मैं इतना जोर देकर कहना चाहूंगा कि एआई के विकास से भविष्यवाणी बाजारों के लिए कितनी बड़ी सहायता मिल रही है। ऐतिहासिक रूप से, फ़्यूचर्स और विकल्प हमेशा भविष्यवाणी बाजारों की तुलना में काफी अधिक तरलता रखते रहे हैं, क्योंकि उनकी कीमत निर्धारित करना और डेल्टा-न्यूट्रल तरलता प्रदान करना काफी आसान है। किसी भी तरल मंच पर किसी संपत्ति के प्रति जोखिम को हेज करने वाली मार्केट मेकिंग रणनीति चलाना बहुत सरल है। अंततः, ETH या BTC के लिए 100 से अधिक तरलता स्रोत हैं। लेकिन, उदाहरण के लिए, NVDA के चिप्स के किराए के लिए डेल्टा-न्यूट्रल रणनीति चलाना सैकड़ों गुना कठिन है। इसीलिए, भविष्यवाणी बाजारों की अधिकांश तरलता LPs और ट्रेडर्स से आती है, जो किसी विशिष्ट कॉन्ट्रैक्ट के परिणाम का मॉडलिंग करते हैं, और फिर वहां तरलता प्रदान करते हैं, जहां उनका मानना है कि कीमत होनी चाहिए। वह मॉडलिंग हिस्सा पहले सबसे सक्रिय और सबसे प्रदर्शनशील हाई-फ्रीक्वेंसी ट्रेडिंग स्टोर्स के लिए भी बहुत भारी होता था। लेकिन अब, जो पहले स्वयं कस्टम मशीन लर्निंग एल्गोरिदम बनाने के लिए महत्वपूर्ण इंजीनियरिंग संसाधनों की मांग करता था, वह सिर्फ कुछ डेटा API को सीमा मॉडल्स से होकर चलने वाली रणनीति से कनेक्ट करने के समान हो गया है। और Jev जैसे नवीनतम नवाचारों के साथ, ये रणनीतियां पैमाने पर हमेशा से अधिक संभव होती जा रही हैं। यह Trueo के लिए प्राथमिकता का क्षेत्र है। मुझे नियमित रूप से कहा जाता है कि अगर हम हमारे प्लेटफ़ॉर्म पर तरलता हल कर सकते हैं, तो हम पोली और कैलशी के सीधे प्रतिस्पर्धी हो सकते हैं। मैं कहना चाहता हूं कि यह लक्ष्य पहले कभी इतना प्राप्तयोग्य नहीं हुआ। और हम इसे बहुतजल्द साबित करेंगे।