با افزایش توجه به ابزارهای معامله‌گری مبتنی بر AI در بازارهای ارزهای دیجیتال، کارشناسان صنعت می‌گویند که بیشتر معامله‌گران درک درستی از نحوه عملکرد این مدل‌ها و جایی که ریسک‌های واقعی آن‌ها نهفته است، ندارند.

ربات‌های معامله‌گری مبتنی بر AI به سرعت در حال جلب توجه در بازارهای ارزهای دیجیتال هستند و همزمان هیجان و نگرانی‌هایی را در میان معامله‌گرانی که امیدوارند استراتژی‌های خود را خودکار کنند، ایجاد کرده‌اند. اما کارشناسان صنعت می‌گویند که بیشتر مردم هنوز درک درستی از آنچه این ربات‌ها می‌توانند و نمی‌توانند انجام دهند و اینکه چرا AI‌های تخصصی در معامله‌گری رفتار بسیار متفاوتی از ابزارهای عمومی مانند ChatGPT دارند، ندارند.

این مقاله به بررسی افزایش ابزارهای معامله‌گری AI، هیجان پشت آن‌ها و ریسک‌هایی که سرمایه‌گذاران باید قبل از اعتماد به سیستم‌های خودکار با سرمایه خود در نظر بگیرند، می‌پردازد.

در این رابطه بخوانید‌ : استیکینگ آفلاین (Offline staking) چیست؟

شکست دادن بازار

برت سینگر، مدیر فروش و تحقیقات در Glassnode، و نوداری کلمکیدزه، مدیر مالی و شریک Cindicator شرکتی که Stoic.AI را ساخته است دو حرفه‌ای هستند که به طور مستقیم در راس داده‌ها، الگوریتم‌ها و معامله‌گرانی قرار دارند که نسل بعدی استراتژی‌های مبتنی بر AI را شکل می‌دهند.

سینگر توضیح داد که قدرت واقعی AI در معامله‌گری نه در تصمیم‌گیری‌های جادویی، بلکه در پردازش داده‌ها نهفته است.

او گفت: “مردم مدل‌هایی را ایجاد می‌کنند که می‌توانند یک پایگاه داده را در یک یا دو روز بررسی کنند و قادر به توسعه و ایجاد این استراتژی‌های معاملاتی باشند.”

او اشاره کرد که سرور MCP جدید Glassnode که از Claude استفاده می‌کند، تجزیه و تحلیل‌های پیشرفته را بسیار در دسترس‌تر کرده است: “این می‌تواند به طور مستقیم از پایگاه داده ما اطلاعات بگیرد و قادر به پاسخگویی به سوالات پیچیده در عرض چند دقیقه و ثانیه باشد.”

اما سینگر هشدار داد که بیشتر ربات‌های AI هنوز در شرایط واقعی بازار ناکام هستند. او گفت: “در بیشتر موارد، آن‌ها نتوانستند بازار را شکست دهند” و اشاره کرد که بسیاری از آن‌ها به آزمایش‌های سطحی یا استراتژی‌های سیگنال واحدی تکیه می‌کنند که از قدرتی که میزهای معاملاتی حرفه‌ای دارند، بی‌بهره‌اند.

AI عمومی در مقابل AI تخصصی

شکست دادن بازار ممکن است همچنین خارج از دامنه مدل‌های AI عمومی مانند ChatGPT باشد که به شدت محبوب است. در عوض، این موضوع بیشتر احتمالاً مربوط به یک ربات بسیار تخصصی است که به طور خاص برای این کار طراحی شده است.

کلمکیدزه که ربات‌های معامله‌گری تخصصی می‌سازد، تفاوت بین چت‌بات‌ها و مدل‌هایی که برای بازارهای مالی طراحی شده‌اند را توضیح داد. او گفت که چت‌بات‌ها (مثل ChatGPT) برای گفتگو و پردازش متن آموزش دیده‌اند و نمی‌توانند به خوبی در بازارهای مالی عمل کنند. اما مدل‌های تخصصی برای تحلیل داده‌ها و انجام معاملات در بازارها طراحی شده‌اند و به همین دلیل عملکرد بهتری دارند. به عبارت دیگر، هر کدام از این ابزارها برای وظایف خاصی ساخته شده‌اند و نمی‌توان انتظار داشت که یکی جای دیگری را به خوبی پر کند.

او گفت: “تفاوت بزرگی بین مدل‌های آموزشی تخصصی و عمومی وجود دارد” و استدلال کرد که انتظار داشتن از یک چت‌بات که بر اساس متن آموزش دیده است تا استراتژی‌های سودآور را اجرا کند، غیرواقعی است. او تأکید کرد که معامله‌گری برای حتی بهترین صندوق‌های پوشش ریسک نیز دشوار است.

کلمکیدزه همچنین هشدار داد که بسیاری از معامله‌گران انتظار دارند ربات‌های AI به عنوان ماشین‌های سود خودکار عمل کنند:

“بزرگ‌ترین تصور غلط این است که ربات AI مانند چاپگر پول است… اینطور نیست.”

رژیم‌های بازار تغییر می‌کنند و حتی مدل‌های قوی نیز می‌توانند به سرعت زمانی که نوسانات یا ساختارهای مومنتوم تغییر می‌کنند، از کار بیفتند. او گفت: “آن‌ها در پیش‌بینی گذشته خوب هستند اما نه آینده” و بر ضرورت نظارت دقیق و ارزیابی بلندمدت تأکید کرد.

همچنین بخوانید : شرکت خودمختار غیرمتمرکز چیست (DAC)؟ و چگونه کار میکند؟

هر دو کارشناس در نهایت توافق کردند که آینده به جای جایگزینی معامله‌گران توسط AI، بهبود آن‌ها توسط AI است. سینگر این‌گونه بیان کرد که AI امروز بیشتر شبیه “یک همکار یا کارآموز است که می‌تواند ۲۴ ساعت در روز کار کند” اما هنوز به قضاوت انسانی نیاز دارد.