Der Fall von Mantra (OM) und warum künstliche Intelligenz (KI) den 90% -Stoken -Absturz hätte verhindert haben können

Innerhalb weniger Stunden stürzte der Vermögenswert von über 6 Milliarden US -Dollar auf rund 500 Millionen US -Dollar.

The fall of Mantra (OM), the native token of the layer-1 real-world asset blockchain Mantra, shook the crypto market on April 13. Within hours, the asset saw its market cap plunge from over $6 billion to around $500 million.

Der Fall von Mantra (OM), dem einheimischen Token der Layer-1 Real World Asset Blockchain Mantra, schüttelte am 13. April den Krypto-Markt. Innerhalb weniger Stunden stürmte auf dem Vermögenswert von über 6 Milliarden US-Dollar auf rund 500 Millionen US-Dollar.

In a market already scarred by billion-dollar collapses, the collapse of Mantra’s native asset proved yet again that hacks aren’t the only enemy to the industry—crypto has been crippled by negligence. The team behind Mantra blamed “forced liquidations” for the 90% token crash, which is only half of the story.

In einem Markt, der bereits durch Milliarden-Dollar-Zusammenbrüche gezeichnet wurde, hat der Zusammenbruch des einheimischen Vermögenswerts von Mantra erneut bewiesen, dass Hacks nicht der einzige Feind der Branche sind-Crypto wurde von Fahrlässigkeit verkrüppelt. Das Team hinter Mantra beschuldigte „erzwungene Liquidationen“ für den 90% -Stoken -Absturz, der nur die Hälfte der Geschichte ist.

As more data surfaces, it’s becoming clear that the collapse wasn’t just a case of unfortunate timing or high market volatility. It was a preventable disaster that had many catalysts, like overleveraged positions, weak liquidity, and various gaps in its automated risk management systems.

Da mehr Datenflächen auftreten, wird klar, dass der Zusammenbruch nicht nur ein unglücklicher Zeitpunkt oder eine hohe Marktvolatilität war. Es war eine vermeidbare Katastrophe, bei der viele Katalysatoren wie übertriebene Positionen, schwache Liquidität und verschiedene Lücken in den automatisierten Risikomanagementsystemen auftraten.

Ironically, artificial intelligence, the technology that crypto evangelists have been praising over the last three years, could have predicted, flagged, and even prevented this crash, had it been implemented properly.

Ironischerweise hätte künstliche Intelligenz, die Technologie, die Krypto -Evangelisten in den letzten drei Jahren gelobt haben, diesen Absturz vorhersagen, markiert und sogar verhindert, wenn er ordnungsgemäß umgesetzt worden wäre.

AI-driven liquidity stress testing

AI-gesteuerte Liquiditätsstress-Tests

The problem with traditional financial stress testing is that it is designed for stable, regulated markets and conventional assets like stocks and bonds, where extreme volatility is rare. Cryptocurrencies, on the other hand, operate in a different reality where wild price swings and sudden liquidity crashes are pretty common and part of the market game. Legacy risk frameworks that rely on historical patterns fail to capture these shocks.

Das Problem bei traditionellen finanziellen Stresstests besteht darin, dass es für stabile, regulierte Märkte und konventionelle Vermögenswerte wie Aktien und Anleihen ausgelegt ist, in denen die extreme Volatilität selten ist. Kryptowährungen hingegen arbeiten in einer anderen Realität, in der wilde Preisschwankungen und plötzliche Liquiditätsunfälle ziemlich häufig und Teil des Marktspiels sind. Legacy -Risiko -Frameworks, die auf historischen Muster angewiesen sind, erfassen diese Schocks nicht.

AI-driven stress testing offers a dynamic alternative. Instead of relying on static historical data, machine learning models adapt to real-time conditions, analyzing market sentiment, on-chain metrics, and liquidity patterns.

AI-gesteuerte Stresstests bieten eine dynamische Alternative. Anstatt sich auf statische historische Daten zu verlassen, passen sich maschinelle Lernmodelle an Echtzeitbedingungen an und analysieren die Marktstimmung, die Kettenmetriken und die Liquiditätsmuster.

A new method called kurtosis-based stress testing focuses on reducing the risk of extreme outlier losses, precisely the “fat tail” events that characterize crypto market failures. This technique can help firms in “less predictable, high-impact” events like the recent Mantra and the 2022 Terra (LUNA) crashes. During the Terra collapse in 2022, traditional risk models failed because they didn’t anticipate how quickly a stablecoin de-peg could spiral into a $60 billion wipeout.

Eine neue Methode namens Kurtosis-basierter Stresstest konzentriert sich auf die Reduzierung des Risikos extremer Ausreißerverluste, genau die Ereignisse „Fat Tail“, die den Krypto-Marktfehlern charakterisieren. Diese Technik kann Unternehmen bei „weniger vorhersehbaren, hochwirksamen“ Ereignissen wie dem jüngsten Mantra und dem 2022-Terra (Luna) -Instürme helfen. Während des Terra-Zusammenbruchs im Jahr 2022 scheiterten traditionelle Risikomodelle, da sie nicht erwarteten, wie schnell ein Stablecoin-De-Peg zu einem Wipeout von 60 Milliarden US-Dollar führen könnte.

The research shows that portfolios designed to reduce extreme risk swings delivered a 491% return with the kurtosis model, beating the simpler ‘buy-and-hold’ approach at 426% and even outperforming those built around traditional Sharpe ratio strategies, with a 384% return.

Die Untersuchungen zeigen, dass Portfolios mit dem Kurtosis-Modell eine Rendite von 491% bei extremen Risiko-Schwankungen lieferten, den einfacheren "Buy-and-Hold" -Ansatz bei 426% übertrafen und diejenigen, die sich um herkömmliche Sharpe-Ratio-Strategien bauen, mit einer Rendite von 384% sogar übertreffen.

A high kurtosis value indicates a higher probability of extreme volatility. In crypto, these events aren’t anomalies—they’re part of the landscape.

Ein hoher Kurtosis -Wert weist auf eine höhere Wahrscheinlichkeit einer extremen Volatilität hin. In Krypto sind diese Ereignisse keine Anomalien - sie sind Teil der Landschaft.

Mantra’s exposure to thin weekend liquidity and token concentration could have been flagged well in advance with AI-powered stress testing methods, offering stakeholders a window to act before catastrophe struck.

Mantras Exposition gegenüber einer dünnen Wochenend-Liquidität und der Token-Konzentration hätte weit im Voraus mit AI-betriebenen Stresstestmethoden gekennzeichnet sein und die Interessengruppen ein Fenster zum Handeln bieten, bevor eine Katastrophe schlug.

Tracking and flagging movements with AI

Verfolgung und Markierungen mit KI

Blockchain’s transparency is its greatest strength, yet monitoring millions of transactions manually is impossible. This is where AI excels. Autonomous AI agents can continuously scan on-chain activity and flag unusual patterns that might indicate impending market manipulation, all without the need for human involvement.

Die Transparenz von Blockchain ist die größte Stärke, aber es ist unmöglich, Millionen von Transaktionen manuell zu überwachen. Hier zeichnet sich die KI aus. Autonome AI-Wirkstoffe können kontinuierlich auf Kettenaktivitäten scannen und ungewöhnliche Muster hinweisen, die auf eine drohende Marktmanipulation hinweisen könnten, ohne dass die Beteiligung menschlicher Beteiligung erforderlich ist.

In Mantra’s case, blockchain data analyzed after the crash revealed telling signs. Just days before the collapse, a wallet linked to Laser Digital reportedly transferred 6.5 million OM tokens to another wallet, which then sent them to OKX, where they were liquidated. An AI monitoring system could have detected these movements in real time, issuing immediate alerts to exchanges, regulators, and the broader community.

Im Fall von Mantra wurden nach dem Absturz analysierte Blockchain -Daten analysiert. Nur wenige Tage vor dem Zusammenbruch versetzte eine Brieftasche, die mit Laser Digital verbunden war, Berichten zufolge 6,5 Millionen OM -Token in eine andere Brieftasche, die sie dann nach OKX schickte, wo sie liquidiert wurden. Ein KI -Überwachungssystem hätte diese Bewegungen in Echtzeit erkannt haben und sofortige Warnungen an den Austausch, die Aufsichtsbehörden und die breitere Gemeinschaft ausgestellt haben.

AI agents can distinguish routine market behavior from potential manipulations since they don’t just track transactions but also build behavioral profiles across wallet networks.

KI -Agenten können Routine -Marktverhalten von potenziellen Manipulationen unterscheiden, da sie nicht nur Transaktionen verfolgen, sondern auch Verhaltensprofile über Brieftaschennetzwerke aufbauen.

Predicting order book vulnerabilities

Vorhersage von Bestellbuch Schwachstellen

Perhaps the most direct way AI could have prevented the Mantra crash is through sophisticated order book analysis. Order books reveal the true health of a market, but their complexity demands more than just surface-level analysis.

Die vielleicht direkteste Art und Weise, wie KI den Mantra -Absturz hätte verhindern können, ist die anspruchsvolle Auftragsbuchanalyse. Ordensbücher zeigen die wahre Gesundheit eines Marktes, aber ihre Komplexität erfordert mehr als nur eine Analyse auf Oberflächenebene.

Deep learning models, particularly Convolutional Neural Networks and Long Short-Term Memory networks, have proven to deliver promising results in forecasting price movements based on order book data. One study found that temporal CNNs can predict Bitcoin (BTC) price shifts with up to 76% accuracy.

Deep Learning-Modelle, insbesondere Faltungsnetze und langfristige Netzwerke für kurzfristige Speicher, haben sich erwiesen, um vielversprechende Ergebnisse bei der Vorhersage von Preisbewegungen auf der Grundlage von Auftragsbuchdaten zu liefern. Eine Studie ergab, dass zeitliche CNNs die Preisveränderungen von Bitcoin (BTC) mit einer Genauigkeit von bis zu 76% vorhersagen können.

AI-driven analysis of market depth would have highlighted the risk of significant slippage from large sell orders—conditions ripe for a cascading price collapse. Consequently, these models could have exposed Mantra’s fragility by identifying dangerously thin order books during weekend trading hours.

Die KI-gesteuerte Analyse der Markttiefe hätte das Risiko eines erheblichen Schlupfes aus großen Verkaufsbestellungen hervorgehoben-die Bereitschaftsabfälle für einen Kaskadierungskollaps. Infolgedessen könnten diese Modelle die Fragilität von Mantra entlarvt haben, indem sie gefährlich dünne Auftragsbücher während der Wochenendhandelszeiten identifiziert haben.

With the help of AI and deep learning models, crypto firms can implement dynamic safeguards like circuit breakers triggered by sharp price drops and structural weaknesses in liquidity to flag or prevent situations similar to Mantra.

Mit Hilfe von KI- und Deep -Learning -Modellen können Krypto -Unternehmen dynamische Schutzmaßnahmen wie Leistungsschalter implementieren, die durch scharfe Preisabfälle und strukturelle Schwächen in der Liquidität ausgelöst werden, um Situationen ähnlich wie das Mantra zu verzeichnen oder zu verhindern.

Building a resilient crypto ecosystem with AI

Aufbau eines belastbaren Krypto -Ökosystems mit KI

While blockchain technology promises decentralization and transparency, it remains vulnerable without advanced AI-powered risk management systems that can process millions of transactions and flag suspicious patterns. The collapse of high-profile assets like Mantra and Terra has proven the need for these systems.

Während die Blockchain-Technologie Dezentralisierung und Transparenz verspricht, bleibt sie ohne fortschrittliche KI-angetriebene Risikomanagementsysteme anfällig, die Millionen von Transaktionen und verdächtigen Mustern verarbeiten können. Der Zusammenbruch hochkarätiger Vermögenswerte wie Mantra und Terra hat die Notwendigkeit dieser Systeme nachgewiesen.

Financial institutions with crypto exposure must prioritize

Finanzinstitute mit Krypto -Exposition müssen Prioritäten setzen