FX168财经网_全球视野外汇黄金加密货币NFT资讯网

每日早间更新相关主流币交易提醒，欢迎大家一起交流；温馨提示：策略适用于美盘之前，美盘之后策略请联系本人；

金色财经2023-06-14

文承凯：6月14黄金难逃区间、1940上看涨、走势分析

训。不要陷入情绪困扰，而是思考如何改进交易策略和风险管理。　　　　保持冷静和理性：在市场波动剧烈或情绪激动时，保持冷静和理性非常重要。避免冲动的决策，先进行深入的分析和思考，确保交易决策基于客观的判断。　　　　寻求支持与反馈：交易是一个孤独的过程，但并不意味着你必须独自应对情绪和挑战。寻找交易群体、投资者社区或专业顾问的支持与反馈，与他们分享经验和交流心得，从中获得启发和支持。　　　　最重要的是，将交易视为一项长期的学习过程，并不断提升自己的知识和技能。掌握技术分析、基本面分析等工具和方法，了解市场的基本原理和动态，以更加理性和自信地进行交易。　　　　请记住，情绪管理是一个长期的挑战，但通过专注和自我反省，你可以逐渐提高情绪控制能力，并在交易中取得更好的结果。　　　　总结：市场的涨跌通常是在一系列波动和调整中进行的，而不是一次性到位的。行情的涨幅往往伴随着回落和调整，跌幅也会伴随反弹。这种曲折的过程是市场的常态。　　　　大幅度的单边行情相对较少见，通常在较短的时间内完成，而后市场进入较为缓慢的行情节奏。在单边行情之后，市场通常会出现修正走势，这种走势相对较缓慢，多空之间的反复也更为频繁。　　　　目前对黄金白银（纸黄金/白银、T+D黄金/白银、原油/纸原油）不知道从何下手或者如何操作的可以实时【订阅公众号：文承凯、微信：wck1889】；给予最大的帮助。

文承凯2023-06-13

文承凯：6月13CPI未能打破黄金震荡、最新金价走势

训。不要陷入情绪困扰，而是思考如何改进交易策略和风险管理。　　　　保持冷静和理性：在市场波动剧烈或情绪激动时，保持冷静和理性非常重要。避免冲动的决策，先进行深入的分析和思考，确保交易决策基于客观的判断。　　　　寻求支持与反馈：交易是一个孤独的过程，但并不意味着你必须独自应对情绪和挑战。寻找交易群体、投资者社区或专业顾问的支持与反馈，与他们分享经验和交流心得，从中获得启发和支持。　　　　最重要的是，将交易视为一项长期的学习过程，并不断提升自己的知识和技能。掌握技术分析、基本面分析等工具和方法，了解市场的基本原理和动态，以更加理性和自信地进行交易。　　　　请记住，情绪管理是一个长期的挑战，但通过专注和自我反省，你可以逐渐提高情绪控制能力，并在交易中取得更好的结果。　　　　总结：市场的涨跌通常是在一系列波动和调整中进行的，而不是一次性到位的。行情的涨幅往往伴随着回落和调整，跌幅也会伴随反弹。这种曲折的过程是市场的常态。　　　　大幅度的单边行情相对较少见，通常在较短的时间内完成，而后市场进入较为缓慢的行情节奏。在单边行情之后，市场通常会出现修正走势，这种走势相对较缓慢，多空之间的反复也更为频繁。　　　　目前对黄金白银（纸黄金/白银、T+D黄金/白银、原油/纸原油）不知道从何下手或者如何操作的可以实时【订阅公众号：文承凯、微信：wck1889】；给予最大的帮助。

文承凯2023-06-13

现货黄金今日行情交易策略分析及黄金独家操作建议指导

王启蒙这里没有华丽多彩的语言，没有花里胡哨的吹嘘，胜不骄败不馁的耐心。就以最真实的态度去对待行情，以真诚去待在市场上做投资的朋友，希望我多年的经验能够给大家一个合理并且科学的解决方案去给大家锦上添花，雪中送炭也没有这么大的高度不现实。希望与困惑和迷茫的你进行交流！很多人在深夜的时候会想我们没日没夜的挣扎在这个市场上是为了什么？无非就是抓住机会分一分市场这块蛋糕。而事实上并没有那么容易，很多人说自己没有财运，渐渐地对市场产生了难以磨灭的恐惧，每一次诱多每一次诱空，你从来没有错过，每一次正确的感觉你却不敢下单，因为你害怕，所以正中了市场的下怀。不是市场的套路太深，说到底还是你太天真，在你每次欣喜的自以为经过你再三的考虑认为时机已经成熟的时候，你可曾想过有个词语叫做事不过三？好多人反应“王启蒙老师你的思路我根本就摸不透，有时候盯着一个趋势不放，有时候有善变得很”我一向是这样的啊，可能我白天看多晚上就看空，也可能我连续好几天都看空或者看多，那又怎样呢？分析来分析去还不是对你们做单子有好处，善变是在这个市场上最有用的生活方式，就像狼的嗅觉一样，感受到危险立马就撤，难道你们认为那些上午看

王启蒙现货黄金2023-06-13

6.13以太坊（ETH）比特币（BTC）市场行情分析及部分即时交易策略

3日比特币（BTC)行情解读及部分合约交易策略：比特币方面比特币方面今日方面，大周期日线级别昨日报收小阴线，价格还是在均线下方，附图指标死叉向下，那么大趋势下还是下跌的，这点先明确，另外一个需要注意的是，昨日我们是看延续下跌和破低的，但价格震荡，没有给到明显趋势，所以今晚的数据就是重要的破位多空的关键了，CPI利空的话，预计会加速空头破位下行，甚至直接打破日线这段时间的震荡结构，相反若数据利好，那么币价可能会再次依托25600-25300区间支撑迎来反弹。因此今日BTC短线合约交易策略：反抽26300区域短线空，止损26650上方区域，目标看26600-25600区域；日内下方支撑区间25500考虑多单进场，止损25200位置，目25850-26000；短线交易，控制风险，盈亏自理； 6月13日以太坊（ETH)行情解读及部分合约交易策略：以太坊方面大周期日线级别K线在大阴下跌后，本周以来都是阴阳交替，运行于均线下方，整体呈现低位盘整的走势。短期走势上看每一次短线大跌之后价格都很难形成延续性，周末探底1714一线后再次步入震荡，而上方1760-1780明显承压。今天八点半将迎来重要数据CPI，再结合当前比较纠结的行情走势，预计CPI将会成为决定走势的关键因素，所以今天，重点关注数据，一旦CPI利空的话，预计会加速空头破位下行，甚至直接打破日线这段时间的震荡结构，相反若数据利好，那么币价可能会再次依托1700-1720区间支撑迎来反弹。因此今日ETH短线合约交易策略：反抽1780域空，止损1806区域，目标看1720-1700区域；日内下方支撑区间1700考虑多单进场，止损1672位置，目标1750-1772；短线交易，控制风险，盈亏自理。市场（BTC，ETH，EOS）很单纯，复杂的是人，不要被情绪控制自己，做到计划交易，计划盈利。每日分享有笔者币圈那点事独家分享，对于交易不顺建议关注本人和笔者同行，让你的交易更加简单。来源：金色财经

金色财经2023-06-13

文承凯：6月13黄金迎来买盘支撑，技术指标显示上涨信号

训。不要陷入情绪困扰，而是思考如何改进交易策略和风险管理。　　　　保持冷静和理性：在市场波动剧烈或情绪激动时，保持冷静和理性非常重要。避免冲动的决策，先进行深入的分析和思考，确保交易决策基于客观的判断。　　　　寻求支持与反馈：交易是一个孤独的过程，但并不意味着你必须独自应对情绪和挑战。寻找交易群体、投资者社区或专业顾问的支持与反馈，与他们分享经验和交流心得，从中获得启发和支持。　　　　最重要的是，将交易视为一项长期的学习过程，并不断提升自己的知识和技能。掌握技术分析、基本面分析等工具和方法，了解市场的基本原理和动态，以更加理性和自信地进行交易。　　　　请记住，情绪管理是一个长期的挑战，但通过专注和自我反省，你可以逐渐提高情绪控制能力，并在交易中取得更好的结果。　　　　总结：市场的涨跌通常是在一系列波动和调整中进行的，而不是一次性到位的。行情的涨幅往往伴随着回落和调整，跌幅也会伴随反弹。这种曲折的过程是市场的常态。　　　　大幅度的单边行情相对较少见，通常在较短的时间内完成，而后市场进入较为缓慢的行情节奏。在单边行情之后，市场通常会出现修正走势，这种走势相对较缓慢，多空之间的反复也更为频繁。　　　　目前对黄金白银（纸黄金/白银、T+D黄金/白银、原油/纸原油）不知道从何下手或者如何操作的可以实时【订阅公众号：文承凯、微信：wck1889】；给予最大的帮助。

文承凯2023-06-13

期权手续费开仓扣费还是开平仓都扣呢?

，以便更好地掌握交易成本并制定更有效的交易策略。关于期权的更多知识，订阅我们下次再见！来源：金色财经

金色财经2023-06-13

6月13日、BTC（合约）ETH（合约）行情解析及操作策略

的破位情况即可，因此今日BTC短线合约交易策略：反抽26200区域空，止损26500区域，目标看25500-25300区域； 6月13日以太坊（ETH)合约技术面分析：今日方面，大周期日线级别昨日报收小阴线，价格还是运行在均线下方，附图指标死叉向下，而当前价格出现小幅反弹走势但昨日整体陷入区间震荡，没有破高也没有破低，那么今日的重点就在欧盘的强弱和破位情况；短周期小时图在上周爆发下跌后价格处于低位震荡，高点位置1780区域，而昨日高点位置在1760区域附近，而在大周期上整体走势还是下跌明显，因此今日ETH短线合约交易策略：反抽1760区域空，止损1781区域，目标看1720-1705区域；来源：金色财经

金色财经2023-06-13

智能合约智能性的下一步：深入剖析ZKML赛道

模型，任何人都可以运行和验证。自动化交易策略。展示金融模型策略的回报特征的常见方式是MP向投资者提供各种回测数据。然而，没有办法在执行交易时验证策略师是否遵循该模型 - 投资者必须信任策略师确实遵循模型。zkML提供了一个解决方案，MP可以在部署到特定头寸时提供金融模型推理的证明。这对于DeFi管理的保险库可能尤其有用。 2、安全性智能合约的欺诈监控。与其让缓慢的人工治理或中心化参与者控制暂停合约的能力，可以使用ML模型来检测可能的恶意行为并暂停合约。 3、传统ML 分散的、无信任的Kaggle实现。可以创建一个协议或市场，允许MC或其他感兴趣的方验证模型的准确性，而无需MP披露模型权重。这对于销售模型、围绕模型准确性进行竞赛等方面非常有用。生成式AI的去中心化提示市场。生成式AI的提示创作已经发展成为一门复杂的工艺，最佳输出生成提示通常具有多个修改器。外部方可能愿意从创作者那里购买这些复杂的提示。zkML在这里可以有两种用法：1）验证提示的输出，以向潜在买家确保提示确实创建所需的图像； 2）允许提示所有者在购买后保持对提示的所有权，同时对买家保持模糊，但仍为其生成经过验证的图像。 4、身份用保护隐私的生物识别认证替代私钥。私钥管理仍然是web3用户体验中最大的障碍之一。通过面部识别或其他独特因素抽象私钥是zkML的一种可能解决方案。公平的空投和贡献者奖励。可以使用ML模型创建用户的详细人物画像，根据多个因素确定空投分配或贡献奖励。当与身份解决方案结合使用时，这可能特别有用。在这种情况下，一种可能性是让用户运行一个开源模型，评估他们在应用程序中的参与情况以及更高层次的参与，比如治理论坛的帖子，以推理他们的分配。然后提供这个证明给合约，以获得相应的代币分配。 5、Web3社交用于web3社交媒体的过滤。web3社交应用的去中心化性质将导致垃圾信息和恶意内容的增加。理想情况下，社交媒体平台可以使用一个社区共识的开源ML模型，并在选择过滤帖子时发布模型推理的证明。案例：关于Twitter算法的zkML分析。广告/推荐。作为一个社交媒体用户，我可能愿意看到个性化的广告，但希望将我的偏好和兴趣对广告商保密。我可以选择在本地运行一个关于我的兴趣的模型，将其输入到媒体应用程序中为我提供内容。在这种情况下，广告商可能愿意为最终用户支付费用，以实现这一点，然而，这些模型可能远不如目前生产中的定向广告模型复杂。 6、创作者经济/游戏游戏内经济再平衡。可以使用ML模型动态调整代币发行、供应、销毁、投票门槛等。一个可能的模型是一个激励合约，如果达到一定的再平衡门槛并验证了推理的证明，就会重新平衡游戏内经济。新类型的链上游戏。可以创建合作的人类对抗AI游戏和其他创新的链上游戏，其中无信任的AI模型充当一个不可玩的角色。NPC采取的每个动作都会与一个任何人都可以验证的证明一起发布到链上，以确定正在运行正确的模型。在Modulus Labs的Leela vs. the World中，验证者希望确保所述的1900 ELO AI选择棋步，而不是Magnus Carlson。另一个例子是AI Arena，一个类似于Super Smash Brothers的AI格斗游戏。在高风险的竞争环境中，玩家希望确保他们训练的模型没有干扰或作弊。新兴项目和基础设施 zkML生态系统可以广泛分为四个主要类别：模型到证明编译器：将现有格式（例如Pytorch、ONNX等）的模型编译成可验证的计算电路的基础设施。广义证明系统：构建用于验证任意计算轨迹的证明系统。 zkML特定的证明系统：专门构建用于验证ML模型计算轨迹的证明系统。应用程序：致力于独特zkML用例的项目。 01模型验证编译器（Model-to-Proof Compilers）在zkML生态系统中，大部分关注都集中在创建模型到证明编译器上。通常，这些编译器将使用Pytorch、Tensorflow等高级ML模型转换为zk电路。 EZKL是一个库和命令行工具，用于在zk-SNARK中进行深度学习模型的推理。使用EZKL，您可以在Pytorch或TensorFlow中定义一个计算图，并将其导出为带有JSON文件中一些示例输入的ONNX文件，然后将EZKL指向这些文件以生成zkSNARK电路。通过最新一轮的性能改进，EZKL现在可以在约6秒和1.1GB的RAM内证明一个MNIST大小的模型。迄今为止，EZKL已经得到了一些显着的早期采用，被用作各种黑客马拉松项目的基础设施。 Cathie So的circomlib-ml库包含了用于Circom的各种ML电路模板。电路包括一些最常见的ML函数。由Cathie开发的Keras2circom是一个Python工具，使用底层的circomlib-ml库将Keras模型转换为Circom电路。 LinearA开发了两个用于zkML的框架：Tachikoma和Uchikoma。Tachikoma用于将神经网络转换为仅使用整数的形式并生成计算轨迹。Uchikoma是一个工具，将TVM的中间表示转换为不支持浮点运算的编程语言。LinearA计划支持使用域算术的Circom和使用有符号和无符号整数算术的Solidity。 Daniel Kang的zkml是一个基于他在《Scaling up Trustless DNN Inference with Zero-Knowledge Proofs》论文中的工作构建的ML模型执行证明的框架。在撰写本文时，它能够在约5GB的内存和约16秒的运行时间内证明一个MNIST电路。在更广义的模型到证明编译器方面，有Nil Foundation和Risc Zero。Nil Foundation的zkLLVM是一个基于LLVM的电路编译器，能够验证用流行编程语言（如C++、Rust和JavaScript/TypeScript等）编写的计算模型。与这里提到的其他模型到证明编译器相比，它是通用的基础设施，但仍适用于复杂的计算，如zkML。当与他们的证明市场结合使用时，这可能尤为强大。 Risc Zero构建了一个通用的zkVM，针对开源的RISC-V指令集，因此支持现有成熟的语言，如C++和Rust，以及LLVM工具链。这允许在主机和客户zkVM代码之间实现无缝集成，类似于Nvidia的CUDA C++工具链，但是使用ZKP引擎代替GPU。与Nil类似，使用Risc Zero可以验证ML模型的计算轨迹。 02广义证明系统证明系统的改进是使 zkML 取得成果的主要推动力，特别是自定义门和查找表的引入。这主要是由于 ML 对非线性的依赖。简而言之，非线性是通过激活函数（例如 ReLU、sigmoid 和 tanh）引入的，这些激活函数应用于神经网络中线性变换的输出。由于数学运算门的限制，这些非线性在 zk 电路中实现起来具有挑战性。按位分解和查找表可以通过将非线性的可能结果预先计算到查找表中来帮助解决这个问题，有趣的是，这在 zk 中的计算效率更高。出于这个原因，Plonkish 证明系统往往是 zkML 最受欢迎的后端。Halo2 和 Plonky2 及其表式算术方案可以通过查找参数很好地处理神经网络非线性。此外，前者拥有充满活力的开发人员工具生态系统和灵活性，使其成为包括 EZKL 在内的许多项目的实际后端。其他证明系统也有其优势。基于R1CS的证明系统包括Groth16，因其小型证明尺寸而闻名，以及Gemini，因其处理极大电路和线性时间验证器而闻名。基于STARK的系统，例如Winterfell证明器/验证器库，尤其在通过Giza的工具将Cairo程序的追踪作为输入，并使用Winterfell生成STARK证明来验证输出的正确性时，非常有用。 03zkML特定的证明系统在设计能够处理先进的机器学习模型的复杂、电路不友好的操作的高效证明系统方面已经取得了一些进展。基于GKR证明系统的zkCNN和基于组合技术的Zator等系统往往比通用证明系统更具性能，这一点在Modulus Labs的基准测试报告中有所体现。 zkCNN是一种使用零知识证明来证明卷积神经网络正确性的方法。它使用sumcheck协议来证明快速傅里叶变换和卷积，具有线性的证明时间，比渐近计算结果更快。已经引入了几个改进和泛化的交互证明，包括验证卷积层、ReLU激活函数和最大池化。根据Modulus Labs的基准测试报告，zkCNN特别有趣的地方在于它在证明生成速度和RAM消耗方面优于其他通用证明系统。 Zator是一个旨在探索使用递归SNARK来验证深度神经网络的项目。验证更深层次模型的当前限制是将整个计算轨迹适应单个电路中。Zator提出使用递归SNARK逐层进行验证，可以逐步验证N步重复计算。他们使用Nova将N个计算实例减少为一个可以通过单个步骤进行验证的实例。采用这种方法，Zator能够对具有512层的网络进行SNARK，这与大多数当前的生产AI模型一样深。Zator的证明生成和验证时间仍然对于主流应用案例来说过长，但他们的组合技术仍然是非常有趣的。应用领域鉴于zkML处于早期阶段，其关注点主要集中在上述基础设施上。然而，目前也有一些项目致力于应用开发。 Modulus Labs是zkML领域中最多样化的项目之一，他们既开展示例应用，也从事相关研究。在应用方面，Modulus Labs通过RockyBot（一个链上交易机器人）和Leela vs. the World（一个人类与经过验证的链上Leela国际象棋引擎对战的棋盘游戏）展示了zkML的用例。该团队还进行了研究，编写了《智能的代价》，对不同模型规模下的各种证明系统的速度和效率进行了基准测试。 Worldcoin正在尝试应用zkML来创建一个保护隐私的人类身份证明协议。Worldcoin使用定制硬件处理高分辨率虹膜扫描，并将其插入到Semaphore实现中。然后可以使用该系统执行诸如成员资格证明和投票等有用操作。他们目前使用受信任的运行时环境和安全的安全区域来验证相机签名的虹膜扫描，但他们最终的目标是使用零知识证明来验证神经网络的正确推理，以提供加密级别的安全保证。 Giza是一种协议，采用完全无信任的方法在链上部署AI模型。它使用包括ONNX格式表示机器学习模型、Giza Transpiler用于将这些模型转换为Cairo程序格式、ONNX Cairo Runtime用于以可验证和确定性的方式执行模型，以及Giza Model智能合约用于在链上部署和执行模型的技术堆栈。尽管Giza也可以归类为模型到证明编译器的类别，但他们作为一个ML模型市场的定位是目前最有趣的应用之一。 Gensyn是一个分布式硬件供应网络，用于训练ML模型。具体而言，他们正在开发一个基于梯度下降的概率审计系统，并使用模型检查点来使分散式GPU网络能够为全尺度模型提供训练服务。尽管他们在这里的zkML应用非常特定于他们的用例——他们希望确保当一个节点下载和训练模型的一部分时，他们对模型更新的诚实性——但它展示了将zk和ML相结合的强大力量。 ZKaptcha 专注于 web3 中的 bot 问题，为智能合约提供验证码服务。他们目前的实施让最终用户通过完成验证码来生成人类工作的证明，验证码由他们的链上验证程序验证，并通过几行代码由智能合约访问。今天，他们主要只依赖于 zk，但他们打算在未来实现 zkML，类似于现有的 web2 验证码服务，分析鼠标移动等行为以确定用户是否是人类。鉴于 zkML 市场还很早，许多应用程序已经在黑客马拉松级别进行了试验。项目包括 AI Coliseum，一个使用 ZK 证明来验证机器学习输出的链上 AI 竞赛，Hunter z Hunter，一个使用 EZKL 库来验证带有 halo2 电路的图像分类模型输出的照片寻宝游戏，以及 zk Section 9，它将 AI 图像生成模型转换为用于铸造和验证 AI 艺术的电路。 zkML面临的挑战尽管在提高和优化方面取得了飞速的进展，但zkML领域仍然面临一些核心挑战。这些挑战涉及技术和实践等方面，包括：以最小的精度损失进行量化电路规模，特别是当网络由多个层组成时矩阵乘法的高效证明对抗攻击量化是将浮点数表示为定点数的过程，大多数机器学习模型使用浮点数表示模型参数和激活函数，在处理zk电路的域算术时，需要使用定点数。量化对机器学习模型的准确性的影响取决于所使用的精度级别。一般来说，使用较低的精度（即较少的比特数）可能会导致准确性降低，因为这可能引入舍入和近似误差。然而，有几种技术可用于最小化量化对准确性的影响，例如在量化后对模型进行微调，以及使用量化感知训练等技术。此外，zkSummit 9上的一项黑客马拉松项目Zero Gravity显示出，针对边缘设备开发的替代神经网络架构（例如无权重神经网络）可以用于避免电路中的量化问题。除了量化之外，硬件是另一个关键挑战。一旦通过电路正确地表示了机器学习模型，由于zk的简洁性，验证其推理的证明将变得廉价且快速。这里的挑战不在于验证者，而在于证明者，因为随着模型规模的增长，RAM消耗和证明生成时间会迅速增加。某些证明系统（例如使用sumcheck协议和分层算术电路的基于GKR的系统）或组合技术（例如将Plonky2与Groth16相结合，Plonky2在证明时间方面效率高但对于大型模型的高效证明大小较差，而Groth16在复杂模型的复杂度上不会导致证明大小增长）更适合处理这些问题，但在zkML项目中管理权衡是一个核心挑战。在对抗攻击方面，仍然有待努力。首先，如果一个无信任的协议或DAO选择实施一个模型，在训练阶段仍然存在对抗攻击的风险（例如训练模型以在看到特定输入时表现出特定行为，这可能被用来操纵后续的推理）。联邦学习技术和训练阶段的zkML可能是最小化这种攻击面的一种方式。另一个核心挑战是当模型保护隐私时存在模型盗窃攻击的风险。虽然可以混淆模型的权重，但在给定足够的输入输出对的情况下，从理论上讲，仍然有可能反向推导出权重。这主要是对小规模模型的风险，但仍然存在风险。智能合约的可扩展尽管在将这些模型优化为在zk的限制条件下运行时存在一些挑战，但改进工作正在以指数速度进行，一些人预计在进一步的硬件加速下，我们很快就能与更广泛的机器学习领域达到同等水平。为了强调这些改进的速度，zkML从0xPARC在2021年展示了如何在可验证电路中执行小规模MNIST图像分类模型的演示，到Daniel Kang在不到一年后为ImageNet规模的模型做同样的工作的论文。在2022年4月，这个ImageNet规模的模型的准确性从79%提高到92%，并且像GPT-2这样的大型模型在近期内有望成为可能，尽管目前的证明时间较长。我们认为zkML是一个丰富而不断发展的生态系统，旨在扩展区块链和智能合约的能力，使其更加灵活、适应性强和智能化。尽管zkML仍处于早期开发阶段，但它已经开始显示出有希望的结果。随着技术的发展和成熟，我们可以期待在链上看到更多创新的zkML用例。来源：金色财经

金色财经2023-06-13

6.13比特币以太坊最新行情分析交易策略

分析

金色财经2023-06-13

24小时热点