콘텐츠로 건너뛰기

Bumper

2024년 6월 10일10 min

AI 기반 암호화폐 리스크 보호: 시장 방향에 관계없이 수익 창출

가격 변동성은 암호화폐 시장 참여의 중요한 장벽이 되어 신규 진입자들을 거래나 이 자산 클래스에 대한 투자로부터 저지하고 있습니다. 극단적인 시장 변동의 반복적인 사례는 수십억 달러의 청산을 초래하여, 더 수동적이거나 리스크 회피적인 투자자들에게 시장을 덜 매력적으로 만들었습니다. 이러한 변동성은 특히 이 분야의 신규 진입자들을 좌절시키며, 그들은 예측 불가능한 환경에서 자본을 위험에 빠뜨리는 것을 꺼립니다.

그림 1: 총 암호화폐 시장 청산 (2023년 11월부터 2024년 5월까지).

출처: Coinglass.

2022년 설문조사에 따르면 암호화폐를 아직 구매하지 않은 개인의 거의 40%가 가격 변동성에 대한 우려로 인해 이를 주저하고 있음이 밝혀졌습니다. 높은 변동성과 빈번한 청산은 기본 자산에 대한 부정적인 감정을 초래할 수 있습니다. 이러한 인식된 위험은 급격한 가격 변동으로 인해 공포와 불확실성을 유발하여 위험 회피 투자자들을 저지할 수 있습니다.

그림 2: 암호화폐 구매에 대한 망설임의 이유.

출처: Coupon Follow (2022년 기준).

파생상품은 시장의 변동성을 일부 상쇄하고 시장의 예측 불가능성에 대한 헤지 역할을 할 수 있습니다. 그러나 이러한 상품들은 평균 투자자에게 상당히 복잡하고 직관적이지 않습니다. 예를 들어, 옵션은 정량적 지표, 그릭스(greeks), 다양한 만기 선택 등에 대한 상당히 깊은 이해를 필요로 합니다. 또 다른 문제는 대부분의 이러한 상품들이 자산의 보관을 맡는 중앙화된 거래소(centralized exchanges)에 의해 제공된다는 점을 고려할 때 발생합니다.

DeFi는 이 문제에 대한 해결책을 제공하며, 사용자가 자산의 통제를 유지할 수 있도록 하고 프로토콜 개발자들이 새로운 혁신을 활용하여 Deribit과 같은 옵션 거래소나 기타 선물 플랫폼에서 제공되지 않는 보상 구조를 제공할 수 있게 합니다.

기존의 금융 상품들 중에서, 중앙화된 제공자나 분산화된 제공자에 관계없이, 전통적인 Black-Scholes 옵션 가격 책정 모델이 계속해서 지배적 위치를 차지하고 있습니다. 이는 옵션 가격 책정에서 공정한 프리미엄을 결정하는 데 역사적으로 사용된 방법입니다 (옵션 계약이 부여하는 권리에 대한 옵션 구매자가 판매자에게 지불하는 가격). 옵션은 거래자들이 미래의 특정 날짜에 특정 자산을 정해진 가격에 사고 팔 수 있게 하는 계약입니다. 이 모델은 전통 금융에서 널리 사용되었으며, 2016년 Deribit이 Bitcoin 옵션 거래를 출시할 때 암호화폐에 맞게 조정되었습니다. 오늘날, 이 모델은 온체인 옵션 거래를 가능하게 하려는 DeFi 프로토콜들によって도 채택되었습니다.

그러나 Black-Scholes와 같은 전통적인 모델은 암호화폐 시장에서 도전에 직면합니다. 이들은 변동성이 일정하고 자산 가격 분포가 로그정규 분포라는 가정에 의존하며, 극단적인 시장 변동 시 가격 책정 부정확성을 초래합니다. 이러한 모델은 또한 시장 붕괴와 갑작스럽고 큰 가격 움직임을 적절히 처리하지 못해, 상당한 자산 가치 변화에 대한 효과적인 전략이 부족한 비싸고 복잡한 옵션 계약으로 이어집니다.

Black-Scholes와 같은 전통적인 방법의 한계를 해결하기 위해 위험 가격 책정을 위해 2023년 말 Bumper가 출시되었으며, 암호화폐 자산의 가치를 보호하면서 시장 방향에 관계없이 잠재적으로 이익을 얻을 수 있는 새로운 접근 방식을 제공합니다. 이 프로토콜은 삼각 무역오프를 최적화하도록 설계되었습니다: 테이커 프리미엄 최소화, 메이커 수익 최대화, 그리고 프로토콜 파산 위험 최소화.

출시 이후 Bumper는 지속적으로 혁신을 이어왔으며, 특히 프로토콜의 효율성과 성능을 더욱 향상시키기 위해 Artificial Intelligence를 통합함으로써 이를 실현했습니다. 이 AI 기반 접근 방식은 실시간 변동성에 기반하여 프리미엄을 동적으로 가격 책정하는 데 도움을 주며, Bumper가 시장 데이터를 분석하고 트렌드를 예측하며, 크립토의 전례 없는 속도와 동적 특성에 연관된 위험을 관리할 수 있게 합니다.

주요 요점

  • 암호화폐와 같은 변동성이 큰 자산 클래스에서 효과적인 위험 및 보호 관리 솔루션은 필수적입니다. 투자자들에게 더 나은 헤징 도구를 제공하고, 더 많은 예측 가능성과 안정적인 수익을 달성하도록 돕기 위해 Bumper의 보호된 가격 바닥과 같은 금융 상품이 필요합니다.
  • 2023년 말 Arbitrum에서의 출시 이후, Bumper는 전통적인 리스크 관리 솔루션과 차별화된 새로운 접근 방식을 도입했으며, Deribit에서의 전통적인 풋 옵션 가격 책정을 최대 30%까지 지속적으로 능가하여, 전통적인 Black-Scholes 옵션 가격 모델에 비해 통계적으로 유의미한 개선을 나타냈습니다. 또한, 자산 보호를 유지하면서 Bumper는 혁신적인 거래 접근 방식을 도입하여, 시장 방향에 관계없이 사용자가 잠재적으로 이익을 얻을 수 있게 했습니다.
  • Bumper의 최근 AI 솔루션 통합은 최첨단 기술을 따르고 프로토콜의 효율성과 효과성을 강화하기 위해 게임의 최전선에 계속 머무르려는 약속을 강조합니다.
  • Bumper의 기술 스택은 점진적으로 세 가지 주요 AI 기능, 즉 가격 예측, 감정 분석, 그리고 기술 분석을 통합하고 있습니다. 이러한 고급 방법론은 시장 움직임을 수분 앞서 예측하여 프리미엄의 동적 계산과 재균형 프로세스를 개선하는 것을 목표로 합니다.
  • Bumper의 최종 목표는 테이커 프리미엄을 최소화하고, 메이커 수익을 최대화하며, 프로토콜 파산 위험을 최소화하는 중요한 삼각 딜레마를 최적화하는 것입니다.

배경

Bumper는 비수탁형 및 허가 없는 DeFi 프로토콜입니다. 핵심적으로, 이는 암호화 자산의 가치가 하방 변동성과 시장 붕괴로부터 보호되도록 설계된 위험 관리 도구로 작용합니다. Bumper는 스탑 로스, 옵션 데스크, 보험 정책과 유사성을 공유하지만, 독특한 아키텍처, 기능성, 그리고 위험 관리 접근 방식으로 인해 두드러집니다. 이러한 요소들은 Bumper가 추가적인 이점을 제공할 수 있게 합니다: 그것은 거래 도구로도 사용될 수 있습니다. 특히, Bumper는 거래에 대한 새로운 접근 방식을 도입하여, 사용자가 시장 방향에 관계없이 잠재적으로 이익을 생성할 수 있게 하며, 자산 보호를 유지하면서 모든 것을 합니다. 게다가, 세 가지 AI 기술 스택을 점진적으로 기술에 통합함으로써, Bumper는 수익률과 프리미엄을 더욱 최적화할 수 있으며, 거래 도구로서 더욱 비용 효과적으로 만듭니다.

풋 옵션과 달리, 고정 프리미엄으로 계약을 구매하고 가격 변동에 베팅하는 것이 아니라, Bumper는 이미 소유한 토큰을 보호하고그 프리미엄은 실제 시장 변동성에 기반하여 동적으로 계산됩니다.

트레이더로서, 자산을 예치하고 보호된 최소 가치를 선택하여 Bumper에서 포지션을 열 수 있습니다: (1) 자산 가격이 상승하면 가치도 상승하고 자산을 유지할 수 있으며, (2) 가격이 플로어 아래로 떨어지면, 기간 종료 시 스테이블코인으로 종료하고 더 낮은 가격에 더 많은 자산을 축적할 수 있습니다; 대안으로, 스테이블코인을 주머니에 넣고 보유 자산의 가치를 보존할 수 있습니다.

마찬가지로, 사용자는 유동성 제공자로 프로토콜에 참여할 수 있으며, 가격 변동을 지속적으로 모니터링하지 않고, 투자 계약을 판매하기 위한 견적을 작성하거나, 해당 계약의 구매자를 찾지 않고도 예치금에 대한 수익을 얻을 수 있습니다.

Figure 3: Bumper 포지션을 통해 사용자는 상승과 하락 모두에서 이익을 얻을 수 있습니다

출처: Bumper.

이 프로토콜은 사용자들이 Bitcoin (wBTC), Ether (wstETH)와 같은 예치된 토큰의 가치를 보호할 수 있도록 하는 다양한 자율 기능을 제공하며, 다른 토큰들이 추가될 예정입니다. 이러한 예치는 7일, 30일, 120일 등 고정된 기간 동안 잠겨 있습니다.

Figure 4: Example of Dynamic Premiums for Different Terms and Floor Levels

출처: Bumper App.

보호 ‘Taker’ 예치금은 함께 풀링되어 정기적이고 동적인 프리미엄을 발생시킵니다. 이 유동성은 ‘Makers’가 Taker 자산의 보호된 가치를 뒷받침하는 해당 풀에 스테이블코인($USDT)을 예치함으로써 제공됩니다. A 혁신적인 재조정 메커니즘이 Taker와 Maker 풀 간의 균형을 유지하며, 설정된 임계값에서 너무 멀리 벗어나는 경우를 방지합니다.

2023년 12월 Arbitrum에서의 출시 이후, Bumper는 Deribit의 전통적인 풋 옵션 가격 책정을 최대 30%까지 지속적으로 능가하며, 전통적인 Black-Scholes 옵션 가격 책정 모델에 비해 통계적으로 유의미한 개선을 달성했습니다. Bumper의 혁신에 대한 헌신은 초기 출시 이후에도 계속되었으며; 프로토콜의 성능을 더욱 향상시키기 위해 Bumper는 AI를 전략의 주요 구성 요소로 강조했습니다.

그림 5: Bumper의 혁신적인 접근 방식은 전통적인 옵션 가격 책정을 지속적으로 능가해 왔습니다

출처: Bumper.

Bumper의 핵심 기능은 인공 지능(AI)을 활용하여 효율성을 최적화하는 풀드 리스크 시장입니다. 기존 기술에 세 가지 AI 기술 스택(가격 예측, 감정 분석, 기술 분석)을 점진적으로 통합함으로써, Bumper는 가격 프리미엄 및 리밸런싱 계산을 개선하는 것을 목표로 합니다. 실시간 변동성 데이터와 대형 언어 모델(LLM)로부터의 신호를 활용하여, 프로토콜은 시장 추세를 예측하고 사전적으로 조정하는 것을 목표로 합니다.

그림 6: Bumper의 핵심 기능: AI를 활용하여 효율성을 최적화하는 풀된 위험 시장

출처: Bumper.

프리미엄 예측 및 리밸런싱을 위한 AI 기반 솔루션

인공 지능(AI)은 전례 없는 사회적 변화와 광범위한 경제적 혼란을 일으켜 모든 산업, crypto를 포함한 새로운 기회를 창출할 것으로 예상됩니다. Large Language Model(LLM) compute, Large Language And Vision Assistants(LLAVA), Reinforcement Learning from Human Feedback(RLHF), Retrieval Augmented Generation(RAG), Long Short-Term Memory(LSTM)와 같은 AI 기술의 급속한 발전은 예측 모델의 능력을 극적으로 향상시켰습니다. 이러한 혁신은 또한 계산 속도를 가속화하여, 불과 몇 년 전에는 불가능했던 실시간 분석과 의사 결정을 가능하게 했습니다.

Bumper는 AI를 통합하여 프로토콜을 개선하려는 신뢰할 수 있는 프로젝트의 예입니다. 이전에 예상한 대로, Bumper의 AI 통합 전략은 세 가지 주요 AI 기술 스택을 중심으로 전개됩니다, 각각 특정 도전을 해결하고 프로토콜의 기능을 강화하도록 설계되었습니다:

  1. 가격 예측
  2. 감정 분석
  3. 기술 분석

예측 모델의 정확성과 효과성을 검증하기 위해, Bumper는 독점적인 Agent-Based Modelling (ABM) 접근 방식을 사용합니다. ABM은 자율 에이전트(개인, 그룹 또는 엔티티와 같은)의 행동과 상호작용을 시뮬레이션하여 전체 시스템에 미치는 영향을 평가하는 계산 기법입니다. 이러한 에이전트들은 미리 정의된 규칙을 준수하며, 경험과 상호작용에 기반하여 학습하고, 적응하며, 진화할 수 있습니다.

Agents는 Bumper가 maker와 taker의 양방향 마켓플레이스로 운영되기 때문에 중요합니다: 한쪽 사용자는 설정된 기간 동안 floor price를 고정하여 hedge하고 이에 대한 premium을 지불하며, 다른 쪽 사용자는 stablecoin liquidity를 예치하여 yield를 얻습니다. 이 premium 비용을 가격 책정하여 마켓플레이스 양측을 만족시키는 것은 최적화되어야 합니다: 너무 비싸면 takers가 참여하지 않을 것이고; 너무 싸면 makers가 자본을 위험에 빠뜨려 예치하는 것이 매력적이지 않습니다. 도전은 sweet spot을 찾는 것이며, 가격이 움직이고 volatility가 변할수록 더 복잡해집니다. 이것이 Bumper의 ABM 도구가 매우 중요한 이유입니다. 왜냐하면 real-time volatility에 따라 premium을 공정하게 가격 책정하기 위한 dynamic adjustments를 허용하며, LLMs로부터의 signals를 ingesting하여 market trends를 pre-empt하고 proactively rebalance하기 때문입니다.

이 ABM 접근 방식을 사용하여 AI 통합 전략을 지원함으로써, Bumper는 프로토콜의 효율성에서 5-25%의 경제적 개선을 예측하며, Lower Premiums, Higher Yields, and Solvency Robustness의 trilemma를 효과적으로 균형 있게 만듭니다.

가격 예측

첫 번째 AI 기술 스택은 가격 예측과 관련이 있으며, 70-billion parameter Large Language Model (LLM)을 활용합니다. Bumper는 이 LLM을 Bitcoin 가격 데이터셋의 가격(시가, 고가, 저가, 종가)과 거래량 지표를 포함한 금융 데이터로 훈련시켰습니다. LLM은 Reinforcement Learning from Human Feedback (RLHF)을 사용하여 미세 조정되며, 모델이 정규화된 실제 가격 데이터와 일치하는 예측에 대해 보상을 제공합니다. 아래 그림은 Bumper의 70-billion parameter LLM을 사용한 Bitcoin 가격 예측의 시각적 표현을 제공합니다.

그림 7: 70B 매개변수 LLM을 사용한 종가 예측

출처: Bumper.

초기에는 일일 시가/종가 가격으로 훈련되었으며, 나중에는 시간별 데이터로 훈련되었고, 지속적인 프로세스는 궁극적으로 더 큰 정밀도를 위해 틱 데이터를 통합하는 것을 목표로 합니다. $BTC 틱 데이터가 수백 테라바이트로 구성되어 있다는 점을 고려하여, 관계형 데이터베이스 정보를 데이터 벡터로 변환하기 위해 Retrieval Augmented Generation (RAG)을 사용했습니다. RAG 기술은 LLM 성능을 향상시킬 뿐만 아니라, 기존 LLM 컨텍스트 창 내에서 RLHF에 중요한 여러 실시간 자산 가격 피드를 통합하는 것을 용이하게 합니다.

감정 분석

두 번째 AI 기술 스택은 감정 분석에 중점을 둡니다. 사전 훈련된 80억 매개변수 Large Language Model (LLM)을 활용하여, Bumper는 방대한 양의 금융 Natural Language Processing (NLP) 데이터를 분석하여 시장 감정을 전례 없는 세밀함으로 측정할 수 있습니다. 미세 조정과 고급 NLP 기술을 통해, Bumper는 투기자 성향에 대한 귀중한 통찰을 얻어 시장 역학과 추세에 대한 더 깊은 이해를 가능하게 합니다.

Bumper의 사전 훈련된 LLM은 광범위한 금융 NLP 데이터를 수집하여, 감정을 세부적인 점수와 분포로 분류하여 시장 감정에 대한 미묘한 이해를 제공합니다. 이 모델은 Bidirectional Encoder Representations from Transformers (BERT)를 사용하여 의견, 태도, 감정을 라벨링하도록 미세 조정되며, 고유한 금융 어휘를 식별하기 위한 전문 NLP 훈련을 받았습니다.

Bidirectional Encoder Representations from Transformers (BERT)는 Google에서 개발한 최첨단 자연어 처리 (NLP) 모델입니다. 이 모델은 타겟 단어 앞뒤의 단어들을 모두 고려하여 문장에서 단어의 맥락을 이해하도록 설계되었습니다. 단지 앞의 단어만 보는 것이 아니라요. 이 양방향 접근 방식은 BERT가 단어의 전체 맥락을 포착할 수 있게 합니다, 더 정확한 의미 해석으로 이어집니다.

문맥을 결정할 때 문장의 다른 단어들의 중요도를 가중치로 평가할 수 있게 하는 어텐션 메커니즘과 트랜스포머 기반 구조를 갖춘 LLM은 시장 감정과 투자자 행동을 효과적으로 식별하여 미래 시장 트렌드를 신호합니다.

Figure 8: 미래 시장 트렌드를 신호하기 위한 시장 감정 파악

출처: Bumper.

기술적 분석

세 번째 AI 기술 스택은 기술적 분석에 중점을 둡니다. Bumper는 Large Language And Vision Assistant (LLAVA)를 훈련하여 새로운 접근 방식을 개발하고 있으며, 가격 플롯 이미지의 비전 기반 분석과 기술 지표의 NLP 기반 해석을 결합하는 멀티모달 모델. 이 통합은 Bumper가 과거 가격 데이터와 시장 추세를 기반으로 정보에 입각한 결정을 내릴 수 있게 합니다.

이 과정은 과거 Bitcoin 가격 데이터를 그래프 플롯 이미지로 변환하는 것을 포함합니다. 이러한 이미지는 지지/저항 수준, Relative Strength Index (RSI), Moving Average Convergence Divergence (MACD)와 같은 기술적 마커로 라벨링됩니다. LLAVA 모델은 이러한 시각적 데이터 포인트와 관련된 NLP 기술 지표를 모두 처리합니다.

Figure 9: 기술 마커가 라벨링된 이미지 예시

출처: Bumper.

이 엔드투엔드 멀티모달 모델은 비전 인코더를 Large Language Model (LLM)과 연결하여 시스템이 복잡한 시장 데이터를 분석하고 해석할 수 있게 합니다. 또한, 이 모델은 과거 추세를 기반으로 미래 시장 움직임을 예측하는 능력을 강화하기 위해 역사적 시계열 예측을 위한 Long Short-Term Memory (LSTM)를 통합합니다.

최종 생각

Bumper의 3단계 AI 접근 방식 은 프로토콜이 시장 트렌드를 예측하고, 실시간 데이터 스트림에 기반하여 프리미엄을 동적으로 가격 책정하며, 위치를 사전적으로 재조정할 수 있게 합니다.

실시간으로 데이터를 스트리밍하는 것은, implied volatility (IV)를 사용하여 일주일 이상의 잠재적 가격을 계산하는 전통적인 옵션 데스크와 달리, 프로토콜의 효율성에서 상당한 도약을 나타내는 목표입니다. 단 15분 앞의 가격을 예측하는 것은 단기 가격 평가에서의 slippage를 크게 줄여 자본 보호를 개선할 것이며, Bumper는 실시간 데이터에 적용된 AI 기술을 활용하여 이를 달성합니다.

이 AI 통합은 프로토콜 내에서 ‘beta’라고 불리는 단일 값으로 입력되는 신호를 생성하는 것을 목표로 개발되었습니다. 이 값은 이미 프리미엄 계산과 리밸런싱에 중요한 역할을 합니다.

그림 10: 프리미엄 계산 및 리밸런싱에서 ‘beta’의 중심 역할

출처: Bumper.

이 AI 중심 접근 방식을 통해 Bumper는 프로토콜의 효율성과 리스크 관리 효과성을 더욱 향상시키려 하며, 궁극적으로 사용자들에게 강력한 보호와 증가된 수익을 제공합니다 – 거래자(takers)를 위한 더 나은 가격 보호와 유동성 제공자(makers)를 위한 더 많은 수익.

그림 11: Bumper 프로토콜에 AI 통합

출처: Bumper.

결론

이 보고서는 본질적으로 변동성이 높은 암호화폐 시장에서 효과적인 위험 및 보호 관리 솔루션에 대한 중요한 필요성을 강조했습니다. 이용 가능한 다양한 솔루션 중에서, Bumper Finance는 2023년 말 출시 이후 전통적인 방법에 비해 새로운 접근 방식을 도입했습니다. 특히, 자산 보호를 유지하면서, Bumper는 혁신적인 거래 접근 방식을 도입하여 사용자가 시장 방향에 관계없이 잠재적으로 수익을 얻을 수 있게 합니다. 게다가, 혁신과 효율성에 대한 지속적인 약속으로 Bumper는 최근 브랜드를 변경하여 그 AI 기반 솔루션에 대한 초점을 강조했으며, 이는 이제 실용적이고 강력합니다.

Bumper의 현재 통합 노력에는 세 가지 AI 기술 스택: 가격 예측, 감정 분석, 기술 분석. 이러한 최첨단 AI 방법론은 시장 움직임을 몇 분 앞서 예측하도록 설계되었으며, 프리미엄의 동적 계산과 재조정 프로세스를 강화하여, 테이커 프리미아 최소화, 메이커 수익 최대화, 프로토콜 파산 위험 최소화라는 중요한 삼각 트레이드오프를 더욱 최적화하는 것을 최종 목표로 합니다.

참고 자료

  • Baioumy M., Cheema A., (2024) AI x Crypto Primer. 온라인으로 이용 가능: alexcheema.github.io
  • Bumper Blog, (2024) Bumper’s AI-Powered Brand Evolution, Bumper. 온라인으로 이용 가능: bumper.fi
  • Bumper Blog, (2024) Bumper의 triple-tier AI 접근 방식이 crypto 시장 예측과 거래 효율성을 혁신합니다, Bumper. 온라인에서 이용 가능: bumper.fi
  • Bumper 문서.
  • Bumper 웹사이트.
  • Crypto 청산 데이터, Coinglass. 온라인에서 이용 가능: coinglass.com
  • Keskin S., (2023) DeFi 3.0은 변동성에 대한 암호화 자산 헤징을 위한 새로운 방법을 도입한다, Cointelegraph. 온라인에서 이용 가능: cointelegraph.com
  • Kirimi A., (2022) 새로운 설문조사가 암호화폐 투자에 대한 사람들의 우려를 밝힌다, Cointelegraph. 온라인에서 이용 가능: cointelegraph.com

공개사항

Revelo Intel은 교육 이니셔티브의 일부로 Bumper와 상업적 관계를 맺고 있으며, 이 보고서는 그 참여의 일부로 의뢰되었습니다.

Revelo Intel 팀의 멤버들, 위 분석에 직접 관여한 사람들을 포함하여, 논의된 토큰에 포지션을 보유하고 있을 수 있습니다.

이 콘텐츠는 교육 목적으로만 제공되며, 재정적 또는 투자 조언을 구성하지 않습니다. 여러분은 스스로 연구를 하고, 잃을 수 있는 금액만 투자해야 합니다. Revelo Intel은 연구 플랫폼이며, 투자 또는 재정 자문가가 아닙니다.

Alea Research · 2024년 6월 10일 · 10 min · 7개 섹션

맨 위로