Die Verbindung von dezentralen Finanzen und maschinellem Lernen gehört zu den bedeutsamsten Entwicklungen im modernen Finanzwesen. Dieses Buch bietet eine strukturierte und praxisorientierte Analyse, wie prädiktive Modelle auf DeFi-Protokolle angewendet werden können, mit besonderem Fokus auf Yield-Farming-Strategien und dezentrale Kreditmärkte. Der Leser findet einen klaren Aufbau, der von grundlegenden Konzepten — Mechanik von Liquiditätspools, automatisierten Market Makern und On-Chain-Kreditplattformen — zu fortgeschrittenen datengetriebenen Techniken führt, die fundiertere Kapitalallokationsentscheidungen ermöglichen. Das Buch erläutert, wie Algorithmen des überwachten und unüberwachten Lernens Blockchain-Daten verarbeiten, Verhaltensmuster erkennen und risikoadjustierte Renditen über mehrere Protokolle hinweg prognostizieren können. Besondere Aufmerksamkeit gilt den spezifischen Risiken des DeFi-Umfelds: Smart-Contract-Risiken, Oracle-Manipulation, Modellierung von Impermanent Loss und Liquiditätsfragmentierung. Experten der quantitativen Finanzwirtschaft, Data Scientists sowie erfahrene Privatanleger finden gleichermaßen relevante Inhalte. Vorkenntnisse in Blockchain-Technologie werden nicht vorausgesetzt; das erforderliche Grundlagenwissen wird schrittweise im Verlauf der Kapitel aufgebaut. Am Ende verfügen die Leser über ein kohärentes Framework zur Entwicklung, zum Backtesting und zum Einsatz von Machine-Learning-Pipelines im DeFi-Ökosystem.
───────────────────