de pontuação de votos

será conduzido pelos consumidores de pesquisa que poderão avaliar a eficácia e a popu-

laridade de cada produtor de conteúdo e seu trabalho.

Por que o Blockchain?

Por que o Blockchain?4.

29

4.1 Um Sistema de RegistrosO blockchain ledger é um registro publicamente verificável que pode ser usado para confirmar

que tanto os analistas financeiros quanto os produtores de conteúdo de nosso sistema foram

compensados por suas contribuições. Os consumidores de pesquisa que procuram relatórios

premium que estão na seção Marketplace de Pesquisa também terão a confiança de que os

pagamentos foram direcionados ao produtor de conteúdo dos relatórios selecionados, com

um sistema de registro confiável sempre disponível como uma contabilização de seu uso.

Analistas financeiros são como freelancers ou contratados, o blockchain permite à TradeRiser

criar contratos inteligentes com os analistas financeiros para vários trabalhos. Nossas

transações e acordos comerciais serão executados automaticamente, e serão aplicadas as

obrigações que os analistas financeiros têm em um contrato. Ele fornece uma abordagem

colaborativa automatizada para coleta de dados usando um grande grupo diversificado de

analistas financeiros. O contrato inteligente permite que as diferentes etapas de trabalho rea-

lizadas sejam recompensadas.

Utilizaremos o blockchain para servir como um turk mecânico descentralizado, no qual os

trabalhadores produzem dados, que são revisados por vários revisores para garantir a pre-

cisão e a qualidade dos dados. Um sistema semelhante está sendo construído pela Gems

(https:// gems.org/), a diferença da TradeRiser é que os dados e o trabalho realizado são

principalmente para o avanço do Assistente de Pesquisa de AI enquanto o deles é para uso

genérico.

Sob o modelo tradicional, seria necessário usar sites de freelance ou contratantes para

contratar, e nenhum desses serviços fornece um método descentralizado de compartilhar o

trabalho de forma conectada com terceiros, executadas por contratos inteligentes.

Dado o amplo conjunto de analistas financeiros que estarão à nossa disposição, há um forte

argumento para oferecer às organizações de pesquisa a oportunidade de publicar trabalhos

em nossa rede. Portanto, uma tarefa peer-to-peer, como colocar questões financeiras com-

plexas, será definida entre a organização de pesquisa e os analistas financeiros interessa-

dos. A TradeRiser poderá aprender com a questão e os dados usados entre esses

30

pares, adicioná-los ao nosso modelo e, no processo, receber uma pequena taxa de

transação. Todas as condições desta oferta serão definidas no contrato inteligente. A

infraestrutura que vamos construir também se presta à coleta de dados de sentimen-

to ao vivo, semelhante ao que a Sharpe Capital e a Cindicator fazem.

Usar o contrato inteligente no blockchain traz grande automação na forma como co-

lhemos nosso universo de perguntas e respostas para treinar nossa AI. Em suma, o

blockchain permitirá uma cadeia lateral para pagamento na plataforma XTI e a criação

de um sistema seguro sem a necessidade de um intermediário para coletar as infor-

mações.

4.2 Corte de CustosNa tentativa de trazer vários analistas financeiros para o ecossistema, queremos re-

duzir o atrito associado à transferência de capital entre as partes. Atritos, como custos

de compensação e riscos de contraparte, serão eliminados usando nosso mecanismo

XTI no blockchain.

4.3 Pesquisa Crítica em MassaUm dos maiores desafios da TradeRiser é obter o nosso modelo de Assistente de

Pesquisa para alcançar massa crítica. Em outras palavras, colocá-lo em um lugar no

qual ele pode responder à maioria das perguntas de trading que os usuários terão. O

sistema precisa ser treinado em um grande universo de questões, eventos e dados de

mercado.

A primeira fase aborda a maneira de adquirir o conjunto de dados das perguntas. Isso

será feito pela TradeRiser emitindo os tokens XTI como compensação pelas con-

tribuições contínuas para a construção da base de conhecimento, a partir da qual o

aprendizado de máquina será feito. Uma vez atingida a massa crítica, a execução da

segunda fase para atrair consumidores de pesquisa para a plataforma será fácil. Com

os consumidores de pesquisa e os produtores de conteúdo agora totalmente no ecos-

sistema, os consumidores de pesquisa agora poderão recompensar os produtores de

conteúdo por seu conteúdo premium e votações. Esse ciclo contínuo criará um efeito

de cadeia, atraindo mais contribuidores para a plataforma.

Por que Nosso Próprio XTI?

Por que Nosso Próprio XTI?5.

32

5.1 Credibilidade da ComunidadeTer o nosso próprio token XTI nos permite construir uma comunidade da qual podemos

obter alto grau de credibilidade. Essa é uma maneira segura de validar as respostas que

nosso Assistente de Pesquisa produz. A credibilidade da comunidade nos permite al-

cançar um escopo muito maior de clientes institucionais e consumidores individuais.

5.2 Problemas de PagamentoOs principais ativos digitais têm problemas com o dimensionamento, já que cada

pagamento incorre em uma taxa de transação. Como a nossa plataforma de pesquisa de

mercado prospera com a ideia de micropagamentos em troca do acesso ao conteúdo no

Marketplace de Pesquisa, essas taxas podem aumentar rapidamente. O XTI permite que

tanto os produtores de conteúdo quanto os consumidores de pesquisa mantenham uma

guia por meio de exchanges de ativos por contrato inteligente, minimizando a frequência

das transações e reduzindo as taxas agregadas.

5.3 Gerenciando o Fornecimento MonetárioTradeRiser como uma empresa pode gerenciar o fornecimento de XTI, que é necessário

para garantir a equidade do sistema de pagamentos. A definição de preços é compatível

com a compensação do mundo real para o trabalho produzido por analistas e estrategis-

tas de pesquisa quantitativa.

Proposta XTI

Proposta XTI6.

34

6.1 Consumidores de PesquisaOs consumidores de pesquisa poderão adquirir o XTI da TradeRiser, que eles

poderão usar para obter acesso ao recurso do Marketplace de Pesquisa e à Edição

Comunidade.

Os consumidores de pesquisa que detêm XTI receberão os seguintes benefícios:

● Maior poder de voto, que pode ser usado para recopiar relatórios de pesquisa e

artigos de comentários. A votação positiva aumentará o valor ou a quantidade de

XTI recebida pelo produtor do conteúdo.

● Maior acesso a relatórios de analistas incorporados ao histórico gerados pelos

produtores de conteúdo.

6.2 StakeholderEmpresa TradeRiser: O XTI será utilizado pela empresa para garantir a compensação

pelo avanço da plataforma e pela geração de relatórios. A empresa terá uma pequena

comissão em cada transação XTI, entre consumidores de pesquisa e produtores de

conteúdo.

Mecanismo XTI

Mecanismo XTI7.

36

7.1 Fornecimento XTIXTI terá um fornecimento com valor nominal de USD 23.000.000.

7.2 Reembolsos XTIEm certos casos, o XTI pode ser reembolsado aos participantes da plataforma. Por

exemplo, podem surgir casos de uso que necessitarão de reembolso, mas normal-

mente seguirão um período mínimo de três semanas antes que isso ocorra.

Plataforma Atual:Ajuste do Mercado

Plataforma Atual: Ajuste do Mercado8.

38

A TradeRiser criou uma versão alfa/beta privada do Assistente de Pesquisa, que

pode ser acessada sob solicitação ou se inscrevendo em www.traderiser.com. A

versão alfa/beta privada se concentra em forex, commodities e índices, e permitirá

que os usuários façam perguntas em torno dos eventos do calendário econômico,

análise técnica, correlação, desempenho e muito mais. Esta versão foi construída

predominantemente para fins de demonstração e captura de dados.

A nossa intenção é transformar isso em um poderoso Assistente de Pesquisa, que

acompanhará todos os cantos do espaço de trade e investimento. Até agora, tem

sido visto por grandes bancos de investimento e fornecedores de tecnologia, e rece-

beu um grande feedback positivo.

Fig 6: Barra de Pesquisa/Consulta

39

Fig 8: Exibição de relatório mostrando a resposta a uma pergunta

Fig 7: Exibição de relatório mostrando a resposta a uma pergunta

40

Fig 9: Exibição de relatório mostrando o resultado e o comentário gerado

8.1 Fontes de DadosNosso assistente de pesquisa emprega aprendizado de máquina e processamento de

linguagem natural (NPL) para perguntas e respostas. Também é usado para coleta,

classificação, análise e recuperação de dados. A TradeRiser apresentará dados das

seguintes fontes:● Calendário Econômico

● Calendário de Aprovação de Medicamentos FDA

● Calendário de Ganhos

● Dados Econômicos● ● Dados de Notícias de Eventos

● Dados de Comunicado de Imprensa ● Dados Relevantes de Redes Social ● Dados de Ação de Preço: - Ações, Índices, Forex, Commodities e Criptomoedas ● Comentário de Analista

8.2 Assistente de Pesquisa e Desenvolvimento de EcossistemaO desenvolvimento do Assistente de Pesquisa e do ecossistema XTI exigirá

investimentos significativos. Já financiamos o desenvolvimento dos estágios iniciais

da plataforma do Assistente de Pesquisa por meio de bootstrapping. Os usuários da

nossa plataforma e do XTI serão provenientes de um grande grupo de investidores

mistos.

41

Desafios

43

Desafios9.Construir um Assistente de Pesquisa e um ecossistema de suporte de relatórios de

conteúdo por produtores independentes de conteúdo é um desafio.

9.1 Conteúdo SubjetivoPor natureza, análises e opiniões expressas em conteúdo de pesquisa são subjetivas,

e o que é considerado como mudanças relevantes dependendo das preferências do

leitor. Para organizar melhor a pesquisa de alta qualidade, a plataforma organizará os

relatórios por categoria e popularidade.

A classificação/pontuação de popularidade é calculada usando uma combinação de

métricas:

● Voto do Leitor

● Avaliações da equipe TradeRiser

● Contagem de páginas

● Total de relatórios/comentário

● Histórico de Visualizações

Os algoritmos de aprendizado de máquina da TradeRiser ajudarão os usuários a encontrar

pesquisas mais relevantes e interessantes com base nas estatísticas dos usuários.

9.2 Avaliações da Equipe TradeRiser

A equipe da TradeRiser dará pontos sobre a qualidade do trabalho realizado pelos

produtores de conteúdo.

As submissões devem atender a um padrão mínimo para serem publicadas, o que

garantirá a qualidade dos relatórios e comentários. Combinar esses pontos de revisão

internos e o uso de outras métricas ajudará a dar compensação justa a cada produtor

de conteúdo.

9.3 Cálculo da Pontuação do PerfilOs usuários poderão visualizar relatórios e comentários com base na pontuação do

perfil do produtor de conteúdo. Isso demonstrará aos consumidores de pesquisa quais

são os produtores de conteúdo mais estabelecidos e cujas pesquisas podem ser mais

confiáveis. Haverá uma pontuação total de 100, esta pontuação será a partir do

seguinte:

Histórico de visualizações: - Aumentar a contagem de visualizações ao longo do

tempo aumentará a pontuação.

Total de relatórios/comentários: - número total de relatórios pelo produtor do

conteúdo.

Número de páginas: - o número de conteúdo de pesquisa de qualidade na

seção de relatório e comentário.

● Votação do leitor: - os consumidores de pesquisa podem votar em cada relatório ou recurso de comentário

9.4 PlágioA TradeRiser tem uma política rígida que proíbe qualquer grau de plágio na nossa

plataforma. Os usuários que violarem essa informação podem ter sua conta revogada e o

IP banido do nosso sistema.

Saldos remanescentes podem ou não ser pagos, dependendo da gravidade do caso. Dito

isto, o conteúdo da pesquisa (temas, ideias ou artigos parciais/inteiros) pode ser copiado,

plagiado ou desviado de outros artigos existentes na plataforma ou de fontes externas de

conteúdo, como sites de notícias ou blogs.

Outra forma de plágio é quando os autores intencionalmente repostam seu próprio con-

teúdo, ou um conteúdo derivado semelhante, mais de uma vez. O mesmo mecanismo de

processamento de linguagem natural será usado para identificar essa atividade, a fim de

garantir que os usuários não estejam sendo pagos mais de uma vez pelo mesmo conteú-

do enquanto enviam spam na plataforma.

9.5 Plataformas Existentes

9.5.1 Plataformas de Relatórios de Conteúdo Baseadas em BlockchainOutras plataformas de conteúdo baseadas em blockchain, como Steemit e Red Pulse,

avançaram nos mecanismos de incentivo à criação e distribuição de conteúdo. A Red

Pulse, por exemplo, é sobre o relatório de notícias do mercado chinês, a TradeRiser, por

outro lado, trata da análise quantitativa com comentários e relatórios.

44

●

●

●

A Steemit, por exemplo, desenvolveu uma maneira de incentivar a criação de conteúdo

de rede social. A Red Pulse também desenvolveu uma criação de conteúdo de pesquisa.

Existem muitas diferenças, nós nos inspiramos nesses dois para incluir o seguinte:

Tal como 1 voto por usuário para um relatório ou comentário, este é renovado

diariamente. Aumento agendado na circulação do XTI para fornecer recompensas por con-

teúdo de pesquisa novo e existente.

Mecanismo anti-inflacionário pré-determinado para os detentores de XTI exis-

tentes que estão dispostos a se comprometerem com um período de detenção,

também fornecido pelo aumento programado na circulação de XTI.

9.5.2 Plataformas de Pesquisa Financeira

TradeRiser, embora predominantemente um Assistente de Pesquisa, terá comentários

e reportagens de produtores independentes de conteúdo de todo o mundo. Essa nova

abordagem combina análises quantitativas e relatórios de comentários. Plataformas,

como a Bloomberg, a Thomson Reuters, a FactSet, a S&P Capital IQ e mais, têm uma

pesquisa equity de lado que vem de suas próprias organizações, enquanto a TradeRiser

pretende ter uma contribuição independente global.

9.6 Conflitos de InteresseA equipe da TradeRiser selecionará todos os analistas financeiros e produtores de

conteúdo e exigirá que os solicitantes divulguem tudo o que possa ser de conflito de

interesse. Coisas como posições pessoais em ações devem ser divulgadas e acor-

dadas por escrito.

9.7 Padrões ÉticosOs funcionários da TradeRiser serão obrigados a seguir padrões éticos da mais alta

ordem. Todos os funcionários estão proibidos de divulgar dados sensíveis do mer-

cado e comentários prematuramente. A equipe interna de conformidade se reportará

ao conselho de administração para garantir a adesão aos padrões estabelecidos.

45

●

●

●

Riscos do XTI

47

Riscos do XTI10.10 Riscos do XTIO XTI não pretende ser um item de investimento. No entanto, é o mecanismo

subjacente que impulsiona o avanço do Assistente de Pesquisa durante a fase um, e

manter o XTI é uma forma de validação do produto. Durante a fase dois, facilita a

produção e consumo de relatórios/artigos. Os detentores do XTI devem estar cientes,

no entanto, de que existem vários riscos.

10.1 Risco do ProjetoComo em qualquer projeto, o projeto TradeRiser também está sujeito a possíveis

atrasos e até falhas. A equipe principal tem um forte histórico de desenvolvimento de

software e experiência em gerenciamento de negócios, mas isso não é garantia de

sucesso. A equipe da TradeRiser se esforçará ao máximo para atingir os marcos

delineados no roteiro do projeto e será o mais transparente possível em relação ao

nosso progresso e aos desafios que encontrarmos.

10.2 Risco da CriptomoedaCriptomoedas são incrivelmente voláteis, com preços altamente flutuantes. Todos que

desejam comprar o XTI devem fazê-lo sabendo que estão dispostos a perdê-lo no

caso de circunstâncias imprevistas. Em outras palavras, não compre mais tokens XTI

do que você está disposto a perder. Encorajamos as partes interessadas a dedicarem

tempo para entender nosso projeto e visão. Desejamos atrair participantes pacientes

que tenham a mesma opinião, provavelmente contribuindo ativamente para a visão e

a missão da empresa.

10.3 Risco RegulatórioComo vimos na história recente, a tecnologia tende a se desenvolver mais rapida-

mente que o ambiente regulatório. Alguns exemplos óbvios disso estão no avanço dos

carros autônomos nos Estados Unidos e nos vários estados que estão em jogo, para

permitir ou não essa tecnologia. O mesmo pode ser dito para a tecnologia blockchain

e criptomoeda. O ambiente regulatório ainda está sendo desenvolvido em torno da

oferta inicial de moedas e criptomoeda. Estaremos atentos a quaisquer atualizações

sobre a regulamentação e o quadro legal.

48

Faremos o nosso melhor para cumprir todas as políticas legais e regulatórias que se

desenvolvem, mas não podemos antecipar todas as formas de regulamentação que

possam afetar o desenvolvimento do projeto e da plataforma.

Em setembro de 2014, o Banco da Inglaterra escreveu um relatório sobre “A economia

das moedas digitais”, o resumo deste relatório foi que as moedas digitais não repre-

sentam atualmente um risco significativo para a estabilidade monetária ou financeira no

Reino Unido. O Banco da Inglaterra continua monitorando os desenvolvimentos nessa

área. [6]

O Banco da Inglaterra, desde então, explorou vários desenvolvimentos dentro do es-

paço blockchain, que poderia utilizar. Em julho de 2017, realizou um teste bem-sucedido

de um programa “interlocutor” desenvolvido pela Ripple, especialista em blockchain da

Califórnia, para sincronizar um pagamento entre dois sistemas de bancos centrais. [7]

Em março de 2017, o Banco da Inglaterra se uniu à inteligência artificial canadense

MindBridge AI. Eles usaram sua tecnologia para descobrir anormalidades nas transações

financeiras e “explorar o benefício da tecnologia de aprendizado de máquina para ana-

lisar a qualidade da entrada de dados regulamentares”. [8]

A Financial Conduct Authority (FCA), no Reino Unido, até agora delineou alguma

medidas que os investidores em ofertas iniciais de moedas (ICO) podem tomar para se

protegerem. Eles fornecem um formulário e perguntas e respostas para os investidores

abordando questões como “Devo reportar ICOs à FCA?” [9]

No entanto, como está, não há nenhuma ação até o momento pela Autoridade de Con-

duta Financeira (FCA) para proibir as ofertas iniciais de moeda (ICO). O corpo pede

principalmente cautela aos investidores. [10]

A China baniu as ofertas iniciais de moeda (ICO), mas entende-se que esta ação foi

tomada em uma tentativa de regulá-la e que não é de forma alguma uma proibição

permanente. [11]

49

A Comissão de Valores Mobiliários dos EUA (Securities and Exchange Commission -

SEC) indicou que as empresas que contratam uma ICO podem precisar registrar-se

na SEC se o token for considerado um valor mobiliário financeiro [12].

A TradeRiser tomou medidas para garantir a conformidade com os regulamentos e

pretende cumprir essas diretrizes, conforme necessário, com o melhor de nossas

habilidades. Cidadãos dos EUA, da China Continental ou de qualquer jurisdição proibida

não podem participar.

10.4 Benefícios do Token XTI● Acesso à Edição Comunitária da TradeRiser e do Marketplace de Pesquisa.

● Torne-se analista financeiro se atender aos critérios.

● Torne-se produtor de conteúdo se atender aos critérios.

Distribuição & Venda do Token XTI

51

Distribuição & Venda do Token XTI111111...Distribuição de Token

50% Crowdsale

15% Distribuído para a Comunidade pela Incentivação de Ecossistemas

5% Fundadores, Consultores e funcionários da empresa

5% Bounty e Referências

5% Parcerias Estratégicas e Desenvolvimento Futuro

52

Distribuição de Fundos

60% Desenvolvimento de Produto

20% Marketing, PR e Vendas

8% Parceria 4% Expansão Internacional

● 5% Administração Geral e Operações

3% Jurídico

53

● Alvo no crowdsale: $23,000,000

Total existente: 500,000,000 XTI Tipo de token XTI: ERC20

● Métodos de compra aceitos: BTC e ETH

● Baseado no blockchain da Ethereum e no contrato inteligente da Ethereum

A alocação de XTI para funcionário terá um período de vesting de 24 meses, com

um intervalo de 6 meses. A distribuição será proporcional à posse de cada fun-

cionário até a data da venda de tokens.

Tokens não vendidos serão queimados.

PRÉ - ICO VALOR DA RODADA

ICOVALOR DA RODADA

1 XTI = $0.07 1 XTI = $0.10

●

●

Roteiro

Roteiro12.

2014 - 2015

A TRADERISER É FUNDADA

Uma equipe de engenheiros de software de diversos setores se unem para discutir um problema encontrado na análise de dados

financeiros.Uma versão alfa é construída e a

equipe participa do Evento Finance Magnates Trade de 2015.

TESTE BETA/ALFA PRIVADO COM

TRADERS E GERENTES DE

ATIVOSResultados do teste e do

questionário privados são

usados para melhorar o

processamento de

linguagem natural e o

recurso de análise técnica.

Q12016 2016

Q3_

Q42016

SELECIONADA PARAACCENTURE FINTECH

FINALISTA DO LABORATÓRIO DE

INOVAÇÃO ACCENTURE FINTECH EM

LONDRESConexões industriais estabelecidas

com as principais instituições financeiras em Londres.

Conexões e contatos estabelecidos com fornecedores de dados e tecnologia, como Accenture,

Thomson Reuters e Bloomberg. O feedback nos permitiu refinar o

mercado-alvo e a oferta de produtos.

Q12017

REDESIGN DA PLATAFORMA UI E

MELHORIA DA FUNCIONALIDADE

Q22017 2017

Q3_

55

EVENTO DE ARRECADAÇÃO DE FUNDOS DA

ICO DA TRADERISER

A ICO ocorrerá em maio e permitirá que todos comprem tokens XTI.

ESTRATÉGIA DE ARRECADAÇÃO

DE FUNDOSO whitepaper de preparação pré-ICO é escrito e a equipe é

expandida, atraímos vários conselheiros-chave.

Q42017

Q22018

AUMENTO DA EQUIPE E DAS PARCERIA DE

FORNECEDORES DE DADOS

Estabeleceremos escritórios

globalmente e começaremos a

desenvolver nossa equipe com

experiência em desenvolvimento

de software, aprendizado de

máquina, marketing e

desenvolvimento de negócios.

Parceria com fornecedores de

dados de mercado respeitáveis.

Q22018

LANÇAMENTO DO PORTAL DE

TREINAMENTONosso portal de

treinamento permitirá que nossa comunidade

comece a ganhar XTI através do portal de

treinamento.

Q32018

LANÇAMENTO DA EDIÇÃO

COMUNIDADE DA

TRADERISER

Q42018

56

PARCERIAS DE FUNDO

HEDGE E INSTITUIÇÕES FINANCEIRAS

Formaremos parcerias estratégicas com fundos

hedge e muitas outras instituições financeiras, que se beneficiarão do acesso à nossa plataforma e

de todas as suas características.

Q22019

PESQUISA DE MERCADO

Q4 2019 & ALÉM

LANÇAMENTO DA VERSÃO PADRÃO DA TRADERISER

Q32019

57

Equipe

59

Dennis tem 10 anos de experiência em desenvolvimento de software e análise de dados. Trabalhou para empresas cujos clientes incluem instituições financeiras, fornecendo ferramentas de software analíticas. É graduado em Sistemas de Computação pela Brunel University, Londres. Também estudou o processamento de linguagem natural e é o criador do Research Assistant (’Assistente de Pesquisa’).

https://www.linkedin.com/in/dennis-owusu-ansah-b455a852

Equipe

Karianne gerencia os canais de Rede social da TradeRiser.Ela é multilingue, possui um MBA e viveu em 9 países com experiência em startups, corporações e instituições públicas em fintech, imóveis e muito mais. Fez parte de campanhas de marketing, incluindo várias marcas, como Unilever, Kraft foods e iZettle.

https://www.linkedin.com/in/kariannebakken/

13.

Sean é um Contador juramentado e tem vasta experiência em trabalhar para instituições financeiras. É formado em Finanças e Economia pela Universidade Nacional da Irlanda, Maynooth e atualmente estuda Mestrado em Bancos na University College Dublin. Sean é apaixonado por ajudar empresas a se desenvolverem para o futuro e tem ávido interesse em Fintech.

https://www.linkedin.com/in/sean-o-brien-60182339/

Daniel Jiang Blockchain: Daniel está ativamente envolvido em comunidades de criptomoedas e blockchain. Ele tem expe-riência em desenvolvimento de software, políticas públicas e economia. Ele está ativamente envolvido na identificação da interseção entre as tecnologias disruptivas de blockchain e sua economia.

https://www.linkedin.com/in/daniel-jiang-b5917640/

Poly Apraku é graduado em engenharia de sistemas de computação pela Brunel University. Estudou robótica como parte de sua tese e ganhou muita experiência trabalhando no processamento de imagens após se formar. É um tecnólogo experiente com mais de oito anos de desenvolvimento, integração e suporte a grandes sistemas baseados em dados, especialmente no espaço de varejo do consumidor. Como diretor de tecnologia e co-fundador, supervisiona a infraestrutura de tecnologia da TradeRiser Limited e ajuda a impulsionar o desenvolvimento de software.

https://www.linkedin.com/in/polycarp-apraku-52078b2b

Leigh é um Estrategista UX com duas décadas de experiência em design e desenvolvimento de interface do usuário, abrangendo vários espaços da indústria; eConference, Publi-cação Legal & Legislativa, Moda, eCommerce, Pesquisa de Mer-cado, Jogos e, mais recentemente, o mercado de segurosFintech. Bacharel em Design Gráfico pela Universidade deSouthampton, sua experiência em design de produtos end-to-end é inestimável para o nosso sucesso. Ele dirige o UserExperience Design e desenvolve a interface visual da marca TR como nosso Designer Sênior de UX.

https://www.linkedin.com/in/leighlaguisma/

60

61

Sunil tem anos de experiência na concepção e implementação de ETL e Relatórios para Instituições Financeiras. Possui um forte entendimento de instrumentos financeiros, relatórios normativos e de riscos. É graduado em eletrônica e comunicação pela RGPV Bhopal, Índia.

https://www.linkedin.com/in/sunil-kumar-44898318/

Rocky Asante graduou-se pela Universidade de Coventry, onde estudou ciência da computação. Ele trabalhou para a BAE Systems assumindo funções como desenvolvedor UI/UX e gerente de projetos de pequenas equipes de desenvolve-dores. De todos os fundadores, ele tem mais experiência em administrar empreendimentos de negócios no espaço na Internet do consumidor, desenvolvendo leilões online e ferramentas de rede social. Como engenheiro-chefe e co-fundador, supervisiona a experiência do usuário e a interação do usuário na TradeRiser Limited, e também está fortemente envolvido no desenvolvimento de APIs.

https://www.linkedin.com/in/rockiedavid

Surkit tem experiência em análise quantitativa, marketing e aprendizado de máquina. Atualmente, é o gerente de comunidade da TradeRiser e é bem adequado para comunicar a visão e a missão de nossos produtos, tanto como um analista como um usuário. Atualmente, estuda Inteligência Artificial na Universidade Heriot-Watt.

https://www.linkedin.com/in/sukrit-wong/

62

Luca ZaccagninoCFA, Investidor, Ex-

Consultor de Negócios no RBS

Bank

Thomas WickaDiretor Administrativo

do Lloyds Banking Group

Thomas HowellEstratégias de

Crescimento na Google

Jude AddoDiretor de Private Banking

no Standard Chartered Bank,

Ex-analista do JP Morgan

ProfessoraTatiana KalganovaLeitora de Sistemas

Inteligentes na Universidade de

Brunel

Kirill KlinbergAssociado do

JP Morgan

David SheppardEx-Trader de

Commodities no Morgan Stanley

Conselho Consultivo

PERGUNTAS FREQUENTES

64

PERGUNTAS FREQUENTESQ1. O que é a TradeRiser?A TradeRiser é uma plataforma de Assistente de Pesquisa que pode responder a

perguntas de trade simples e baseadas em notícias. Os usuários podem digitar uma

pergunta sobre trade na caixa de pesquisa e a TradeRiser irá trabalhar para calcular

a resposta.

Q2. Vocês estão oferecendo um marketplace de pesquisa ou outra coisa?A plataforma TradeRiser terá seção com um marketplace de pesquisa.O marketplace de pesquisa terá muitos relatórios criados por analistas, esses relatórios de pesquisa terão conteúdo como gráficos, dados e comentários que foram recuperados da pergunta ao Assistente de Pesquisa e incorporado nos relatórios.

Os usuários poderão selecionar qual relatório desejam ler e por qual analista, eles

também poderão avaliar/votar nos analistas. Os usuários poderão pagar pelos relatórios

selecionados usando o token XTI, que será pago aos analistas.

Q3. Que tipos de perguntas a TradeRiser responde?As primeiras versões da TradeRiser se concentrarão em questões de tipo estatístico

e quantitativo. Essas perguntas são centradas em dados e têm uma resposta empírica.

As perguntas que serão capazes de responder se concentrarão no domínio dos merca-

dos financeiros e de criptomoedas, no mundo das notícias e eventos e como estes afe-

tam os ativos.

Q4. Qual é a audiência da TradeRiser?

A TradeRiser é destinada a usuários de todos os níveis, mas, particularmente, profis-

sionais financeiros.

Q5. Quais ativos estarão disponíveis: ações, títulos, pares de moedas, CFD, derivativos, criptomoedas?Tudo acima, e mais.

Q6. Como você é diferente da Siri, NOW, Watson, Cortana e Alexa?Essas tecnologias são de propósito geral que se desenvolvem em dispositivos móveis e

uso doméstico e não são necessariamente adequadas para o ambiente de trade e

pesquisa.

14.

65

Dito isso, não há nada que nos impeça de integrar essas tecnologias existentes

usando nossa API. Essas tecnologias já estão integradas a outros fornecedores

de tecnologia. Watson, por outro lado, pode ser aplicado à pesquisa e negócios,

o desafio com essa tecnologia é o custo associado a ela. Muitas startups de IA

estão trabalhando para devolver a funcionalidade encontrada na Watson, para que

possa ser oferecida por muito menos.

Q7. Por que outras empresas bem financiadas não podem fazer isso?

Estamos resolvendo um problema difícil e outras empresas estão mais focadas em

outros projetos e domínios. A falta de vontade é uma das razões, a outra é que

eles querem resolver problemas muito mais fáceis. A perspectiva de empresas bem

financiadas que realizam inovações semelhantes não deve ser um obstáculo, já que

essa lógica levaria ao não surgimento de startups.

Q8. Como você é diferente da Kensho?A Kensho se considera uma empresa analítica enquanto a TradeRiser se concentra

em tecnologias que simplificam a interação humana com dados. Isso significa que

nossos produtos se concentrarão na camada de interação. Recursos diferenciáveis

em nosso produto teriam que ser o uso do blockchain, da IA orientada pela comunidade

e da Pesquisa de Mercado. A versão autônoma Empresa , que pode ser colocada nos

dados do cliente, também é outra diferença.

Q9. O valor do seu produto não tende a diminuir com um maior número de usuários, ou seja, se torna menos valioso?Não necessariamente, como você usa é o que determina o valor. Vivemos no mundo

dos dados intermináveis e, à medida que novos conjuntos de dados chegam, novas

questões nascerão. Portanto, o ônus está no usuário para explorar. Uma boa analogia é

que o estado atual do mercado é semelhante ao uso de uma pá para procurar ouro e

o que estamos propondo com nossa plataforma é usar um escavador mecânico, pois

isso é muito mais eficiente e mais rápido. O escavador não lhe dirá onde o ouro está,

mas você tem uma chance maior de encontrá-lo se usar um, comparado a uma pá.

Referências

67

Referências[1] MiFID II - https://www.fca.org.uk/markets/mifid-ii

[2] Fund managers face $1m price tags for research (1Gerentes de fundos enfrentam preços de $1m por pesquisa’) -https://www.ft.com/content/8dcec858-6c5f-11e7-b9c7-15af748b60d0

[3] Ethereum, “ethereum/wiki,” 2014. [Online]. Disponível em: https://github.com/ethereum/wiki/wiki/ White-Paper

[4] Processamento Natural de Linguagem - 2004, 8 Palestras Ann Copestake 2003 -2004 -https://www.cl.cam.ac.uk/teaching/2002/NatLangProc/revised.pdf

[5] D. W. E. Noga, “8 ways machine learning is improving companies’ work processes,”(”8 maneiras que mostram como aprendizagem de máquinas estão aprimorando as empresas”) Jun 2017. https://hbr.org/2017/05/ 8-ways-machine-learning-is-improving-companies-work-processes

[6] The economics of digital currencies (’A economia das moedas digitais’) -http://www.bankofengland.co.uk/publications/Documents/quarterlybulletin/2014/qb14q302.pdf

[7] Bank of England successfully tests new payment method (’O Bank of England testa com sucesso novo método de pagamento’) -https://www.ft.com/content/a8d997a0-6605-11e7-8526-7b38dcaef614

[8] Bank of England trials artificial intelligence and blockchain in bid to stay ahead of thepack (’O Bank of England teta inteligência artifical e blockchain em aposta pioneira’) - http://www.telegraph.co.uk/business/2017/03/17/bank-england-trials-artificial-intelligence-blockchain-bid-stay/

[9] Initial Coin Offerings (’Ofertas de Moeda Iniciais’) - https://www.fca.org.uk/news/statements/initial-coin-offerings

15.

68

[10] UK finance watchdog warns on ICOs: Be 'prepared to lose your entire stake'(’Reino Unido financia alertas de fiscalização em ICOS: Preparem-se para perder toda a sua aposta’) -http://uk.businessinsider.com/ico-fca-icos-warning-very-high-risk-speculative-investments-2017-9

[11] China's ICO Ban: Understandable, Reasonable and (Probably) Temporary (’O Banimento de ICOs da China: Compreensível, Razoável e (Provavelmente) Temporário) -https://www.coindesk.com/chinas-ico-ban-understandable-reasonable-probably-temporary/

[12] US regulators just dealt a blow to the most hyped area in tech investing right now (’Legisladores Estadounidenses acabaram de golpear a área mais estimada em investimentos tecnológicos atual’) -http://uk.businessinsider.com/us-sec-rules-digital-token-sales-securities-dao-violated-law-2017-7?r=US&IR=T