Stündlich bewertet die Engine jedes Subnet, dessen Pool genug TAO für die simulierte Position hat (mindestens 200 τ). Eine logistische Regression und XGBoost werden verglichen. Sie beobachten Ergebnisse zunächst ohne Transaktionen. Ein neues Modell kann nach festen Prüfregeln das bisherige ersetzen; ohne ausreichende Belege bleibt es im Forschungsbetrieb.
Gefragt wird: Erreicht ein Subnet binnen 24 Stunden einen simulierten Nettoanstieg von mindestens +10 % nach Gebühren und Preiswirkung, bevor −7 % netto erreicht werden? Der Einstieg folgt zehn Minuten nach der Entscheidung. Wird eine Schwelle gesehen, erfolgt der Ausstieg fünf Minuten später; als Treffer zählt nur, was dann noch +10 % netto hält. Ziel und Verlustgrenze sind feste, vor Beginn registrierte Werte und hängen nicht von der Volatilität ab. Es zählt kein nachträglich ausgewählter Höchstkurs.
Der Collector speichert alle 25 Blöcke (etwa fünf Minuten) einen Zustand aller dynamischen Subnets aus finalisierten Blöcken: Reserven, Poolgewichte, Swap-Gebühren, kumuliertes Volumen, TAO- und Alpha-Emission, gleitender Emissionspreis, umlaufendes Alpha und Registrierung. Zusätzlich werden die Ereignisse jedes Blocks ausgewertet: Käufe und Verkäufe müssen anhand der tatsächlichen Ereignisse und Beträge nachvollziehbar sein; Umbuchungen gelten nicht als Käufe, und Adressen werden nur als Prüfsumme gespeichert. Fehlende Abdeckung bedeutet unbekannt, nicht null. Runtime-Upgrades werden nur übernommen, wenn alle genutzten Speicherformate unverändert sind und die Pool-Berechnung an einer Stichprobe mit der Runtime übereinstimmt.
Ältere Zustände werden aus einem öffentlichen Archiv-Knoten mit denselben Prüfungen nachgeladen. Sie dienen dem Training; weil ihr damaliger Verfügbarkeitszeitpunkt rekonstruiert ist, zählen für die Freigabe von Signalen nur live aufgezeichnete Prognosen und Ergebnisse.
56 Merkmale in elf Gruppen: Kursverlauf, Schwankung, Lage in der Wochenspanne, Poolgröße und Handelskosten, Zufluss nach Abzug der Emission, Umsatz, Emission und mechanische Nachfrage, weitere Chain-Felder, Käuferverhalten, Rang im Querschnitt aller Subnets und Marktlage. Jeder Wert verwendet nur Daten bis zur Entscheidung; ein Test überschreibt alle späteren Daten und verlangt identische Merkmale. Nach einer Neuregistrierung beginnt die Historie eines Subnets neu.
Training, Parameterauswahl, Kalibrierung mit Auswahlregel und Test verwenden getrennte, chronologische Zeiträume (55/5/20/20 %). Überlappende Ergebnisfenster werden entfernt, dazu kommt ein Abstand von 24 Stunden. Jede Auswertung vergleicht das Modell mit einer Auswahl nur nach Schwankung, weil ein Modell sonst gut aussehen kann, indem es nur erkennt, welches Subnet stark schwankt. Die Auswahlregel nimmt je Entscheidung höchstens drei Subnets mit Mindestwahrscheinlichkeit und positivem erwartetem Nettoergebnis, und jedes Subnet höchstens einmal in 24 Stunden. Sie wird nur aktiviert, wenn die Untergrenze des mittleren simulierten Nettoergebnisses über null liegt und die Obergrenze der Fehlalarme unter 85 % bleibt.
Wöchentliche Trainingsversuche haben ein festes Budget; fehlende Historie verbraucht es nicht. Kandidaten werden auf denselben neuen Entscheidungen wie das bisherige Modell beobachtet. Erste Vergleichspunkte liegen nach 28, 42 und 56 Tagen; zusätzliche Mindestzahlen, zeitliche Abdeckung und Unsicherheitsprüfungen bleiben erforderlich. Neues Training allein ist kein Verbesserungsnachweis. Freigegebene Modelle werden weiter überprüft; eine unzureichende Prüfung setzt Signale aus.
Die Simulation verwendet beobachtete Poolgewichte, Reserven und Swap-Gebühren, eine Position von 1 TAO (höchstens 0,5 % der TAO-Reserve), 0,0002 TAO Transaktionsgebühr und 10 Basispunkte Preisabweichung je Kauf und Verkauf. Sie ist keine tatsächlich ausgeführte Position und kein Beweis realer Gewinne. Bewegungen zwischen zwei Fünf-Minuten-Zuständen werden nicht gesehen.
Nur das aktuell qualifizierte Modell kann eine Meldung an den konfigurierten Owner auslösen. Sie nennt Subnet, Rang im Zyklus, geschätzte Wahrscheinlichkeit neben der Basisrate, Zielfenster, typische Zeit bis zum Ziel, Ausstiegsplan (+10 % netto, Stopp −7 % netto, spätestens nach 24 Stunden) und Kostenszenario. Später wird auch das Ergebnis oder die fehlende Auswertbarkeit gemeldet.
Die Engine führt keine Käufe oder Verkäufe aus. Ihre Verlässlichkeit muss durch ausreichende neue Daten und später beobachtete Ergebnisse belegt werden.