Numerai

numer.ai betreibt ein Daten-Turnier, bei dem Data Scientists Machine-Learning-Modelle auf verschleierten Finanzdaten trainieren; die Vorhersagen werden zu einem Meta-Modell kombiniert, das einen quantitativen Hedgefonds speist.

🛡️ Datenschutz: Sitz nicht öffentlich dokumentiert (Datenschutzerklärung auf den geprüften Seiten nicht lesbar). EU-Hosting, AVV/DPA, Zertifizierungen und ein Training mit Nutzerdaten sind nicht öffentlich dokumentiert, daher sollte für personenbezogene Daten vorab ein AVV/DPA geprüft werden.

Das Tool richtet sich an Erfahrene Data Scientists und ML-Entwickler, die KI auf Finanzmärkte anwenden wollen.

Tool-Details & Features

💰 Preise: Teilnahme und Datensätze laut Dokumentation kostenlos; für Staking wird die Kryptowährung NMR eingesetzt. Der Fonds richtet sich laut Website an institutionelle Anleger.

⚙️ Technik: Wöchentliche Eras, Einreichung per API, stake-gewichtetes Meta-Modell; empfohlen sind Python und Bibliotheken wie LightGBM, pandas und NumerAPI, grundsätzlich jede Sprache.

👥 Zielgruppe: Data Scientists, ML-Ingenieure und Quant-Interessierte.

🔗 Integrationen: NumerAPI-Client, API-Schlüssel für programmatische Einreichungen.

📊 Funktionen: Verschleierte Trainingsdaten, Live-Vorhersagen, Leaderboard, Staking mit NMR (Gewinn oder Verbrennen), zusätzliches Turnier Signals, Bewertung über CORR und MMC.

Vor- & Nachteile

✅ Vorteile: Kostenlose Daten und Dokumentation; freie Wahl von Sprache und Framework; Anreizsystem über Staking.

❌ Nachteile: Staking kann zum Verlust eingesetzter Token führen; Fonds nur für institutionelle bzw. qualifizierte Anleger; Sitz und Datenschutzdetails nicht dokumentiert.

Für wen geeignet?

Perfekt für Data Scientists, die eigene Modelle auf anonymisierten Finanzdaten testen und im Wettbewerb bewerten lassen wollen.