paint-brush
Teller の分散型消費者物価指数 (CPI) を明らかにする@oraclesummit
151 測定値

Teller の分散型消費者物価指数 (CPI) を明らかにする

長すぎる; 読むには

Teller の CEO である Brenda Loya が、分散型消費者物価指数 (CPI) のビジョンと、それが政府の政策に与える潜在的な影響について説明します。 2019 年に開始された Teller は、分散型、許可不要、検閲耐性のあるデータ統合に重点を置いたブロックチェーン オラクル プロトコルです。この用語集では、Tellor、分散型ネットワーク、消費者物価指数 (CPI)、外れ値の定義、外れ値の検出、データ集約などの主要な概念をカバーしています。 Teller が CPI 計算の課題にどのように対処し、透明性の高い経済指標に貢献しているかをご覧ください。
featured image - Teller の分散型消費者物価指数 (CPI) を明らかにする
Blockchain Oracle Summit HackerNoon profile picture

以下のプレゼンテーションでは、Teller の共同創設者兼 CEO である Brenda Loya が、分散型消費者物価指数 (CPI) の構築と、ブロックチェーンがどのようにして政府の政策に透明性と責任を導入できるかについてプレゼンテーションを主導します。


以下は、ブレンダの講演中に言及された主要な概念の用語集であり、彼女のビデオ プレゼンテーションの補足を目的としています。

テラーについて

Teller は、分散型、許可不要、検閲耐性のある方法でオフチェーン データをオンチェーンに配置するブロックチェーン オラクル プロトコルです。 Teller はあらゆる種類のデータを処理できるように構築されており、誰でもデータを提供および確認できるようにします。 Teller は 2019 年に開始され、そのネイティブ トークンである $TRB は、支払い、データ レポーターのステーキング、および紛争補償に使用されます。


分散型ネットワーク

オラクルはオフチェーンデータをオンチェーンに持ち込む方法に焦点を当てていますが、次のフロンティアはオープン分散ネットワークとそれが本質的に提供する透明性によってオフチェーンデータを改善することでしょう。これらのネットワークは分散型の性質を特徴としており、参加者またはノードのネットワーク全体に制御と情報を分散し、中央機関への依存を減らします。分散型ネットワークは、セキュリティを強化するだけでなく、オフチェーン データの検証および検証プロセスにおける高度な信頼性とオープン性を保証します。


消費者物価指数 (CPI)



消費者物価指数 (CPI) は、家計が消費する特定の商品やサービスの平均価格の長期的な変化を測定することにより、経済におけるインフレまたはデフレを反映する重要な経済指標です。これは加重平均アプローチを使用して計算されます。このアプローチでは、商品およびサービスの代表的なサンプルが選択され、消費者支出総額に占める割合に基づいて各項目に重みが割り当てられます。これらの品目の価格データは定期的に収集され、重み付けされて結合されて CPI が生成されます。


CPI は、金融政策や財政計画にとって重要なインフレ水準に関する洞察を提供します。中央銀行、政府、企業も CPI データを使用して、金利、年金と税金の範囲、賃金を調整します。ただし、消費者の嗜好の変化、技術の進歩、新しい商品やサービスの追加により、CPI の計算が複雑になる場合があります。


CPI はまた、長年にわたって 3 つの長年にわたる批判にも直面してきました。


  1. 代用

  2. 新しいものを取り入れるのが遅れる

  3. 測定されていない、または測定が不十分な品質の変化


しかし、データ収集と品質調整の問題を超えて、より最近特定された重要な問題は、集中化と透明性の欠如です。ここで、オープンな分散型ネットワークがインデックスに大幅な改善をもたらし、大きな違いを生むことができます。米国 CPI の具体的な詳細とその計算方法については、こちらをご覧ください。


異常値の定義

外れ値は、データセットの全体的なパターンから大きく逸脱したデータ ポイントです。 Oracle データ レポートのコンテキストでは、外れ値とは、データセットの残りの部分と大きく異なるデータ ポイントを指します。これは、大部分のデータと比較したときに目立つ、異常に高い値または低い値である可能性があります。 Oracle データ レポートの外れ値を特定することは、レポートと分析の正確性と信頼性を確保するために重要です。外れ値は、データ入力のエラーや測定の問題を示している場合もあれば、さらなる調査が必要な意味のある洞察や異常を示している場合もあります。異常値を管理することは、報告される情報の品質と有効性を確保するためのデータ分析における一般的な方法です。


外れ値の検出

外れ値の検出とは、データ プロバイダーから報告された期待値から大きく逸脱したデータ ポイントを特定して管理するプロセスを指します。これには、統計的手法、機械学習アルゴリズム、またはコンセンサス メカニズムを採用して、これらの異常値が最終的に集計されたデータに不均衡な影響を与えることを防ぐことが含まれます。


過度に積極的な外れ値検出アルゴリズムは、有効なデータを誤って外れ値として識別する可能性があるため、真の外れ値のフィルタリングと正確なデータの保存の間で適切なバランスをとることは困難な場合があります。中央値集計としきい値ベースのチェックは、一般的な外れ値検出メカニズムの一部です。


データの集約

データ集約は、さまざまなソースからデータを収集して、スマート コントラクトやブロックチェーン システムに統合するための正確な情報を生成するプロセスです。集計に使用される手法には、平均化、中央値の計算、および加重投票が含まれます。集約方法の選択は、特定のアプリケーションと基礎となるプロトコル設計によって異なります。


オラクルネットワークでは、データの正確性と信頼性を維持しながら、オフチェーンのデータソースとオンチェーンの実行を橋渡しするためにデータ集約が必要なステップです。


Blockchain Oracle Summit は、より広範なブロックチェーン エコシステムに対するオラクルのユースケース、制限、影響を深く掘り下げる世界で唯一の技術サミットです。世界中の一流の講演者がパリに集まり、Oracle ソリューションの構築と使用の仕事と経験を共有しました。


-マイケル・アビオダン


ここでも公開されています。

Unsplash のニコラス・カペロによるリード画像