CryptoPainter

Трамп приземлился, Маск последний, ощущение, будто идёшь с родителями в гости к будущим родственникам?

За последние пару дней я полностью перестроил всю систему и хочу поделиться новыми уроками и опытом: 1. При создании стратегической системы с участием AI, перед внедрением каждой функции нужно задать себе вопрос: «Можно ли реализовать эту функцию с помощью чистого кода?» Если функцию можно реализовать чистым кодом, независимо от сложности логики, следует избегать передачи принятия решений AI; Например, моя текущая архитектура стратегической системы сначала разворачивает набор чисто алгоритмических количественных стратегий с высокой вероятностью выигрыша и высоким соотношением прибыли к убыткам, но с очень низкой частотой сделок. Результаты бэктеста показывают менее 10 сделок в год, но с отличными данными. Причина низкой активности — в дереве решений стратегии добавлено множество фильтров, из-за которых обычные рыночные условия не вызывают сигналов на открытие позиций... Затем я подключаю AI к принятию решений, используя исторические данные аккаунта и архитектуру стратегии, чтобы динамически настраивать параметры фильтров, превращая чисто алгоритмическую стратегию в гибкого трейдера... И тут возникла проблема: несмотря на то, что подсказки для AI были максимально подробными, с увеличением количества итераций параметров AI начал проявлять самоусиливающиеся отклонения в направлении... Например, после изменения диапазона RSI стратегия показала рост вероятности выигрыша и прибыли, и этот опыт AI стал использовать как лог итераций для следующей оптимизации. Контекст постепенно сводился к тому, что независимо от результатов стратегии, AI менял только один ключевой параметр, и изменения становились всё более экстремальными... Даже добавляя в глобальные подсказки описание всех открытых параметров, после некоторого времени работы AI всё равно зацикливался на одном-двух параметрах и не мог от них отойти... Поэтому мне пришлось потратить 2 дня, чтобы превратить эту часть задач AI — сбор данных, их анализ в реальном времени и динамическую настройку параметров — в чисто кодовую логику. Для адаптации системы пришлось разработать множество зависимостей, чего раньше не требовалось, когда решения принимал AI, который мог самостоятельно собирать данные, искать в интернете, анализировать семантику и делать выводы по настройке... Но всё же, без участия AI в ключевых решениях система наконец стабилизировалась, и можно с уверенностью сказать, что для торговой системы «жёсткий» код всё же лучше гибкой большой модели! Сейчас я ограничил работу AI анализом социальных настроений, сбором информации о торговых активах (проверка фона и сроков разблокировки) и мониторингом системы. Использовать агента в роли секретаря гораздо безопаснее и стабильнее, чем в роли трейдера. Так что, если вы всё ещё надеетесь дать AI подсказку и он начнёт зарабатывать деньги за вас — лучше забудьте об этом. Современные большие модели могут лишь выполнять алгоритмические стратегии с фиксированными параметрами, экономя пользователю время на разработку; Но чем больше AI занимает места в системе, тем выше неопределённость «чёрного ящика», и иногда стабильнее просто найти наставника по торговле...