Μια ομάδα επιστημόνων από το Πανεπιστήμιο της Τσουκούμπα στην Ιαπωνία ανέπτυξε ένα πρωτοποριακό σύστημα τεχνητής νοημοσύνης (AI) για τη διαχείριση χαρτοφυλακίων κρυπτονομισμάτων. Το σύστημα, γνωστό ως CryptoRLPM (Cryptocurrency reinforcement learning portfolio manager), αξιοποιεί τα δεδομένα της αλυσίδας για την εκπαίδευση του μοντέλου τεχνητής νοημοσύνης του, καθιστώντας το το πρώτο στο είδος του στον τομέα.
Το CryptoRLPM χρησιμοποιεί μια τεχνική που ονομάζεται ενισχυτική μάθηση (RL), η οποία περιλαμβάνει την αλληλεπίδραση του συστήματος AI με το περιβάλλον του -το χαρτοφυλάκιο κρυπτονομισμάτων- και την ενημέρωση της εκπαίδευσής του με βάση τα σήματα ανταμοιβής. Αυτή η προσέγγιση με γνώμονα την ανατροφοδότηση ενσωματώνεται σε όλη την αρχιτεκτονική του συστήματος, η οποία περιλαμβάνει πέντε κύριες μονάδες: τροφοδοσία δεδομένων, βελτίωση δεδομένων, πράκτορας χαρτοφυλακίου, ζωντανή διαπραγμάτευση και ενημέρωση πράκτορα.
Για να αξιολογήσουν τις επιδόσεις του CryptoRLPM, οι ερευνητές διεξήγαγαν πειράματα χρησιμοποιώντας τρία διαφορετικά χαρτοφυλάκια για μια περίοδο δύο ετών, από τον Οκτώβριο του 2020 έως τον Σεπτέμβριο του 2022. Τα χαρτοφυλάκια αποτελούνταν από διάφορους συνδυασμούς Bitcoin (BTC), Storj (STORJ), Bluzelle (BLZ) και Chainlink (LINK).
Οι επιστήμονες συνέκριναν τις επιδόσεις του συστήματος με μια βασική αξιολόγηση της τυπικής απόδοσης της αγοράς χρησιμοποιώντας τρεις βασικές μετρήσεις: συσσωρευμένο ποσοστό απόδοσης (AAR), ημερήσιο ποσοστό απόδοσης (DRR) και λόγο Sortino (SR). Τα AAR και DRR παρέχουν πληροφορίες σχετικά με τα κέρδη ή τις ζημίες ενός περιουσιακού στοιχείου εντός ενός συγκεκριμένου χρονικού πλαισίου, ενώ ο SR μετρά την προσαρμοσμένη στον κίνδυνο απόδοση του περιουσιακού στοιχείου.
Σύμφωνα με το ερευνητικό έγγραφο, το CryptoRLPM επέδειξε σημαντικές βελτιώσεις σε σχέση με τις βασικές επιδόσεις, συμπεριλαμβανομένης της αύξησης κατά 83,14% του AAR, της βελτίωσης κατά 0,5603% του DRR και της βελτίωσης κατά 2,1767 του SR σε σύγκριση με το βασικό χαρτοφυλάκιο Bitcoin.
Η επιτυχημένη ανάπτυξη και η απόδοση του CryptoRLPM αναδεικνύουν τις δυνατότητες των εργαλείων με τεχνητή νοημοσύνη στη βελτιστοποίηση των στρατηγικών διαχείρισης χαρτοφυλακίου κρυπτονομισμάτων. Ωστόσο, απαιτείται περαιτέρω έρευνα και δοκιμές σε πραγματικό κόσμο για την επικύρωση και τη βελτίωση των δυνατοτήτων του συστήματος.
Για περισσότερα ενημερωμένα νέα, βρείτε μας στο Twitter και στις Ειδήσεις ή εγγραφείτε στο κανάλι μας στο YouTube .
Ποια είναι η γνώμη σας για το συγκεκριμένο θέμα; Αφήστε μας το σχόλιο σας από κάτω! Πάντα μας ενδιαφέρει η γνώμη σας!
Αρθρογράφος: Dimitrios Alexandridis
