Ученые создают искусственный интеллект для управления крипто-портфелем
По словам исследователей, CryptoRLPM — это первая система искусственного интеллекта на основе обучения с подкреплением, использующая сетевые показатели для управления портфелем.
Пара исследователей из Университета Цукубы в Японии недавно создали систему управления портфелем криптовалют на базе искусственного интеллекта, которая использует данные по цепочке для обучения, первую в своем роде, по словам ученых.
Система искусственного интеллекта (ИИ), называемая CryptoRLPM, сокращенно от “Менеджер портфеля обучения с подкреплением криптовалют”, использует метод обучения, называемый “обучение с подкреплением”, для внедрения данных по цепочке в свою модель. Обучение с подкреплением (RL) — это парадигма оптимизации, в которой система искусственного интеллекта взаимодействует со своей средой — в данном случае, портфеле криптовалют — и обновляет свое обучение на основе сигналов вознаграждения. CryptoRLPM использует обратную связь от RL во всей своей архитектуре. Система состоит из пяти основных блоков, которые работают вместе для обработки информации и управления структурированными портфелями.
Эти модули включают в себя блок подачи данных, блок уточнения данных, блок агента портфеля, блок оперативной торговли и блок обновления агента.
Скриншот исследования перед печатью. Источник: Хуанг, Танака, “Масштабируемая система на основе обучения с подкреплением, использующая данные в цепочке для управления портфелем криптовалют».
После разработки ученые протестировали CryptoRLPM, присвоив ему три портфеля. Первый содержал только биткойн и Storj (STORJ), второй сохранил BTC и STORJ, добавив Bluzelle (BLZ), а третий сохранил все три вместе с Chainlink
.Эксперименты проводились в период с октября 2020 по сентябрь 2022 года в три отдельных этапа (обучение, валидация и обратное тестирование).
Исследователи измерили успех CryptoRLPM в сравнении с базовой оценкой стандартной рыночной производительности с помощью трех показателей: накопленной нормы прибыли (AAR), ежедневной нормы прибыли (DRR) и коэффициента сортировки (SR).
AAR и DRR — это краткие показатели того, сколько актив потерял или приобрел за определенный период времени, а SR измеряет доходность актива с поправкой на риск.
Скриншот исследования перед печатью. Источник: Хуанг, Танака, “Масштабируемая система на основе обучения с подкреплением, использующая данные в цепочке для управления портфелем криптовалют”.
Согласно подготовленному к печати исследовательскому документу ученых, CryptoRLPM демонстрирует значительные улучшения по сравнению с базовой производительностью:
“В частности, CryptoRLPM показывает, по крайней мере, улучшение ARR на 83,14%, улучшение DRR по крайней мере на 0,5603% и улучшение SR по крайней мере на 2,1767% по сравнению с базовым биткойном”.
