CryptoPainter

Trump ha aterrizado, Musk es el último, ¿da la sensación de llevar a los padres a visitar a los futuros suegros?

Estos dos días he reconstruido todo el sistema y comparto algunas nuevas lecciones aprendidas: 1. Al construir un sistema de estrategia con participación de AI, para cada función que se despliegue, primero debes preguntarte: "¿Esta función puede implementarse solo con código?" Si una función puede implementarse solo con código, sin importar lo compleja que sea su lógica, se debe evitar que la AI tome la decisión; Por ejemplo, mi arquitectura actual del sistema de estrategia es primero desplegar una estrategia cuantitativa puramente algorítmica con alta tasa de éxito, alta relación ganancia/pérdida, pero con frecuencia de trading muy baja. El resultado del backtest muestra menos de 10 operaciones al año, pero con datos excelentes. La razón por la que no opera es porque el árbol de decisiones de la estrategia incluye muchos factores de filtrado, y en condiciones normales de mercado no se activa la señal de apertura de posición... Luego intervengo con AI para la toma de decisiones, usando datos históricos de la cuenta y la arquitectura de la estrategia, para que ajuste dinámicamente los parámetros de los filtros, transformando una estrategia puramente algorítmica en un trader flexible... Pero surgió un problema: aunque las indicaciones para la AI son muy completas, a medida que aumenta el número de iteraciones de parámetros, la AI comienza a desviarse en una dirección auto-reforzada... Por ejemplo, la última vez cambió el rango del RSI, vio que la tasa de éxito mejoró y las ganancias aumentaron, y esta experiencia se usó como registro de iteración para la siguiente optimización. El contexto gradualmente se volvió que, sin importar el desempeño de la estrategia, solo se modifica un parámetro clave, y cada vez más extremo... Incluso agregando en las indicaciones globales explicaciones de todos los parámetros expuestos, después de un tiempo de ejecución, la AI termina enfocándose obsesivamente en uno o dos parámetros, sin poder salir de ahí... Por eso tuve que dedicar 2 días para convertir esta parte de recolección de datos, análisis en tiempo real y ajuste dinámico de parámetros en una lógica puramente codificada. Para adaptar el sistema, se requirió desarrollar muchas dependencias, algo que antes con la AI tomando decisiones no era necesario, ya que podía obtener datos, buscar en internet, analizar semánticamente y concluir ajustes... Pero aun así, sin la participación de AI en decisiones críticas, el sistema finalmente se estabilizó, por lo que puedo confirmar que, para sistemas de trading, el código fijo siempre es mejor que un modelo grande y flexible. Actualmente he reducido el ámbito de trabajo de la AI a análisis de sentimiento social, recopilación de activos de trading (ver antecedentes y ciclos de desbloqueo) y monitoreo del sistema. Hacer que el agente actúe como un asistente es mucho más seguro y estable que hacerlo un trader. Así que, si aún esperas darle a la AI unas indicaciones y que empiece a ganar dinero para ti, mejor olvídalo. Los modelos grandes actuales solo pueden ejecutar estrategias algorítmicas con parámetros fijos, lo que equivale a ahorrarte el trabajo de desarrollo inicial; Pero cuanto más crece el espacio que ocupa la AI en un sistema, mayor es la incertidumbre de la caja negra, a veces es más estable simplemente seguir a un mentor de trading...