MAGOS – ΕΞΥΠΝΗ ΑΝΑΖΗΤΗΣΗ ΧΡΗΣΜΟΥ

ΜΠΛΕ ΒΙΒΛΟΣ
Έκδοση 1.8

© Αύγουστος 2017

1
 Περιεχόμενα
1. Συνοπτική περίληψη.......................................................................................................................................................................3
2. Εισαγωγή.............................................................................................................................................................................................4
3. Τεχνολογία...........................................................................................................................................................................................5
3.1. Νευρωνικά δίκτυα..................................................................................................................................................................5
3.2. Σύνθεση δικτύου.....................................................................................................................................................................6
3.3. Αρθρωτή τεχνολογία.............................................................................................................................................................7
4. Περιπτώσεις χρήσης.......................................................................................................................................................................9
4.1. Αθλητικά.....................................................................................................................................................................................9
4.2. eSports.......................................................................................................................................................................................12
4.2.1. Επισκόπιση αγοράς....................................................................................................................................................12
4.2.2. Στοίχημα.........................................................................................................................................................................13
4.2.3. Παράγοντες προτεραιότητας.................................................................................................................................13
4.3. Οικονομικά..............................................................................................................................................................................15
4.4. Πολιτική....................................................................................................................................................................................16
4.5. Πύλη Oraculum.......................................................................................................................................................................18
5. Πρόβλεψη.........................................................................................................................................................................................20
5.1. Προσέγγιση..............................................................................................................................................................................20
5.1.1. Βασικά στοιχεία...........................................................................................................................................................20
5.1.2. Βασικοί συντελεστές..................................................................................................................................................21
5.1.3. Λύση.................................................................................................................................................................................22
5.2. Αναζήτηση άκρης (Edge).....................................................................................................................................................22
6. Απόδοση............................................................................................................................................................................................25
6.1. Πρώιμες δοκιμές 2015-2016..............................................................................................................................................25
6.2. Ανοιχτό τεστ το 2017...........................................................................................................................................................26
6.3. Σύγκριση...................................................................................................................................................................................29
7. Μερίδια (Tokens)..............................................................................................................................................................................30
7.1. Μερίσματα...............................................................................................................................................................................30
7.1.1. Μηχανισμός...................................................................................................................................................................30
7.1.2. Πρόβλεψη κέρδους.....................................................................................................................................................31
7.2. Ψηφοφορία.............................................................................................................................................................................33
7.2.1. Διανομή κερδών..........................................................................................................................................................34
7.2.2. Κυκλοφορία ενοτήτων..............................................................................................................................................34
7.2.3. Χρήση πόρων δικτύου...............................................................................................................................................35
8. Χάρτης πορείας...............................................................................................................................................................................36
8.1. Τωρινή κατάσταση................................................................................................................................................................36
8.2. Μελλοντικές κυκλοφορίες.................................................................................................................................................36
8.3. Ολοκληρώσεις........................................................................................................................................................................38
9. Πώληση μεριδίων..........................................................................................................................................................................39
9.1. Γενικές πληροφορίες.............................................................................................................................................................39
9.2. Διανομή μεριδίων..................................................................................................................................................................40
9.3. Κατανομή χρηματοδότησης..............................................................................................................................................41

Παράρτημα Α..........................................................................................................................................................................................42

Παράρτημα Β..........................................................................................................................................................................................43

2
 1. Συνοπτική Περί ληψη

Η αγορά των προβλέψεων είναι μια από τις πλατφόρμες όπου τα άτομα μπορούν να
ποντάρουν στο αποτέλεσμα μελλοντικών γεγονότων. Προσφέρε ι σε αυτούς που κάνουν
προβλέψεις τη δυνατότητα να δημιουργούν έσοδα από τις γνώσεις και την ικανότητά
τους. Εκείνοι που μπορούν να προβλέψουν με ακρίβεια το αποτέλεσμα θα κερδίζουν
μακροπρόθεσμα, και οι καλύτεροι από αυτούς που προβλέπουν θα είναι αυτοί π ου θα
βγάζουν τα περισσότερα χρήματα.

Σήμερα, πολλά πρόζτεκτ του Blockchain δουλεύονται για να φέρουν την αποκέντρωση
σε αυτό το πεδίο. Και είναι μόνο θέμα χρόνου πριν γίνει μια οικονομική διαταραχική
καινοτομία, προσφέροντας αυτή τη δυνατότητα δημιουργία ς εσόδων στο μαζικό κοινό.

Σκοπός του έργου μας είναι να χρησιμοποιήσουμε τις τελευταίες εξελίξεις στον τομέα
της τεχνικής νοημοσύνης και την μάθηση της μηχανής σε αυτές τις πλατφόρμες,
συμπερι λαμβανομένων των αγορών πρόβλεψης, των χρηματιστηρίων και αθλη τικού
στοιχήματος.

Το MAGOS είναι ένα σύνθετο μοντέλο πρόβλεψης βασισμένο σε ένα σύστημα

νευρωνικών δικτύων. Κάθε δίκτυο εκτελεί μια συγκεκριμένη εργασία και η συνεργασία
τους παράγει μια πρόβλεψη με υψηλό βαθμό ακρίβειας. Η σπονδυλική στήλη του
MAGOS είναι η αρθρωτή του αρχιτεκτονική. Μας επιτρέπει να αναπτύξουμε και να
υλοποιήσουμε μεμονομένες προβλεπτικές ενότητες, που στοχεύουν σε διαφορετικά
είδη τομέων πρόβλεψης, από επιχειρήσεις και οικονομικά έως για τον αθλητισμό και
την πολιτική.

Το ταμείο του MAGOS αποτελεί το βασικό στοιχείο του έργου. Εφαρμόζει το μοντέλο
πρόβλεψης σε πολλαπλές πλατφόρμες και μεταφέρει τα κέρδη σε ένα έξυπνο συμβόλαιο
για μια περαιτέρω κατανομή μεταξύ των κατόχων του νομίσματος.

Τέλος, το νόμισμα του MAGOS («MAG») εκτελεί δύο τύπους λειτουργιών στο σύστημα:
αυτό επιτρέπει στους κατόχους να λαμβάνουν μερίσματα από όλες τις δραστηριότητες
των αμοιβαίων κεφαλαίων και τους δίνει δικαιώματα ψήφου στην ανάπτυξη του
σχεδίου μέσω μηχανισμού ψηφοφορίας σχετικά με το blockchain.

3
 2.Εισαγωγή
Τα τελευταία χρόνια μπορούμε να παρατηρήσουμε τον επιταχυνόμενο ρυθμό στις
εξελίξεις στην Τεχνητή Νοημοσύνη και την Μηχανική Μάθηση.

Το 1997, όταν ο υπερσύγχρονος υπολογιστής Deep Blue της IBM νίκησε το μεγαλύτερο
στον κόσμο σκακιστή, Γκάρι Κασπαρόφ, ο κόσμος έμεινε έκπληκτος. Αλλά από τότε, για
σχεδόν 20 χρόνια, η ΤΝ εξακολουθούσε να θεωρείται από πολλούς ως τίποτα
περισσότερο από ανυπόφορος συνδυασμός βίαιης δύναμης και υπολογιστικής ισχύος.

Ωστόσο, το 2016 τα πράγματα άρχισαν να αλλάζουν και να αλλάζουν γρήγορα. Τον

Ιανουάριο του 2016, το DeepMind της Google πέτυχε μια σημαντική νίκη στην βαθιά
εκμάθηση του AlphaGo, ένα περιορισμένο πρόγραμμα υπολογιστή ΤΝ, κατέκτησε το
αρχαίο κινεζικό παιχνίδι Go. Σύμφωνα με τους ειδικούς, αυτό το ορόσημο ήρθε περίπου
δέκα χρόνια νωρίτερα από το αναμενόμενο. Το AlphaGo μπόρεσε να κυριαρχήσει στο
παιχνίδι μαθαίνοντας εκατομμύρια εκπαιδευτικά δείγματα από πραγματικά παιχνίδια.
Αργότερα εκείνο το έτος, η AlphaGo αντιμετώπισε με τον Lee Sedol, τον παγκόσμιο
πρωταθλητή, και τον νίκησε σε τέσσερα από τα πέντε παιχνίδια.

Στις αρχές του 2017, ο Libratus, παίκτης του πόκερ ΤΝ του Carnegie Mellon, νίκησε
αποφασιστικά κορυφαίους επαγγελματίες πόκερ κατά τη διάρκεια των 120.000 χεριών
σε ένα παιχνίδι No-Limit Holdem [Παραρτ. Β. 1]. Το αποτέλεσμα ήταν απροσδόκητο από
πολλούς, διότι σε αντίθεση με το Σκάκι ή το Go, το No-Limit Holdem είναι ένα παιχνίδι
ατελών πληροφοριών.

Αυτές οι νίκες έκαναν το 2016 και το 2017 χρονιά ορόσημα για την ΤΝ γενικότερα, και
ιδίως των νευρωνικών δικτύων. Το Go και το Πόκερ έχουν από καιρό θεωρηθεί ως τα
πιο πολύπλοκα επαγγελματικά παιχνίδια που έχουν ποτέ επινοηθεί, όπου οι νίκες
επιτεύχθηκαν μέσω της χρήση της διαίσθησης και της αίσθησης, δίνοντας στον
άνθρωπο ένα πλεονέκτημα έναντι των μηχανών.

Αλλά όχι πια, τα προβλήματα της ΤΝ που φάνηκαν σχεδόν ανυπέρβλητα μόλις ένα
χρόνο ή δύο πριν λύνονται τώρα με νευρωνικά δίκτυα. Και ως αποτέλεσμα, όλο και
λιγότερα πεδία παραμένουν σχετικά άθικτα από την ΤΝ. Ένας από αυτούς τους τομείς
είναι και οι προβλέψεις οι οποίες εξακολουθούν να βασίζονται σημαντικά στην
ανθρώπινη εμπειρογνωμοσύνη και τα απλοϊκά μοντέλα πρόγνωσης.

Από το 2015, χρησιμοποιούμε τις τελευταίες εξελίξεις στην ΤΝ και στη Μηχανική
Μάθηση για να οικοδομήσουμε ένα τελικό μοντέλο πρόβλεψη ς, βασισμένο σε ένα
σύστημα νευρωνικών δικτύων. Στόχος μας είναι να αναπτύξουμε ένα εργαλείο που να
κάνει ακριβείς προβλέψεις για γεγονότα από διάφορα πεδία,από τις χρηματοπιστωτικές
αγορές μέχρι τον αθλητισμό και την πολιτική, και να χρησιμοποιήσει αυτή τ ην ακρίβεια
πρόβλεψης σε εικασίες με την τεχνολογία Blockchain.

4
 3.Tεχνολογία
3.1. Νευρωνικά δίκτυα
Οποιοδήποτε νευρωνικό δίκτυο μπορεί να περιγραφεί ως προσομοίωση ενός
βιολογικού υπολογιστή εγκεφάλου, με σκοπό να μάθουν να αναγνωρίζουν τα πρότυπα
σε μεγάλα δεδομένα. Μόλις το νευρικό δίκτυο έχει εκπαιδευτεί σε δείγματα δεδομένων,
μπορεί να κάνει προβλέψεις με ανίχνευση σε παρόμοια μοτίβα.

Ένα νευρωνικό δίκτυο αποτελείται από συνδεδεμένες μονάδες που ονομάζονται

νευρώνες. Μια σύνδεσημεταξύ των νευρώνων ονομάζεται σύναψη, και κάθε σύναψη
είναι σε θέση να στεί λει το σήμα σε άλλο νευρώνα. Ο νευρώνας λήψης μπορεί να
επεξεργαστεί το σήμα και στη συνέχεια να το στεί λει και σε άλλους νευρώνες.

Οι νευρώνες οργανώνονται σε στρώματα. Υπάρχουν πολλοί τύποι στρώσεω ν, η καθέ

μια πραγματοποιώντας διαφορετικούς μετασχηματισμούς στις εισόδους τους. Τα
δεδομένα μετακινούνται από την είσοδο στο στρώμα εξόδου, αφού διασχίζουν τα
κρυφά στρώματα μεταξύ τους.

Το νευρωνικό δίκτυο μπορεί να χρησιμοποιηθεί ως προγνωστικό μοντέλ ο. Το δίκτυο θα

«κάνει μια αξίωση»για κάτι που θα συμβεί, με βάση τα δεδομένα από το παρελθόν και
την τωρινή κατάσταση.

Το επίπεδο απόδοσης ενός προγνωστικού μοντέλου που βασίζεται σε νευρωνικά δίκτυα

έχει συχνά πολλές διακυμάνσεις. Τα πλεονεκτήματα περι λ αμβάνουν συνήθως την
αυτόματη εκμάθηση που εξαρτάται μόνο από μετρήσιμα δεδομένα χωρίς να χρειάζεται
να προσθέσετε περαιτέρω πληροφορίες (όπως ο τύπος εξάρτησης με την
παλινδρόμηση). Το νευρικό δίκτυο εκπαιδεύεται από τα δεδομένα του παρελθόντος με
στόχο την ανακάλυψη κρυφών εξαρτήσεων τις οποίες χρησιμοποιεί για να προβλέψει
το μέλλον. Με άλλα λόγια, το νευρωνικό δίκτυο δεν αντιπροσωπεύεται από ένα ρητά
δοθέν μοντέλο. Και περιγράφεται καλύτερα ως ένα μαύρο κουτί που μπορεί να μάθει.

5
 3.2 Σύνθεση δικτύου
Χρησιμοποιώντας ένα απλό νευρωνικό δίκτυο με εμπρός τροφοδότηση για σκοπούς
πρόβλεψης δεν είναι μια βέλτιστη λύση για πολλούς λόγους. Μεσαία έως χαμηλή
ακρίβεια των προβλέψεων, όπως καθώς και άχρηστα ή ανεπαρκή δεδομένα εισόδου,
έλλειψη αυτόματης ρύθμισης παραμέτρων, αποτυχία για να καταγραφούν πολλαπλά
στρώματα δεδομένων και απλοϊκή ανάλυση - όλα αυτά έχουν ως αποτέλεσμα πολ λή
μικρότερη ακρίβεια προβλέψεων από ό, τι είναι σε θέση να επιτύχει ένα πιο πολύπλοκο
μοντέλο.

Η λύση μας είναι να χρησιμοποιήσουμε ένα σύστημα νευρωνικών δικτύων για να

αντιμετωπίσουμε αυτές τις ελλείψεις. Κάθε δίκτυο έχει μια μεμονωμένη εργασία, αλλά
και διασυνδέσεις με τα άλλα, δημιουργώντας έτσι μια συνεργασία. Ο βασικός
μηχανισμός πρόβλεψης περι λαμβάνει προηγμένη εξόρυξη δεδομένων , ομαδοποίηση και
ταξινόμηση των δεδομένων, μείωση θορύβου, βαθιά ανάλυση στρώματος, κατανομή
βάρους και αυτόματη ρύθμιση. Χρήση ειδικών πρόσθετων όπως η αξιολόγηση της
μεταβλητότητας διασφαλίζει ότι ένα μοντέλο θα αποφύγει γεγονότα με υψηλά επίπεδα
αβεβαιότητας και το δίκτυο διαχείρισης κινδύνων παρέχει τη βέλτιστη ανάπτυξη του
κεφαλαίου με βάση την απόδοση του μοντέλου.

6
Το MAGOS είναι μια συνεργασία πέντε συνεργαζόμενων νευρωνικών δικτύων:

• Melius – το δίκτυο που ρυθμίζει αυτόματα τις διάφορες υπερπαραμέτρους,

βασισμένο στις προσαρμογές στη συνολική απόδοση του MAGOS και στις αλλαγές
του εξωτερικού περιβάλλοντος.
• Ariolus – δίκτυο που συνδυάζει την έξοδο από όλα τα άλλα δίκτυα και κάνει
μια ακριβή πρόβλεψη, βασισμένη σε πολ λαπλά επίπεδα δεδομένων
• Galaxia – δίκτυο εξόρυξης δεδομένων και ταξινόμησης με μείωση του θορύβου.
Τροφοδοτεί πληροφορίες τα δίκτυα υψηλότερου επιπέδου. Έξυπνα πρόσθετα
συλλέγουν δεδομένα από API, το διαδίκτυο και άλλες πηγές
• Obelus – δίκτυο που χρησιμοποιεί διάφορες ρυθμίσεις και πρόσθετα, όπως την
εκτίμηση της μεταβλητότητας, την επαρκή πληροφόρηση ή την ανίχνευση
κακόβουλων δραστηριοτήτων,
• Strategus – δίκτυο διαχείρισης κινδύνων που διατηρεί την βέλτιστη ανάπτυξη της
επένδυσης

3.3. Αρθρωτή τεχνολογία

Το MAGOS χρησιμοποιεί προηγμένη αρθρωτή αρχιτεκτονική που υποστηρίζει
αναβαθμίσεις και την ανάπτυξη νέων χαρακτηριστικών.

Η ενότητα μπορεί να περιγραφεί ως σύνολο δεδομένων. Κάθε ενότητα εμπίπτει σε μία

από τις δύο κατηγορίες: γενικές ενότητες και υποενότητες:

7
 • Παραδείγματα γενικών ενότητων: Αθλητισμός, Οικονομικά, eSpor ts,
Πολιτική
• Παραδείγματα υποενοτήτων: Ποδόσφαιρο, Μπέιζμπολ, StarCraft, τιμή ETH,
εκλογές ΗΠΑ.

Οι γενικές ενότητες αποτελούνται από ένα ευρύτερο σύνολο τεμαχίων (όπως η

συμμόρφωση με το συντονισμό και η προβαλλόμενη ακρίβεια) και αποσκοπούν στην
παροχή μιας γενικότερης «καθοδήγησης» στα δίκτυα.

Οι υποενότητες κάνουν ένα βήμα παραπέρα, και περι λαμβάνουν τα κομμάτια

δεδομένων με μια πιο συγκεκριμένη πληροφορία - προσαρμοσμένες βάσεις δεδομένων,
προηγμένη αρχιτεκτονική στρώσεων για σχετικές κατηγορίες πρόβλεψης, βέλτιστο όριο
μεταβλητότητας και άλλα.

Τα κομμάτια δεδομένων περι λαμβάνουν, αλ λά δεν περιορίζονται σε:

1) Πηγές δεδομένων, προσαρμοσμένες βάσεις δεδομένων, οδηγίες κατάταξης

2) Αρχιτεκτονικές στρώσεων
3) Συντονισμός συμμ όρφωσης και ευελιξία
4) Όρια επάρκειας δεδομένων, αποδεκτά επίπεδα μεταβλητότητας
5) Προβλεπόμενη ακρίβεια (συμβολή στην ανακάλυψη βέλτιστων επιπέδων
αρχικού κινδύνου.

Κάθε κομμάτι φέρει τις πληροφορίες που προορίζονται για ένα συγκεκριμένο δίκτυο
του MAGOS. Παραδείγματος χάριν, μπορεί να προκύψει ένα συγκεκριμένο στοιχείο σε
μια υποενότητα του Galaxia και αυτό να διατεθεί στο δίκτυο με ένα σύνολο πηγών
δεδομένων (API, ιστοσελίδες και άλλα), μια προσαρμοσμένη βάση δεδομένων η οποία
δεν είναι διαθέσιμη στο ευρύ κοινό και ένα βέλτιστο σύνολο κανόνων ταξινόμησης.

Εν ολίγοις, για να έχουμε την καλύτερη δυνατή ακρίβεια πρόβλεψης και απόδοση
επένδυσης (ROI), είναι απαραίτητο να αναπτύξουμε και να ενσωματώσουμε όσο το
δυνατόν περισσότερους υπομονάδες υψηλής ποιότητας στο σύστημα.

8
 4.Περιπ τώσεις χρήσης
Το MAGOS μπορεί να χρησιμοποιηθεί για την πρόβλεψη γεγονότων σε οποιοδήποτε
τομέα, δεδομένου ότι υπάρχει επαρκής ποσότητα δεδομένων για ανάλυση.

Στην πράξη, ωστόσο, αυτές οι προβλέψεις δεν θα μπορούσαν να είναι βέλτιστες. Ο

μεγάλος αριθμός νέων ενοτήτων θα οδηγήσει σε σημαντική διαρροή πόρων δικτύου
και ανάπτυξης. Επομένως, για να διασφαλίσουμε τη βέλτιστη ανάπτυξη του μοντέλου
και του έργου στο σύνολό του, πρέπει να σταθμίσουμε την εντατική και εκτεταμένη
ανάπτυξη των ενοτήτων.

Η πολύ εντατική ανάπτυξη των μονάδων δεν έχει ως αποτέλεσμα τη μεγιστοποίηση

των κερδών από το μοντέλο πρόβλεψης συνολικά. Αυτή η προσέγγιση μας δίνει και τον
αριθμό των κινδύνων (όπως ανταγωνιστικά με τις καλύτερες ενότητες), ασκεί
μεγαλύτερη πίεση στην ποιότητα της ενότητας και οδηγεί σε αυξανόμενο κόστος
ευκαιρίας.

Από την άλλη πλευρά, η υπερβολικά εκτεταμένη ανάπτυξη ενότητας φέρνει και άλλα
ζητήματα: δεν επιτυγχάνεται η βέλτιστη απόδοση της επένδυσης (ROI) από κάθε
ενότητα, οι μονάδες γίνονται πιο ξεπερασμένες, ενώ απαιτείται περισσότερη
συντήρηση, αυξημένη ζήτηση για βάσεις δεδομένων υψηλής ποιότητας και άλλα.

Δεδομένου ότι οι περιπτώσεις χρήσης του MAGOS συσχετίζονται σε μεγάλο βαθμό με

τον συνολικό αριθμό των ενοτήτων, η επίτευξη ενός βέλτιστου επιπέδου ανάπτυξης
των ενοτήτων αποτελεί ουσιαστικό μέρος της επιτυχίας του έργου. Η συστηματική
απελευθέρωση μονάδων υψηλής ποιότητας δεν θα οδηγούσε μόνο στην αύξηση των
κερδών από τις δραστηριότητες των ταμείων, αλλά θα άφηνε επίση ς τον αριθμό των
κινδύνων που περιγράφηκαν παραπάνω.

9
Σε αυτό το στάδιο, οι περιπτώσεις χρήσης είναι δύο κατηγορίες: 1) επί του παρόντος
διαθέσιμο ή κοντά σε απελευθέρωση και 2) μεσοπρόθεσμο έως μακροπρόθεσμο
αναπτυξιακό σχέδιο.

4.1. Αθλητικά
Το «Moneyball» είπε την ιστορία μιας ομάδας με βάση το όνομα του μπέιζμπολ και του
αγώνα τους για την καταπολέμηση των παραδοσιακών «ενόχων» -διεγερμένων
διαδικασιών αποτίμησης των παικτών. Στα τέλη της δεκαετίας του 1990, ο Όουκλαντ
ήταν υπό την ηγεσία του καινοτόμου διευθυντή, Billy Beane, ο οποίος πίστευε στη
δύναμη της βαθιάς ανάλυσης με βάση την ατομική απόδοση ενός παίκτη. Ο Μπί λι και η
ομάδα του κατάφεραν να ανακαλύψουν και να προσλάβουν τους πιο υποτιμημένους
παίκτες του πρωταθλήματος, οι οποίοι τελικά τους οδ ήγησαν στους τελικούς MLB. Η
επιμονή του Μπί λι και η προσέγγισή του με βάση τα δεδομένα εξέπληξαν τον κόσμο.
Ως αποτέλεσμα του έργου του, τα επαγγελματικά αθλήματα μπήκαν στην «Εποχή των
Δεδομένων» [Παραρτ. Β. 2].

Αυτό που έκανε ο Billy Beane ήταν ουσιαστικά μια προσομοίωση των βασικών αρχών
των νευρωνικών δικτύων που εφαρμόστηκαν στην ανάλυση του αθλητισμού,
καταρρίπτοντας σήμερα το μεγάλο μέρος των δεδομένων σε μέρη για τον εντοπισμό
μεμονωμένων στατιστικών στοιχείων και σχεδιάζοντας μια σύνδεση μεταξύ τους για
να σχηματίσουν μια πρόβλεψη.

Σήμερα, με τη χρήση νευρωνικών δικτύων, μια βαθιά ανάλυση δεδομένων δεν μπορεί
μόνο να συνοψίζει το πρότυπο συμπεριφοράς και το συνολικό επίπεδο ικανοτήτων των
ανταγωνιστών, αλλά επίσης να προσδιορίζει τα πλεονεκτήματα και τις αδυναμίες τους
σε μια συγκεκριμένη περιοχή.

Ως αποτέλεσμα, καθίσταται δυνατή όχι μόνο η πρόβλεψη συγκεκριμένων προβλέψεων

κερδών / ζημιών ή σκορ, αλλά και η δυνατότητα των ομάδων και των προπονητών να
βρουν ξεχωριστές στρατηγικές για να βελτιώσουν τους ανταγωνιστές τους, καθώς και
σχέδια παιχνιδιών για μεγιστοποίηση της δύναμη και να αντιμετωπίσει τον αντίπαλο.
Στον τομέα του αθλητισμού, το MAGOS λειτουργεί με βάση τις ίδιες αρχές: την ανάλυση
των ειδικών στοιχείων του παίκτη/της ομάδας, την κατασκευή πολλαπλών στρωμάτων

10
μεταβλητών και μετάβαση των φι λτραρισμένων δεδομένων στο σύστημα των
νευρωνικών δικτύων. Επιπλέον, οι μέθοδοι οπτικοποίησης δεδομένων μας επιτρέπουν
να εντείνουμε το βάθος της ανάλυσης, ανακαλύπτοντας επιπλέον δεδομένα τα οποία
συνήθως παραμένουν απαρατήρητα από την πιο απλή ανάλυση των νευρωνικών
δικτύων.

Εικ. 4.2 Πράσινες γραμμές – κατεύθυνση μπάλας. Κόκκινες γραμμές – αναπήδηση μπάλας

Τα «συνηθισμένα» δεδομένα, όπως η κατάταξη, η ισχύς σε σ χέση με τον τύπο του

γηπέδου, η ηλικία/το ύψος/το βάρος, η κατάσταση υγείας και ακόμη και ο καιρός
μπορούν θεωρητικά να εξορύσσονται και να αντιμετωπίζονται με την «κλασική»
στατιστική ανάλυση. Αλλά πρόσθετες μεταβλητές όπως τα μοτίβα κινήσεων,
forehands/backhands, τροχία και αναπήδηση της μπάλας, κερδισμένοι πόντοι και θέσεις
κ.λπ. απαιτούν προηγμένη εφαρμογή απεικόνισης δεδομένων με ένα περαιτέρω
φι λτράρισμα σε βέλτιστα μπλοκ δεδομένων και στρώματα.

Εικ. 4.3 Όλα τα δεδομένα από την αναπήδηση της μπάλας

Ένα παράδειγμα αυτής της ανάλυσης θ α ήταν η δημιουργία της στρώσης "τυχαίο
σερβίς" που σχετίζεται άμεσα με το ποσοστό νικών εναντίον ορισμένων τύπων
αντιπάλων. Η θέση και η προβλεψιμότητα του σερβίς ενός παίκτη έχει μεγάλη επίδραση
στο συνολικό ποσοστό επίδοσής του. Ένας παίκτης είναι ο οποίος είναι απρόβλεπτος
με το σερβίς του και μπορεί να κάνει το σερβίς σταθερά και ευρέως στο χώρο του
σερβίς, είναι πιο πιθανό είτε να κερδίσει ένα σημείο, είτε τουλάχιστον να εξασθενήσει
την απόδοση του αντιπάλου του [Παραρτ. Β. 3]. Κερδίζοντας αυτούς τους μεγάλους
πόντους είναι κρίσιμοι για την επιτυχία του παίκτη. Για τον παίκτη που σερβίρει, ο
στόχος του είναι να κάνει έναν άσο ή να αναγκάσει τον αντίπαλό του σε σφάλμα, καθώς

11
αυτό θα μπορούσε να σημάνει τη διαφορά μεταξύ νίκης και ήττας [Παραρτ. Β. 4].

Εικ. 4.4 Σημαντικά σουτ φι λτραρισμένα από την θέση και την κίνηση

Η σωστή ανάλυση και ταυτοποίηση των προτύπων συμπεριφοράς στον αθλητισμό είναι
σε μια συνεχή διαδικασία δουλειάς, είτε στο τένις, στο ποδόσφαιρο ή στο μπάσκετ, είτε
σε άλλους διαγωνισμούς [Παραρτ. Β. 5]. Η προηγμένη οπτικοποίηση των αθλητικών
δεδομένων μπορεί να αποκαλύψει νέα μοτίβα μέσα σε έναν αθλητικό αγώνα, καθώς
και τις διασυνδέσεις μεταξύ των μεταβλητών στον αγώνα και όχι μόνο τις ίδιες τις
μεταβλητές. Η μη διαθεσιμότητα των περισσότερων από αυτά τα δεδομένα για το κοινό
ανοίγει επίσης έναν τρόπο να συγκεντρώσει το πλεονέκτημα έναντι του πλήθους και
τον επαγγελματικό ανταγωνισμό στις αγορές στοιχημάτων.

Οι περισσότερες από τις αρχές που περιγράφονται σε αυτό το τμήμα επίσης

μεταφέρονται και εφαρμόζονται στις άλλες περιπτώσεις χρήσης.

4.2. eSpor ts
4.2.1. Επισκόπιση αγοράς
Τα eSports αναπτύσσονται εκθετικά ως νέα ανεξάρτητη επιχείρηση και βιομηχανία.
Προβλέπεται ότι τα συνολικά έσοδα του eSports θα αυξηθούν από 325 εκατομμύρια
δολάρια το 2016 σε 1,488 δισεκατομμύρια δολάρια το 2020 [Παραρτ. Β. 6].

Εικ. 4.5 Πρόβλεψη ανάπτυξης της αγοράς των eSports

12
Στo DOTA 2, μια από τις πιο δημοφι λείς αγορές eSports, ένα συνεχώς αυξανόμενο
χρηματικό έπαθλο The International 2017 ήταν πάνω από 24 εκατομμύρια δολάρια και
επισκίασε το χρηματικό έπαθλο στο Super Bowl, στους τελικούς NBA του μπάσκετ και
στο Παγκόσμιο Κύπελλο Κρίκετ [Παραρτ . Β. 7].

4.2.2. Στοίχημα
Το στοίχημα eSports είναι ένα από τα πιο καυτά θέματα στη βιομηχανία τυχερών
παιχνιδιών, καθώς οι εταιρίες στοιχημάτων αναγνωρίζουν το eSports ως έναν τεράστιο
«μπλε ωκεανό» ευκαιρίας.

Η ταχεία ανάπτυξη των στοιχημάτων eSports ήταν απροσδόκητη από πολλούς. Τον
Ιανουάριο του 2010, η πρώτη αγορά στοιχημάτων eSports δημιουργήθηκε από την
Pinnacle. Τώρα, το 2017, η Pinnacle έχει ήδη πάρει το 5ο εκατομμύριο από το eSports
στοίχημα.

Το 2014, μια παραδοσιακή εταιρία στοιχημάτων δήλωσε ότι το eSports ήταν ήδη το
έβδομο μεγαλύτερο σπορ παγκοσμίως όσον αφορά τον όγκο των στοιχημάτων,
τοποθετώντας το πάνω από το γκολφ και το τένις. Και με τις μεγάλες εταιρείες
στοιχημάτων που ήδη αγκαλιάζουν τα eSports που στοιχηματίζουν σε παγκόσμια
κλίμακα, οι περισσότεροι ειδικοί συμφωνούν ότι το στοίχημα eSports μόνο του είναι
μεγαλύτερο από την ίδια την οικονομία eSports.

4.2.3. Παράγοντες Προτεραιότητας

Το ESports αποτελεί κορυφαία προτεραιότητα στην έρευνα και ανάπτυξη της MAGOS
στο τρέχον στάδιο, βασισμένο σε διάφορους βασικούς παράγοντες:

1) Ενώ το eSports αναπτύσσεται, παραμένει μια ημι-εξειδικευμένη αγορά και ένα

σχετικά νέο και διερευνημένο πεδίο όσον αφορά την επαγγελματική πρόβλεψη.
Ακόμη και οι πιο αυστηροί παραγωγοί αποδόσεων στην επιχείρηση
παραδέχονται ότι δεν έχουν ιδέα για τον ακριβή καθορισμό των αποδόσεων.
Συνολικά, η τρέχουσα κατάσταση των eSports μας επιτρέπει να βρούμε
περισσότερες άκρες με το MAGOS και να προβλέπουμε τις τάσεις τόσο εντός όσο
και εκτός του παιχνιδιού, μεγιστοποιώντας τις αποδόσεις.

2) Το eSports έχει διαφορετικό δυναμικό τοπίου όταν το συγκρίνετε με το

«παραδοσιακό» επαγγελματικό άθλημα. Παρόλο που οι αρχές στοιχημάτων είναι
οι ίδιες, μια σειρά διαφορών μπορούν να βοηθήσουν έναν προπονητή να βρει ένα
επιπλέον πλεονέκτημα στο στοίχημα eSports. Αυτές οι διαφορές περι λαμβάνουν:
a) το γεγονός ότι οι κανόνες αλλάζουν διαρκώς. Το περιβάλλον ή το πεδ ίο
παιχνιδιού εξελίσσονται συνεχώς με διαφορετικούς αλλά αντίκτυπους
τρόπους. Οι αλλαγές στο παιχνίδι συχνά οδηγούν ή συσχετίζονται με τις

13
 μικρές και τις μεγάλες μεταβολές των παιχνιδιών και οι μέθοδοι πρόβλεψης
που δεν το λαμβάνουν υπόψη θα υποστούν τις συνέπειες και θα δουν ως
αποτέλεσμα την πτώση της ακρίβειάς τους. Ένα από τα δίκτυα του MAGOS, ο
Melius, είναι ειδικά συντονισμένο για να παρατηρεί και να αντιδρά σε αυτές
τις αλλαγές του εξωτερικού περιβάλλοντος και να συντονίζει τους διάφορους
υπερπαραμετρητές του MAGOS σε απόκριση.
b) με διαφορετικά metas, ορισμένες ομάδες, παίκτες ή στυλ παιχνιδιού θα
ευνοηθούν σε σχέση με άλλους μέχρι την επόμενη μεγάλη αλλαγή. Μπορεί να
αναμένεται ότι ορισμένες ομάδες/παίκτες μπορούν να έχουν ανοδική πορεία
ή κάμψη της απόδοσής τους κατά την περίοδο προσαρμογής. Τα κομμάτια
δεδομένων που ενσωματώνονται στα δίκτυα Obelus μας βοηθούν να
εντοπίζουμε και να αποφεύγουμε (αν χρειαστεί) γεγονότα πέρα από το
βέλτιστο όριο μεταβλητότητας - όπως αυτά που συμβαίνουν κατά την περίοδο
προσαρμογής του μετα-παιχνιδιού.
c) «Μορφή χιονοστιβάδας» στο eSports δεν κρατάτε βαθμολογία, το μεταφέρετε
και αμέσως μεταφράστε το σε μεγαλύτερο πλεονέκτημα κατά τη διάρκεια του
αγώνα. Σημαντικές ενέργειες από νωρίς μπορούν να μεταφραστούν σε μία
ομάδα που παίζει με τεράστιο έλλειμμα. Στο ζωντανό στοίχημα ειδικά, αυτή η
γνώση όχι μόνο θα σας βοηθήσει να αναγνωρίσετε ποιος παίζει καλύτερα,
αλλά θα βοηθήσει επίσης να προβλέψει την ανίχνευση σημείων όπου
συμβαίνουν αυτά τα γεγονότα και να κρίνει τις πιθανές συν έπειές τους.
Επιπλέον, αυτό το αποτέλεσμα μεγεθύνεται από την ποιότητα των δεδομένων
που έχετε, λόγω της άμεσης αιτιώδους συνάφειας μεταξύ τους.Το MAGOS
διαθέτει σημαντικό πλεονέκτημα έναντι του ανταγωνισμού στην περιοχή του,
λόγω της πολυστρωματικής δομής των δεδομένων και των ειδικών
δεδομένων του eSports.

3) Τα eSports παρέχουν συνήθως πολύ μεγάλο όγκο δεδομένων που πρέπει να

εξορύσσονται, να απεικονίζονται ή να διαλύονται. Παρόλα αυτά, διαθέτει οριακή
χαμηλή έως μεσαία αξία σε μη επαγγελματίες και ακόμη κ αι στους προγνώστες
χωρίς βαθιά γνώση των eSports ή συγκεκριμένων μεθόδων ανάλυσης. Δεδομένου
ότι τα παιχνίδια είναι πολύ πιο πολύπλοκα από τα παραδοσιακά αθλήματα και
τα στρατηγικά βάθη είναι σημαντικά υψηλότερα, μια κανονική προσέγγιση του
συστήματος αξιολόγησης ή ακόμη και ένα απλό νευρωνικό δίκτυο χωρίς
σκαρφάλειες δεδομένων και προηγμένη συνεργασία μεταξύ των δικτύων δεν θα
είναι σε θέση να μεγιστοποιήσουν την πρόβλεψη άκρη, ακόμη και με τέλεια
στοιχεία στο χέρι. Η αρθρωτή αρχιτεκτονική MAGOS και τα κομμάτια δεδομένων
επιτρέπουν όχι μόνο να αποκτήσετε ένα πολύ μεγάλο αριθμό δεδομένων eSports,
αλλά και να τα φι λτράρετε με τρόπο που να είναι βέλτιστος για την μελλοντική
ανάλυση πολλαπλών στρωμάτων που εκτελείται από τα νευρωνικά δίκτυα.
Εκτός αυτού, οι μη δημόσιες βάσεις δεδομένων που πραγματοποιούνται και
συντηρούνται από τους ειδικούς μας διαδραματίζουν επίσης σημαντικό ρόλο
στην εξεύρεση άκρων στα στοιχήματα eSports.

14
 Εικ. 4.6 Παράδειγμα από τα διαθέσιμα δεδομένα σε ένα ματς eSport

Συμπερασματικά, το eSports είναι εξίσου αξιόπιστο με οποιοδήποτε άλλο αναδυόμενο

επαγγελματικό άθλημα και έχει ήδη μια τεράστια και αυξανόμενη βάση υποστηρικτών.
Όπου αυξάνεται η δημοτικότητα ενός αθλήματος, υπάρχει φυσικό ενδιαφέρον να
κερδοσκοπούνται τα αποτελέσματα. Μεγάλος αριθμός διαθέσιμων δεδομένων για την
ανάλυση καθιστά το eSports εξαιρετικά ελκυστικό για τους επαγγελματίες προγνώστες
και τους στατιστικούς. Ως αποτέλεσμα, ο συνδυασμός του πεδίου που παραμένει
σχετικά νέος και ανεξερεύνητος από τους επιστήμονες δεδομέ νων και άλλους ειδικούς,
με τις συγκεκριμένες αρχές του όπως το τοπίο και η μετα-δυναμική, καθιστά τον σχεδόν
τέλειο στόχο εφαρμογής για το MAGOS.

4.3. Οικονομικά
Οι χρηματοπιστωτικές αγορές είναι συνήθως ο πιο κοινός στόχος των μοντέλων
πρόβλεψης για προφανείς λόγους. Αλγόριθμοι μηχανικής μάθησης σε αυτό το πεδίο
γίνονται όλο και πιο ακριβείς. Πολλές εταιρείες εμπορίας χρησιμοποιούν ιδιόκτητα
συστήματα για την πρόβλεψη και εκτέλεση συναλλαγών σε υψηλές ταχύτητες και
υψηλό όγκο. Πολλά από αυτά βασίζονται σ τις πιθανότητες, αλλά ακόμη και μια
συνναλαγή με σχετικά χαμηλή πιθανότητα, με αρκετά μεγάλο όγκο ή ταχύτητα, μπορεί
να αποδώσει τεράστια κέρδη με την πάροδο του χρόνου. Ένας ανθρώπινος έμπορος
δεν μπορεί να ανταγωνιστεί πιθανώς τα μηχανήματα όταν πρόκειτα ι να καταναλώσει
τεράστιες ποσότητες δεδομένων ή την ταχύτητα με την οποία μ πορούν να εκτελέσουν
μια συνναλαγή.

Η προσέγγιση μας στις αγορές πρόβλεψης βασίζεται σε 3 βασικά σημεία:

15
 1) Μεταφορά γνώσεων από έμπειρους traders στο μοντέλο MAGOS με στοιχεία που
σχετίζονται με τη χρηματοδότηση χρησιμοποιώντας αρθρωτή αρχιτεκτονική.
2) Χρησιμοποιώντας τα πρότυπα κίνησης των τιμών σε συνδυασμό με πολλαπλούς
τεχνικούς δείκτες (RSI, όγκος, MACD κ.λπ.)
3) Παρέχοντας στο MAGOS πηγές θεμελιώδους ανάλυσης για συγκεκριμένους τομείς
(για παράδειγμα ενημερώσεις προγραμματιστών, επερχόμενες εκδηλώσεις,
hardforks κλπ.) Και αφήνοντας τα δίκτυα να υπολογίσουν το βέλτιστο βάρος
αυτών των μεταβλητών.

Εικ. 4.7. Πλαίσιο για μια ενότητα πρόβλεψης κρυπτοαξιολόγησης

4.4 Πολιτική

Οι προεδρικές εκλογές των Ηνωμένων Πολιτειών του 2016 μπορούν να θεωρηθούν ως

μία από τις μεγαλύτερες αναταραχές στην πολιτική ιστορία.

16
Ενώ οι αγορές στοιχημάτων θέτουν τις πιθανότητες του Trump σε μόλις 18%, πολ λοί
που προβλέπουν βάζουν τις αποδόσεις του Trump σε 15%, 8%, 2% και ακόμη λιγότερο
από 1%. Ορισμένα μοντέλα πρόβλεψης έδωσαν στο Donald Trump υψηλότερη
πιθανότητα νίκης, κυρίως το μοντέλο FiveThirtyEight στο 29%.

Εικ. 4.8 Πρόβλεψη αποτελέσματος εκλογών από το FiveThirtyEight

Αλλά ο λόγος που είδαν τις πιθανότητες του Trump να αυξάνονται δεν ήταν επειδή
είχαν μια θεμελιωδώς πιο pro-Trump ερμηνεία των δεδομένων. Αντίθετα, έδειξαν
λιγότερη εμπιστοσύνη στις δημοσκοπήσεις, γεγονός που αύξησε την αβεβαιότητα στο
συνολικό αποτέλεσμα των εκλογών και προς τις δύο κατευθύνσεις.

Οι προβλέποντες που έκαναν λάθος είχαν ένα κοινό πράγμα που επικέντρωσαν τα
μοντέλα τους εξ ολοκλήρου στα δεδομένα δημοσκόπησης, αγνοώντας τα πρόσθετα
επίπεδα δεδομένων που θα μπορούσαν να έχουν επηρεάσει την κατεύθυνση της
πρόβλεψης.

Ωστόσο, όλοι δεν έκαναν λάθος. Ορισμένοι προβλέποντες πρόβλεψαν τη νίκη του Trump
και αποδείχθηκαν οι προφήτες της Ημέρας της Εκλογής. Και όλοι τους χρησιμοποίησαν
επιπλέον επιπλέον στοιχεία εκτός από τις δημοσκοπήσεις:

Προβλέπων Επιπρόσθετα δεδομένα

13«κλειδιά» (αληθής – ψευδείς

δηλώσεις), όπως: Εντολή Κόμματος,
βραχυπρόθεσμη οικονομία, κοινωνικές
Allan Lichtman
αναταραχές, στρατιωτική αποτυχία και
άλλες.

Τα δεδομένα του κύκλου εκλογών και η

Helmut Norpoth κύρια δημοσκόπηση.

Ένας σταθμισμένος μέσος όρος

Vox model
ακαδημαϊκών μοντέλων.

17
 Βαθμολογία έγκρισης του
προεδρεύοντος, ο ρυθμός αύξησης του
Alan Abramowitz
πραγματικού ΑΕΠ

Professor Ray C. Fair Διάφορα μακροοικονομικά στοιχεία

Arie Kapteyn Σταθμισμένο δείγμα ψηφοφόρων

MogIA model Σημεία δεδομένων κοινωνικών μέσων

Μπορούμε να βγάλουμε δύο σημαντικά συμπεράσματα από αυτές τις πληροφορίες:

1) Τα μεγαλύτερα πολιτικά γεγονότα που προσελκύουν τον «σκληρότερο»

ανταγωνισμό εξακολουθούν να προσφέρουν μια μεγάλη ευκαιρία για να βρεθεί
ένα πλεονέκτημα με το ανώτερο πρότυπο πρόβλεψης. Μικρότερα γεγονότα με
χαμηλότερο ανταγωνισμό θα έχουν ακόμα λιγότερο ακριβείς αποδόσεις στις
αγορές στοιχημάτων.
2) Η χρήση των εξωτερικών δεδομένων, εκτός από τις δημοσκοπήσεις, είναι
σημαντική για το επιτυχημένο πρότυπο πολιτικής πρόβλεψης.

Η πολιτική υπομονάδα MAGOS θα αναπτυχθεί με βάση αυτές τις πληροφορίες, με

προτεραιότητα στη συγκέντρωση πολλαπλών επιπέδων δεδομένων για τα νευρωνικά
δίκτυα για ανάλυση, σε αντίθεση με τα απλοϊκά στατιστικά μοντέλα με βάση τη
δημοσκόπηση.

4.5. Πύλη Oraculum

Ο κύριος αναπτυξιακός στόχος του 2019 θα είναι η πύλη Oraculum.

Θα επιτρέψει σε οποιονδήποτε να αγοράσει περιορισμένα δικαιώματα χρήσης στο

μοντέλο MAGOS και να λάβει συγκεκριμένες προβλέψεις στο επι λεγμένο πεδίο. Εάν το
επι λεγμένο πεδίο εφαρμογής έχει σχετική και πλήρως ανεπτυγμένη ενότητα MAGOS
(για παράδειγμα eSports), τα εσωτερικά κομμάτια δεδομένων MAGOS και οι βάσεις
δεδομένων θα χρησιμοποιηθούν για την παροχή μιας πρόβλεψης. Διαφορετικά, εάν δεν
εμπίπτει στην κατηγορία των ανεπτυγμένων ενοτήτων (και επομένως, εκτός της
«δυνατότητας δεδομένων» του MAGOS), μια προσωρινή ενότητα θα καταρτιστεί από
εξωτερική βάση δεδομένων, που παρέχεται από το ενδιαφερό μενο μέρος (και άλλες
πηγές). Όλα τα κέρδη που θα προκύψουν θα διανεμηθούν στους κατόχους νομισμάτων 1
της MAGOS.

Οι πιθανές περιπτώσεις χρήσης του Oraculum που θα απαιτήσουν προσωρινή συλλογή

1
Ειδικές λεπτομέρειες που περιγράφουν το ν μηχανισμό της πύλης Oraculum θα απελευθερωθούν πριν από την άλφα δοκιμή (ETA:
Q4 2018-Q1 2019).

18
στοιχείων θα περι λαμβάνουν: Αντιστάθμιση, Ασφάλιση και Προβλέψε ις Επιχειρήσεων.

Παραδείγματα χρήσης της πύλης Oraculum:

1) Αρχηγός της eSports Ομάδας A ενδιαφέρεται να αποκτήσει έναν νέο παίκτη. Θέλει
να επι λέξει έναν παίκτη που θα κατέχει την καλύτερη δυνατή αξία στην τρέχουσα
αγορά και θα ταιριάζει βέλτιστα στην τρέχουσα ομάδα του, μεγιστοποιώντας τα
δυνατά του και εξαλείφοντας τις αδυναμίες των άλλων παικτών. Η ενότητα
eSports χρησιμοποιείται για την πρόβλεψη της συνολικής αξίας της ομάδας του
σε πολλά σενάρια απόκτησης, πέρα από μια λεπτομερή στατιστική ανάλυση για
κάθε παίκτη.
2) Ο ερασιτέχνης παίκτης θέλει να προβλέψει έναν νικητή των τελικών Superbowl.
Με τη δαπάνη μικρού ποσού ETH, μπορεί να αποκτήσει πρόσβαση στη λεπτομερή
πρόβλεψη, με βάση την ήδη αναπτυχθείσα ενότητα Αθλητισμός.
3) Οι αναλυτές των χρηματιστηρίων θέλουν να χρησιμοποιήσουν το MAGOS για να
προβλέψουν τα έσοδα και την ανάπτυξη μιας εταιρείας. Χρησιμοποιεί την πύλη
Oraculum για να δημιουργήσει μια προσωρινή ενότητα παρέχοντας δεδομένα που
χρησιμοποιούνται για την κατασκευή μιας βάσης δεδομένων και θραυσμά των
δεδομένων και ως εκ τούτου λαμβάνει μια λεπτομερή πρόβλεψη.

Η σημαντική πτυχή της πύλης Oraculum θα είναι η ενσωμάτωση του ταμείου MAGOS
στο πρωτόκολλο Melon, όπως περιγράφεται στο 8.3. Ολοκληρώσεις.

19
 5. Πρόβλεψη
5.1. Προσέγγιση
5.1.1. Βασικά σ τοιχεία
Η πρόβλεψη που πραγματοποιείται από τον ανθρώπινο εμπειρογνώμονα είναι η
μετατροπή των συσσωρευμένων δεδομένων στην πιθανότητα εμφάνισης συμβάντος
χρησιμοποιώντας τις γνώσεις σχετικά με τη μηχανική και τις αλληλεπιδράσεις εντός
ενός συγκεκριμένου τομέα. Ενώ το νευρικό δίκτυο ουσιαστικά προσπαθεί να
προσομοιώσει αυτή τη διαδικασία αναζητώντας συνδέσεις μέσα στα δεδομένα που
διαθέτει, εξακολουθεί να υπάρχει μια σημαντική διαφορά που συχνά οδηγεί σε άνιση
διασπορά ακρίβειας μεταξύ αυτών των μεθόδων.

Για να εξηγήσουμε με μεγαλύτερη σαφήνεια, πρέπει να εισαχθούν δύο όροι γενικής

ικανότητας ρευστού (Gf ) και γενικής κρυσταλλοποιημένης ικανότητας (Gc). Όταν
εφαρμόζονται ειδικά στις προβλέψεις, αυτοί οι όροι μπορούν να οριστούν ως:

 (Gf ) - την ικανότητα ανάλυσης των δεδομένων και τον εντοπισμό των
σημαντικότερων συνδέσεων μέσα σε αυτό

 (Gc) - γνώση γνώσης ενός συγκεκριμένου τομέα.

Στο παράδειγμα της πρόβλεψης ενός αγώνα τένις, η (Gc) θα αντιπροσωπεύει τη γνώση
που έχουμε: τη συνολική δύναμη των παικτών, την ταχύτητα εξυπηρέτησης τους, το
ρεκόρ head-to-head ή ακόμα και ολόκληρη την ιστορία όλων των αγώνων
αντισφαίρισης παγκοσμίως.

(Gf ) θα ήταν η δυνατότητα να χρησιμοποιηθούν όλα αυτά τα δεδομένα με τον πιο

αποτελεσματικό τρόπο και να μεταφραστούν σε μια πολύ ακριβή πρόβλεψη,
γνωρίζοντας τι είναι σημαντικό και τι όχι.

Οι κορυφαίοι εμπειρογνώμονες του ανθρώπινου δυναμικού έχουν συνήθως πολύ

υψηλό (Gf ) και λογικό (Gc) και οι δύο τείνουν να μειώνονται με την πάροδο του χρόνου,
λόγω των πολλαπλών παραγόντων, όπως η αδυναμία απορρόφησης και
απομνημόνευσης όλων των δεδομένων τέλεια και η έκθεση στην γνωστική
προκατάληψη.

Τα απλά νευρωνικά δίκτυα τείνουν να έχουν υψηλό έως πολύ υψηλό επίπεδο (Gc), ένα
πιο σταθερό (Gf ), αλλά χαμηλότερο (Gf ) σημείο εκκίνησης, το οποίο μπορεί να εξηγηθεί
από την «άγνοια» του νευρικού δικτύου σε σχέση με τον τομέα που αναλύει .

Και οι δύο τύποι ικανοτήτων συσχετίζονται σε μεγάλο βαθμό όχι μόνο μεταξύ τους,
αλλά και με τη γενική απόδοση (ακρίβεια πρόβλεψης) ενός προγνώσ τη. Ένας ειδικός
προγνώστης με το επίπεδο ιδιοφυΐας (Gf ) θα μπορούσε να είναι πολύ

20
αναποτελεσματικός λόγω της έλλειψης δεδομένων σε ένα συγκεκριμένο τομέα, γι 'αυτό
ολοένα και περισσότεροι ειδικοί στηρίζονται όχι μόνο σε προγνωστικά μοντέλα ή
νευρωνικά δίκτυα αλλά και σε λογισμικό παρακολούθησης δεδομένων και τις βάσεις
δεδομένων.

Εικ.5.1. Απόδοση χρόνου: ανθρώπινος εμπειρογνώμονας (αριστερά) έναντι απλού νευρικού

δικτύου (δεξιά)

5.1.2. Βασικοί συντελεστές

Το 2011, το ερευνητικό σκέλος της Κοινοπραξίας Πληροφοριών (IARPA) ή η

Δραστηριότητα Έρευνας Προηγμένων Ερευνητικών Υπηρεσιών (Intelligence Advanced
Research Activities Activity) χρηματοδότησε ένα τεράστιο πρωτάθλημα πρόβλεψης. Ο
σκοπός ήταν να αποκαλυφθούν οι καλύτερες μέθοδοι για την πραγμ ατοποίηση των
προκλητικών προβλέψεων που αντιμετωπίζουν καθημερινά οι αναλυτές πληροφοριών.

Στο τουρνουά κυριαρχούσε το έργο Good Judgment Project (GJP), που συν-
δημιουργήθηκε από τον Philip E. Tetlock, την επιστήμονα αποφάσεων Barbara Mellers και
τον Don Moore. Στην πραγματικότητα, η υπεραπόδοση ήταν τόσο καλή που η IARPA
έπεισε τις άλλες ομάδες να επικεντρωθούν στις μεθόδους και τα αποτελέσματα του GJP.

Οι κορυφαίοι 60 συμμετέχοντες, οι οποίοι είχαν εξαιρετικά υψηλή ακρίβεια,

ονομάστηκαν υπερηχογράφοι. Αυτά τα άτομα ήταν τόσο καλοί στην πρόβλεψη
γεγονότων που οι απαντήσεις τους ήταν σχεδόν 30% ακριβέστερες από εκε ίνες των
πρακτόρων καριέρας [Παραρτ. Β. 8].

Στο βιβλίο του, «Superforecasting: Η τέχνη και η επιστήμη της πρόβλεψης», ο Tetlock
μι λάει για τα διακριτικά χαρακτηριστικά ενός «υπερηγορητή», αυτά είναι:
1) Υψηλό επίπεδο (Gf ), τουλάχιστον μία τυπική απόκλιση υψηλότερη από τον γενικό
πληθυσμό
2) Περισσότερο σχετικό με το συγκεκριμένο τομέα (Gc)
3) Η επιθυμία να ανταποκριθεί γρήγορα σε νέα στοιχεία
4) Υψηλή κατανόηση των παγίδων πιθανότητας και κρίσης (όπως η προκατάληψη
επιβεβαίωσης) [Παραρτ. Β. 9].

21
 5.1.3. Λύση

Δεδομένου ότι ο στόχος μας είναι να επιτύχουμε την καλύτερη δυνατή ακρίβεια
προβλέψεων και είναι σαφές πόσο σημαντική είναι η (Gf ) (καθώς και άλλοι βασικοί
παράγοντες που περιγράφονται από τον Tetlock), πρέπει να βρούμε μια προσέγγιση που
να μας επιτρέπει:

1) Να έχουμε ένα πολύ υψηλό επίπεδο (Gc), συμπερι λαμβανομένου του επιπέδου
βάθους σε έναν εξειδικευμένο τομέα, που επιτυγχάνεται όχι μόνο με πολλαπλές
πηγές εξόρυξης δεδομένων και μείωσης του θορύβου, αλλά και με
προσαρμοσμένες μη δημόσιες βάσεις δεδομένων που δημιουργούνται από την
ομάδα μας
2) Ο συνδυασμός του υψηλού (Gf ) σημείου εκκίνησης που βρίσκεται στην
ανθρώπινη εμπειρογνωμοσύνη, με τη σταθερότητα και την αυτοεπεξεργασία
των νευρωνικών δικτύων που γίνεται με το «σχέδιο» της γνώσης των
εμπειρογνωμόνων σε ένα δεδομένο τομέα και τη μεταφορά του σε τμήματα
δεδομένων μέσα σε ένα συγκεκριμένο , όπως περιγράφεται στο σημείο 3.3.
Αρθρωτή τεχνολογία
3) Να ενσωματωθεί η αυτοεπεξεργασία και οι συνεχείς αναβαθμίσεις στο σύστημα
που καλύπτεται από τη συνεργασία των δικτύων, την αρθρωτή αρχιτεκτονική
και την απελευθέρωση του δικτύου Melius που είναι υπεύθυνο για τον αυτόματο
συντονισμό και την παρακολούθηση της απόδοσης
4) Να αποφευχθούν όλα τα είδη γνωστικών προκαταλήψεων σε μια διαδικασία
πρόβλεψης που επι λύθηκε με τη μεταφορά της ανάλυσης δεδομένων από
ανθρώπους εμπειρογνώμονες σε νευρωνικά δίκτυα.

Συμπερασματικά, η συνεργασία των νευρωνικών δικτύων στην τρέχουσα υλοποίη σή

μας μας επιτρέπει να επιτύχουμε τις υψηλότερες δυνατές προβλέψεις με το υψηλό
επίπεδο βιωσιμότητας, καλύπτοντας όλα τα βασικά χαρακτηριστικ ά που κατέχουν οι
«υπερπροβλέποντες».

5.2 Αναζήτηση άκρης (Edge)

Το "Edge" είναι ένα πλεονέκτημα που έχει ένας προβλέποντας πάνω από σε αυτούς που
βγάζουν τις πιθανότητες (oddsmakers).

Η πρόκληση για κάθε προβλέποντα είναι να κερδίσει αυτό το πλεονέκτημα σε σχέση με

όποιον θέτει το στοίχημά του, είτε πρόκειται για αγορά πρόβλεψης, αθλητικό στοίχημα,
ανταλλαγή ή άλλο συμβαλλόμενο μέρος. Αυτό ονομάζεται «να πάρει μια άκρη».

Όταν αποδίδονται αποδόσεις σε ένα συγκεκριμένο γεγονός, οι παίκτες αποδόσεων

υποδεικνύουν τι πιστεύουν ότι είναι πιθανό ένα δεδομένο αποτέλεσμα. Αν ο
προβλέποντας πιστεύει ότι ένα γεγονός όπως μια ομάδα που κερδίζει το παιχνίδι ή
καλύπτει την εξάπλωση - είναι πιο πιθανό από ό,τι οι μονομαχίες τότε θα έχει ένα

22
πλεονέκτημα. Μακροπρόθεσμα, το στοίχημα σε τέτοια γεγονότα (δεδομένου ότι ο
παίκτης είναι σωστός για την πιθανότητα του αποτελέσματος) αποφέρ ει κέρδος.

Γενικά, μια άκρη υλοποιείται όταν πραγματοποιούνται μία ή περισσότερες από

ορισμένες συνθήκες. Θα περιγράψουμε αυτές τις συνθήκες και τι κάνει το MAGOS για
να αυξήσει την πιθανότητα εμφάνισής τους:

1) Οι αποδόσεις του προβλέποντα είναι πιο ακριβείς από προεπι λογή

Αυτό επιτυγχάνεται με την ύπαρξη ενός ανώτερου προγνωστικού μοντέλου

συνολικά. Το πρώτο εξάμηνο πρέπει να πάρει τα καλύτερα δεδομένα - αυτό
απευθύνεται στο MAGOS έχοντας ένα ολόκληρο νευρωνικό δίκτυο αφιερωμένο
στην εξόρυξη δεδομένων, το φι λτράρισμα θορύβου και την ταξινόμηση των
δεδομένων. Επιπλέον, οι μέθοδοι απεικόνισης δεδομένων, που περιγράφονται
στο σημείο 4.1. Αθλητικά και προσαρμοσμένες μη δημόσιες βάσεις δεδομένων
αυξάνουν ακόμη περισσότερο την ακρίβεια των αποδόσεών μας.

Αλλά απλώς να καταλάβετε καλύτερα δεδομένα δεν αρκεί. Εάν κάποιος θέλει να
μεγιστοποιήσει την άκρη, τα εργαλεία ανάλυσης πρέπει να είναι καλύτερα - τα
άλλα δίκτυα είχαν ως στόχο να μεγιστοποιήσουν την άκρη που αποκτήθηκε από
τα ανώτερα δεδομένα με μηχανισμούς όπως η ανάλυση πολλαπλών στρωμάτων,
ο αυτόματος συντονισμός και άλλοι βασικοί μηχανισμοί, όπως είναι: 3.Τεχνολογία.

Εκτός από τους oddsmakers που έχουν λιγότερα δεδομένα και μικρότερο βάθος
ανάλυσης, πολύ συχνά οι γραμμές έχουν οριστεί για να καθορίσουν ίσο ποσό
στοιχημάτων σε κάθε πλευρά, όχι απαραίτητα να προβλέψουν τον νικητή. Το
κέρδος τότε έγινε ανεξάρτητα από το ποια πλευρά κερδίζει από τις μικρές
πρόσθετες πιθανότητες που χρεώνονται (ονομάζεται «vig» ή «χυμός») για μια ίση
αποπληρωμή. Αυτό μειώνει εν μέρει τον ανταγωνισμό μεταφέροντας την εστίαση
από το oddsmaker στο πλήθος.

Τέλος, η βέλτιστη κατανομή των πόρων MAGOS, συμπερι λαμβανομένων των

μετεγκαταστάσεων στις αγορές που προσφέρουν τη βέλτιστη απόδοση της
επένδυσης (ROI), είναι έργο του δικτύου Strategus (συνήθως, οι εξειδικευμένες και
ανεξερεύνητες αγορές παρέχουν περισσότερες δυνατότητες για τους
προβλέποντες να κερδίσουν πλεονέκτημα).

2) Η γραμμή του Oddsmaker είναι κοντά στην ακριβή, αλλά μεταφέρθηκε σε ευνοϊκή
κατεύθυνση από ένα απληροφόρητο κόμμα

Μια γραμμή θα μπορούσε να ρυθμιστεί ώστε να αντικατοπτρίζει με ακρίβεια τον

νικητή, χωρίς να αφήνει άκρη για να κερδίσει ο προβλέποντας. Ωστόσο, η
προκατάληψη του πλήθους ή του ανεπίσημου κόμματος μπορεί να μετακινήσει
τη γραμμή στην κερδοφόρα περιοχή.

23
 Παράδειγμα: Οι «αληθινές» αποδόσεις της Ομάδας Α που καταστρέφουν την
Ομάδα Β είναι 50%, η οποία αντανακλάται από τη γραμμή στις αγορές, η
πρόβλεψη του MAGOS για την Ομάδα Α είναι το ίδιο 50%, οπότε η αρχική άκρη
απουσιάζει. Ωστόσο, η δημοτικότητα της Ομάδας Β προσελκύει ερασιτέχνες
παίκτες και η γραμμή κινείται στο 40% για την Ομάδα Α / 60% για την Ομάδα Β,
επιτρέποντάς μας να πραγματοποιήσουμε μια άκρη κατά τη διάρκεια αυτού του
χρονικού πλαισίου.

Το αποτέλεσμα ενισχύεται από τη χρήση στρατηγικού δικτύο υ με ενσωματωμένη

παρακολούθηση γραμμών.

3) Η γραμμή μετακινείται κατά τη διάρκεια ζωντανών στοιχημάτων και σταθμίζεται

υπο-βέλτιστα από τον oddsmaker ή το πλήθος

Μερικές φορές η άκρη μπορεί να πραγματοποιηθεί μόνο κατά τη διάρκεια του

ίδιου του αγώνα (σε παιχνίδι). Τα πρώιμα πλεονεκτήματα και οι σημαντικές
δράσεις μπορούν να ερμηνευθούν εσφαλμένα ή να επιβαρύνονται εσφαλμένα
από τις αγορές.

Παράδειγμα: κατά τη διάρκεια ενός αρχικά ισόρροπου αγώνα eSports, η ομάδα Α

κερδίζει σημαντικό πλεονέκτημα και η υπερβολική αντίδραση των αγορών θέτει
τις πιθανότητές τους να κερδίσουν στο 90%. Αυτό οφεί λεται στην έλλειψη
δεδομένων σχετικά με την ικανότητα της ομάδας Α να κρατά και να μεταφράζει
οδηγούς σε νίκες. Λαμβάνοντας αυτές τις πληροφορίες, το MAGOS προβλέπει
πιθανότητες να κερδίσει η ομάδα Β στο 25%, δημιουργώντας ένα πλεονέκτημα.

4) Διασταυρούμενη ανάλυση

Η άκρη θα μπορούσε να κερδηθεί ή να αυξηθεί με την εκτέλεση της

αλληλοσυνδεόμενης ανάλυσης. Παραδείγματος χάριν, συσχετίζοντας τον κακό
καιρό με το χαμηλό σκορ στο ράγκμπι και επικεντρώνοντας στη μακροπρόθεσμη
πρόβλεψη, είναι δυνατό να προβλέψουμε τον κακό καιρό και να αποκτήσουμε
ένα πλεονέκτημα σε σχέση με τα συνολικά στοιχήματα.

5) Γίνε ο oddsmaker

Η έλλειψη πλεονεκτημάτων σε ορισμένες εκδηλώσεις, καθώς και η πε ριστασιακή

χαμηλή ρευστότητα στις αγορές μπορούν να λυθούν με τη μετατροπή του MAGOS
στον παίκτη oddsmaker. Αυτή η λύση θα είναι πιο πολύτιμη με την περαιτέρω
ανάπτυξη αποκεντρωμένων αγορών πρόβλεψης.

24
 6. Απόδοση
6.1. Πρώιμες δοκιμές 2015-2016
Οποιοδήποτε μοντέλο μπορεί να αποδειχθεί αποτελεσματικό μόνο με εκτεταμένες
δοκιμές σε πραγματικές συνθήκες. Η πρώτη δοκιμή του MAGOS ξεκίνησε στις αρχές του
2015, αμέσως μετά την απελευθέρωση του πρωτότυπου νωτιαίου δικτύου. Οι
περισσότερες προβλέψεις αφορούσαν αγορές eSports, για τους λόγους που
περιγράφονται στο σημείο 4.2. eSports. Οι στόχοι μας για την περίοδο των πρώτων
δοκιμών ήταν να λάβουμε μια κατά προσέγγιση κρίση της απόδοσης του MAGOS και να
αποκτήσουμε ένα μεγάλο μέγεθος δείγματος των στοιχημάτων που θα μας βοηθούσε
στην περαιτέρω ανάπτυξη των δικτύων 2.

Για τις μεθόδους στοιχημάτων μας, χρησιμοποιήσαμε ένα συνδυασμό τόσο ευθέων
στοιχημάτων όσο και "parlays" (ένα στοίχημα που συνδέει μαζί δύο ή περισσότερα
μεμονωμένα στοιχήματα και εξαρτάται από όλα αυτά τα στοιχήματα που κερδίζουν
μαζί), με επαρκές επίπεδο απόδοσης και στις δύο κατηγορίες.

Τα πιο αξιοσημείωτα πρωταθλήματα MAGOS κερδίζουν κατά τη διάρκεια αυτής της

περιόδου περι λαμβάνουν 3:

 13 στοιχήματα Parlay με πιθανότητες 616-προς-1 [Παραρτ. Α'1]

 16 στοιχήματα Parlay με πιθανότητες 116 προς 1 (κέρδος 10 BTC) [Παραρτ. Α2]
 16 στοιχήματα Parlay με πιθανότητες 74 προς 1 [Παραρτ. Α. 3]

Κατά το πρώτο εξάμηνο του 2016, συνεχίσαμε να χτίζουμε το δείγμα των στοιχημάτων
μας. Ταυτόχρονα, συνεχίστηκε η ανάπτυξη διαφόρων ενοτήτων, με ορισμένες από τις
οποίες κατέληξε στο συμπέρασμα ότι ήταν κατάλληλες για τις δοκιμές (οι περισσότερες
από τις μονάδες σε αυτό το στάδιο εξακολουθούν να παραμένουν υποανάπτυκτες).

Μέχρι το τέλος του 2016, συγκεντρώσαμε αρκετά στατι στικά στοιχεία και
αποτελέσματα από τις προβλέψεις μας για να ολοκληρώσουμε την ανάπτυξη του
δικτύου Strategus. Ταυτόχρονα, η συνολική διάρκεια του δείγματος των στοιχημάτων
MAGOS ξεπέρασε σχεδόν τα 2 ολόκληρα χρόνια.

Τα βασικά στατιστικά στοιχεία του MAGOS μέχρι τα τέλη του 2016:

 Μέγ. ROI σε όλες τις δοκιμασμένες ενότητες: 24%

 Μέγ. χωρητικότητα υπο-ενότητας: 75 μονάδες / μήνα
 Μέγ. μέγεθος μονάδας στοίχημα: 0,4 μονάδες
 Τα στοιχήματα που έχουν τοποθετηθεί σε «αουτσάιντερ» 4 3: 30%

2
Τα δεδομένα που αποκτήσαμε κατά τη διάρ κεια τω ν πρώτων δοκιμών χρησ ιμοποιήθηκαν για την ανάπτυξη του δικτύου
Strate gus.
3
Το Nitrogenspo rts είναι ένα από τα μεγαλύτερα sportsbooks που λειτουργούν από το 2012. Η MAGOS AI δεν συνδέεται με τα
Nitro gensports με οποιο νδήποτε τρόπο
4 «Unde rdo g» αναφέρ εται σ την ο μάδα ή έναν παίκτη που θεωρείται ότι έχει λιγότερο από 50% πιθανότητα να κερδίσει από τον
oddsmaker. Δεν είναι ασυνήθισ το το «un derdo g» του oddsmaker να γίνει αντι ληπτό ως αγαπημένο από το ν MAGOS.

25
  Ακρίβεια δικτύου MAGOS: 72%
 Ποσοστό επιτυχίας 64% 5

6.2. Ανοιχτά τεστ το 2017

Το 2017, μετά την απελευθέρωση της πρώτης υπομονάδας (Dota 2), πραγματοποιήσαμε
μια ανοικτή δοκιμασία του MAGOS.

Τα αποτελέσματα και τα λεπτομερή στατιστικά στοιχεία της δοκιμής μπορούν να

προβληθούν και να ελεγχθούν από οποιονδήποτε 6.

Συνθήκες της δοκιμής:

 Πλατφόρμα: FansUnite - μια πλατφόρμα πρόβλεψης αθλήματος που ειδικεύεται

στην επι λογή αθλοπαιδιών για την ανάπτυξη προγνωστικών μοντέ λων και
αναλύσεων δεδομένων [Παραρτ. Β. 10] 7
 Κατηγορία: eSports Dota 2
 Συνολικό bankroll: 250 μονάδες
 Μέγιστο στοίχημα ανά συμβάν: 5 μονάδες 8
 Διάρκεια: 4 μήνες

Αποτελέσματα του τεστ: [Παραρτ. Α.5]

 Συνολικά στοιχήματα: 297

 Ποσοστό νίκης: 67% (198 κερδισμένα στοιχήματα)
 Μονάδες που στοιχηματίστηκαν: 549
 Μέγ. χωρητικότητα μονάδας: 137 μονάδες / μήνα
 Μέγ. αποδόσεις: 2.00 (πιθανές αποδόσεις)
 Μέγ. μηνιαίο κέρδος: 38,3 μονάδες
 Συνολικό κέρδος (σε μονάδες): 153.18
 ROI: 27,9%
 Κατάταξη eSports: # 1

5
«Ακρίβεια » αναφέρεται σ την ικανότητα ενός νευρικού δικτύου να προβλέψει έναν νικητή. Το « Winrate» είναι ένα ποσοσ τό που
κερδίζει το MAGOS. Η διαφορά μεταξύ αυτών τω ν μεταβλητών προέρχεται από γεγονότα , σ τα οποία ο MAGOS επι λέγει το σωσ τό
νικητή, αλ λά τοπο θετεί ένα σ τοίχημα σ τους υποτιμημένους σ τις προσφερόμενες αποδόσ εις.
Παράδειγμα: Ο Oddsmaker θέτει τις πιθανότητες της Ομάδας Α να κερδίσει την Ομάδα Β στο 80%. Το MAGOS προβλέπει ότι η
Ομάδα Α είναι το 65% αγαπημένο για να κερδίσει, προβλέποντάς τους ως νικητή, αλλά τοποθετεί ένα μικρό στοίχημα αξίας στην
Ομάδα Β.
6
Για την προβολή των δεδομένων απαιτείται δωρεάν εγγραφή στο FansUnite.com.
7
Το MAGOS AI δεν συνδέεται με την FansUnite με οποιονδήποτε τρόπο.
8
Το μέγισ το σ τοίχημα, καθώς και το μέγεθος του bank roll, είναι οι εσωτερικές παράμετροι της πλατφόρμας FansUnite και δεν
έχουν ρυθμισ τεί ή επηρεασ τεί από το MAGOS AI.

26
27
 Βασικά σημεία και συμπεράσματα:

1) Ως αποτέλεσμα της δοκιμής, το MAGOS εμφάνισε σημαντικό πλεονέκτημα στις

αγορές eSport, τοποθετώντας το # 1 με ROI% σε όλες τις προβλέψεις eSports με
100 στοιχήματα ή περισσότερα [Παραρτ. Α. 6]

2) Η απόδοση επένδυσης 27,9% έδειξε ένα μεγάλο χάσμα απόδοσης μ εταξύ του
MAGOS και του υπόλοιπου διαγωνισμού, ενώ ο MAGOS σχεδόν διπλασιάζει την
απόδοση επένδυσης (ROI) του πλησιέστερου ανταγωνιστή που έβαλε το # 2 στο
leaderboard

3) Το 66,67% κερδίζει, σύμφωνα με εικασίες με τις μέσες πιθανότητες απόδοσης 2,00,

δείχνει τη συνέπεια του MAGOS στην πρόβλεψη νικητών με «ίσες αποδόσεις»

4) Το MAGOS είχε ένα από τα χαμηλότερα μεγέθη του μέσου στοιχήματος στους 10
κορυφαίους forecasters του eSports, γεγονός που μεταφράζεται σε πολύ
μικρότερο κίνδυνο σε σύγκριση με τις μεθόδους πονταρίσματος του
ανταγωνισμού

5) Η τελική έκδοση του υποτομέα Dota 2 πριν από την Open Test παρουσίασε
σημαντική αύξηση στην απόδοση του MAGOS, αυξάνοντας όλα τα βασικά
στατιστικά στοιχεία όπως το ROI και το ποσοστό νικών με αξιοσημείωτο
περιθώριο

6) Παράλληλα με την ανοιχτή δοκιμασία, οι προβλέψεις του MAGOS εξακολούθησαν

να εφαρμόζονται σε «πραγματικές» αγορές και αθλητικές χαρτοπαικτικές λέσχες.

Εικ.6.4. Παράδειγμα πρόβλεψης του MAGOS eSports το 2017 [Παραρτ. Α. 4]

28
 6.3. Σύγκριση
Ο παρακάτω πίνακας περιγράφει τα βασικά χαρακτηριστικά πρόβλεψης και τα
συγκρίνει μεταξύ του MAGOS, των ανθρώπινων προβλέψεων και των εναλλακτικών
προγνωστικών μοντέλων:

 ROI: Απόδοση επένδυσης, που συσχετίζεται άμεσα με τη συνολική ποιότητα ενός

μοντέλου πρόβλεψης
 Ακρίβεια: Γενική ικανότητα ενός μοντέλου να προβλέψει την έκβαση ενός
γεγονότος. Η υψηλή ακρίβεια στον εαυτό της δεν μεταφράζεται πάντοτε σε
υψηλή απόδοση επένδυσης
 Βιωσιμότητα: Δυνατότητα ενός μοντέλου να παράγει βιώσιμες προβλέψεις χωρίς
απώλεια ποιότητας
 Χωρητικότητα: Δείχνει πόσες εκδηλώσεις μπορεί να προβλέψει ένα μοντέλο σε
ένα δεδομένο χρονικό παράθυρο
 Ανταπόκριση: Η ικανότητα του μοντέλου να προσαρμόζεται και να αυτο -
συντονίζεται σε νέα δεδομένα
 Απόκτηση δεδομένων: Ποιότητα και ποσότητα των βάσεων δεδομένων, εξόρυξη
δεδομένων και ικανότητες οπτικοποίησης δεδομένων
 Βάθος ανάλυσης: Δυνατότητα ανίχνευσης εξαρτήσεων σε πολλαπλά επίπεδα
δεδομένων και μετατροπή της σε πρόβλεψη
 Διαχείριση κινδύνων: Περι λαμβάνει μετρήσεις κινδύνου και βελτιστοποιήσεις,
αναγνώριση ανεπάρκειας δεδομένων και εκτιμήσει ς μεταβλητότητας.

29
 7. Μερίδια (Τoken)
Τα μερίδια MAGOS («MAG») είναι μάρκες ERC-20 που εκδίδεται σε blockchain του
Ethereum. Αποτελεί βασική συνιστώσα του MAGOS και έχει σχεδιαστεί για να παρέχει
τα μέγιστα οφέλη στους κατόχους του και να εξασφαλίζει ευέλικτο έλεγχο της εξέλιξης
του έργου. Το MAG δημιουργείται κατά την περίοδο πώλησης μαρκών (όπως
περιγράφεται στο 9. Πώληση μαρκών) και θα αποδοθούν δύο τύποι λειτουργιών που
περιγράφονται παρακάτω: μερίσματα και ψηφοφορία.

7.1 Μερίσματα

Όλοι οι κάτοχοι μαρκών θα έχουν τη δυνατότητα να ζητούν μηνιαία μερίσματα από την
πρόβλεψη του MAGOS. Το τέλος κάθε μήνα θα αρχίσει μια περίοδο 5 ημερών «κλείδωμα
μαρκών», κατά τη διάρκεια της οποίας οι κάτοχοι θα μπορούν να απαιτήσουν το
μερίδιό τους από τα μερίσματα. Ο λεπτομερής οδηγός και οδηγίες για διάφορους
πελάτες της Ethereum θα δημοσιευθούν πριν από την πρώτη κατανομή κερδών του
MAGOS το τέταρτο τρίμηνο του 2017 στον επίσημο ιστότοπο.

7.1.1. Μηχανισμός

Η πηγή των κερδών θα είναι οι πράξεις του ταμείου MAGOS. Ένα σύστημα νευρωνικών
δικτύων, που εργάζονται σε συνεργασία (όπως περιγράφεται στην 2. Τεχνολογία),
μεταφράζεται στο μοντέλο πρόβλεψης που λειτουργεί σε πολλαπλές πλατφόρμες:
Κεντρικές αγορές πρόβλεψης, Αθλητικά βιβλία, Αποκεντρωμένες αγορές πρόβλεψης,
Αποκεντρωμένες ανταλλαγές. Τα κέρδη μεταφέρονται σε έξυπνο συμβόλαιο Ethereum
με την ακόλουθη μηνιαία διανομή:

 Το 85% πηγαίνει στους κατόχους των συμβόλων και μπορεί να ανακτηθεί κατά
τη διάρκεια της περιόδου των 5 ημερών "κλείδωμα μαρκών"
 Το 10% επανεπενδύεται ξανά στο ταμείο MAGOS, αυτό παρέχει συστηματική
ανάπτυξη του ταμείου που ωφελεί όλους τους μετόχους μακροπρόθεσμα
 Το 5% είναι λειτουργικό κόστος.

Η περιοχή των πλατφορμών στις οποίες λειτουργεί το ταμείο MAGOS θα επεκταθεί

σταδιακά. Το 2017 η κύρια πηγή των κερδών θα δαπανηθεί για αγορές αθλητικών
στοιχημάτων και συμβατικών προγνωστικών. Το 2018, το επίκεντρο θα μετατοπιστεί
στις αγορές αποκεντρωμένης πρόβλεψης στο block-chain Ethereum (Gnosis, Augur, Stox
και άλλοι) και στις αποκεντρωμένες ανταλλαγές (OpenANX, 0x, CyberNetwork κ.λπ.).

Η ενσωμάτωση με το Melonport θα αποτελέσει επίσης μείζονα στόχο του 2018. Θα μας

επιτρέψει να αναβαθμίσουμε το ταμείο MAGOS και να το μετατρέψουμε σε πλήρως
ελεγχόμενο ταμείο με διαφανή ιστορικό. Αυτή η ενσωμάτωση θα αποτελέ σει επίσης ένα
βήμα για την εξέλιξη της φήμης του MAGOS σε ένα νέο επίπεδο, το οποίο θα αυξήσει
σημαντικά την αποτελεσματικότητα των μελλοντικών εκδόσεων του MAGOS.

30
Με βάση αυτή τη φήμη, αναμένουμε να κυκλοφορήσουμε την πύλη Oraculum το 2019.
Θα λειτουργήσει ως πρόσθετη και ανεξάρτητη πηγή εσόδων για το ταμείο MAGOS (η
διανομή που περιγράφεται παραπάνω θα ισχύει και για όλα τα κεφάλαια που
εισπράττονται από τη λειτουργία της πύλης Oraculum).

7.1.2. Πρόβλεψη κέρδους

Οι προβολές της απόδοσης του MAGOS είναι εξαιρετικά κερδοσκοπικές, αλλά

εξακολουθούν να βασίζονται σε ένα μεγάλο δείγμα δοκιμών απόδοσης και μπορούν να
κατανοήσουν καλύτερα τους διάφορους μοχλούς και τα πιθανά αποτελέσματα του
έργου MAGOS.

Βάσει των αποτελεσμάτων προηγούμενων επιδόσεων, συμπερι λαμβανομένου του

πρόσφατου τεστ MAGOS (όπως περιγράφεται στην ενότητα 6. Απόδοση), κάναμε
κάποιες προβολές για τους επόμενους 12 μήνες, δεδομένων των εξής:

1) Τρία διαφορετικά σενάρια χρηματοδότησης

2) Το αναμενόμενο εύρος της κατανομής ROI
3) Ορισμένο μέγεθος μονάδας (μπορεί να αλλάξει αργότερα επικαλούμενος
μηχανισμό ψηφοφορίας MAG)
4) Προβλεπόμενη χωρητικότητα μονάδων και αριθμός μονάδων που
απελευθερώνονται κατά τους επόμενους 12 μήνες.

Οι «μονάδες κέρδους» είναι το πιο σημαντικό στατιστικό στοιχείο για την αξιολ όγηση
μιας απόδοσης μοντέλου επιχειρησιακής πρόβλεψης. Το ταμείο MAGOS χρησιμοποιεί
ένα μέγεθος μονάδας 0,45% και ένα μέγιστο μέγεθος στοιχήματος 1 μονάδας. Αυτό
σημαίνει ότι εάν το συνολικό ποσό των χρημάτων λειτουργίας είναι 1.000 ETH τότε το
μέγιστο ποσό ETH που θα στοιχηματίσει το αμοιβαίο κεφάλαιο MAGOS σε ένα μόνο
γεγονός θα είναι ίσο με 4.5 ETH. Μηνιαίο κέρδος 20 μονάδων θα σημαίνει 90 ETH, και
ούτω καθεξής.

Τα αναμενόμενα περιθώρια ROI με εκχωρημένες πιθανότητες αντλούνται από

προηγούμενες επιδόσεις και δοκιμές MAGOS, με επιπλέον αρνητική μεταβλητότητα
στην κορυφή για κάθε περίπτωση. Επιπλέον, δεδομένου του βαθμού αβεβαιότητας στις
νέες ενότητες, καθώς και της πιθανότητας αντιμετώπισης μιας πολύ πιο σκληρής
αγοράς, οι «μέσοι μέσοι» μήνες με 8% ROI προστίθενται στις προβλέψεις μας.

 8% ROI - πιθανότητα 1/6

 18% ROI - πιθανότητα 1/3
 24% ROI - πιθανότητα 1/3
 29% ROI - πιθανότητα 1/6

Η χωρητικότητα της μονάδας σημαίνει πόσες εκδηλώσεις με μια άκρη που μπορεί να
εντοπίσει μια συγκεκριμένη ενότητα και πόσες μονάδες θα επενδυθούν ανά μήνα ως
αποτέλεσμα. Πολλοί παράγοντες μπορούν να επηρεάσουν την ικανότητα των μονάδων,

31
όπως: η ποιότητα της ενότητας, η δημοτικότητα της αγοράς που στοχεύει και οι
τρέχουσες συνθήκες της αγοράς (κατά τη διάρκεια των εκτός εποχών περίοδων, ο
αριθμός των επενδυμένων μονάδων μειώνεται).

Το εύρος των μονάδων που επενδύονται ανά μήνα κυμαίνεται μεταξύ 60 και 90 και η μέση
τιμή των 75 μονάδων / μήνα αντιστοιχεί σε κάθε απελευθερωμένη ενότητα στις προβολές
μας. Τέλος, τα 3 σενάρια χρηματοδότησης θα διαφοροποιηθούν ανάλογα με το ποσό
χρηματοδότησης που θα λάβει το MAGOS: 6.000 ETH στο σενάριο «ελάχιστο στόχο»,
12.000 ETH στο σενάριο «μέσου» και 22.640 ETH στο «μέγιστο όριο».

A. Σενάριο ελάχιστου στόχου:

Σύνολο ETH που ελήφθησαν: 6.000 ETH
Επιχειρησιακό ταμείο: 6000 * 0,57 = 3,420 ETH
Μέγεθος μονάδας: 3420 * 0,45% = 15,4 ETH
Μονάδες λειτουργίας κατά τους επόμενους 12 μήνες: 6
Μονάδες που επενδύονται ανά μήνα: 75-450
Μηνιαία διακύμανση ROI: 8-29%
Συνολικό ετήσιο κέρδος: 750 μονάδες ή 11.562 ETH

B. Σενάριο μέσου στόχου:

Σύνολο ETH που ελήφθησαν: 12.000 ETH
Επιχειρησιακό ταμείο: 12000 * 0,57 = 6,840 ETH
Μέγεθος μονάδας: 6840 * 0,45% = 30,8 ETH
Μονάδες λειτουργίας κατά τους επόμενους 12 μήνες: 6
Μονάδες που επενδύονται ανά μήνα: 75-450
Μηνιαία διακύμανση ROI: 8-29%
Συνολικό ετήσιο κέρδος: 750 μονάδες ή 23,123 ETH

C. Σενάριο μέγιστου στόχου:

Σύνολο ETH που ελήφθησαν: 22.640 ETH
Επιχειρησιακό ταμείο: 22640 * 0,57 = 12,905 ETH
Μέγεθος μονάδας: 12905 * 0,45% = 58,1 ETH
Μονάδες λειτουργίας κατά τους επόμενους 12 μήνες 9: 7
Μονάδες που επενδύονται ανά μήνα: 75-525
Μηνιαία διακύμανση ROI: 8-29%
Συνολικό ετήσιο κέρδος: 855 μονάδες ή 49.590 ETH

9
Το καλύτερο σενάρ ιο χρηματοδότησης θα μας επιτρ έψει να απελευθερώσουμε 1 επιπλέο ν ενότητα μπροσ τά από το
χρονοδιάγραμμα με μεγάλη πιθανότητα.

32
 Εικ.7.1. Προβλέψεις κέρδους ενός έτους, που βασίζονται σε τρία σενάρια
χρηματοδότησης

Μπορούμε να δούμε παράγοντες που μπορούν να επηρεάσουν σε μεγάλο βαθμό

την απόδοση και την κερδοφορία του MAGOS, οι περισσότεροι από τους οποίους
συσχετίζονται μεταξύ τους, όπως το ποσό χρηματοδότησης και ο συνολικός
αριθμός των μονάδων που απελευθερώνονται εγκαίρως. Ένας επιπλέο ν θετικός
παράγοντας που αφέθηκε εκτός της προβολής είναι η αύξηση του λειτουργικού
ταμείου που οδηγεί σε μεγαλύτερο μέγεθος μονάδας, καθώς και η δυνατότητα
αύξησης του μεγέθους της μονάδας με μηχανισμό ψηφοφορίας.

7.2. Ψηφοφορία

Μέχρι το τέλος κάθε τριμήνου, οι μάρκες MAG θα εισέλθουν σε μια ειδική

«περίοδο κλειδώματος» 7 ημερών. Κατά τη διάρκεια αυτής της εβδομάδας, οι
κάτοχοι θα έχουν την επι λογή να επικαλούνται τα δικαιώματα ψήφου τους και
να αλλάζουν ορισμένες παραμέτρους στο πλαίσιο του MAGOS, που
περιγράφονται παρακάτω. Ο μηχανισμός αυτός θα εφαρμοστεί για να
διασφαλίσει τη βέλτιστη εξέλιξη του έργου και να ακολουθήσει το όραμα που θα
ωφελήσει την πλειοψηφία των κατόχων.

Επιπλέον, πρέπει να σημειώσουμε τρία πράγματα:

1) Οι αλλαγές στις ψηφοφορίες περιορίζονται σε ένα ορισμένο εύρος

ενσωματωμένων θέσεων. Για παράδειγμα, το ποσοστό των κερδών που
επανεπενδύθηκαν στο ταμείο MAGOS μπορεί να μειωθεί από 10 σε 2,5%,
αλλά όχι στο 0%.

2) Πριν από την περίοδο των ψηφοφοριών, η ομάδα μας θα εκδώσει

λεπτομερή τριμηνιαία έκθεση, με προσωπική σύσταση για τον τρόπο με τον

33
 οποίο θα ακολουθήσει πιθανές αλλαγές. Αυτό θα βασίζεται στην ανάλυση
και την εμπειρογνωμοσύνη, λαμβάνοντας υπόψη όλα τα πλεονεκτήματα
και τα μειονεκτήματα, με στόχο την επίτευξη πιο ενημερωμένης και
βέλτιστης απόφασης.

3) Σε μια σπάνια περίπτωση απροσδόκητου γεγονότος ή απότομη χαμηλή

απόδοση του ταμείου, είναι δυνατή η απρογραμμάτιστη έναρξη της
περιόδου ψηφοφορίας.

7.2.1. Διανομή κερδών

Η νέα έκδοση MAGOS:Initiate το 2017 θα εισαγάγει μια νέα λειτουργικότητα για

τις μάρκες: ψήφισμα για τη διανομή κερδών.

Η αρχική κατανομή κερδών είναι:

 Κάτοχοι μαρκών - 85%

 Επανεπένδυση - 10%
 Λειτουργικό κόστος - 5%

Το κέρδος που διανέμεται σε κατόχους μαρκών έχει ενσωματωμένο φάσμα από 60%
έως 95%. Αυτό σημαίνει ότι είναι δυνατή η μεταφορά αυτής της παραμέ τρου έως και
95%, αλλά όχι στο 96%. Η επανεπένδυση κυμαίνεται από 2,5% έως 30%. Το λειτουργικό
κόστος κυμαίνεται από 1% έως 15%.

Παράδειγμα μιας τριμηνιαίας ψηφοφορίας για τη διανομή κερδών με μια λογική πίσω
από αυτήν: Σε μια λεπτομερή τριμηνιαία έκθεση κερδών και επιδόσεων, η ομάδα
MAGOS επιχειρεί να μεταφέρει το 3% από το λειτουργικό κόστος και να την
επανεπενδύσει στο ταμείο υποστηρίζοντας ότι ένα επιτυχές ποσό χρηματοδότησης,
καθώς και οι επαρκείς επιδόσεις του ταμείου επέτρεψαν τη μείωση του λειτουργικού
κόστους και την αύξηση της ανάπτυξης ενός ταμείου. Ως αποτέλεσμα, μετά την περίοδο
ψηφοφορίας, η νέα κατανομή κερδών είναι:

 Κάτοχοι μαρκών - 85%

 Επανεπένδυση - 13%
 Λειτουργικό κόστος - 2%

7.2.2. Κυκλοφορία ενοτήτων

Αυτού του είδους η ψηφοφορία θα είναι δυνατή ξεκινώντας από την έκδοση MAGOS:
Adept και θα γίνει με την ανακοίνωση υποψηφίων για την επόμενη ανάπτυξη ενότητας.
Για παράδειγμα, κατά τη διάρκεια του 2ου τριμήνου του 2018 θα διεξαχθεί ψηφο φορία
για την επι λογή της ομάδας που θα αναπτυχθεί στη συνέχεια, από μια λίστα που
συνιστά η ομάδα μας Πυγμαχία, Κρίκετ, Γκολφ, Πολιτική και άλλα. Ο κύριος σκοπός

34
είναι να περιγράψουμε τα πλεονεκτήματα και τα μειονεκτήματα κάθε δυναμικής
μονάδας (ορισμένες μονάδες θα έχουν χαμηλότερη απόδοση επένδυσης (ROI), αλλά
υψηλότερη χωρητικότητα και αντίστροφα), μεγιστοποιώντας την απόδοση της
αναπτυξιακής διαδικασίας.

7.2.3. Χρήση πόρων δικτύου

Τέλος, η ψηφοφορία για τη διανομή των πόρων δικτύου θα είναι λειτουργική το 2019
με την έκδοση MAGOS: Grand Magos. Περισσότερες λεπτομέρειες για αυτόν τον τύπο
ψηφοφορίας θα αποκαλυφθούν στα τέλη του 2018-αρχές του 2019.

Η μελλοντική ενσωμάτωση στο πρωτόκολ λο Melon, καθώς και η απελευθέρωση και οι

μελλοντικές επιδόσεις της πύλης Oraculum θα μπορούσαν να έχουν σημαντική
επίδραση στο ταμείο MAGOS.

Προκειμένου να επιτευχθεί η βέλτιστη αποδοτικότητα και απόδοση, υπάρχει μ εγάλη

πιθανότητα να ανακατανεμούμε τους πόρους ανάπτυξης, οικονομίας και δικτύων
μεταξύ του αρχικού κεφαλαίου MAGOS και της πύλης Oraculum, καθώς και να
ρυθμίσουμε την επέκταση / μεταξύ των μονάδων.

Η ψηφοφορία για τη χρήση των πόρων δικτύου περι λαμβάνει επίσης τη ρύθμιση της
παραμέτρου «μεγέθους μονάδας», εντός εύρους από 0,05 έως 1% (το αρχικό μέγεθος
μονάδας ορίζεται στο 0,45%).

Εν ολίγοις, με την ανάπτυξη της πολυπλοκότητας θα χρειαστεί να βελτιστοποιηθούν οι

παράμετροι του ταμείου, και αυτός ο τύπος ψηφοφορίας το διευθετεί.

35
 8. Χάρτης πορείας
8.1. Τωρινή κατάσταση

Επί του παρόντος, οι περιοχές ανάπτυξης του MAGOS εμπίπτουν σε μία από τις τρεις
κατηγορίες:

1) Πλήρως απελευθερωμένη
 Πέντε βασικά νευρωνικά δίκτυα (Melius, Ariolus, Galaxia, Obelus, Strategus)
 Αρθρωτή αρχιτεκτονική
 Γενική ενότητα: eSports
 Υπομονάδες: Dota 2 (με τη μέση χωρητικότητα 90 επενδυμένων μονάδων
/ μήνα)
2) Τελικά στάδια ανάπτυξης / Κοντά στην κυκλοφορία (κατά προσέγγιση
ημερομηνία κυκλοφορίας: τέλη 2017-αρχές 2018)
 Γενική ενότητα: Αθλητισμός
 Υπομονάδες: League of Legends, CS: GO (προγραμματισμένη χωρητικότητα
μονάδας 65-75 μονάδες / μήνα)
 Λειτουργικότητα ψηφοφορίας: κατανομή κερδών
3) Στάδιο πρώιμης ανάπτυξης (κατά προσέγγιση ημερομηνία κυκλοφορίας: αρχές -
μέσα του 2018)
 Υποσύστημα αθλητισμού: Μπάσκετ
 Υποσυστήματος eSport: StarCraft 2, Over watch
 Ειδική ενότητα: πρόβλεψη σε παιχνίδι.

8.2. Μελλοντικές κυκλοφορίες

Βασική μας ιδέα πίσω από την κατεύθυνση των μελλοντικών εκδόσεων είναι η
προοδευτική προσθήκη υπο-ενοτήτων και η αύξηση της χωρητικότητας των μηνιαίων
μονάδων ως αποτέλεσμα. Τα πρώτα στάδια ανάπτυξης θα επικεντρωθούν αρχικά στι ς
υποενότητες του eSports, λόγω του μεγέθους της ακμής που παρουσίασε το MAGOS σε
αυτόν τον τομέα.

Αφού θα φτάσουμε σε ένα βέλτιστο αριθμό επιμέρους ενοτήτων eSports, η εστίαση θα

μετατοπιστεί στον αθλητισμό κατά το πρώτο εξάμηνο του 2018 και στη συνέχεια στην
ενσωμάτωση του Melonport κατά το δεύτερο εξάμηνο.

Το 2019, τα δύο κύρια ορόσημα θα περι λαμβάνουν την ανάπτυξη μονάδων

χρηματοοικονομικής πρόβλεψης γενικά και την κυκλοφορία του Portal Oraculum.

36
Εικ.8.1. Χάρτης πορείας

37
 8.3. Ολοκληρώσεις

Για το MAGOS προγραμματίζεται μια σειρά ολοκληρώσεων, η σημαντικότερη από την

οποία είναι η ενσωμάτωση με το πρωτόκολλο Melon το 2018.

Τι είναι το πρωτόκολλο Melon;

Το πρωτόκολλο Melon είναι ένα πρωτόκολλο blockchain για τη διαχείριση ψηφιακών

στοιχείων που αρχικά χτίστηκε στην πλατφόρμα Ethereum. Επιτρέπει στους
συμμετέχοντες να δημιουργούν, να διαχειρίζονται και να επενδύουν σε στρατηγικές
διαχείρισης ψηφιακών περιουσιακών στοιχείων με ανοικτό, ανταγωνισ τικό και
αποκεντρωμένο τρόπο [Παραρτ. Β. 11].

Πως θα βελτιώσει το MAGOS;

Η ολοκλήρωση του Melonport θα μας επιτρέψει να αναπτύξουμε μια νέα έκδοση του
MAGOS fund με τα ακόλουθα χαρακτηριστικά:
 Έλεγχος
 Διαφάνεια ενός ιστορικού
 Προηγμένη διαδραστικότητα με αποκεντρωμένες ανταλλαγές και αγορές
αποκεντρωμένης πρόβλεψης.

Γιατί αυτό είναι σημαντικό;

Ένα αποκεντρωμένο και διαφανές ταμείο MAGOS θα μας επιτρέψει:

 Βελτιστοποίηση των αλληλεπιδράσεων με τις αγορές πρόβλεψης,
μεγιστοποιώντας τη χωρητικότητα των ενοτήτων
 Αξιοποίηση του δυναμικού των χρηματοοικονομικών ενοτήτων και υπο-
ενοτήτων του MAGOS για αποκεντρωμένες ανταλλαγές
 Να επιταχύνει αισθητά την αύξηση της φήμης του ταμείου MAGOS, να
προσελκύσει νέους επενδυτές και να αυξήσει τις αποδόσεις των κατόχων
συμβόλων MAG ως αποτέλεσμα.

38
 9. Πώληση μεριδίων

Η πώληση των μεριδίων του MAGOS και η αντίστοιχη διαδικασία δημιουργίας τους
είναι οργανωμένες γύρω από έξυπνα συμβόλαια που εκτελούνται στο Ethereum. Οι
συμμετέχοντες που επιθυμούν να υποστηρίξουν την ανάπτυξη του MAGOS μπορούν να
το κάνουν με την αποστολή του Ethereum ή Bitcoin στις καθορισμένες διευθύνσεις.

Ένας συμμετέχων πρέπει να στεί λει ETH ή BTC στο λογαριασμό μετά την έναρξη της
περιόδου crowdfunding (που αναφέρεται στην επίσημη ιστοσελίδα). Η πώληση του
μεριδίου λήγει όταν το ποσό των χρημάτων σε ισοδύναμο ETH που αποστέλλονται στο
λογαριασμό φτάσει στο μέγιστο ή στις 30 Σεπτεμβρίου 20:00 UTC.

9.1. Γενικές πληροφορίες

Η πώληση μεριδίων MAGOS θα ξεκινήσει στις 16 Αυγούστου, 20:00 UTC. Η πώληση θα

κλείσει όταν φτάσει το ανώτατο όριο των 22.640 ETH, ή στις 30 Σεπτεμβρίου, στις 20:00
UTC, όποιο από τα δύο συμβεί νωρίτερα.

Θα δημιουργηθούν το πολύ 50.123.377 MAG. Το 77% (38.595.000 MAG) θα διανεμηθεί

στους επενδυτές κατά την πώληση.

Δεν θα δημιουργηθούν μερίδια, και δεν θα είναι δυνατή η εξόρυξη μετά την πώληση.

Η τιμή του κουπονιού MAG ορίζεται αρχικά σε 1.995 MAG ανά ΕΤΗ και θα μειώνεται σε
τελικό ποσοστό 1.500 MAG ανά ΕΤΗ, βάσει του ποσού ETH που καταβάλλεται επί του
παρόντος:

< 3,000 ETH 1,995 MAG/ETH

3,000 – 6,000 ETH 1,875 MAG/ETH

6,000 – 9,000 ETH 1,800 MAG/ETH

9,000 – 12,000 ETH 1,725 MAG/ETH

12,000 – 15,000 ETH 1,650 MAG/ETH

15,000 – 22,640 ETH 1,500 MAG/ETH

Τα αποδεκτά νομίσματα είναι Ethereum (ETH) και Bitcoin (BTC). Ο ελάχιστος στόχος των
δωρεών είναι 6.000 ETH. Εάν δεν επιτευχθεί αυτός ο στόχος, όλες οι συνεισφορές θα
επιστραφούν.

39
Η μόνη επίσημη πηγή για τις διευθύνσεις αποστολής είναι ο ιστότοπος του MAGOS. Για
λόγους ασφαλείας, σας συμβουλεύουμε να αγνοήσετε τις διευθύνσεις από
οποιεσδήποτε άλλες πηγές, συμπερι λαμβανομένων των κοινωνικών διαύλων
επικοινωνίας.

Στην ιστοσελίδα του έργου, θα βρείτε επίσης έναν οδηγό για τον τρόπο συμμετοχής
στην πώληση μεριδίων χρησιμοποιώντας το Ethereum ή το Bitcoin.

9.2. Διανομή μεριδίων

Εικ.9.1. Διανομή κεφαλαίων

 Οι επενδυτές θα λάβουν το 77% όλων των μεριδίων

 Τα μέλη της ομάδας και οι σύμβουλοι θα λάβουν το 12% όλων των μαρκών
(κλειδωμένα για 18 μήνες)
 Το Ίδρυμα και το αποθεματικό θα λάβουν το 9% όλων των μαρκών (κλειδωμένα
για 12 μήνες)
 Οι συνεργάτες και οι πρώτοι που θα υποστηρίξουν θα λάβουν το 2,4% όλων των
μαρκών (κλειδωμένα για 4 μήνες)
 Το πρόγραμμα επιβραύβευσης θα λάβει το 1,6% όλων των μαρκών (κλειδωμένο
για 1 μήνα).

40
 9.3. Κατανομή χρηματοδότησης

Εικ. 9.2. Κατανομή χρηματοδότησης

Το ταμείο MAGOS αποτελεί το βασικό στοιχείο του έργου. Τα κεφάλαια θα

χρησιμοποιηθούν για τη δημιουργία κερδών, εφαρμόζοντας το μοντέλο πρόβλεψης σε
πολλαπλές πλατφόρμες (αγορές πρόβλεψης, αθλητικά βιβλία και ανταλλαγές).

Η Βασική ανάπτυξη περι λαμβάνει την ανάπτυξη της τεχνολογίας που περιγράφεται σε
αυτή την μπλε βίβλο, όπως: Ανάπτυξη και διατήρηση βασικών νευρωνικών δικτύων,
Ανάπτυξη μονάδων και υπομονάδων, βελτιστοποίηση αρθρωτής αρχιτεκτονικής,
Ενσωμάτωση με αποκεντρωμένες αγορές και ανταλλαγές πρόβλεψης, διασύνδεση και
εφαρμογές πύλης Oraculum, ενσωμάτωση Melonport, έξυπνα συμβατικά συστήματα.

Οι ανάδοχοι αντιπροσωπεύουν όλους τους τρίτους με τους οποίους θα συνεργαστούμε,

συμπερι λαμβανομένων των νομικών και λογιστικών υπηρε σιών.

Το μάρκετινγκ καλύπτει τις προσπάθειες επικοινωνίας και μάρκετινγκ, με κύριο στόχο

την εξασφάλιση της ανάπτυξης της βάσης χρηστών της πύλης Oraculum και την
προσέλκυση νέων επενδυτών κατά τη διάρκεια της ολοκλήρωσης της Melonport.

Η κατηγορία συμπληρωματικών τεχνολογιών καλύπτει τις δαπάνες για εξωτερικές

τεχνολογίες, από τις οποίες εξαρτάται το έργο. Αυτό θα περι λαμβάνει τη
χρηματοδότηση πρωτότυπων προσπαθειών για την ανάπτυξη πολλών ενσωματώσεων
και τροποποιήσεων.

Το ταμείο έκτακτης ανάγκης υπολογίζεται ως το 2% του συνολικού ποσού εισφοράς.

41
 Παράρτημα Α
Πρώτα δείγματα δοκιμής

[1] https://nitrogensports.eu/betslip/53015aeSUdBaTJyeWNGUEkwK25ReFh2elM4QT09

[2] https://nitrogensports.eu/betslip/21c8808YVZYTDlTOHo2Ynl5L1M1aHZxWEZFUT09

[3] https://nitrogensports.eu/betslip/44a09a6aHdISXNVK1dybnJrZnVKdHVGV2VNZz09

[4] https://nitrogensports.eu/betslip/67471efNldwQXUzeUV4bW5DYlBBdXVJT1grUT09

Αποτελέσματα πρώιμων δοκιμών

[5] https://fansunite.com/profile/magos 10

[6] https://fansunite.com/leaderboard/sports-picks/e-sports

10
Απαραίτητη η δωρεάν εγγραφή για να πλοηγηθείται στην σελίδα

42
 Παράρτημα Β
Πηγές

[1] Carnegie Mellon University, «Artificial Intelligence beats top poker pros», 2017,
https://www.cmu.edu/news/stories/archives/2017/januar y/AI-beats-poker-pros.html

[2] Michael Lewis, «Moneyball: The Art of Winning an Unfair Game», 2003.

[3] United States Tennis Association, «Tennis tactics, winning patterns of play», Human
Kinetics.

[4] G. E. Parker, «Percentage Play in Tennis», In Mathematics and Spo rts Theme Articles.

[5] M. Lames, «Modeling the interaction in games sports – relative phase and moving
correlations», Journal of Sports Science and Medicine.

[6] BI Intelligence, The eSports competitive video gaming market continu es to grow
revenues & attract investors, 2017,
http://www.businessinsider.com/esports-market-growth-ready-for-mainstream-2017-3

[7] http://wiki.teamliquid.net/dota2/The_International/2017

[8] Mellers, B., Stone, E., Murray, T., Minster, A., Ro hrbaugh, N., Bishop, M., & Tetlock, P.
(2015).
Identifying and Cultivating Superforecasters as a Method of Improving Probabilistic
Predictions. Perspectives on Psychological Science.

[9] Tetlock, P. E., & Gardner, D. (2015). Superforecasting: The Art and Science of Prediction.
New York: Crown.

[10] Legal Sports Report, New Platform Tries to Bring Transparency, Community to Sports
Betting, https://www.legalsportsreport.com/9487/sports-betting-platform-fansunite/

[11] Melonport, Blockchain Software for Asset Management, https://melonport.com/

43