Các nhà khoa học đã tạo ra một AI quản lý danh mục đầu tư tiền điện tử được đào tạo với dữ liệu trên chuỗi

189
SHARES
1.5k
VIEWS

Related articles

Một cặp nhà nghiên cứu từ Đại học Tsukuba ở Nhật Bản gần đây đã xây dựng một hệ thống quản lý danh mục đầu tư tiền điện tử được hỗ trợ bởi AI sử dụng dữ liệu trên chuỗi để đào tạo, hệ thống đầu tiên thuộc loại này theo các nhà khoa học.

Được gọi là CryptoRLPM, viết tắt của “CryptoCurrency reinforcement learning portfolio manager”, hệ thống AI sử dụng một kỹ thuật đào tạo được gọi là “học tăng cường” để triển khai dữ liệu trên chuỗi vào mô hình của nó.

Học tăng cường (RL) là một mô hình tối ưu hóa trong đó một hệ thống AI tương tác với môi trường của nó – trong trường hợp này là danh mục tiền điện tử – và cập nhật đào tạo dựa trên các tín hiệu phần thưởng.

CryptoRLPM áp dụng phản hồi từ RL trong suốt kiến trúc của nó. Hệ thống được cấu trúc thành năm đơn vị chính làm việc cùng nhau để xử lý thông tin và quản lý danh mục đầu tư có cấu trúc

.

Các mô-đun này bao gồm Đơn vị nguồn cấp dữ liệu, Đơn vị sàng lọc dữ liệu, Đơn vị đại lý danh mục đầu tư, Đơn vị giao dịch trực tiếp và Đơn vị cập nhật đại lý.

Ảnh chụp màn hình nghiên cứu trước khi in, 2023 Huang, Tanaka, “Một hệ thống dựa trên học tập tăng cường có thể mở rộng sử dụng dữ liệu trên chuỗi để quản lý danh mục đầu tư tiền điện tử” Sau khi được phát triển, các nhà khoa học đã thử nghiệm CryptoRLPM bằng cách gán cho nó ba danh mục đầu tư

.

Đầu tiên chỉ chứa Bitcoin (BTC) và Storj (STORJ), thứ hai giữ BTC và STORJ trong khi thêm Bluzelle (BLZ) và thứ ba giữ cả ba bên cạnh Chainlink (LINK).

Các thí nghiệm được tiến hành trong khoảng thời gian kéo dài từ tháng 10 năm 2020 đến tháng 9 năm 2022 với ba giai đoạn riêng biệt (đào tạo, xác nhận, kiểm tra lại.)

Các nhà nghiên cứu đã đo lường sự thành công của CryptoRLPM dựa trên đánh giá cơ bản về hiệu suất thị trường tiêu chuẩn thông qua ba số liệu: “tỷ lệ hoàn vốn tích lũy” (AAR), “tỷ lệ hoàn vốn hàng ngày” (DRR) và “Tỷ lệ Sortino” (SR).

AAR và DRR là các thước đo sơ lược về số tiền tài sản đã mất hoặc tăng trong một khoảng thời gian nhất định và SR đo lường lợi nhuận được điều chỉnh theo rủi ro của tài sản.

Ảnh chụp màn hình nghiên cứu trước khi in, 2023 Huang, Tanaka, “Một hệ thống dựa trên học tập tăng cường có thể mở rộng sử dụng dữ liệu trên chuỗi để quản lý danh mục đầu tư tiền điện tử” Theo bài nghiên cứu trước khi in của các nhà khoa học, Crypto

LPM chứng tỏ ý nghĩa quan trọng Những cải tiến so với hiệu suất cơ bản:

“Cụ thể, CryptoRLPM cho thấy ít nhất 83,14% cải thiện ARR, ít nhất là 0,5603% cải thiện DRR và ít nhất là cải thiện 2.1767 trong SR,

so với Bitcoin cơ bản.”

Liên quan: DeFi đáp ứng AI: Sức mạnh tổng hợp này có thể là trọng tâm mới của việc mua lại công nghệ không?

Related Posts

Leave a Reply

Your email address will not be published. Required fields are marked *