Cindicator在新型經濟高度不確定的情況下創造社會-技術基礎設施，做出有效決策。將大量的不同類別金融分析師和全套機器培訓模型結合到統一體系，併為能有效管理傳統金融和加密市場上的投資者資本而設計混合智慧基礎設施。
ICO詳情 發行日期：2017/9/12 啟動ICO 代幣程式碼：CND 初始代幣分配情況： - 75% 用於ICO - 20% Cindicator公司持有 - 3.8% 顧問及合夥人持有 - 1% 獎勵計劃 - 0.2%當前使用者獎勵 融資上限：1500萬美元 接受幣種：ETH 代幣單價：0.01美元／CND 參投要求：註冊白名單 市場關注 推特：5231 slack：450 官網全球排名：533511 核心團 Mike Brusov：CEO、聯合創始人，具有大資料和預測分析領域8年公司創立經驗的技術企業家。在莫斯科國立鮑曼技術大學畢業後，本應去設計航空飛船，但是對IT產品的好奇和渴望註定了我的創業之路。童年所讀的阿伊再克 阿茲莫夫“基礎”一書在15年後促成了Cindicator的問世。黑天鵝思想家、預報員、Cindicator 團隊三項全能的隊長。 Yuri Lobyntsev：CTO、聯合創始人，發明者、企業家、分散式應用程式開發者。10歲時開始程式設計。帆船運動和數學-資訊奧林匹克比賽的冠軍，在複雜問題的快速非經典解決方案上表現強大，具有非常規的方法。參與深度心理學、人類和機器意識的研究、複雜系統的相互促進以及理性認識之外的神經溝通和研究。 Artem Baranov：COO、聯合創始人，技術外包、醫療和金融分析領域內 IT-公司的創始人。我在Cindicator的職責——將具有統一智慧不同專長的團隊成員結合在一起，統一智慧可以完成最具雄心的任務。這是獨特的經驗——為交易者、科學家和開發商團隊建立統一技術衝刺。彼得堡文化生活和啟動運動的積極參與者，以及聖彼得堡國立精密機械與光學學院的老師。 發展及融資情況 2015年12月，釋出了第一款針對iOS的全球平臺版本。其能夠建立所需大小的集體智慧系統。 2016年1月，團隊收到了一些初創加速器的邀請，並選擇了Starta Acelerator，因為它位於全球金融系統的中心 — 紐約。在加速計劃順利完成後，Cindicator籌集了25萬美元的種子前期風險投資。 從2006年6月至11月，團隊致力於建立第一套計算機學習模型 、 進一步完善集體智慧系統（目前平臺上共有8000多名預測員）、以及在股票和外匯市場上建立不同的交易策略並對其進行前瞻性測試。中間結果證實了一系列假設，並提供了有趣的結果。 2017年1月，發起了一個交易訊號API，在接下來的四個月內該訊號與11家對沖基金和三家銀行進行了測試整合。從那時起，平臺上增添了第一個加密工具，並開始進行內部實驗和與其相關的前瞻性測試。 從2016年11月至2017年3月，Cindicator參加了莫斯科交易所的 第一批金融技術溫箱，在此期間，該公司被評為第一名的創業公司。在該計劃中，公司獲得了微軟技術獎金12萬美元，併成為Microsoft Bizspark啟動支援計劃的成員。 2017年4月至5月在種子創業階段內，公司從一些金融技術投資者那裡吸引了20萬美元。 資金用途 55% 用於開發和運營支出 20% 用於混合只能投資組合 10% 用於營銷和發展 5% 用於法律支出 5% 用於儲備基金獎勵 5% 用於收購 專案分析 混合智慧：人類智力與機器“智慧”的結合以及在解決不同問題上二者的相互協作。在此，一個智慧由於另一個智慧的補充而增強，同時，可以彌補各方的不足。顯然，應用該型別智慧的合理性以及建立以其為基礎的系統要根據所出現問題的複雜性而定。這不僅是在於決策速度的標準——為什麼把時間用於一些個人以及普通數學方法都能解決的較客觀簡單的任務上？—— 還在於這些任務的複雜性以及在其決策時工作所處的那些系統的不確定值。 混合智慧對於生態系統以及社會的價值： - 建立以便於投資者自行（或授權管理者) 有效、安全管理投資者 -資本的技術和分析基礎構設施； - 分析師自身資金不承擔風險，且能將自身智力資產貨幣化： - 在市場不確定的情況下用於做出投資決議的參考工具和資料； - 行業、預期、可能性以及市場增長點的重要分析師； - 加密資產指標和評級。 集體智慧:任何一種具體工作的集體智慧都應該符合下列標準: - 每個任務的複雜性:在給不同使用者提出過於複雜的問題時（例如，376天后美元中的比特幣價格將是多少），無法得到相應結果。但從另一方面，所獲取的訊號應該具有足夠的價值。除了所制定任務/問題本身的難度，還需要為每一位參與者創造最舒適的基礎設施，以便進行這些預測。為此，在2015年12月我們推出了移動平臺，在平臺內對與預測者協作的介面給予了特別重視。結果，每位使用者平均使用3-5分鐘生成一個資料點。 - 小組的異質性和分散性：加入到統一集體智慧的小組成員應該具有不同類別的知識和能力、智商、個人經驗和見解。如果在小組中某一個部分佔主導，那麼在對其持有錯誤見解時，系統將無法做出可靠訊號。在小組中可能有大量分歧、錯誤和主觀主義者，但是分歧的多樣性和多方向性使得其在模數中被貶值（最簡單的例子——高斯分佈）。同時，小組還應該完全分散。需要避免小組內部的任何交流和交換意見，以便避免一些個體對其他人的影響。 - 每位小組成員的動機：集體智慧的每個元素都應該具有做出最準確（根據其當前知識和可能性）訊號/預測的高度積極性。在我們的平臺上，我們為此開發觸及人類心理重要方面的多層次動機: 金錢動機。每月，我們按照每個使用者在應用中的內部評級比例分配資金。使用者做出的預測越精確——他所獲得的資金補償就越多。相應地，每位使用者的補償取決於其個人積極性和預測的準確性。 競爭動機。為此我們開發了使用者內部評級、特殊獎項和用於擴大競爭元件的其它遊戲化元素。 參與交易和投資。在我們的平臺內使用者不僅是為了獲取最多數量的分數而做出預測；他們的每項預測——是每個人微觀參與實際或模擬交易或投資。我們的交易機器人依據所建立的問題完成實際或模擬交易。這顯著增加了每位成員的參與度，包括個人以及整個小組，同時還可以提高其責任感。 訓練。每天在收到有關自己預測精準度的回饋時、以及在提高自身應對每項預測的知識水平時——預測者不斷提高自身技能並尋找預測不同種類事件中的最優戰略。 人工智慧：集體智慧系統僅僅是第一個環節並生成大量“原始”資料。隨後將Cindicator“黑盒子”接入工作，其主要因素是：每位使用者確定信任比重的體系和方法（每個問題和交易後的不斷適應），其考慮到：按照不同叢集（訊號型別、工具種類、回答間的相互關係等）劃分的小組每位參與者精確度的個人紀錄；每次交易後考慮到每個使用者預測價值（利潤或虧損、以及其大小）等級的動態反饋；（無需等待很長一段時間）能夠從小組中劃分出超級預測者的預測模型。 交易戰略和尋找使用所獲取的豐富資料建立交易機器人的最優方法的模型： - 測驗不同的交易戰略和假設； - 不斷變化的市場條件用於適應模型的定期貝克測驗和遠期測驗。
