Keinoäly (AI) muuttaa krypton ja perinteisten markkinoiden kaupankäyntiä, mutta neljän huippuanalyytikon mukaan se palkitsee taitoa, ei korvaa sitä. Kryptokaupassa AI:n etu perustuu yhä puhtaaseen dataan ja ihmisen arvioon.
Charles Edwards Capriole Investmentsista ja Julio Moreno CryptoQuantista kuvaavat AI:ta tutkimuksen kiihdyttäjäksi. Benjamin Cowen ja Michael van de Poppe päätyivät samaan johtopäätökseen treidaajien näkökulmasta eri paneelissa.
Neljä analyytikkoa, yksi johtopäätös
Ketjukohtainen analytiikka ja AI-työkalut ovat siirtyneet marginaalista valtavirtaan kryptotutkimuksessa. Kaksi BeInCrypton paneelia kokosi neljä asiantuntijaa, jotka käyttävät näitä välineitä päivittäin.
Edwards perusti Capriole Investmentsin, kvantitatiiviseen Bitcoin (BTC) -rahaston. Moreno toimii CryptoQuantin tutkimusjohtajana. Cowen ja van de Poppe ovat tunnettuja, itsenäisiä markkina-analyytikkoja.
Market Intelligence Council -tapahtumassa Edwards totesi, että AI siirtää mahdollisuuksia niiden hyväksi, jotka panostavat työhön.
“Mielestäni myös AI tekee pelikentästä otollisemman tietyille ihmisille.”
Van de Poppe hahmotti rajan selkeästi eri paneelissa.
“Ei sinusta tule hyvää treidaajaa, jos et ollut hyvä treidaaja alun perinkään.”
Missä AI jo auttaa
Suurimmat hyödyt näkyvät toistuvissa tutkimustehtävissä. AI tiivistää nyt tehtävät, joihin aiemmin kului tunteja.
Edwards mainitsi nopeamman analyysin tärkeimpänä hyötynä.
“Työkalut ovat nykyään paljon tehokkaampia… ja se voidaan hoitaa paljon nopeammin AI:n avulla.”
Van de Poppe osoitti, kuinka helposti tähän pääsee käsiksi. Hän rakensi esimerkkilompakon chatbotilla ja ilmaisilla datavirroilla. AI-agentit noutavat nyt reaaliaikaista markkinadataa pyynnöstä.
“Voit rakentaa kryptovaluutta-portfolion ja hallintapaneelin viidessä minuutissa ilmaisilla API-rajapinnoilla.”
Nopeus ei tarkoita taitoa. Van de Poppe huomasi, että hänen AI-portfolionsa ohitti tärkeän kontekstin.
“Se ei luonut joukkoa epäkorreloituja kryptovaluuttoja… eikä siinä ollut mitään makrotalouden näkökohtia mukana.”
Hän totesi, että ihmisen arvio täydentää tätä aukkoa.
“Tässä kohtaa ihmisen tieto, kokemus ja intuitio astuvat kuvaan… Asioissa, joita AI-agentti tai LLM ei omaa.”
Hän myös varoitti pitämästä AI:ta taikana. Työkalu ei tuota “jonkinlaista taikaa, joka loisi loputtoman rahavirran”. Tämä varovaisuus on linjassa laajemman markkinan kanssa, jossa harva asiantuntija kannattaa täysin automatisoituja treidausbotteja.
Moreno totesi, että instituutiot luottavat dataan, mutta testaavat sitä jatkuvasti.
“He kyllä luottavat siihen, mutta vahvistavat paljon, ja seuraavat jatkuvasti, onko data yhä relevanttia.”
Mallit pinnan alla
Ammattilaisrahastot näkevät AI:n infrastruktuurina, eivät kristallipallona. Edwards rakensi yrityksensä laajoihin, testattuihin malleihin.
“Rakennamme satoja tunnuslukuja ja käytämme myös satoja muita datalähteitä kattavien mallien rakentamiseen… Yhdistämme ketjun teknisiä indikaattoreita ja makrodataa vuosien ajan malleihin.”
Capriolen Macro Index on esimerkki tästä lähestymistavasta. Yritys yhdistää yli 60 ketjukohtaista, makro- ja osakemarkkinoiden tunnuslukua yhteen koneoppimismalliin. Useimmat dataplatat julkaisevat tuhansia tunnuslukuja, mutta mallit vaativat silti tarkkaa kuratointia.
Cowen rakentaa omaa bottiaan alusta alkaen.
“Tällä hetkellä botti lähinnä toistaa minun sanomiani asioita. Se on melkein kuin AI-versio minusta.”
Hän haluaa välttää heikkolaatuisen AI-datan käyttöä, jotta malli ei heikkene.
“En halua käyttää tekoälypuuroa, jota on jo olemassa, luomaan lisää tekoälypuuroa.”
Van de Poppe johtaa rahastoaan samalla tavalla. Tekoäly kirjoittaa hänen kaupankäyntialgoritmiensa pohjan, mutta ihminen ohjaa kokonaisuutta, muuten tekoäly “työstää asioita, jotka eivät sovi järjestelmääsi”.
Mallien taustalla oleva data
Jokainen malli perustuu taustalla olevaan dataan. Moreno antoi terävimmän esimerkin kilpailuedusta datassa.
“He voivat esimerkiksi käydä kauppaa louhintayhtiöiden osakkeilla sen sijaan, että odottavat neljännesvuosiraporttiasi – seuraat reaaliajassa, mitä yritykset louhivat.”
Verkon hashrate tarjoaa yhden tällaisen reaaliaikaisen signaalin. Se seuraa, kuinka paljon laskentatehoa louhijat käyttävät Bitcoiniin päivittäin.
Sama menetelmä pätee myös osakepörsseihin. Bitcoin-louhijoiden osakkeet ovat saaneet uutta huomiota tekoälyinfrastruktuuriin tehtävien sijoitusten noustessa. Julio Moreno jatkaa:
“Jotkin kryptopörssit ovat myös alkaneet käydä kauppaa pörssissä, jolloin voit seurata kaupankäyntivolyymia arvioidaksesi tuloja.”
Cowen lisäsi, että datan laatu ratkaisee lopputuloksen. Hän arvostaa erityisesti ennen tekoälyaikaa tallennettuja tietoja.
“Vuotta 2022 edeltävä data on tietyllä tavalla erittäin arvokasta, koska silloin tieto oli olemassa ennen kuin tekoäly oli edes täällä.”
Sama oppi pätee sekä instituutioihin että yksityissijoittajiin. Tekoäly nopeuttaa työtä ja laajentaa mahdollisuuksia, mutta etu on niillä toimijoilla, joilla on puhdasta dataa ja kyky suunnata mallia oikein. Käyttöönoton yleistyessä juuri harkinta erottaa menestyjät muista.