CryptoPainter

Ces deux derniers jours, j'ai entièrement reconstruit le système et je partage quelques nouvelles leçons apprises : 1. Lors de la construction d'un système de stratégie impliquant l'AI, pour chaque fonctionnalité déployée, il faut d'abord se poser la question « Cette fonctionnalité peut-elle être réalisée uniquement par du code ? » Si une fonctionnalité peut être réalisée uniquement par du code, peu importe la complexité de sa logique, il faut éviter de la confier à l'AI pour la prise de décision ; Par exemple, l'architecture actuelle de mon système de stratégie est d'abord de déployer une stratégie purement algorithmique quantitative avec un taux de réussite élevé, un bon ratio gain/perte, mais une fréquence de trading très faible. Le backtest montre moins de 10 transactions par an, mais avec d'excellentes données. La raison pour laquelle il n'y a pas beaucoup de transactions est que l'arbre de décision de la stratégie intègre de nombreux facteurs de filtrage, et dans des conditions de marché normales, il est quasiment impossible de déclencher un signal d'ouverture de position... Ensuite, j'intègre l'AI dans la prise de décision, en utilisant les données historiques du compte et l'architecture de la stratégie, pour qu'elle ajuste dynamiquement les paramètres des filtres, transformant ainsi une stratégie purement algorithmique en un trader flexible... Mais le problème est apparu : malgré des instructions très complètes données à l'AI, au fur et à mesure que le nombre d'itérations des paramètres augmentait, l'AI a commencé à développer des biais auto-renforçants... Par exemple, la dernière fois, en modifiant la plage du RSI, la stratégie a vu son taux de réussite et ses profits augmenter. Cette modification a ensuite été utilisée comme journal d'itération pour la prochaine optimisation, et le contexte est progressivement devenu tel que, peu importe la performance de la stratégie, seul un paramètre clé était modifié, et les ajustements devenaient de plus en plus extrêmes... Même en ajoutant dans les instructions globales des explications sur tous les paramètres exposés, après un certain temps d'exécution, l'AI focalisait son attention sur un ou deux paramètres, sans pouvoir s'en détacher... J'ai donc dû passer deux jours à transformer cette partie impliquant la collecte de données, l'analyse en temps réel et l'ajustement dynamique des paramètres en une logique purement codée. Pour adapter le système, j'ai dû développer de nombreuses dépendances, ce qui n'était pas nécessaire lorsque l'AI prenait les décisions : elle pouvait elle-même récupérer les données, faire des recherches en ligne, analyser sémantiquement et en tirer des conclusions pour ajuster les paramètres... Cependant, sans l'AI dans la prise de décision lourde, le système est enfin devenu stable. On peut donc affirmer qu'en matière de systèmes de trading, un code rigide est finalement préférable à un grand modèle flexible ! Actuellement, j'ai réduit le rôle de l'AI à l'analyse du sentiment social, la collecte d'actifs de trading (vérification des antécédents et des périodes de déblocage) et la surveillance du système. Faire de l'Agent un secrétaire est bien plus sûr et stable que de le faire trader. Donc, si vous espérez encore donner une instruction à l'AI pour qu'elle commence à vous faire gagner de l'argent, mieux vaut abandonner cette idée. Les grands modèles actuels ne peuvent exécuter que des stratégies purement algorithmiques avec des paramètres fixes, ce qui équivaut à éviter à l'utilisateur les tracas du développement initial ; Mais plus l'AI occupe une place importante dans un système, plus l'incertitude de la boîte noire est élevée, et parfois il vaut mieux faire appel à un coach de trading pour plus de stabilité...