Laut BlockBeats heben Branchenexperten hervor, dass maschinelles Lernen im Krypto-Handelssektor noch nicht den weit verbreiteten Adoptionsgrad erreicht hat, der einem 'iPhone-Moment' ähnelt. KI-gesteuerte automatisierte Handelsagenten nähern sich jedoch schnell diesem kritischen Punkt. Mit Fortschritten in der Anpassung von Algorithmen und den Fähigkeiten des verstärkenden Lernens verlagert sich die neue Generation von KI-Handelsmodellen von absolutem Gewinn und Verlust (P&L) hin zur Einbeziehung von risikoadjustierten Kennzahlen wie dem Sharpe-Verhältnis, maximalem Drawdown und Value at Risk (VaR), um das Risiko und die Rendite unter verschiedenen Marktbedingungen dynamisch auszubalancieren.
Michael Sena, Chief Marketing Officer bei Recall Labs, stellte fest, dass in den jüngsten KI-Handelswettbewerben speziell angepasste und optimierte Handelsagenten die allgemeinen großen Modelle erheblich übertroffen haben, die den Markt nur geringfügig übertrafen, als sie autonom Handelsgeschäfte durchführten. Die Ergebnisse zeigen, dass spezialisierte Handelsagenten, die mit zusätzlicher Logik, Argumentation und Datenquellen verbessert wurden, allmählich die grundlegenden Modelle übertreffen.
Dennoch wirft die Demokratisierung des KI-Handels Bedenken auf, ob der Vorteil von Alpha schnell erschöpft sein wird. Sena betonte, dass diejenigen, die proprietäre, spezialisierte Werkzeuge entwickeln können, langfristig weiterhin profitieren werden. Die vielversprechendste zukünftige Form könnte ein KI-gesteuertes 'intelligentes Portfoliomanagement' sein, das es den Nutzern dennoch ermöglicht, Strategiepräferenzen und Risikoparameter festzulegen.